幻想肖像 | 富有表现力的照片动画

幻想肖像：在 ComfyUI 中的富有表现力的肖像动画

此工作流程将单张静态图像转化为高保真幻想肖像动画。它集成了 Fantasy-AMAP 的 FantasyPortrait 模型，结合了表情增强的扩散变换器，并将其包装在 Wan Video 2.1 图像到视频管道中，因此您可以通过最少的设置生成身份保留、情感丰富的说话镜头。它专为希望从单张照片中获得电影级幻想肖像动作的创作者设计，提供清晰的构图、时长和风格控制。

管道是全自动的：放入一张肖像，选择分辨率和帧数，选择性地添加提示和 LoRA，然后渲染为 MP4。在后台，图形检测面部，编码图像和文本引导，将 Fantasy Portrait 身份嵌入融合到 Wan 的 I2V 条件器中，采样视频，然后解码帧并保存最终剪辑。

---

ComfyUI 幻想肖像工作流程中的关键模型

FantasyPortrait (Fantasy-AMAP)

核心身份和表情模块。提供增强表情的嵌入，既能保留主体特征，又能实现细微的面部动作。
|

WanVideo 2.1 I2V (14B, 720p)

用于从肖像和文本/图像条件中采样动画的视频扩散骨干。量化的、适用于 Comfy 的权重可通过 Kijai 的模型包获取。

UMT5-XXL 编码器

用于视频采样器中提示引导的高容量文本编码器。
示例权重：umt5-xxl-enc-bf16.safetensors 在

Wan 2.1 VAE

用于编码/解码潜在变量的视频优化 VAE。
示例权重：Wan2_1_VAE_bf16.safetensors 在

---

如何使用 ComfyUI 幻想肖像工作流程

工作流程从输入到最终视频从左到右运行。您首先设置三个方面：图像、尺寸和时长。然后，您可以根据需要使用简短提示或 LoRA 进行微调。

1) 图像输入和尺寸调整

将单张肖像加载到 LoadImage 中，然后调整其大小以进行处理。两个调整阶段确保图像符合您选择的 宽度 和 高度，同时保持构图。使用 Width、Height 和 Frames 控件定义输出大小（默认 720 × 720）和动画长度。这使您的幻想肖像在整个管道中保持一致的构图。

2) 面部检测和幻想肖像嵌入

FantasyPortraitModelLoader 加载 FantasyPortrait 权重，FantasyPortraitFaceDetector 从您的图像中提取身份和表情感知的肖像嵌入。核心思想是将主体是谁与他们如何表达分开，因此最终动画保留身份，同时允许表现力的动作。除非您更换模型，否则无需在此处进行调整。

3) 图像和文本条件

对于图像引导，CLIPVisionLoader 与 WanVideoClipVisionEncode 从肖像中生成稳健的视觉特征。对于文本引导，WanVideoTextEncodeCached 使用 UMT5-XXL 编码器将您的正负提示转化为视频条件嵌入。一个简短、简单的提示如“自然工作室特写，温和微笑”通常足以获得干净的幻想肖像外观。

4) I2V 编码和时长控制

VHS_LoadVideo 用作方便的帧计数器。您可以保留占位符剪辑或加载具有您偏好时长的参考；其帧数提供给 WanVideoImageToVideoEncode，将起始图像加上图像/文本嵌入转化为 I2V 条件。如果您偏好固定长度，只需直接设置 Frames，忽略参考加载器。

5) 幻想肖像融合

WanVideoAddFantasyPortrait 将 I2V 条件与第 2 步的肖像嵌入合并。这赋予最终幻想肖像动画其强烈的身份保留和表现细节。一旦加载图像，不需要额外输入。

6) LoRA 和模型设置

WanVideoModelLoader 加载 Wan 2.1，接着 WanVideoLoraSelect 可选择性地应用来自 Kijai 包的轻量级 I2V LoRA，以在不重新训练的情况下偏向动作或美学。如果您想要稍微更具风格化的幻想肖像，同时保持身份不变，这是一个很好的实验点。

7) 视频采样和解码

WanVideoSampler 使用融合的条件生成潜在帧。保持提示简单，如果需要更多细节，适度增加步骤，避免使用长负面提示过度限制。WanVideoDecode 将潜在变量转换回图像，工作流程连接预览，然后 VHS_VideoCombine 写入 MP4（默认 16 fps，yuv420p）。输出文件名前缀设置为方便。

---

ComfyUI 幻想肖像工作流程中的关键节点

FantasyPortraitModelLoader (#138)

加载 FantasyPortrait 权重。如果您正在测试更新的 Fantasy-AMAP 版本，可以在此处替换。无需调优，但请保持与您的 Wan 模型和 VAE 的精度一致。

FantasyPortraitFaceDetector (#142)

从调整大小的图像中提取肖像嵌入。良好的结果来自光线充足、正面拍摄且遮挡最小的照片。如果动作看起来不正常，请验证输入裁剪并尝试更干净的源图像。

WanVideoImageToVideoEncode (#151)

从 CLIP 图像特征、您的起始图像和时长构建 Wan 的 I2V 条件。调整 宽度、高度 和 num_frames 以控制渲染占用和长度。较长的序列需要更多的 VRAM 和时间。

WanVideoAddFantasyPortrait (#150)

将幻想肖像的身份/表情融入 I2V 条件器。使用此功能可以在启用细微表情变化的同时，使主体在各帧中保持可识别。不需要通常调整的参数。

WanVideoSampler (#149)

生成视频潜在变量。如果您想要更清晰的细节，可以适度增加步骤。如果动作漂移，减少提示复杂度或尝试不同的 LoRA。保持引导连贯而不是冗长。

WanVideoTextEncodeCached (#155)

使用 UMT5-XXL 编码正/负提示。使用简短的描述性短语。过于强烈的负面提示（例如，重"坏质量"堆叠）可能会抑制表情。

---

提示

• 从方形 720 × 720 和 4 到 6 秒的快速迭代开始，然后根据需要进行扩展。
• 使用干净的、正面光照的肖像，眼睛可见。避免重遮挡、太阳镜或极端角度。
• 保持幻想肖像提示简洁。描述光照和氛围，而不是身份。
• 如果您希望在不丢失身份的情况下获得不同的动作感，可以尝试来自 Kijai 包的轻柔 LoRA。

---

致谢

此工作流程利用了来自 团队的 幻想肖像 模型，将 表情增强的扩散变换器 集成到 ComfyUI 中，实现全自动、高质量的肖像动画管道。
特别感谢 kijai 创建并集成了 Wan Video Wrapper node，使得在图像到视频框架中无缝运行肖像动画成为可能。
我们还感谢更广泛的 ComfyUI 社区对开放创意工具的持续贡献。

链接：