Wan 2.2 simple Text to Image GGUF (txt2img) workflow
详情
下载文件
模型描述
GGUF们，最近怎么样？是的，我们将使用一个视频模型来生成图像。所以我必须再重复一遍——这是文生图工作流。为什么？因为突然间，WAN 能够生成非常出色的逼真图像。此外，这个工作流与其他方法不同，因为它极其简单，仅使用最少的插件（修改过的节点）。现在，让我们把这些搞怪的 GGUFs 搞起来，让一切正常运转。
要求：
16GB 显存（或 12GB，如果你选择更低的量化版本），以及 32GB 内存
安装：
下载模型文件：
主模型 - Wan2.2-T2V-A14B-LowNoise-Q6_K（放入 ComfyUI\models\unet）。选项：16GB 显存选 Q6_K，12GB 显存选 Q5_K_S。Q8 适用于 24GB 显存。
文本编码器模型 - umt5-xxl-encoder-Q6_K（放入 ComfyUI\models\text_encoders）。选项：选 Q6_K 或其他。
VAE - Wan2.1_VAE（放入 ComfyUI\models\vae）
LoRA - Wan2.2-Lightning_T2V-v1.1-A14B-4steps-lora_LOW_fp16（移入 ComfyUI\models\lora）。注意注意：请下载正确的模型，不要混淆低噪声与高噪声，以及 T2V 与 I2V。完毕。
下载并在 ComfyUI 中打开此工作流。
进入“Manager” - “Custom Nodes Manager”，安装 “ComfyUI-GGUF” v1.1.3 或更高版本（旧版本可能会报错“Unexpected text model architecture type”）。重启 ComfyUI。
使用：
选择分辨率：720p 和 1080p（1088）均可。
选择步数与采样器：
推荐使用 10-12 步，CFG 值为 1.0-1.3。你可以将步数增加到 20 以增强对比度并减少幻觉。采样器：euler、euler_cfg_pp、dpmpp_2m、dpmpp_sde、dpmpp_2m_sde、dpmpp_2s_a；调度器：karras 或 exponential。
如果跳过 LoRA，可使用 20-30 步或更多，CFG 值约为 3.5；采样器：euler simple，karras 或其他。
如果你遇到崩溃或断开连接，请尝试使用更低的量化版本。
如果在安装 GGUF 节点时出现其他错误，请彻底重装 ComfyUI 和 Manager，然后重新操作。
以上内容已在配备 32GB 内存和 16GB 显存的 ComfyUI Windows 便携版 v0.3.49 上测试通过。