10 分钟搭好 WanVideo 图生视频工作流：从安装到显存自管
【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper
想把手头一张照片变成一段短视频，你多半体会过这份麻烦：Wan 2.1/2.2 新出的运镜、姿态控制这类能力，ComfyUI 原生支持不全，你得再翻一个项目、再搭一遍环境。ComfyUI-WanVideoWrapper 就是冲着这件事来的——它把 Wan 2.1、Wan 2.2 以及相机控制、主体参考等十几类相关模型接进节点流，一个 ComfyUI 项目就能同时干文生视频、图生视频和运镜这几件事。
三步装好 ComfyUI-WanVideoWrapper
第一步：把仓库克隆进 custom_nodes 目录。
git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper ComfyUI/custom_nodes/ComfyUI-WanVideoWrapper第二步：装依赖。如果你用的是 Windows 便携版，改用python_embeded\python.exe -m pip来跑同一条命令。
pip install -r requirements.txt第三步：按 readme 下载模型放进对应目录，重启 ComfyUI。节点列表里会出现 WanVideoWrapper 分类，后面提到的示例流也就齐了。
| 模型文件 | 放置目录 |
|---|---|
| T5 文本编码器（把文字变成文本特征） | models/text_encoders |
| VAE（潜空间的编解码器） | models/vae |
| 1.3B / 5B / 14B 主扩散模型 | models/diffusion_models |
| CLIP Vision（从图片里提取视觉特征） | models/clip_vision |
把一张人像照片变成 5 秒图生视频
example_workflows 目录里有一组图生视频（I2V，以图片作为视频起点）的样例流，wanvideo_2_1_14B_I2V_example_03.json是其中之一。把它拖进画布，在 Load Image 节点里放一张示例输入图，连线就已经是齐的。
▲ 仓库自带的示例输入图，直接拿它跑图生视频流程
图片在流里的走法是：WanVideo ClipVision Encode 先用视觉编码器"看"一遍图，WanVideo ImageToVideo Encode 把图像特征变成潜空间条件喂给采样器，WanVideo Sampler 跑完几轮去噪，WanVideo Decode 再把潜变量还原成真实像素。第一次跑不用碰别的参数，点 queue 等结果就行——第一段 5 秒短片正常出片，说明整条流已经通了。
手头没有素材的话，仓库里那只抱着红玫瑰的泰迪熊也可以直接用：
▲ 仓库内置示例图：同一条流程跑下来，小熊也能"动起来"
让镜头绕着主体转：试试 Fun 相机控制
跑通了静止的画面，下一步自然想让镜头动起来。项目里接了 Fun Camera Control，对应的样例流是wanvideo_2_1_14B_Fun_control_camera_example_01.json：拖进来，接上你想拍的那张参考图，用流里默认的参数直接出图。出来的是一段镜头围绕主体缓慢环绕、推近的视频，比定帧画面更有动感。想细调轨迹时，直接在流里找相机参数节点改数值就好——思路和图生视频那套一样，模型还是同一个主体，换的只是输入条件。
14B 装不下显存时：用块交换把占用降下来
真正开始批量生成后，第一个拦路虎通常是显存。14B 主模型光是待在显存里就要占掉好几 G。项目给出的办法是 WanVideo Block Swap：把blocks_to_swap设成 20 之类的值，对应数量的 transformer 块（14B 共 40 个，1.3B 和 5B 是 30 个）就会在 CPU 内存与显存之间按需交换，运行时 GPU 上只留正在用的那部分。觉得速度掉了，把prefetch_blocks设成 1，让它提前把下一块预取过来，基本能抹平掉速。还想再压，可以换 WanVideo VRAM Management 节点，那是更激进的卸载方案，占用明显更低，代价是速度可能更慢。这两个节点的源码在 nodes_model_loading.py。
用 TeaCache 把生成时间再砍几秒
显存压住了，接下来就是速度。cache_methods 目录里带了一套 TeaCache 之类的缓存节点：去噪过程中，如果当前这一步的特征跟上一步相比变化不大，就直接跳过部分计算。readme 里建议阈值取 0.25 到 0.30（注意这是旧版数值放大 10 倍之后的量级），起始步可以从 0 开始；想要更激进的话，让跳步从更靠后的位置开始更稳，避免太早跳步把动作节奏跳坏。实现在 cache_methods/cache_methods.py。
💡 两个值得顺手试的细节：主模型加载器现在也能读 GGUF 量化权重，低显存机器可以直接把 14B 跑起来；LoRA 权重现在按 buffer 挂载、会跟着块交换一起移动，所以如果你发现显存比预期略高，多半把交换的块数再加 2 就行。
继续深入：从源码与样例流看门道
想弄清这个项目到底注册了哪些节点，打开init.py 看一眼，必装模块（Main、Sampler、ModelLoading）和可选模块（ControlNet、SkyReels、MultiTalk 等）都按行列在那里；而 example_workflows/ 目录里的每个 JSON 都是能直接拖进画布跑的工作流，照着连法改参数，就是你自己的第一个变体。
【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
