Wan 2.1 I2V Two-Pass Workflow (Flexible LoRA.ver)
详情
下载文件
关于此版本
模型描述
分享一个用于图像到视频生成的ComfyUI工作流。这是对一位熟人最初创建的工作流进行调整和略微修改的版本。
该工作流采用双通道KSampler系统,专注于在低步数下表现优异的LoRA,并特别强调使用CausVid进行精细化处理。
每个通道使用独立的LoRA(用户可自定义):
功能: 你可以为第一轮(初始生成)和第二轮(精细化)的KSampler通道分别应用不同的LoRA集合。
优势: 这提供了精细的控制能力。例如,第一轮使用基础型LoRA,第二轮使用专门的运动/细节型LoRA(如CausVid),或根据需要尝试完全不同的组合。
解决CausVid LoRA的常见问题并提升低步数性能:
解决的问题: 直接应对CausVid LoRA(以及其他专注于低步数的LoRA)在单次生成中步数极低时可能出现的运动微弱或出现伪影等问题。
改进方式:
第一轮 可在极少步数(例如2-5步)下快速生成一个连贯的基础潜变量。
第二轮 则在此预生成的潜变量基础上应用CausVid(及其他LoRA)。这种在低步数(例如4-12步,CFG约为1.0)下进行的定向精细化处理,使CausVid能发挥最佳效果,更有效地提升运动表现并清除潜在问题,优于单次匆忙的低步数生成。
优势: 你能在享受低步数速度优势的同时,减轻常见的质量与运动退化问题,从而通过CausVid等高效LoRA获得更优质、更稳定的结果。
这种结构化的两阶段流程,尤其在追求极低步数速度并依赖高效LoRA时,能生成更稳健、更精细的输出。
自定义节点
https://github.com/pythongosssss/ComfyUI-Custom-Scripts
https://github.com/ltdrdata/ComfyUI-Impact-Pack
https://github.com/yolain/ComfyUI-Easy-Use
https://github.com/WASasquatch/was-node-suite-comfyui
https://github.com/kijai/ComfyUI-KJNodes
https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite
https://github.com/Fannovel16/ComfyUI-Frame-Interpolation
https://github.com/ltdrdata/ComfyUI-Inspire-Pack

