ComfyUI视频生成完全指南：用ComfyUI-WanVideoWrapper让14B模型跑进低显存

ComfyUI视频生成完全指南：用ComfyUI-WanVideoWrapper让14B模型跑进低显存

【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper

ComfyUI-WanVideoWrapper 是一个面向 WanVideo 系列视频生成模型的 ComfyUI 视频生成插件，它把 140 亿参数的视频扩散模型封装成一组可拖拽、可组合的 ComfyUI 节点。它要解决的核心痛点是显存——通过 block swap（把模型不用的层临时挪到内存、用时再取回，即 offloading）和 fp8 量化推理，让原本需要更大显存的 14B 模型在 16GB 级别的显卡上跑起来。如果你想用中端显卡实打实地做出文生视频、图生视频，这个插件是目前最实用的选择之一。

✅ 它到底能做什么：4 种典型输入输出组合

先建立直觉，这个项目覆盖的玩法可以概括为四种「输入什么 → 输出什么」：

• 文生视频：输入一句 prompt，输出一段描述场景的短视频，是最基础的链路。
• 图生视频：输入一张参考图（比如下面的角色图）加文字描述，输出以这张图为首帧展开的视频。
• 音频驱动：Ovi 节点组支持输入图像 + 音频，输出带口型和声音的视频。
• 镜头控制：接入 ReCamMaster、Uni3C 等扩展后，输入素材与控制参数，输出指定运镜的视频。

🧩 底层是怎么跑的（简化版）：模块化流水线 + 显存优化

一条五段式流水线：从 prompt 到视频文件

整个生成过程就是五段接力，每段对应一类节点：

prompt/参考图 → T5 与 CLIP 编码 → 空 latent 准备 → 扩散采样 → VAE 解码 → 视频输出

具体对应关系是：T5（umt5_xxl）和 CLIP Vision 负责把文字和图片变成模型能读的特征；WanVideoEmptyEmbeds创建待生成的噪声 latent；WanVideoSampler驱动 14B Transformer 迭代去噪，采样器可在 wanvideo/schedulers/ 里选的 FlowMatch、ERSDE 等之间切换；WanVideoDecode用 VAE 把 latent 还原成像素视频；最后由 VHS_VideoCombine 节点落盘。

block swap 是怎么把 14B 模型塞进 16GB 显存的

这里有个关键细节：Wan 14B 的 Transformer 主干约 40 个 block。block swap 的做法是只把当前要用的 block 留在显存，其余挪到系统内存，并在计算间隙异步预取下一个 block——计算和搬运并行，所以速度损失不大。显存不够时还有两招：fp8 量化把参数体积减半（作者个人推荐 fp8 scaled 版本权重），GGUF 格式则支持更低的量化档位，主模型加载器可直接加载.gguf文件。

下面这段来自 nodes.py 的代码，作用只是把「换入换出哪些 block」的配置挂到模型选项上，真正的搬运发生在推理过程中：

def loadmodel(self, model, block_swap_args=None): if block_swap_args is None: return (model,) patcher = model.clone() if 'transformer_options' not in patcher.model_options: patcher.model_options['transformer_options'] = {} patcher.model_options["transformer_options"]["block_swap_args"] = block_swap_args return (patcher,)

🚀 从 0 到跑起来的实操路径

硬件门槛：显存到底要多少

下面这张表整理自仓库 readme 中的实测数据点，可作为 8GB 显存跑 14B 模型之类问题的最小配置参考：

环境准备：clone 插件 + 两步装依赖

在 ComfyUI 的custom_nodes目录下执行：

git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper pip install -r ComfyUI-WanVideoWrapper/requirements.txt

如果你用的是 ComfyUI 便携版，改用便携版自带的python_embeded\python.exe -m pip install安装同一份 requirements.txt 即可。

模型下载：4 类文件放进 4 个目录

模型下载地址以 readme 为准，按上面的目录摆放即可。

跑通第一条文生视频工作流

1. 在 ComfyUI 里导入 example_workflows/wanvideo_2_1_14B_T2V_example_03.json；
2. 把模型加载器指向刚下载的文件；
3. 在 WanVideoSetBlockSwap 节点按你的显存档位设置卸载 block 数；
4. 点 Queue Prompt，等 VHS_VideoCombine 输出视频。

🎛️ 进阶玩法与生态

怎么写一个自己的 WanVideo 节点

一个节点就是一个类：声明INPUT_TYPES（输入端口）、RETURN_TYPES（输出端口）和FUNCTION（执行方法），最后注册进NODE_CLASS_MAPPINGS字典即可。仓库 nodes.py 里有几十个现成样例可照着抄，比如最简单的 WanVideoEnhanceAVideo 只接收三个 float 参数。

40 多份现成工作流模板

example_workflows/ 目录下有 40 多份 JSON，覆盖 T2V、I2V、Ovi 音频驱动、Fun control 运镜、VACE、WanAnimate 等场景，导入即用，是学习节点连法最快的方式。

跑起来之后值得试的加速项

• 注意力实现：加载器里可选 sdpa、flash_attn_2/3、sageattn、radial 稀疏注意力等，显存紧张时优先后几档；
• 缓存节点：TeaCache / MagCache / EasyCache 三个节点，按 readme 提示调整阈值（新版系数阈值约为旧版 10 倍）；
• 上下文窗口：用滑动窗口 + 重叠生成超长视频，readme 的 1025 帧案例就是 81 帧窗口加 16 帧重叠跑出来的。

⚖️ 值不值得现在上手

优势一：显存优化是真正的硬实力，block swap + fp8/GGUF 有 readme 实测数据背书，中端卡跑 14B 不是噱头。优势二：生态覆盖广，据仓库 readme 描述，除 Wan 本体外还集成了 SkyReels、VACE、ReCamMaster、FantasyTalking、WanAnimate、ATI 等 20 多个扩展模型与免训练技巧，一个插件顶好几个。优势三：上手成本低，40 多份工作流模板导入即跑，节点连法有参考可抄。

局限也要说清楚：作者在 readme 中自述这是「永远在途」（perpetual WIP）的个人沙盒，并明确建议——如果 ComfyUI 原生已支持相同模型和功能，优先用原生节点；插件更新快，旧工作流的显存参数（尤其是未合并 LoRA 占用 block 之后的 block swap 配置）可能需要重新调。

所以判断很简单：显卡 8GB 以上、想第一时间玩 Wan 生态的新模型新玩法，现在就值得上手；如果只想要最稳的基础链路，先确认原生 ComfyUI 的支持情况再决定。

【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper