ComfyUI>工作流程>Wan Animate 2 ComfyUI | 精確動作轉移

Wan Animate 2 ComfyUI | 精確動作轉移

Workflow Name: RunComfy/Wan-Animate-2
Workflow ID: 0000...1487
使用 Wan-Animate-2 將一個角色的靜態圖像轉變為全身表演。使用一段短驅動視頻引導每一個動作。保持參考身份的一致性。跳過骨架和 OpenPose 提取。使用 RunComfy 準備好的圖形更快地構建片段。你將獲得受控的工作室風格動畫。

Wan Animate 2 ComfyUI Workflow

Wan Animate 2 ComfyUI | Identity-Preserving Motion Transfer
想要運行這個工作流程嗎?
  • 完全可操作的工作流程
  • 沒有缺失的節點或模型
  • 無需手動設置
  • 具有驚豔的視覺效果

Wan Animate 2 ComfyUI Examples

Wan Animate 2 ComfyUI 動作轉移:從驅動視頻生成單圖像角色動畫#

Wan Animate 2 ComfyUI 將一個參考角色的靜態圖像加上一段驅動姿勢視頻轉換為新的全身動畫片段。它基於 Wan-Animate-2,一個端到端的擴散變壓器,直接從原始幀轉移動作,因此您不需要 OpenPose 或任何骨架提取。工作流程在您通過文本控制背景、風格和鏡頭的同時,保持靜態圖像的角色身份。

這個 RunComfy 準備好的圖形非常適合希望在 ComfyUI 中進行工作室風格動作轉移的創作者。您提供一個肖像或全身參考,放入一段短驅動視頻,設置兩個簡潔的提示,Wan Animate 2 ComfyUI 會產生一個身份忠實的角色表演,並帶有乾淨的、由提示驅動的場景。

Comfyui Wan Animate 2 ComfyUI 工作流程中的關鍵模型#

  • Wan-Animate-2 核心權重。這個擴散變壓器在生成新幀時從驅動片段中執行身份感知的動作轉移。來源和權重:Wan-Animate-2 GitHubComfy-Org/Wan-Animate-2
  • LightX2V I2V 14B 480p 蒸餾 LoRA。一個輕量級的適配器,對齊 Wan-Video 骨幹以進行高效的圖像到視頻生成和動作調節。文件:lightx2v_I2V_14B_480p_cfg_step_distill_rank64_bf16.safetensors 在 Hugging Face
  • uMT5-XXL 文本編碼器。解釋您的正面和負面提示以驅動角色外觀、背景和風格。文件:umt5_xxl_fp8_e4m3fn_scaled.safetensors 在 Hugging Face
  • CLIP ViT-H/14 視覺編碼器。從參考圖像中提取外觀特徵,從姿勢幀中提取補充提示,以提供可靠的身份和運動指導。文件:clip_vision_h.safetensors 在 Hugging Face
  • Wan 2.1 VAE。在保持精細紋理和顏色保真度的同時編碼和解碼視頻潛變量。文件:Wan2_1_VAE_bf16.safetensors 在 Hugging Face

如何使用 Comfyui Wan Animate 2 ComfyUI 工作流程#

從概覽來看,工作流程將一個參考圖像和一段驅動視頻通過動作轉移子圖,然後解碼幀成為視頻並選擇性地拼接一個並排比較。下面的組描述了每個部分的貢獻以及您可以編輯的內容。

模型#

此組加載核心 Wan-Animate-2 模型、其 LoRA、文本編碼器、CLIP-Vision 和 VAE。保持默認模型選擇,除非您知道需要來自相同存儲庫的替代品。UNet 和 LoRA 配對定義了如何解釋和渲染動作,而 VAE 控制潛變量編碼/解碼期間的圖像保真度。如果您更換模型,請確保它們與 Wan Animate 2 ComfyUI 資產兼容,這些資產來自鏈接的存儲庫。

提示#

使用正面提示描述角色的外觀和您想要的背景,使用負面提示輕微排除工件。描述外觀、材料、服裝、照明和佈景;不要在此處描述運動,因為運動來自視頻。保持提示簡潔和具體可改善身份保留和背景一致性跨幀。文本編碼器將您的文本轉換為整個生成過程中使用的調節。

參考圖像#

使用 Load Image (Reference Image) (#189) 加載一個單一、乾淨的參考肖像或全身靜態圖像,角色置中。此靜態圖像的背景不會被保留,因為場景是從您的提示生成的。該組將參考圖像調整為下游使用的工作解析度,以便注意力圖與姿勢特徵對齊。光線充足、清晰且遮擋最少的參考圖像會產生更強的身份。

姿勢參考視頻#

使用 Load Video (Pose Video) (#240) 導入驅動片段。幀直接傳遞給模型,而不是轉換為骨架關鍵點,因此自然的細微差別如重心轉移和次要運動轉移得很好。該圖形標準化空間維度,同時保持原始片段的節奏,這意味著輸出 fps 跟隨來源。選擇其構圖大致與參考相符的片段(例如全身對全身)以避免縮放漂移。

上下文窗口和緩存#

ContextWindowsManual 控制時間上下文,幫助更長的運動在窗口間保持一致。小 ComfySwitchNode 切換上下文擴展是否被使用,允許您在長鏡頭中用穩定性交換記憶體。WanAnimate2Cache 管理 gpucpu 上的注意力緩存,使用減少的精度,這有助於控制長序列上的 VRAM 高峰。對於緊湊的 GPU,將緩存放在 cpu 上是一個實用的保護措施。

