Nodo WanImageToVideo and Wan 2.x video nodes in ComfyUI
WanImageToVideo crea il conditioning e il video latente vuoto per un rendering immagine-a-video Wan 2.1/2.2 partendo da un'immagine iniziale, un embedding CLIP Vision e il numero di frame; il grafo intorno usa Load Diffusion Model, Load CLIP, Load VAE e KSampler.
Cosa fa WanImageToVideo and Wan 2.x video nodes
Wan 2.x (Alibaba) è il modello video open più usato in ComfyUI. I nodi principali WanImageToVideo (I2V), WanFunControlToVideo, WanFunInpaintToVideo, WanVaceToVideo (controllo e riferimento VACE) e WanFirstLastFrameToVideo prendono il conditioning positivo e negativo, il VAE, una larghezza/altezza/lunghezza e l'immagine iniziale (più l'output CLIP Vision dall'encoder clip_vision_h) e restituiscono il conditioning con l'immagine incorporata insieme a un LATENT della forma giusta. Il text-to-video invece usa EmptyHunyuanLatentVideo come latente.
Il resto è un grafo normale: Load Diffusion Model con wan2.1_i2v_480p_14B_fp8 (o la coppia 2.2 high/low noise), Load CLIP con umt5_xxl_fp8 (tipo wan), Load VAE con wan_2.1_vae, CLIP Text Encode, KSampler (uni_pc o euler, 20-30 passi, cfg 5-6, o cfg 1 con un LightX2V/CausVid LoRA a 4-8 passi), VAE Decode e Video Combine a 16 fps. ModelSamplingSD3 con shift 5-8 sta tra il modello e il sampler.
Ingressi
Nome | Tipo | Cos'è |
|---|---|---|
positive / negative | CONDITIONING | Conditioning del prompt da CLIP Text Encode (umt5). |
vae | VAE | wan_2.1_vae.safetensors. |
clip_vision_output | CLIP_VISION_OUTPUT | Da CLIP Vision Encode con clip_vision_h (I2V 2.1). |
start_image | IMAGE | Il primo frame. |
width / height / length | INT | Risoluzione (832x480 o 1280x720) e numero di frame (81 = 5 s a 16 fps; 4n+1). |
batch_size | INT | Di solito 1. |
Uscite
Nome | Tipo | Cos'è |
|---|---|---|
positive / negative | CONDITIONING | Conditioning con il riferimento immagine. |
latent | LATENT | Latente video vuoto della dimensione richiesta per KSampler. |
Come usare WanImageToVideo and Wan 2.x video nodes
- Scarica il modello di diffusione Wan 2.1 I2V 14B fp8, l'encoder testo umt5_xxl_fp8, clip_vision_h e il VAE Wan 2.1 nelle loro cartelle.
- Costruisci i loader: Load Diffusion Model, Load CLIP (tipo wan), Load VAE, Load CLIP Vision.
- Carica immagine -> CLIP Vision Encode; collegalo, i prompt, il VAE e l'immagine a WanImageToVideo (832x480, lunghezza 81).
- ModelSamplingSD3 shift 8 -> KSampler uni_pc, 20 passi, cfg 5, denoise 1.0.
- VAE Decode -> Video Combine a 16 fps, h264.
Impostazioni e consigli
- La lunghezza deve essere 4n+1 (17, 33, 49, 65, 81).
- I LoRA di distillazione LightX2V / CausVid permettono 4-6 passi a cfg 1: dieci volte più veloce.
- Wan 2.2 usa due modelli (high noise, low noise) con due nodi KSampler (Advanced) divisi per passi; il modello 5B TI2V è un singolo file per schede da 8-12 GB.
- Il modello 480p funziona su 12 GB con fp8 e --lowvram; il 720p vuole 16-24 GB.
- Il prompt negativo conta: il lungo negativo cinese ufficiale (sfocatura, statico, distorsione) migliora il movimento.
Risoluzione dei problemi di WanImageToVideo and Wan 2.x video nodes
Errore: la lunghezza deve essere ... / mismatch nella forma del latente
Perché succede
Numero di frame non 4n+1, o larghezza/altezza non multipli di 16.
Come risolverlo
Usa 81 frame e 832x480 o 1280x720.
L'output è un'immagine ferma senza movimento
Perché succede
Shift troppo basso, cfg troppo basso senza un LoRA di distillazione, o prompt molto corto.
