Wan Alpha | Gerador de Vídeo Transparente

Wan Alpha: texto-a-vídeo transparente para composição profissional

Wan Alpha é um fluxo de trabalho ComfyUI desenvolvido especificamente para gerar vídeos com um canal alpha nativo usando a família Wan 2.1. Produz simultaneamente RGB e alpha para que personagens, adereços e efeitos caiam diretamente nas linhas do tempo sem keying ou rotoscopia. Para VFX, gráficos em movimento e aplicativos interativos, Wan Alpha oferece bordas limpas, efeitos semi-transparentes e máscaras precisas para produção.

Construído em torno de Wan2.1‑T2V‑14B e um par de VAE ciente de alpha, Wan Alpha equilibra fidelidade e velocidade. A aceleração opcional LightX2V LoRA encurta a amostragem enquanto preserva os detalhes, e o fluxo de trabalho exporta sequências de quadros RGBA, além de uma prévia animada em WebP para revisão rápida.

Modelos principais no fluxo de trabalho Comfyui Wan Alpha

• Wan2.1‑T2V‑14B. Modelo base de texto-a-vídeo que impulsiona a estrutura da cena, movimento e qualidade de renderização. Pesos e códigos oficiais são mantidos na organização Wan-Video no GitHub. Wan-Video/Wan2.1
• Codificador de texto UMT5‑XXL. Codificador multilíngue usado para tokenizar e incorporar prompts para modelos Wan, permitindo frases de prompt ricas em vários idiomas. google/umt5-xxl e UMT5 docs
• Par de VAE Wan‑Alpha. Um design de VAE que aprende RGB e alpha conjuntamente para que o alpha decodificado alinhe pixel a pixel com RGB, suportando bordas finas e semi-transparência. Veja o relatório técnico Wan‑Alpha para mais informações. Wan‑Alpha (arXiv)
• LightX2V LoRA. Aceleração LoRA opcional que destila longos amostradores para alguns passos para texto-a-vídeo mais rápido enquanto mantém a qualidade perceptual. ModelTC/LightX2V

Como usar o fluxo de trabalho Comfyui Wan Alpha

Este gráfico ComfyUI segue um caminho direto do prompt para quadros RGBA: carregar modelos, codificar texto, alocar um latente de vídeo, amostrar, decodificar RGB e alpha em sincronia, e então salvar.

Carregamento de Modelo e LoRA

• Comece em Load Wan 2.1 t2v 14B (#37) para trazer o modelo base. Se você usar aceleração ou refinamentos de estilo, aplique-os com LoraLoaderModelOnly (#59) e LoraLoaderModelOnly (#65) em sequência. O modelo então passa por ModelSamplingSD3 (#48), que configura um amostrador compatível com o ponto de verificação carregado. Esta pilha define o movimento anterior e o estilo de renderização que Wan Alpha refinará nas etapas posteriores.

Codificação de Prompt

• Load Text Encoder (#38) carrega o codificador de texto UMT5‑XXL. Insira sua descrição em CLIP Text Encode (Positive Prompt) (#6); mantenha seu assunto, ação, enquadramento de câmera e a frase “fundo transparente” concisos. Use CLIP Text Encode (Negative Prompt) Useless s (#7) para desviar de halos ou desordem de fundo, se necessário. Essas codificações condicionam tanto a geração de RGB quanto de alpha, para que bordas e sinais de transparência sigam sua intenção.

Configuração de Canvas de Vídeo

• Use EmptyHunyuanLatentVideo (#40) para definir o canvas de vídeo latente. Defina largura, altura, quadros e fps para ajustar sua cena; resoluções mais altas ou clipes mais longos exigem mais memória. Este nó aloca um volume latente temporalmente consistente que Wan Alpha preencherá com movimento e aparência. Considere combinar a duração e a taxa de quadros com sua edição para evitar reamostragem depois.

Geração

• O KSampler (#3) realiza difusão no vídeo latente usando sua pilha de modelos e condicionamento de prompt. Ajuste seed para variações e selecione um sampler e scheduler que equilibrem velocidade e detalhe. Quando o LightX2V LoRA está ativo, você pode usar menos etapas para renderizações mais rápidas enquanto mantém a estabilidade. A saída é um único fluxo latente compartilhado pelo próximo estágio de decodificação para garantir alinhamento perfeito de RGBA.

Decodificação de RGB e alpha

• RGB VAE Decode (#8) emparelha com VAELoader (#39) para reconstruir quadros RGB. Em paralelo, Alpha VAE Decode (#52) emparelha com VAELoader (#51) para reconstruir o canal alpha. Ambos os decodificadores leem o mesmo latente para que o matte alinhe exatamente com os pixels de cor, uma ideia central no design Wan‑Alpha para transparência consistente. Esta decodificação de caminho duplo é o que torna Wan Alpha pronto para composição direta.