調節#

WanAnimate2ToVideo (#247) 是 Wan Animate 2 ComfyUI 的核心。它將正面和負面文本調節與參考圖像、CLIP-Vision 特徵和姿勢幀合併,生成一系列視頻潛變量。您可以將上一段的最後一幀傳遞給 continue_motion 以保持段與段之間的連續性,並且當鏈接時可以用 video_frame_offset 偏移驅動片段的讀取。該節點還接受 reference_image_strengthpose_strength 以平衡身份鎖定與運動保真度。

取樣#

SamplerCustom 使用 ModelSamplingSD3BasicSchedulerLCM 取樣器選擇準備好的模型對視頻潛變量進行去噪。此階段決定速度和紋理穩定性;固定種子保持外觀和顆粒在段間一致,而隨機種子增加變化。結果是一個準備好解碼的潛變量視頻片段。

修剪重複的第一幀#

當鏈接段時,新段的第一幀可能會重複上一段的最後一幀。TrimVideoLatent 加上一個小開關路徑自動去除該縫隙。如果您仍然看到單幀卡頓,請在批處理時丟棄新塊的第一張圖像。

視頻組裝和比較#

VAEDecode 將最終的潛變量轉換為圖像,這些圖像被批處理然後發送到 CreateVideo 以繼承源片段的 fps 和音頻(如果存在)。SaveVideo 將生成的動畫寫入磁盤。Video Stitch 子圖(內部的 ImageStitch)將生成的視頻與原始驅動視頻進行並排比較,以便快速質量檢查,然後將該組合視圖保存為單獨的文件。

超越單一塊的擴展#

每次通過生成固定數量的幀,因此更長的鏡頭是通過複製 Motion Transfer (Wan Animate 2) 子圖 (#261) 創建的。將上一段的 continue_motion 連接到下一段,並將先前的 video_frame_offset 向前傳遞,以便驅動片段的讀取無縫進行。將每個段的 image 輸出連接到 BatchImagesNode (#289) 中,以在視頻創建前連接片段。左下角的輔助數學節點計算您需要的通過次數,基於驅動視頻的長度,並且小型預覽顯示該數量。

Comfyui Wan Animate 2 ComfyUI 工作流程中的關鍵節點#

WanAnimate2ToVideo (#247)#

結合文本調節、參考圖像、CLIP-Vision 特徵和姿勢幀來合成視頻潛變量。調整 reference_image_strength 以控制輸出與靜態圖像的緊密度,並使用 pose_strength 加上 pose_start_percentpose_end_percent 來窗口或軟化運動。length 設置每次通過的幀數,video_frame_offset 在鏈接時推進驅動片段,continue_motion 使用先前段的最後幀錨定時間連續性。支持的 Wan-Animate-2 實現和權重在上面鏈接的官方存儲庫中。

ContextWindowsManual (#257) 與 ComfySwitchNode (#258)#

擴展時間注意力窗口,使運動在更長的序列中保持一致。對於複雜的運動或當您看到隨時間漂移的細節時啟用它,代價是額外的記憶體。如果您達到記憶體限制,禁用或減少上下文窗口大小並依賴段與段的連續性。

WanAnimate2Cache (#224)#

緩存注意力鍵和值以減少冗餘計算並平滑記憶體使用。將緩存 device 設置為 cpu 當 VRAM 緊張或設置為 gpu 以獲得最大吞吐量,並保持輕量型資料類型以穩定性。這在您堆疊多個通過以進行擴展鏡頭時尤其有用。資產由官方 Comfy-Org/Wan-Animate-2 發行提供。

SamplerCustom (#19) 與 KSamplerSelectBasicScheduler#

運行視頻潛變量的去噪軌跡。選擇 LCM 取樣器以進行快速、高質量的步驟,適合交互式迭代。使用固定種子鎖定跨鏈接段的紋理和陰影;更改種子以探索替代品,同時保持運動相同。

TrimVideoLatent (#223)#

去除鏈接段時可能出現的重複第一幀,消除可見縫隙。在構建更長的序列時保持啟用,並在單次通過剪輯時禁用。

可選擴展#

  • 保持參考和驅動視頻之間的構圖一致。全身對全身或中景對中景效果最佳。
  • 因為 Wan Animate 2 ComfyUI 直接讀取原始幀以獲取運動,使用輪廓清晰且運動模糊最少的驅動片段。
  • 在正面提示中描述背景,而不是依賴於參考圖像背景;模型從文本生成新場景。
  • 輸出 fps 跟隨輸入片段。如果運動顯得太慢或太快,請在運行工作流程前重採樣驅動視頻。
  • 對於記憶體有限的 GPU,將緩存設備設置為 cpu 在 WanAnimate2Cache 中,並偏好較短的塊以便稍後拼接。
  • 使用 Video Stitch 子圖的並排輸出快速 A/B 運動保真度,然後再渲染更長的運行。

致謝#

此工作流程實施並建立在以下工作和資源之上。我們感謝 Comfy Org 宣布 "Wan Animate 2 現在可在 ComfyUI 中使用" 及模板,Wan-Video 提供 Wan-Animate-2 代碼庫,Comfy-Org 提供 Hugging Face 上的 Wan-Animate-2 模型權重,和 ComfyUI 提供 "Wan Animate 2: Motion Transfer" 工作流程模板的貢獻和維護。欲了解權威詳情,請參閱下述鏈接的原始文檔和存儲庫。

資源#

注意:使用參考的模型、數據集和代碼需遵循其作者和維護者提供的相應許可和條款。

RunComfy
版權 2026 RunComfy. 保留所有權利。

RunComfy 是首選的 ComfyUI 平台,提供 ComfyUI 在線 環境和服務,以及 ComfyUI 工作流程 具有驚豔的視覺效果。 RunComfy還提供 AI Models, 幫助藝術家利用最新的AI工具創作出令人驚艷的藝術作品。