WAN 2.1 IMAGE to VIDEO with Caption and Postprocessing

tremolo28tremolo28
510
15.6K
工具wanimage2videoi2vwan2.1
MultiClipv3.1v3.0v2.5v2.0v1.0Experimental

详情

下载文件

模型描述

工作流：图像 -> 自动字幕（提示）-> WAN I2V（带超分辨、帧插值和视频扩展）

  • 可生成最高 480p 分辨率的视频片段（使用对应模型可达 720p）

存在 Florence 字幕版本和 LTX 提示增强器（LTXPE）版本。LTXPE 对显存消耗更大。

MultiClip：Wan 2.1 I2V 版本，支持 Fusion X LoRA，可生成 8 步视频片段并扩展最多 3 倍，示例视频长度为 15-20 秒。

工作流将在输入图像上生成一个片段，并扩展最多 3 个片段/序列。它使用颜色匹配功能，在大多数情况下确保色彩与光照的一致性。详见工作流中的注释。

存在一个标准版，允许使用自定义提示；以及一个使用LTXPE进行自动提示的版本。标准版适合配合 LoRA 生成特定或 NSFW 内容；而 LTXPE 版本只需导入图像，设置宽高，点击运行即可。最终所有片段将合并为一个完整视频。

2025 年 7 月 16 日更新： 新的 LoRA "LightX2v" 已发布，作为 Fusion X LoRA 的替代方案。使用方法：在黑色的“LoRA 加载器”节点中切换 LoRA。它仅需 4-6 步即可生成出色的运动效果：https://huggingface.co/lightx2v/Wan2.1-I2V-14B-480P-StepDistill-CfgDistill-Lightx2v/tree/main/loras

更多信息/技巧与帮助：/model/1309065/wan-21-image-to-video-with-caption-and-postprocessing?dialog=commentThread&commentId=869306

V3.1：Wan 2.1 I2V 版本，支持 Fusion X LoRA 快速处理

Fusion X LoRA：仅需 8 步（或更少，详见工作流注释）即可处理视频。它不存在 V3.0 中 CausVid LoRA 的问题，且无需颜色匹配校正。

Fusion X LoRA 可在此下载：/model/1678575?modelVersionId=1900322 (i2V)

如需最佳画质，请查看下面 V3.0 版本的 OSS 选项

V3.0：Wan 2.1 I2V 版本，支持 最优步数调度器（OSS） 和 CausVid LoRA

  • OSS 是一个新的 ComfyUI 核心节点，可在减少步数的同时提升画质。无需 50+ 步，仅约 24 步即可获得相同效果。https://github.com/bebebe666/OptimalSteps

  • CausVid 使用 LoRA 仅需 8-10 步即可处理视频，速度快但画质略低。其后处理包含 颜色匹配 选项，用于应对 LoRA 带来的饱和度提升。LoRA 可在此下载：https://huggingface.co/Kijai/WanVideo_comfy/tree/main

    (Wan21_CausVid_14B_T2V_lora_rank32.safetensors)

  • 两者均有 Florence 或 LTX 提示增强器（LTXPE）字幕版本，支持 LoRA，并内含 Teacache。

V2.5：Wan 2.1 图像转视频，支持 LoRA 和跳层引导（提升运动效果）

提供两个版本：标准版（含 Teacache、Florence 字幕、超分、帧插值等），以及使用 LTX 提示增强器作为额外字幕工具的版本（详见注释，需自定义节点：https://github.com/Lightricks/ComfyUI-LTXVideo）。

使用 LoRA 时，建议切换为包含 LoRA 触发词的自定义提示，复杂提示可能干扰部分 LoRA。

V2.0：Wan 2.1 图像转视频，支持 Teacache 与 GGUF 模型，生成速度提升 30-40%

前几步以正常速度渲染，后续步骤加速。复杂运动可能轻微影响画质。可通过 Strg-B 绕过 Teacache 节点。

含工作流元数据的示例片段：https://civitai.com/posts/13777557

关于 Teacache 的信息与帮助：/model/1309065/wan-21-image-to-video-with-caption-and-postprocessing?dialog=commentThread&commentId=724665

V1.0：WAN 2.1 图像转视频，支持 Florence 字幕 或自定义提示，以及超分、帧插值和片段扩展。

工作流配置为使用 GGUF 模型。

生成片段时，可选择应用超分辨率和/或帧插值。超分倍数取决于所用超分模型（2x 或 4x，详见“加载超分模型”节点）。帧插值将帧率从模型默认的 16fps 提升至 32fps。结果将在右侧的“最终视频合成”节点中显示，左侧节点显示未处理的原始片段。

建议“切换链接可见性”以隐藏连线。

模型下载地址：

Wan 2.1 I2V（480p）：https://huggingface.co/city96/Wan2.1-I2V-14B-480P-gguf/tree/main

Clip（fp8）：https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/text_encoders

Clip Vision：https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/clip_vision

VAE：https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/vae

Wan 2.1 I2V（720p）：https://huggingface.co/city96/Wan2.1-I2V-14B-720P-gguf/tree/main

Wan2.1 文本转视频（可用）：https://huggingface.co/city96/Wan2.1-T2V-14B-gguf/tree/main

在 ComfyUI 文件夹中保存这些文件的位置：

Wan GGUF 模型 → models/unet
Textencoder → models/clip
Clipvision → models/clip_vision
VAE → models/vae

提示：

  • 将“最终视频合成”节点的帧率从 30 降低至 24，可获得慢动作效果。

  • 可使用文本转视频 GGUF 模型，同样有效。

  • 若视频输出在帧右侧出现异常伪影，尝试将“定义宽高”节点中的参数 divisible_by 从 8 改为 16，这有助于更好地匹配 Wan 标准分辨率，避免伪影。

含音频的完整视频示例：

此模型生成的图像

未找到图像。