Plug-in para ComfyUI para proporcionar capacidad de generación de vídeo basado en Wan 2.1

Introducción general

ComfyUI-WanVideoWrapper 是一个由开发者 kijai 创建的开源插件，专为 ComfyUI 平台设计。它基于 WanVideo 的 Wan2.1 模型，提供了强大的视频生成和处理功能。用户可以通过它实现图像转视频（I2V）、文本转视频（T2V）和视频到视频（V2V）转换。这个插件适合 AI 爱好者、视频创作者以及需要高效工具的用户。项目托管在 GitHub 上，截至 2025 年 3 月，已获 1300 多个星标，社区活跃。目前仍标记为“开发中”（Work in Progress），功能在不断完善。

Lista de funciones

• Imagen a vídeo (I2V): 将静态图片转为动态视频，支持自定义帧数和分辨率。
• Texto a vídeo (T2V): 根据文字描述生成视频，可调整生成参数。
• 视频到视频（V2V）: 对已有视频进行增强或风格转换，保持动作流畅。
• Wan2.1 模型支持: 使用 Wan2.1 的 Transformador 和 VAE 模型，也兼容 ComfyUI 原生编码模块。
• Generación de vídeos largos: 通过窗口大小和重叠设置，支持生成超 1000 帧的视频。
• optimización del rendimiento: 支持 torch.compile，提升生成速度。

Utilizar la ayuda

Proceso de instalación

要使用 ComfyUI-WanVideoWrapper，需先安装 ComfyUI 并添加插件。以下是详细步骤：

1. Instalar ComfyUI
   • 从 GitHub 下载 ComfyUI 主程序（https://github.com/comfyanonymous/ComfyUI）。
   • 解压到本地，例如 C:\ComfyUI.
   • existe ComfyUI_windows_portable 文件夹运行 run_nvidia_gpu.bat 启动（Windows 用户）。
2. 安装 WanVideoWrapper 插件
   • 进入 ComfyUI 根目录下的 custom_nodes Carpeta.
   • 使用 Git 命令克隆插件：

     git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git
     

   • 进入插件目录：

     cd ComfyUI-WanVideoWrapper
     

   • Instale la dependencia:

     python_embeded\python.exe -m pip install -r requirements.txt
     

     • 如果使用便携版，在 ComfyUI_windows_portable 文件夹运行：

       python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\requirements.txt
       

3. 下载 Wan2.1 模型
   • 访问 Hugging Face 模型仓库（https://huggingface.co/Kijai/WanVideo_comfy）。
   • 下载所需文件：
     • 文本编码器放入 ComfyUI/models/text_encoders.
     • Transformer 模型放入 ComfyUI/models/diffusion_models.
     • VAE 模型放入 ComfyUI/models/vae.
   • 也可使用 ComfyUI 自带的文本编码器和 CLIP Vision 替代原始模型。
4. 启动 ComfyUI
   • 安装完成后，重启 ComfyUI，插件节点会自动加载到界面。

Funciones principales

1. 图像转视频（I2V）

• preliminar: 确保已加载 Wan2.1 模型和 VAE。
• procedimiento:
  1. 在 ComfyUI 界面添加 WanVideoModelLoader 节点，选择 Wan2.1 I2V 模型。
  2. aumentar WanVideoVAELoader 节点，加载 VAE 模型。
  3. gasto o desembolso Load Image 节点上传图片。
  4. aumentar WanVideoSampler 节点，设置帧数（如 81 帧）、分辨率（如 512x512）。
  5. 连接 VHS_VideoCombine 节点，设置帧率（如 16fps）和输出格式（如 MP4）。
  6. 点击“生成”，结果保存至 ComfyUI/output Carpeta.
• tenga en cuenta: 官方测试显示，512x512x81 帧占用约 16GB 显存，可降低分辨率减少需求。

2. 文本转视频（T2V）

• preliminar: 准备文字描述，例如“夜晚的城市街道”。
• procedimiento:
  1. aumentar LoadWanVideoT5TextEncoder 节点（或用 ComfyUI 原生 CLIP 模型）。
  2. aumentar WanVideoTextEncode 节点，输入文字。
  3. 连接 WanVideoModelLoader responder cantando WanVideoSampler 节点，设置帧数（如 256）、分辨率（如 720p）。
  4. aumentar WanVideoDecode 节点解码。
  5. gasto o desembolso VHS_VideoCombine 节点输出视频。
  6. 点击“生成”，生成时间依硬件而定。
• llamar la atención sobre algo: 官方示例中，1.3B T2V 模型生成 1025 帧用 5GB 显存，耗时 10 分钟（RTX 5090）。

3. 视频到视频（V2V）

• preliminar: 准备一段短视频（MP4 格式）。
• procedimiento:
  1. gasto o desembolso VHS_LoadVideo 节点加载视频。
  2. aumentar WanVideoEncode 节点编码视频。
  3. 连接 WanVideoSampler 节点，调整增强参数。
  4. aumentar WanVideoDecode 节点解码。
  5. gasto o desembolso VHS_VideoCombine 节点输出结果。
  6. 点击“生成”，完成增强。
• ejemplo típico: 官方测试用 14B T2V 模型进行 V2V，效果更优。

4. 长视频生成

• procedimiento:
  1. existe WanVideoSampler 节点设置帧数（如 1025 帧）。
  2. 设置窗口大小（如 81 帧）和重叠值（如 16），确保动作连贯。
  3. 其他步骤与 T2V 或 I2V 相同。
• requisitos de hardware: 推荐高显存 GPU（如 24GB），低配机器可减小帧数。

Funciones destacadas

• Wan2.1 核心支持: 插件基于 Wan2.1 模型，提供高效视频生成能力。
• 兼容 ComfyUI 原生模块: 可使用 ComfyUI 自带文本编码器和 CLIP Vision，无需额外模型。
• Generación de vídeos largos: 通过窗口和重叠设置，支持超长视频，官方测试 1025 帧表现稳定。
• optimización del rendimiento: 支持 torch.compile，显著提升生成速度。

problemas comunes

• 节点未显示: 检查依赖安装是否完整，或重启 ComfyUI。
• memoria de vídeo insuficiente: 降低分辨率或帧数，官方建议根据硬件调整。
• 模型路径错误: 确保模型放入正确文件夹，参考官方说明。