Node WanImageToVideo and Wan 2.x video nodes di ComfyUI
WanImageToVideo bikin conditioning dan latent video kosong buat render gambar-ke-video Wan 2.1/2.2 dari gambar awal, embedding CLIP Vision, dan jumlah frame; graph di sekitarnya pakai Load Diffusion Model, Load CLIP, Load VAE, dan KSampler.
Apa yang dilakukan WanImageToVideo and Wan 2.x video nodes
Wan 2.x (Alibaba) adalah model video open source yang paling sering dipakai di ComfyUI. Node inti seperti WanImageToVideo (I2V), WanFunControlToVideo, WanFunInpaintToVideo, WanVaceToVideo (kontrol dan referensi VACE), dan WanFirstLastFrameToVideo ambil conditioning positif dan negatif, VAE, ukuran lebar/tinggi/panjang, dan gambar awal (plus output CLIP Vision dari encoder clip_vision_h) lalu hasilkan conditioning yang sudah gabung gambar plus LATENT dengan bentuk yang pas. Text-ke-video pakai EmptyHunyuanLatentVideo sebagai latentnya.
Sisanya graph biasa: Load Diffusion Model dengan wan2.1_i2v_480p_14B_fp8 (atau pasangan 2.2 high/low noise), Load CLIP dengan umt5_xxl_fp8 (tipe wan), Load VAE dengan wan_2.1_vae, CLIP Text Encode, KSampler (uni_pc atau euler, 20-30 langkah, cfg 5-6, atau cfg 1 dengan LightX2V/CausVid LoRA di 4-8 langkah), VAE Decode dan Video Combine di 16 fps. ModelSamplingSD3 dengan shift 5-8 ada di antara model dan sampler.
Input
Nama | Tipe | Artinya |
|---|---|---|
positive / negative | CONDITIONING | Conditioning prompt dari CLIP Text Encode (umt5). |
vae | VAE | wan_2.1_vae.safetensors. |
clip_vision_output | CLIP_VISION_OUTPUT | Dari CLIP Vision Encode dengan clip_vision_h (I2V 2.1). |
start_image | IMAGE | Frame pertama. |
width / height / length | INT | Resolusi (832x480 atau 1280x720) dan jumlah frame (81 = 5 detik di 16 fps; 4n+1). |
batch_size | INT | Biasanya 1. |
Output
Nama | Tipe | Artinya |
|---|---|---|
positive / negative | CONDITIONING | Conditioning dengan referensi gambar. |
latent | LATENT | Latent video kosong dengan ukuran yang diminta untuk KSampler. |
Cara menggunakan WanImageToVideo and Wan 2.x video nodes
- Download model diffusion Wan 2.1 I2V 14B fp8, encoder teks umt5_xxl_fp8, clip_vision_h, dan VAE Wan 2.1 ke folder masing-masing.
- Buat loader: Load Diffusion Model, Load CLIP (tipe wan), Load VAE, Load CLIP Vision.
- Load Image -> CLIP Vision Encode; sambungkan ini, prompt, VAE, dan gambar ke WanImageToVideo (832x480, panjang 81).
- ModelSamplingSD3 shift 8 -> KSampler uni_pc, 20 langkah, cfg 5, denoise 1.0.
- VAE Decode -> Video Combine di 16 fps, h264.
Pengaturan dan tips
- Panjang harus 4n+1 (17, 33, 49, 65, 81).
- LightX2V / CausVid distillation LoRA bikin proses 4-6 langkah di cfg 1 jadi sepuluh kali lebih cepat.
- Wan 2.2 pakai dua model (noise tinggi, noise rendah) dengan dua node KSampler (Advanced) yang dibagi berdasarkan langkah; model 5B TI2V cuma satu file buat kartu 8-12 GB.
- Model 480p bisa jalan di 12 GB dengan fp8 dan --lowvram; 720p butuh 16-24 GB.
- Prompt negatif penting: prompt negatif panjang resmi bahasa Cina (blur, statis, distorsi) bikin gerakan lebih bagus.
Pemecahan masalah WanImageToVideo and Wan 2.x video nodes
Error: panjang harus ... / bentuk latent tidak cocok
Mengapa terjadi
Jumlah frame bukan 4n+1, atau lebar/tinggi bukan kelipatan 16.
Cara memperbaikinya
Pakai 81 frame dan resolusi 832x480 atau 1280x720.
Output cuma gambar diam tanpa gerakan
Mengapa terjadi
Shift terlalu rendah, cfg terlalu rendah tanpa distillation LoRA, atau prompt terlalu pendek.
