Wan 2.1 Fun | 控制网络视频生成

Wan 2.1 Fun | 控制网络视频生成

Wan 2.1 Fun 引入了一种直观而强大的方法，利用 Wan 2.1 Fun 模型进行受控 AI 内容创作。 在一个 ControlNet 启发的框架下构建，Wan 2.1 Fun 确保与标准 ControlNet 预处理模块的兼容性。通过从输入素材中提取 Depth、Canny 或 OpenPose 通道，此 ControlNet-based ComfyUI 工作流程允许用户精确地影响输出的结构、运动和风格，而不仅仅依赖于文本提示。

Wan 2.1 Fun 将结构化的视觉数据引入流程——保持运动准确性，增强风格化，促进更有意图的转换。无论是构建动态动画、姿势驱动的表演，还是实验抽象运动艺术，Wan 2.1 Fun 都将艺术控制直接置于您的手中，同时利用 Wan 2.1 Fun 模型和 ControlNet 原则的表现力。

---

为什么使用 Wan 2.1 Fun?

Wan 2.1 Fun 工作流程提供了一种灵活的方法，以 ControlNet-style 视觉条件指导 AI 运动和结构：

• 使用 Depth、Canny 或 OpenPose 进行结构化控制
• 基于 ControlNet 启发的系统，启用引导转换
• 兼容多个 ControlNet 预处理器，包括第三方扩展
• 通过 ControlNet 原则实现更清晰的空间一致性、形式和动态流动
• 无需复杂的提示工程或训练
• 轻量且响应迅速，具有高视觉保真度
• 非常适合动作设计、风格化编舞或以表演为驱动的运动合成

---

如何使用 Wan 2.1 Fun ControlNet 工作流程

Wan 2.1 Fun 概览

• Load WanFun Model (紫色): 模型加载器
• Enter Prompts (绿色): 正面和负面提示
• Upload Your Video and Resize (青蓝色): 用户输入——参考素材和调整大小
• Choose Control Video Preprocessor (橙色): ControlNet 节点用于深度、Canny 或 OpenPose
• Wan Fun Sampler + Save Video (粉色): 采样与输出

快速开始步骤：

1. 选择您的 Wan 2.1 Fun 模型 (Wan2.1-Fun-Control (1.3B / 14B))
2. 输入您的正面和负面提示
3. 上传参考素材
4. 通过 Queue Prompt 运行工作流程
5. 从最后一个节点或 Outputs 文件夹中检索结果

---

1 - 加载 WanFun 模型

选择合适的 Wan2.1-Fun-Control 变体进行 ControlNet-style 调节：

• 使用 model_cpu_offload 以更流畅地运行 1.3B
• 使用 sequential_cpu_offload 以降低 14B 的 GPU 负载

---

2 - 输入提示

• 正面提示：
  • 描述运动风格、氛围或视觉纹理
  • 生动和描述性的提示增强创意控制
• 负面提示：
  • 为提高输出稳定性，尝试使用 "模糊、变异、变形、扭曲、黑暗和坚固、漫画。" 等词
  • 为了更动感的运动，添加 "安静、坚固" 等词

---

3 - 上传您的视频并调整大小

上传您的源素材。为获得与 Wan 2.1 Fun 的最佳效果，请适当地调整大小以符合所需的帧尺寸。

---

4 - 选择控制视频预处理器

此部分激活 Wan 2.1 Fun 的基于 ControlNet 的预处理系统：

• Depth: 捕获空间布局作为深度图
• Canny: 提取强边缘轮廓和结构
• OpenPose: 识别关节、肢体和姿势以进行运动驱动的工作

这些指南使 Wan 2.1 Fun 工作流程能够遵循视觉线索，而不仅仅依赖于提示。
所有模块与 ControlNet 预处理标准一致，允许通过自定义节点扩展功能。

---

5 - Wan Fun 采样器 + 保存输出

Wan 2.1 Fun 采样器 调整为清晰和创意一致性。
如有需要，请自定义配置。输出将自动保存到指定文件夹。

---

致谢

Wan 2.1 Fun 工作流程由 和 开发，他们在 AI 驱动的运动控制和风格化方面的贡献使得高级 ControlNet 集成成为可能。此项目将 Wan 2.1 Fun 模型的表现深度与深度、Canny 和 OpenPose 输入结合应用，以实现 AI 辅助视觉制作中的构图和动态精度。
我们感谢他们为创意社区提供这些工具。