Salvando e Visualizando

• SavePNGZIP_and_Preview_RGBA_AnimatedWEBP (#73) escreve dois entregáveis: um arquivo zip de quadros PNG RGBA e uma prévia animada em WebP compacta. A sequência de quadros é amigável para produção em NLEs e compositores, enquanto a prévia acelera as revisões. Nomeie seu conjunto de saída, escolha um comprimento e qualidade de prévia, e execute o nó para empacotar seu resultado.

Nós principais no fluxo de trabalho Comfyui Wan Alpha

EmptyHunyuanLatentVideo (#40)

• Função: define a resolução espacial e temporal do clipe gerado. Ajuste largura, altura, quadros e fps para corresponder à entrega. Canvas maiores e durações mais longas aumentam as necessidades de VRAM; considere rascunhos mais curtos para desenvolvimento visual e, em seguida, escale para finais.

KSampler (#3)

• Função: o principal removedor de ruído para Wan Alpha. Ajuste seed para explorações, steps para trocar velocidade por detalhe, sampler e scheduler para estabilidade, e cfg para equilibrar adesão ao prompt com movimento natural. Com LightX2V LoRA ativo, você pode reduzir steps significativamente enquanto preserva a qualidade graças à destilação de etapas. Veja LightX2V para contexto sobre amostragem rápida. ModelTC/LightX2V

LoraLoaderModelOnly (#59)

• Função: carrega o LightX2V LoRA que acelera a amostragem Wan2.1. Use o controle strength para misturar seu efeito se você ver superafiação ou artefatos de tempo. Mantenha este LoRA mais próximo do modelo base na cadeia para que LoRAs a jusante herdem seus benefícios de velocidade.

LoraLoaderModelOnly (#65)

• Função: carrega um LoRA adicional para refinamento de estilo ou domínio. Modere strength para evitar sobrecarregar a coerência de movimento; combine com seu prompt em vez de substituí-lo. Se aparecerem artefatos, reduza este LoRA antes de alterar o amostrador.

VAELoader (#39) RGB

• Função: fornece o VAE RGB usado por RGB VAE Decode (#8). Mantenha este emparelhado com o VAE alpha Wan‑Alpha para garantir que ambos os decodificadores interpretem latentes de forma coerente. Trocar por VAEs não relacionados pode desalinhá-los ou suavizar a transparência. Antecedentes sobre o design conjunto RGB–alpha estão no relatório Wan‑Alpha. Wan‑Alpha (arXiv)

VAELoader (#51) Alpha

• Função: fornece o VAE alpha usado por Alpha VAE Decode (#52). Reconstrói o matte do mesmo espaço latente que o RGB, para que a transparência corresponda ao movimento e detalhe. Se você personalizar os VAEs, teste se RGB e alpha ainda se alinham em bordas subpixel, como cabelo.

SavePNGZIP_and_Preview_RGBA_AnimatedWEBP (#73)

• Função: exporta ativos. Defina um output_name claro para versionamento, escolha qualidade de prévia e taxa de quadros que reflitam o clipe gerado e mantenha a exportação PNG como seu master para composição sem perdas. Evite redimensionar entre decodificação e salvamento para preservar a fidelidade das bordas.

Extras Opcionais

• Prompts fortes para Wan Alpha descrevem explicitamente assunto, ação, câmera, iluminação e “fundo transparente.” Adicione materiais sutis como “cabelo esvoaçante” ou “vidro” para exercitar detalhes alpha.
• Para iteração rápida, use durações mais curtas ou taxas de quadros mais baixas, depois aumente as configurações quando aparência e movimento estiverem bloqueados.
• Se você vir halos, adicione negativos como “fundo, contorno, tela verde, franja branca” e mantenha a iluminação consistente no prompt.
• Ao combinar vários LoRAs, coloque LoRAs de aceleração mais cedo e LoRAs de estilo mais tarde, e mantenha forças modestas para reter realismo de movimento.
• Importe a sequência PNG RGBA diretamente para seu compositor; use o WebP animado apenas para prévias, não como um master.

Recursos usados no Wan Alpha

• Família de modelos Wan2.1 e código: Wan-Video/Wan2.1
• Codificador de texto UMT5: google/umt5-xxl e UMT5 docs
• Visão geral do método Wan‑Alpha: Wan‑Alpha (arXiv)
• Aceleração LightX2V: ModelTC/LightX2V

Agradecimentos

Este fluxo de trabalho implementa e constrói sobre os seguintes trabalhos e recursos. Agradecemos a WeChatCV por Wan-Alpha por suas contribuições e manutenção. Para detalhes autoritativos, consulte a documentação e os repositórios originais vinculados abaixo.

Recursos

• WeChatCV/Wan-Alpha
  • GitHub: WeChatCV/Wan-Alpha

Nota: O uso dos modelos, conjuntos de dados e código referenciados está sujeito às respectivas licenças e termos fornecidos por seus autores e mantenedores.