Wan2.2 - continuous generation (subgraphs)
详情
下载文件
关于此版本
模型描述
编辑3：除了可能即将发布的I2V lightx2v外，原生端几乎没有改进。等它发布后，我可能会制作一个v0.4的双采样器版本。
编辑2：我又做了一些测试。过渡效果并未比当前状态有显著提升——它大部分时候表现良好，其余情况也还过得去。
我会暂时休息一下，直到ComfyUI为Wan2.2添加原生的extend节点，就像他们为SI2V模型所做的那样。他们可能还会顺便修复子图问题。
依然在等你分享你的创意生成作品 :)
编辑：Context Windows的结果参差不齐，所以我还不打算发布所谓的v0.5。
v0.4；
我不确定该称它为v0.3.1还是v0.4，但修复一些问题花了不少时间，所以就叫v0.4吧。
我从没想过分块解码会导致这么多问题，但事实就是这样。大部分明显的人工痕迹都与之相关。因此我改用普通的VAE解码，并调整了相关变量。如果你遇到OOM，可以切换回分块模式并降低变量值，但我建议不要改动temporal_size，因为将其设为小于生成帧数会导致这些帧周围出现颜色变化。同样，tile size也会造成“分块”方块烧录现象。
我还建议使用fp32 VAE以最小化质量损失；
https://huggingface.co/Kijai/WanVideo_comfy/blob/main/Wan2_1_VAE_fp32.safetensors
我在时间轴上增加了几帧。它仍然不完美，但如前所述，有时确实有效，效果也不错。
在约1分钟处仍有轻微的光晕效果，我切换到官方的lightx2v LoRA，它们似乎略微缓解了光晕，但随着视频推进会导致过曝，因此我仍会使用Kijai仓库中的版本，只是请注意其中的鬼影问题。
我不确定量化等级是否会影响效果，但如果您的系统能承受，建议对I2V模型使用更高品质的量化版本。
我尚未测试comfyui-frontend对子图的更新，因此目前建议仍使用版本1.26.2：
.\python_embeded\python.exe -m pip install comfyui_frontend_package==1.26.2
现在，只需不将T2V输出连接到任何地方，工作流就会跳过它。
我还看到了为Wan新增的节点，等我有空时会去研究一下。
看来我不在Reddit发帖，大家就不怎么分享生成作品了呢？那群粉丝到底在偷偷生成什么？让我们看看吧 \o-o/
v0.3；
如我之前编辑所言，请继续使用ComfyUI前端1.26.2，直到我确认未来版本稳定。您可以在v0.2下方或v0.3更新日志中找到该命令。
这次我对最终合并保存功能做了一点改进：分段文件单独保存，仅在所有部分完成后才合并。这样应更优化、临时空间占用更少，但最终保存时可能消耗较多内存，因为所有内容都会被加载——不过文件本身并不大。
值得一提的是，我通过实际混合前5帧并赋予不同权重，实现了一个非常基础的时间运动模糊。它不能解决所有问题，但有时过渡看起来很平滑。如果您调整了权重并发现更好的效果，欢迎分享您的体验。
我还为每个部分添加了三个LoRA加载节点，以展示如何加载部分专用LoRA，您可以在此基础上扩展。
现在，最终保存子图内包含一个使用简单上采样模型节点的上采样子图，或者您也可以连接并使用我放置的“基本上采样图像”节点。由于上采样耗时且基本上采样效果提升有限，这些节点默认被绕过。
最后，默认视频格式现在为竖屏。
我对最终效果还算满意，但提示遵循度在结尾处略有下降——我不确定是否与我尝试生成的场景有关，但使用更高Q值的CLIP可能有所帮助。
最终，我目前似乎是排名第一的资源创作者，这对我来说意义重大 :) 感谢所有人，尤其是那些提供反馈和……精彩生成作品的人。
期待更多作品，祝您创作愉快！
v0.2；
编辑2：
- 他们似乎破坏了链接子图和绕过功能，但未正确绕过内部节点，因此目前您需要回退到ComfyUI前端1.26.2才能正常使用：
