Wan 2.2 Video + Voice + Motion Control All-In-One workflow optimized for RTX 3060 12 GB VRAM GPU

特别感谢：

@soulseeker 分享他的知识并提供了最初的关键提示。

功能：

此工作流可半自动生成带有音频的“简单”视频。我将其设计为一站式解决方案，您只需提供一张起始图像即可。

• 在配备 12GB 显存的 RTX 3060 和 32GB 内存 + 大型交换文件（至少 32–64 GB）的系统上运行效果极佳。

• 安装简便（所有必要模型均已链接）。

• 通过开关选项轻松使用。

• 输出高质量视频。

该工作流包含 4 个简单步骤：

1. 使用边缘文本转语音生成简单音频，

2. 为 DWPose 生成运动控制视频，

3. InfiniteTalk：生成受运动控制且与音频同步的低质量视频，

4. 上采样并提高帧率，以获得流畅的高质量输出。

约 5 秒的视频效果良好。您或许可以生成长达 8 或 10 秒的视频，但我尚未测试过。

此工作流目前处于初始“alpha”阶段。所有功能在技术上应均可正常运行，因此我认为它是一个适合进行初步和简单测试的良好基础，也希望您能从中获得一些乐趣 🙂

但我确信还有很多可以改进的地方，例如：

• 更优秀的文本转语音方案，以实现更好的音频控制，如强调、语速、停顿等。

• 改进的运动与摄像机控制等。

注意：

此工作流面向更高级的 ComfyUI 用户。尽管安装和使用应非常简单，但本工作流仅作为测试和开发的基础，您可能需要一些 ComfyUI 知识才能使用。请理解，我不会在此提供安装或 ComfyUI 支持。

如果您是视频生成和复杂工作流的初学者，我建议您尝试我另一个专为 视频生成 设计的工作流。该工作流已得到充分测试，文档和注释也更为完善。

本工作流基于官方模板及多个已发布的现有工作流，我只是将不同部分整合在一起，创建了一个力求易用的“设计”，并针对 12GB 显存进行了全面优化。