ComfyUI Wan 2.1 工作流程描述#
1. 什麼是 Wan 2.1？#
ComfyUI Wan 2.1 工作流程是一個尖端的影片生成管道，利用最新的 Wan 2.1 模型從文字提示或/和基礎圖像創建高質量影片。Wan 2.1 支持文字到影片 (T2V) 和圖像到影片 (I2V) 的生成，製作出具有自然動作和專業品質的 5 秒影片。Wan 2.1 為 AI 影片生成設立了新標準，超越開源和商業替代方案。Wan 2.1 14B 模型進一步推動了極限，提供高達 720P 的卓越結果。
2. Wan 2.1 的優勢和能力#
- 高質量輸出： 生成 480P 至 720P 的影片，具有逼真的動作和高保真紋理。
- 硬件可及性： 輕量級的 Wan 2.1 1.3B 模型僅需 8.19GB VRAM，使其兼容大多數現代 GPU（由 RunComfy 提供！）。
- 多功能生成： Wan 2.1 支持文字到影片 (T2V) 和圖像到影片 (I2V) 的工作流程。
- 多語言支持： Wan 2.1 是首款能在影片中生成中英文文字的模型。
- VAE 效率： Wan-VAE 後端有效處理 1080P 影片，保持時間一致性。
- 快速處理： Wan 2.1 1.3B 模型在保持質量的同時提供快速結果。
3. 如何使用 Wan 2.1#
3.1 Wan 2.1 生成方法#
主要 Wan 2.1 生成方法（默認禁用）：文字到影片#
- 輸入： 文字提示
- 最適合： 使用文字描述從零創建影片
- 特點：
- 使用 Wan 2.1 1.3B 模型以更快的生成速度
- 創建 33 幀（5 秒）480P 分辨率的影片
- 優化短片中的平滑運動
高級 Wan 2.1 方法（默認啟用）：帶文字提示的圖像到影片#
- 輸入： 基礎圖像 + 文字提示
- 最適合： 動態化靜止圖像，同時用提示引導運動
- 特點：
- 保留輸入圖像的視覺元素
- 允許文字控制運動方向
- 使用 Wan 2.1 14B 模型以獲得更高的保真度
- 創建 512x512 分辨率的 33 幀影片
示例工作流程：#
- 在 CLIPTextEncode（正面提示/反面提示）： 輸入你的場景描述（例如，“白天在美麗的冬季景觀中，樹木和山脈間快速移動的狐狸，跟蹤攝影機”）。
- 在 Load Image： 上傳你的基礎圖像。
- 進一步微調（可選）：
- 在 KSampler： 調整
steps（默認：30）以獲得質量與速度的平衡。 - 在 ModelSamplingSD3： 修改
scale值（默認：8）以提高提示依從性。
- 在 KSampler： 調整
- 點擊 Queue Prompt 開始生成。
- 在 SaveAnimatedWEBP 中找到你的輸出預覽（也保存在 ComfyUI > Output 文件夾中）。
3.2 Wan 2.1 的參數參考#
- KSampler：
steps: 20-30（更高的值提高質量但增加時間）cfg: 6.0（控制提示依從性強度）scheduler: "simple"（決定噪聲調度方法）sampler_name: "uni_pc"（Wan 2.1 的推薦採樣器） <p align="center"> <img src="https://cdn.runcomfy.net/workflow_assets/1199/readme03.webp" alt="Wan 2.1" width="350"/> </p>
- WanImageToVideo：
width/height: 512（輸出分辨率）length: 33（每段影片的幀數）batch_size: 1（每次運行的影片數量）
- ModelSamplingSD3：
scale: 8（控制指導依從性）
- EmptyHunyuanLatentVideo：
width/height: 832/480（T2V 輸出分辨率）length: 33（每段影片的幀數）batch_size: 1（每次運行的影片數量） <p align="center"> <img src="https://cdn.runcomfy.net/workflow_assets/1199/readme04.webp" alt="Wan 2.1" width="350"/> </p>
3.3 Wan 2.1 的高級優化#
- 內存優化：
- 使用 Wan 2.1 1.3B 模型以更快的生成速度和較低的 VRAM 需求。
- 降低分辨率（例如 512x320）以加快處理速度。
- 減少幀數以縮短和加快渲染。
- 質量優化：
- 使用 Wan 2.1 14B 模型以獲得更高質量的輸出。
- 增加 KSampler 步驟到 30-40，以獲得更精細的結果。
- 使用高質量的基礎圖像進行圖像到影片轉換以獲得最佳保真度。
更多信息#
有關 Wan 2.1 的更多詳細信息，請訪問 Wan-Video GitHub repository。
鳴謝#
Wan 2.1 模型由 Wan 團隊開發，ComfyUI 的整合由原始開發者創建。所有的榮譽歸功於這些創新者，他們推動了 AI 驅動影片生成的進步。
