🎯 Compact Wan Workflow — Simplify Your Setup 🚀

详情

下载文件

模型描述

一切尽在方寸之间——无杂乱,无延迟。支持低VRAM(6–8GB)! 💡

✅ 即使是仅有6–8GB显存的笔记本电脑也完全适用!

🧠 即使你刚入门——这个套件也能让你的项目快速、稳定且美观。

此工作流专为让使用Wan变得更轻松、更快捷、更愉快而设计。摒弃杂乱无用的节点,取而代之的是简洁、紧凑的模块,所有逻辑均“隐藏在幕后”。你只需专注于创作 🎨。

💡 核心理念:“后端隐于幕后,一切魔法由你掌控。”

对**低VRAM(仅需6–8GB!)**的支持,使本项目即使在笔记本上也能轻松运行。内置的优化与归一化功能,让你在弱性能设备上也能流畅运行流程,无需忍受漫长等待 ⏳。

⚠️ 重要提示

将节点复制到ComfyUI时,参数有时会发生偏移(已知Bug)。

👉 为避免问题:

- 请仅使用本项目中的未打包版本

- 所有节点均已分离并经过彻底测试,可安全复制!

- 请确保所有组件按正确顺序连接(尤其是 Wan Setup)。

节点参数说明

- ?input - 可选输入

- _output - 隐藏输出(常用于调试)

- [input/output] - 单次迭代内的输入/输出

🎨 节点颜色逻辑

- 黄色 — 实用工具

- 紫色 — 流程设置与配置

- 青色 — 条件节点

- 绿色 — 采样器

- 红色 — 编码器/解码器(VAE)

- 紫蓝色 — 条件块(分支逻辑)

- 蓝色 — “一站式”节点——强大且紧凑

- 黑色 — 专为Wan Animate设计,但本质仍是通用工具 ✨

🛠️ 已连接的自定义节点

- ComfyUI-GGUF

- ComfyUI-wanBlockswap

- ComfyUI-MagCache

- rgthree-comfy

- ComfyUI-KJNodes

- ComfyUI-Easy-Use

- comfyui_controlnet_aux

- ComfyUI-VideoHelperSuite

- ComfyUI-Frame-Interpolation

- ComfyUI-segment-anything-2

- ComfyUI-SAM2

📦 模型

1. Wan_2.2_ComfyUI_Repackaged

2. wan2-gguf (Calcuis 重打包版)

3. WanVideo_comfy (Kijai 重打包版)

🔍 优化建议

以下表格列出可降低VRAM占用或加速视频生成的参数设置:

| 节点 | 参数 | 影响程度 | 建议启用 | 效果 |

| -------------------- | ---------------- | ------ | --------------- | ----------------------- |

| Wan Setup->Load Wan | GGUF | 强 | 启用 | 降低VRAM,提升速度 |

| Wan Setup->Load Clip | GGUF | 中 | 启用 | 降低VRAM,提升速度 |

| Wan Optimizer | Sage Attention | 强 | 自动 | 降低VRAM,提升速度 |

| Wan Optimizer | FP16 | 低 | 启用 | 降低VRAM |

| Wan Optimizer | MagCache | 中 | 启用 | 提升速度 |

| Wan Optimizer | Compile | 中 | 启用 | 降低VRAM,提升速度 |

| Wan Optimizer | Block swap | 强 | 值越高效果越好 | 降低VRAM |

| Image Normalize | is_scale | 强 | 启用 | 降低VRAM,提升速度 |

| Image Normalize | megapixels | 强 | 值越低效果越好 | 降低VRAM,提升速度 |

| Decode | VAE Tiled Decode | 强 | 启用 | 降低VRAM |

低VRAM(6–8GB)推荐设置

- Wan Setup->Load Wan - GGUF - Q4_K_M

- Wan Setup->Load Clip - GGUF - Q4_K_M

- Wan Optimizer - Sage Attention - 自动

- Wan Optimizer - FP16

- Wan Optimizer - Block swap - 40(处理高分辨率视频或Wan Animate时)

- Image Normalize - megapixels - 0.21(适用于Wan 2.2 14B)

- Decode - VAE Tiled Decode

💾 小贴士:当内存不足时,请设置虚拟内存或使用 Mem Reduct

💻 我的测试配置

- 🎮 显卡:RTX 3060 笔记本(6GB)

- 🧠 内存:24GB + 32GB 交换空间

- ⚡ CPU:Intel i5-11300H

- 💻 笔记本:华硕 TUF Dash F15

即使在如此配置下,依然稳定运行 🏆。

📜 许可声明

我不知道为什么放这里,但请自行承担使用风险 ¯\_(ツ)_/¯

👤 作者

NeuroContent 创建 ✨

- CivitAI 🧠

- Instagram 🎨

- Pinterest 📌

- 捐赠

待办事项

- [ ] 添加T2I节点

- [x] 添加clip_vision

- [ ] 支持S2V

- [ ] 支持Lucy Edit

- [ ] 支持Vace Fun

- [x] 为Wan Optimizer添加EasyCache和LazyCache

- [ ] 通过Wan Context Windows节点支持生成长视频

更新日志

1.1

- 适配新版ComfyUI

- 标准编码/解码与分块编码/解码现已合并为两个紧凑节点

- 已添加clip_vision支持。现在可在设置中启用/禁用clip_vision,并新增一个可选的clip_vision工具节点。该节点现在连接至每个条件节点,从而产生额外的条件节点。

- 为提升节点使用体验,已从Optimizer中移除reduce_vram参数

- 已添加EasyCache与LazyCache优化器

- 修复了Wan Full Setup中的负向参数问题

此模型生成的图像

未找到图像。