.\python_embeded\python.exe -m pip install comfyui_frontend_package==1.26.2
编辑：
发现过渡帧再次被重复，已修复。
添加了视频转MP4的工作流，若生成失败，您可以将最新生成的合并.mkv文件转换为更小的文件以便打开。
修复了建议帧率默认超过16的问题。
我进一步做了一些实验。由于我比较喜欢子图，我希望它们能更主流、更广为人知 :) 因此我将模型加载及一些其他选项移入子图中，以便社区成员深入探索，同时主界面也更简洁。虽然可能稍复杂，但我已添加了一些注释帮助您理解，欢迎查看。
我实现了视频合并功能。但由于每个部分都会动态与之前部分合并，压缩伪影就成了问题，因为前几部分被反复压缩。为避免此问题，我决定以无损质量的ffv1-mkv格式保存这些部分。工作流末尾仍保留一个最终保存节点，用于将最终输出保存为h264 mp4格式。
在默认设置下，832x480x81 x6 I2V部分生成的30秒视频，临时文件夹中占用空间不足1GB（该文件夹在每次重启ComfyUI时都会清空），您也可以在生成完成后手动删除。
我还添加了插值节点（默认绕过），如果您想在最终输出中使用，但处理6x81帧需要较长时间。
另外，我实现了将最后一帧图像保存到outputs文件夹的功能，并增加了全局种子选项，适用于所有采样器，以便您在需要时继续旧生成或通过参数变化重新生成。
如果您不再需要这些图像，建议定期清理outputs文件夹，或手动关闭该功能。
感谢社区在本处和Reddit上的反馈，我非常感激。也期待看到更多生成作品的分享 :)
目前，除非我实现像更平滑过渡等重大功能，否则短期内可能不会再发布更新。
本工作流仅是对ComfyUI新子节点的一次实验。
其原理是将前一视频生成的末帧作为下一生成的首帧输入。但与大量杂乱节点不同，您只需一个I2V节点，它共享相同的KSAMPLER子节点并反复迭代。您可以将其视为ComfyUI中的“帧包”，同时还能为每个生成部分分别输入提示词。我保留了负向提示词为公共项，但也可设为动态。
我未实现拼接功能，因为我使用的是基础视频编辑软件，但未来也可加入。
编辑：我忘记将输出视频保存到outputs文件夹，因为我原本打算不合并它们。因此文件最终都存放在comfyui/temp文件夹中（该文件夹在下次运行ComfyUI时会自动清理）。
v0.1中的第一个视频为834x480，采用1 3 3采样，生成耗时23分钟；第二个视频为624*368，采用1 2 2采样，耗时13分钟。第二个视频是在最新版本中生成的，已修复了last_frame重复显示的问题。
请务必更新您的ComfyUI前端，旧版本存在严重bug。尽管新版本可能仍有一些问题，请留意。便携版更新命令如下：
.\python_embeded\python.exe -m pip install comfyui_frontend_package --upgrade
采样流程为1 + 3 + 3，其中第一步不应用速度LoRA，其余步骤为应用速度LoRA的基础高/低采样。整个流程基本可自定义，但请记住：“KSAMPLER子节点被所有主节点共用，因此修改将同时影响所有节点！”。如果您想更改每部分的输出分辨率和长度，I2V_latent子节点也是如此。
要扩展生成，请点击任意一个I2V子节点并复制，按Ctrl+Shift+V粘贴并保留所有连接，然后将前一节点的末帧图像连接到其start_image输入。您也可以将“加载图像”节点连接到初始I2V的start_image输入，以跳过T2V生成（请勿使用快捷键绕过节点，这可能会破坏子节点）。
由于原生模型在我的系统上频繁崩溃，我所有内容均基于GGUF量化模型实现。您可以自由修改流程，禁用Patch Sage注意力，并从模型加载子节点中编译模型节点，但速度下降会比较明显。
在我的4070ti上，启用Sage++和Torch编译后，T2V + 6x I2V（总计30秒）耗时约20-25分钟。
希望未来社区能贡献出更出色的流程 :)