Come risolverlo
ModelSamplingSD3 shift 5-8, cfg 5-6 (o un LoRA LightX2V a cfg 1), e descrivi il movimento nel prompt.
clip_vision_output richiesto / modello CLIP Vision sbagliato
Perché succede
Wan 2.1 I2V richiede clip_vision_h.safetensors; i modelli SigLIP o ViT-L di altri grafi non vanno bene.
Come risolverlo
Carica clip_vision_h con Load CLIP Vision e codifica l'immagine iniziale. Wan 2.2 5B e alcuni grafi 2.2 non lo usano affatto.
Memoria esaurita durante la decodifica VAE
Perché succede
Decodifica di 81 frame a 720p tutta in una volta.
Come risolverlo
Usa VAE Decode (Tiled) con un tile temporale, abbassa la risoluzione, o decodifica a 480p e poi fai l'upscale dei frame.
Load CLIP fallisce con il file umt5
Perché succede
Il menu a tendina tipo su Load CLIP non è impostato su wan.
Come risolverlo
Imposta tipo su wan (e usa il file fp8 umt5_xxl per risparmiare memoria).
Domande su WanImageToVideo and Wan 2.x video nodes
Quale modello Wan dovrei scegliere?
Wan 2.2 14B I2V (high+low noise, fp8) è la qualità migliore; Wan 2.2 5B TI2V va bene per GPU piccole; Wan 2.1 14B I2V 480p è la scelta stabile con più LoRA.
Posso controllare la camera o il movimento?
Sì: Wan Fun Control (video depth/pose), VACE per riferimenti e inpainting, e LoRA di movimento dal catalogo.
Text-to-video?
Usa EmptyHunyuanLatentVideo come latente con il modello Wan T2V; il resto del grafo è uguale.
Nodi correlati
Load Diffusion Model
ComfyUI core
Load Diffusion Model (UNETLoader) carica una rete di denoising base come Flux, SD3.5, Wan o HunyuanVideo da models/diffusion_models, con un'opzione weight_dtype per fp8 che aiuta a risparmiare VRAM.
Load VAE
ComfyUI core
Load VAE (VAELoader) carica un file VAE standalone da models/vae così un checkpoint con un VAE mancante o debole decodifica colori puliti, e modelli divisi come Flux e Wan ottengono il loro decoder.
Video Combine (VideoHelperSuite)
ComfyUI-VideoHelperSuite
Video Combine trasforma un batch di immagini in un MP4, WebM, GIF o sequenza di immagini a una frequenza di fotogrammi scelta, con audio opzionale, numero di loop e ping-pong, il nodo di output standard per ogni flusso video.
KSampler (Advanced)
ComfyUI core
KSampler (Avanzato) è KSampler con controllo sull'intervallo di passi: add_noise, start_at_step, end_at_step e return_with_leftover_noise, usato per catene base + rifinitore e campionamento con due modelli.
EmptySD3LatentImage
ComfyUI core
EmptySD3LatentImage crea il latent vuoto a 16 canali che servono a Flux, SD3 e SD3.5; sostituisce Empty Latent Image in quei flussi di lavoro.
Altri nodi ComfyUI
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode trasforma un prompt di testo in CONDITIONING usando l'encoder testuale del modello. Un nodo contiene il prompt positivo, un altro quello negativo.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager è l’estensione che installa, aggiorna e sistema i pacchetti di nodi personalizzati e i modelli direttamente dall’interfaccia, risolve i nodi mancanti nei workflow importati e salva la tua configurazione.
KSampler
ComfyUI core
KSampler esegue il ciclo di denoising: prende il modello, i prompt e un latente e produce l'immagine latente finita, controllata da seed, passi, cfg, sampler, scheduler e denoise.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) apre un file modello .safetensors o .ckpt e fornisce le tre parti di cui ogni workflow ha bisogno: il MODEL di diffusione, l'encoder testuale CLIP e il VAE.
Save Image
ComfyUI core
Save Image salva il tensore IMAGE in ComfyUI/output come PNG, con tutto il flusso di lavoro incorporato nei metadati del file così puoi trascinare l'immagine di nuovo in ComfyUI per ripristinare il grafico.
VAE Decode
ComfyUI core
VAE Decode trasforma il LATENT campionato in un'immagine a pixel usando il VAE; VAE Decode (Tiled) fa lo stesso a pezzi per immagini molto grandi.