Cara memperbaikinya
ModelSamplingSD3 shift 5-8, cfg 5-6 (atau LightX2V LoRA di cfg 1), dan jelaskan gerakan di prompt.
clip_vision_output wajib / model CLIP Vision salah
Mengapa terjadi
Wan 2.1 I2V butuh clip_vision_h.safetensors; model SigLIP atau ViT-L dari graph lain tidak cocok.
Cara memperbaikinya
Load clip_vision_h dengan Load CLIP Vision dan encode gambar awal. Wan 2.2 5B dan beberapa graph 2.2 tidak pakai ini sama sekali.
Kehabisan memori saat VAE decode
Mengapa terjadi
Decode 81 frame di 720p sekaligus.
Cara memperbaikinya
Pakai VAE Decode (Tiled) dengan tile temporal, turunkan resolusi, atau decode di 480p lalu upscale frame setelahnya.
Load CLIP gagal dengan file umt5
Mengapa terjadi
Dropdown tipe di Load CLIP tidak diset ke wan.
Cara memperbaikinya
Set tipe ke wan (dan pakai file fp8 umt5_xxl untuk hemat memori).
Pertanyaan tentang WanImageToVideo and Wan 2.x video nodes
Model Wan mana yang harus saya pilih?
Wan 2.2 14B I2V (noise tinggi+rendah, fp8) kualitas terbaik; Wan 2.2 5B TI2V cocok untuk GPU kecil; Wan 2.1 14B I2V 480p pilihan stabil dengan LoRA terbanyak.
Bisakah saya kontrol kamera atau gerakan?
Bisa: Wan Fun Control (video depth/pose), VACE buat referensi dan inpainting, dan motion LoRA dari katalog.
Text-ke-video?
Pakai EmptyHunyuanLatentVideo sebagai latent dengan model Wan T2V; sisanya graph sama.
Node terkait
Load Diffusion Model
ComfyUI core
Load Diffusion Model (UNETLoader) memuat jaringan denoising polos seperti Flux, SD3.5, Wan atau HunyuanVideo dari models/diffusion_models, dengan opsi weight_dtype untuk fp8 agar menghemat VRAM.
Load VAE
ComfyUI core
Load VAE (VAELoader) memuat file VAE mandiri dari models/vae supaya checkpoint yang VAE-nya hilang atau lemah bisa decode warna dengan bersih, dan supaya model split seperti Flux dan Wan dapat decoder mereka.
Video Combine (VideoHelperSuite)
ComfyUI-VideoHelperSuite
Video Combine mengubah batch IMAGE dari frame menjadi MP4, WebM, GIF, atau urutan gambar dengan kecepatan frame yang dipilih, dengan opsi audio, jumlah loop, dan ping-pong, node output standar untuk setiap alur kerja video.
KSampler (Advanced)
ComfyUI core
KSampler (Advanced) adalah KSampler dengan kontrol rentang langkah: add_noise, start_at_step, end_at_step, dan return_with_leftover_noise, digunakan untuk rantai base + refiner dan sampling dua model.
EmptySD3LatentImage
ComfyUI core
EmptySD3LatentImage membuat latent kosong 16-channel yang dibutuhkan Flux, SD3, dan SD3.5; ini menggantikan Empty Latent Image di alur kerja tersebut.
Node ComfyUI lainnya
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode mengubah prompt teks jadi CONDITIONING pakai encoder teks model. Satu node buat prompt positif, yang satunya buat prompt negatif.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager adalah ekstensi yang memasang, memperbarui, dan memperbaiki paket node kustom serta model dari dalam antarmuka, menyelesaikan masalah node yang hilang di workflow yang diimpor, dan menyimpan snapshot pengaturanmu.
KSampler
ComfyUI core
KSampler menjalankan loop denoising: dia mengambil model, prompt, dan latent lalu menghasilkan gambar latent yang sudah jadi, dikontrol oleh seed, steps, cfg, sampler, scheduler, dan denoise.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) membuka file model .safetensors atau .ckpt dan memberikan tiga bagian yang dibutuhkan setiap workflow: MODEL diffusion, encoder teks CLIP, dan VAE.
Save Image
ComfyUI core
Save Image menyimpan tensor IMAGE ke ComfyUI/output sebagai PNG, dengan seluruh alur kerja tertanam di metadata file supaya gambarnya bisa ditarik kembali ke ComfyUI untuk mengembalikan grafiknya.
VAE Decode
ComfyUI core
VAE Decode mengubah LATENT yang sudah diambil sampelnya menjadi IMAGE piksel dengan VAE; VAE Decode (Tiled) melakukan hal yang sama dalam bentuk ubin untuk gambar yang sangat besar.