Wan_2.2_ComfyUI_Repackaged模型文件全解析：41个safetensors该放进哪个文件夹？

Wan_2.2_ComfyUI_Repackaged模型文件全解析：41个safetensors该放进哪个文件夹？

【免费下载链接】Wan_2.2_ComfyUI_Repackaged项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/Wan_2.2_ComfyUI_Repackaged

📌 一句话速记：diffusion_models的文件放进 ComfyUI 的models/diffusion_models，LoRA 放models/loras，文本编码器放models/text_encoders，VAE 放models/vae，音频编码器放models/audio_encoders。

Wan_2.2_ComfyUI_Repackaged 是专为 ComfyUI 用户打包整理的 Wan 2.2 系列模型仓库，覆盖文生视频、图生视频、声音驱动、图像修复、相机运动控制等场景。很多新手兴冲冲下载完模型，却卡在最基础的一步：40 多个 .safetensors 文件，到底该放进 ComfyUI 的哪个文件夹？放错位置，节点里就永远找不到模型，白忙一场。本文把这批 safetensors 文件按五大目录逐一拆解，并附上速查对照表，帮你一次放对、少走弯路。

一、仓库结构速览：文件全部分在 5 个文件夹

克隆下来的仓库里，模型文件全部存放在split_files/目录下，子目录命名与 ComfyUI 内置的模型目录一一对应：

规律很简单：文件夹名字对得上，直接“原样搬过去”就行。下面逐类详解。

二、一键获取模型：克隆仓库并对照目录

先把模型拉下来，仓库地址为：

git clone https://gitcode.com/hf_mirrors/Comfy-Org/Wan_2.2_ComfyUI_Repackaged

克隆完成后，split_files/的目录结构几乎就是 ComfyUI 模型目录的“镜像”：

split_files/ ├── audio_encoders/ → ComfyUI/models/audio_encoders/ ├── diffusion_models/ → ComfyUI/models/diffusion_models/ ├── loras/ → ComfyUI/models/loras/ ├── text_encoders/ → ComfyUI/models/text_encoders/ └── vae/ → ComfyUI/models/vae/

💡 建议把split_files/下各子目录里的文件，逐个拷贝到ComfyUI/models/对应目录中（不要整个文件夹覆盖，避免覆盖掉你已有的其他模型）。

三、最大头：diffusion_models 的 32 个扩散模型

扩散模型是整个仓库的“主菜”，数量占了大半。文件名里的字段其实已经把用途说清楚了，我们按功能分组来看。

3.1 文生视频（T2V）：wan2.2_t2v 系列，共 4 个

3.2 图生视频（I2V）：wan2.2_i2v 系列，共 4 个

3.3 声音驱动与轻量模型：S2V、TI2V，共 3 个

3.4 Fun 系列控制模型：Control / Inpaint / VACE / Camera，共 18 个

Fun 系列由阿里系（alibaba-pai）的 Wan2.2-Fun 工作流衍生，专门用于可控生成，全部放入diffusion_models目录即可。

Control（条件控制，含 5B 轻量版）共 5 个：

Inpaint（图像修复/局部重绘）共 5 个：命名与 Control 完全对称，包含wan2.2_fun_inpaint_5B_bf16.safetensors以及 high/low noise × bf16/fp8 共 4 个 14B 版本。

VACE（视频编辑）共 4 个：即wan2.2_fun_vace_high_noise_14B与wan2.2_fun_vace_low_noise_14B，各含 bf16 与 fp8_scaled 两个精度版本。

Camera（相机运动控制）共 4 个：即wan2.2_fun_camera_high_noise_14B与wan2.2_fun_camera_low_noise_14B，同样各含 bf16 与 fp8_scaled 两个版本。

3.5 Animate 动画与 ChronoEdit，共 3 个

四、辅助文件：LoRA、文本编码器、VAE、音频编码器（11 个）

别小看这些“小文件”，缺了它们工作流照样跑不起来。

4.1 LoRA（6 个）→models/loras/

LightX2V 系列是蒸馏加速 LoRA，可以把原本几十步的采样压缩到 4 步左右，大幅提升出图速度，强烈推荐配合相应模型使用。

4.2 文本编码器（2 个）→models/text_encoders/

⚠️ 文本编码器是所有 Wan 2.2 视频任务的必装件，忘了它，任何模型都跑不起来。

4.3 VAE（2 个）→models/vae/

4.4 音频编码器（1 个）→models/audio_encoders/

五、看懂文件名，就再也不会放错

Wan 2.2 的命名其实是一套“自解释”规范，拆开看就懂了：

• 任务前缀：t2v（文生视频）、i2v（图生视频）、s2v（声音驱动）、ti2v（轻量文本+图像引导）、fun_*（可控生成）、animate（动画）
• 阶段：high_noise（高噪声阶段）/low_noise（低噪声阶段）
• 规模：5B/14B（参数量）
• 精度：bf16/fp16（高精度）、fp8_scaled（8bit 量化）、int8（8bit 整数量化）

只要文件名里带lora，就放loras/；带umt5就放text_encoders/；带vae就放vae/；带wav2vec2就放audio_encoders/；其余全部放diffusion_models/。✅

六、新手常见问题（FAQ）

Q1：high_noise 和 low_noise 都要下载吗？官方推荐工作流先用高噪声模型跑完大部分步数，再切换到低噪声模型做细节精修，两者配合质量最佳。显存紧张时，可优先保留 low_noise 版本或 fp8 版本。

Q2：fp16 / bf16 / fp8 / int8 怎么选？精度越高越吃显存：14B 的 fp16/bf16 需要约 24GB 以上显存；fp8 量化版能降到 16GB 左右，画质损失很小，是大多数人的甜点选择；int8 则适合极致省显存的场景。

Q3：5B 和 14B 选哪个？5B 模型显存要求低、生成快，适合入门和中低配显卡；14B 画质与语义理解更强，是追求质量的首选。

Q4：LoRA 是必需的吗？不是。LoRA 属于可选的“增强插件”，LightX2V 加速 LoRA 能显著提速，Relight LoRA 负责重打光，蒸馏 LoRA 配合 ChronoEdit 使用。

Q5：文件放对了还是加载不到？刷新节点（或重启 ComfyUI）让模型列表重新扫描；同时确认文件没有被错误地嵌套在子文件夹里。

七、参考与结语

仓库根目录的README.md中附有官方目录对照说明，模型文件本体分布在split_files/下，例如split_files/diffusion_models/wan2.2_t2v_low_noise_14B_fp16.safetensors、split_files/loras/、split_files/text_encoders/、split_files/vae/、split_files/audio_encoders/。

只要记住“目录名一一对应，直接搬”这条核心原则，40 多个 safetensors 文件再也不会难倒你。赶紧按本文的对照表把文件归位，去 ComfyUI 里跑出你的第一段 Wan 2.2 视频吧！🎬

【免费下载链接】Wan_2.2_ComfyUI_Repackaged项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/Wan_2.2_ComfyUI_Repackaged