WAN 2.2 Perfect Loops

참고: 이 워크플로우는 AGPLv3 라이선스 하에 제공됩니다. 제가 공개하는 워크플로우는 모든 사용자에게 영구적으로 무료입니다.
https://www.gnu.org/licenses/agpl-3.0.en.html#license-text

요약: 최종 결과는 8초 길이의 완벽하게 루프되는 클립이어야 합니다. (3개의 별도 워크플로우를 통해 구성)

ZIP 파일에는 WAN 2.2 및 WAN 2.1 VACE를 사용하여 완벽한 루프를 점진적으로 구축하기 위한 세 개의 보완적인 워크플로우가 포함되어 있습니다.

시험과 오류를 통해 이 워크플로우들은 완벽하게 루프되는 클립을 생성할 때 가장 일관된 결과를 얻기 위해 설계되었습니다. 기본 설정은 제가 가장 효과적이라고 생각하며 처리 속도도 허용 가능한 수준입니다.

프로세스는 다음과 같습니다:

• wan22-1clip-scene-KJ.json

  • 참조 이미지에서 WAN 2.2 I2V 클립 생성

  • Qwen2.5-VL을 사용한 선택적 프롬프트 확장

    • 로컬에서 실행 중인 Ollama 서버 필요

• wan22-1clip-vace-KJ.json

  • 1번에서 생성된 클립을 V2V VACE 워크플로우(현재 WAN 2.1)에 사용

  • 클립 1의 마지막 15프레임이 전환의 첫 15프레임이 됨

  • 클립 1의 첫 15프레임이 전환의 마지막 15프레임이 됨

  • 그 사이에 51개의 새로운 프레임 생성

  • 선택적으로 Qwen2.5-VL을 사용해 프롬프트 생성

    • 로컬에서 실행 중인 Ollama 서버 필요

• wan22-1clip-join.json

  • 클립 1 + 클립 2

    • 720p로 업스케일

    • WAN 2.2 TI2V 5B를 사용해 업스케일된 클립을 부드럽게 처리(매우 빠르고 품질 우수)

    • GIMM-VFI를 사용해 60fps로 보간(속도를 우선시할 경우 RIFE로 교체 가능)

    • 원래 참조 이미지를 사용해 컬러 보정

최종 결과는 8초 길이의 완벽하게 루프되는 클립이어야 합니다.

워크플로우 내에 추가 설명이 더 있습니다. 질문이 있다면 댓글을 남겨주세요. 필요한 커스텀 노드, 최신 Comfy, Pytorch >= 2.7.1이 설치되어 있다면 즉시 작동합니다. 사용된 모델에 대한 링크는 워크플로우 설명에 포함되어 있습니다.

저는 네이티브보다 KJ 기반 워크플로우를 선택했습니다. 샘플링 시 VRAM(또는 시스템 RAM)에 맞는 가장 작은 모델 양자화 버전을 선택하세요. 그렇지 않으면 최고 품질을 위해 Q8을 선택하세요. ComfyUi-MultiGPU 커스텀 노드에는 주의하세요. 제 경우에는 네이티브보다 느리며, 둘 다 기본 블록 교체가 있는 KJ보다 느립니다.