🎯 Compact Wan Workflow — Simplify Your Setup 🚀

한 상자에 모든 기능 — 정리된 인터페이스, 지연 없음. 저 VRAM(6–8GB) 지원! 💡

✅ 비디오 메모리가 6–8GB인 랩톱에도 완벽하게 적합!

🧠 초보자이더라도 이 번들 덕분에 프로젝트를 빠르고 안정적이며 아름답게 만들 수 있습니다.

이 워크플로우는 Wan을 사용하는 작업을 더 쉽고, 빠르며, 즐겁게 만드는 것을 목표로 설계되었습니다. 복잡하고 불필요한 노드 대신, 모든 로직이 안에 숨겨진 간결한 블록만으로 구성되어 있습니다. 당신은 창작에만 집중하세요 🎨.

💡 핵심 아이디어: “백엔드는 숨어 있고, 모든 마법은 당신의 손에서 일어납니다.”

저 VRAM(단지 6–8GB!) 지원으로 이 프로젝트는 랩톱에서도 사용 가능합니다. 내장 최적화 및 정규화 기능 덕분에 약한 장치에서도 고통 없이, 긴 대기 없이 파이프라인을 실행할 수 있습니다 ⏳.

⚠️ 중요 경고

ComfyUI에 노드를 복사할 때 매개변수가 때때로 잘못 이동할 수 있습니다(알려진 버그).

👉 문제를 피하려면:

- 이 프로젝트에서 제공하는 압축 해제된 버전만 사용하세요.

- 모든 노드는 분리되어 철저히 테스트되었으며 안전하게 복사 가능합니다!

- 모든 구성 요소를 올바른 순서로 연결했는지 확인하세요(특히 Wan Setup).

노드 매개변수

- ?input — 선택적 입력

- _output — 숨겨진 출력(주로 디버깅용)

- [input/output] — 단일 반복 내 입력/출력

🎨 노드 색상 로직

- 노랑 — 유용한 유틸리티

- 보라 — 파이프라인 설정 및 구성

- 청록 — 조건부 노드

- 초록 — 샘플러

- 빨강 — 인코더/디코더(VAE)

- 보라-파랑 — 조건부 블록(분기 로직)

- 파랑 — “모든 기능을 하나로” — 강력한 압축 노드

- 검정 — Wan Animate 전용이지만 본질적으로 동일한 유틸리티 ✨

🛠️ 연결된 커스텀 노드

- 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

📦 모델

1. Wan_2.2_ComfyUI_Repackaged

2. wan2-gguf (Calcuis Repackaged)

3. WanVideo_comfy (Kijai Repackaged)

🔍 최적화 권장사항

아래 표는 VRAM 사용량을 줄이거나 비디오 생성 속도를 높일 수 있는 매개변수입니다:

| 노드 | 매개변수 | 영향 | 성능 | 기능 |

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

| Wan Setup->Load Wan | GGUF | 강력 | 활성화 | VRAM 감소, 속도 향상 |

| Wan Setup->Load Clip | GGUF | 중간 | 활성화 | VRAM 감소, 속도 향상 |

| Wan Optimizer | Sage Attention | 강력 | 자동 | VRAM 감소, 속도 향상 |

| Wan Optimizer | FP16 | 낮음 | 활성화 | VRAM 감소 |

| Wan Optimizer | MagCache | 중간 | 활성화 | 속도 향상 |

| Wan Optimizer | Compile | 중간 | 활성화 | VRAM 감소, 속도 향상 |

| Wan Optimizer | Block swap | 강력 | 높을수록 좋음 | VRAM 감소 |

| Image Normalize | is_scale | 강력 | 활성화 | VRAM 감소, 속도 향상 |

| Image Normalize | megapixels | 강력 | 낮을수록 좋음 | VRAM 감소, 속도 향상 |

| Decode | VAE Tiled Decode | 강력 | 활성화 | VRAM 감소 |

저 VRAM(6–8GB)용 최적 설정:

- Wan Setup->Load Wan - GGUF - Q4_K_M

- Wan Setup->Load Clip - GGUF - Q4_K_M

- Wan Optimizer - Sage Attention - 자동

- Wan Optimizer - FP16

- Wan Optimizer - Block swap - 고해상도 비디오 또는 Wan Animate 사용 시 40

- Image Normalize - megapixels - Wan 2.2 14B에는 0.21

- Decode - VAE Tiled Decode

💾 팁: RAM이 부족할 경우 가상 메모리를 설정하거나 Mem Reduct를 사용하세요.

💻 내 테스트 환경

- 🎮 GPU: RTX 3060 랩톱 (6GB)

- 🧠 RAM: 24GB + 32GB 스왑

- ⚡ CPU: Intel i5-11300H

- 💻 랩톱: Asus TUF Dash F15

이러한 조건에서도 안정적으로 실행됩니다 🏆.

📜 라이선스

왜 여기 있는지 모르겠지만, 사용은 본인 책임으로... ¯\_(ツ)_/¯

👤 제작자

NeuroContent가 만들었습니다 ✨

- CivitAI 🧠

- Instagram 🎨

- Pinterest 📌

- 기부하기 ☕

TODO

- [ ] T2I용 노드 추가

- [x] clip_vision 추가

- [ ] S2V 지원

- [ ] Lucy Edit 지원

- [ ] Vace Fun 지원

- [x] Wan Optimizer에 EasyCache 및 LazyCache 추가

- [ ] Wan Context Windows 노드를 통한 긴 비디오 생성 지원

변경 로그

1.1

- ComfyUI 새 버전에 대한 수정

- 일반 및 타일 기반 인코딩/디코딩이 두 개의 간결한 노드로 통합됨

- clip_vision 지원 추가. 설정에서 clip_vision을 활성화/비활성화할 수 있으며, 선택적 사용을 위한 새로운 유틸리티 노드가 추가되어 모든 조건부 노드에 연결됨

- Optimizer에서 reduce_vram 매개변수 제거 — 노드 사용 경험 향상

- EasyCache 및 LazyCache 최적화 기능 추가

- Wan Full Setup의 음수 매개변수 버그 수정