Wan 2.1 Fun | ControlNet 視頻生成

Wan 2.1 Fun | ControlNet 視頻生成

Wan 2.1 Fun 引入了一種直觀且強大的方法，用於使用 Wan 2.1 Fun 模型進行控制的 AI 內容創作。 基於 ControlNet 啟發的框架構建，Wan 2.1 Fun 確保與標準 ControlNet 預處理模塊的兼容性。通過從輸入視頻中提取 Depth、Canny 或 OpenPose 通道，這個 ControlNet-based ComfyUI 工作流程允許用戶精確影響輸出的結構、運動和風格，而不僅僅依賴於文本提示。

Wan 2.1 Fun 將結構化的視覺數據引入過程中——保留運動準確性，增強風格化，並允許更有意圖的轉換。無論您是在創建動態動畫、姿勢驅動的表演，還是實驗抽象運動藝術，Wan 2.1 Fun 將藝術控制直接交到您手中，同時利用 Wan 2.1 Fun 模型和 ControlNet 原則的表達力。

為什麼要使用 Wan 2.1 Fun？

Wan 2.1 Fun 工作流程提供了一種靈活的方法來使用 ControlNet-style 視覺條件引導 AI 的運動和結構：

• 使用 Depth、Canny 或 OpenPose 進行結構化控制
• 基於 ControlNet 啟發的系統，實現引導轉換
• 與多個 ControlNet 預處理器兼容，包括第三方擴展
• 通過 ControlNet 原則實現更清晰的空間一致性、形式和動態流動
• 不需要複雜的提示工程或訓練
• 輕量且響應迅速，具有高視覺保真度
• 非常適合動作設計、風格化編舞或表演驅動的運動合成

如何使用 Wan 2.1 Fun ControlNet 工作流程

Wan 2.1 Fun 概述

• Load WanFun Model (purple): 模型加載器
• Enter Prompts (green): 正面和負面提示
• Upload Your Video and Resize (cyan blue): 用戶輸入——參考視頻和調整大小
• Choose Control Video Preprocessor (orange): ControlNet 節點，用於深度、Canny 或 OpenPose
• Wan Fun Sampler + Save Video (pink): 取樣及輸出

快速開始步驟：

1. 選擇您的 Wan 2.1 Fun 模型 (Wan2.1-Fun-Control (1.3B / 14B))
2. 輸入正面和負面提示
3. 上傳參考視頻
4. 通過 Queue Prompt 運行工作流程
5. 從最後一個節點或 Outputs 資料夾中檢索結果

1 - 加載 WanFun 模型

選擇合適的 Wan2.1-Fun-Control 變體進行 ControlNet-style 條件化：

• 使用 model_cpu_offload 以更平滑地運行 1.3B
• 使用 sequential_cpu_offload 以降低 14B 的 GPU 負載

2 - 輸入提示

• 正面提示：
  • 描述運動風格、氛圍或視覺質感
  • 生動和描述性的提示增強創意控制
• 負面提示：
  • 為了提高輸出穩定性，請嘗試使用語句如 "模糊、突變、變形、扭曲、黑暗和實心、漫畫。"
  • 為了獲得更動態的運動，添加詞語如 "安靜、實心"

3 - 上傳您的視頻並調整大小

上傳您的源視頻。為了獲得 Wan 2.1 Fun 的最佳效果，請適當調整大小以達到所需的幀尺寸。

4 - 選擇控制視頻預處理器

此部分啟動 Wan 2.1 Fun 的 ControlNet-based 預處理系統：

• Depth: 捕捉空間佈局為深度圖
• Canny: 提取強邊緣輪廓和結構
• OpenPose: 識別關節、肢體和姿勢以進行運動驅動的工作

這些指南條件化 Wan 2.1 Fun 工作流程以遵循視覺提示，而不僅僅依賴於提示。
所有模塊均符合 ControlNet 預處理標準，允許您通過自定義節點擴展功能。

5 - Wan Fun 取樣器 + 保存輸出

Wan 2.1 Fun 取樣器 調整為清晰度和創意一致性。
如果需要，請自定義配置。輸出自動保存到指定資料夾中。

致謝

Wan 2.1 Fun 工作流程由 和 開發，他們對基於 AI 的運動控制和風格化的貢獻使先進的 ControlNet 集成成為可能。該項目將 Wan 2.1 Fun 模型的表達深度與深度、Canny 和 OpenPose 輸入相結合，以實現 AI 輔助視覺創作中的構圖和動態精度。
我們感謝他們為創意社群提供這些工具。