ComfyUI-WanVideoWrapper一个节点集合跑通 Wan 文生视频、图生视频与长视频续写【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapperComfyUI-WanVideoWrapper 是面向 Wan 系列视频生成模型的 ComfyUI 自定义节点集把 Wan 文生视频、图生视频、口型驱动、长视频续写等工作流整合进 ComfyUI 图内操作。它适合已有 ComfyUI 环境、想快速试用新版 Wan 模型功能的用户省去自行处理模型加载、显存卸载和缓存加速的逻辑。example_workflows/目录中的示例输入1280×720 男性人像可直接作为图生视频首帧。一、它解决哪些任务仓库里的节点都是围绕几件具体的想做的事组织的每项都有配套节点和示例工作流可对照任务所需输入产出文生视频正向/负向提示词81 帧短视频图生视频首帧图片 运动描述延续该画面构图与光影的视频音频驱动口型人物图 音频文件口型同步动画FantasyTalking、MultiTalk 等节点组长视频续写首帧或上一段视频1025 帧以上的长视频context window 分窗拼接运动/运镜控制视频或图片 控制信号姿态、相机轨迹等复现原运动或重打光的新视频ReCamMaster、WanMove 等对应的工作流都在 example_workflows/ 目录文件按场景命名找起点不费劲。二、环境搭建与模型就位Wrapper 直接运行在 ComfyUI 的 Python 环境里无需另建虚拟环境Windows 便携版用包内python_embeded\python.exe装依赖即可。显存参考仓库实测数据1.3B 模型开 context window 全程不到 5GB14B 在 512×512、81 帧时卸载 20 个 block 约 16GB8GB 显卡靠卸载也能跑16GB 以上更从容。cd ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper pip install -r ComfyUI-WanVideoWrapper/requirements.txt克隆进custom_nodes是因为 ComfyUI 启动时自动扫描该目录注册节点包__init__.py里还有重复目录检测同一份仓库放两处会报冲突警告保持单份即可。模型文件按 ComfyUI 惯例放四个目录作者建议直接选 fp8 scaled 量化权重体积与显存都更省GGUF 权重主模型加载节点也支持目录内容为什么放这里ComfyUI/models/diffusion_modelsWan Transformer 主权重核心生成模型由主模型加载节点从这里扫描ComfyUI/models/text_encodersT5 文本编码器文生视频提示词靠它编码ComfyUI/models/clip_visionCLIP Vision图生视频流程用它编码首帧图像ComfyUI/models/vaeVAE视频帧的编码与解码缺它无法出图三、三类高频创作实操实操一文生视频从提示词到 5 秒短片目标纯文字描述生成可控质量的短片。先用 1.3B 模型验证流程确认效果后再换 14B 出正式版省时间也省显存。输入正向与负向提示词、种子不需要图片。关键参数分辨率从 512×512 起步长度 81 帧模型加载节点里打开 block swap14B 模型多卸载一些 block 留出余量。常见坑Windows 首次运行显存异常高、再跑就正常多为 triton 旧缓存所致清缓存重跑即可提示词只写一个人在跳舞运动稳定性明显差于写清主体、动作、环境。实操二图生视频让一张人像动起来目标以单张图片为首帧生成延续其构图和光影的视频适合人物动画和产品展示。输入一张较清晰的人像图面部清晰最好外加描述运动的文字CLIP Vision 负责编码图像。关键参数视频分辨率与图片长宽比保持一致主权重用 fp8 scaled 版可明显降低显存峰值。常见坑源图分辨率低会直接拖垮结果清晰度只想要主体微动时提示词要写明轻微动作否则镜头会自行漂移。仓库中 1024×1024 的人像示例输入可直接用作 I2V 首帧。实操三长视频续写把 5 秒片段接成长片目标突破单次 81 帧的限制生成分钟级长视频。输入首帧或上一段生成结果的尾段加上 context window 节点。关键参数仓库实测配置为每窗 81 帧、重叠 16 帧1.3B T2V 模型生成 1025 帧全程显存不到 5GB5090 上约 10 分钟。常见坑重叠帧给少了段落交界处会出现接缝给多了则生成变慢、显存吃紧16 帧是仓库验证过的中间值。四、参数速查与排障项建议值依据生成长度81 帧仓库实测使用的标准长度起步分辨率512×51214B 在该规格下卸载 20/40 block 约 16GB长视频窗口每窗 81 帧、重叠 16 帧1.3B 实测 1025 帧显存不到 5GBTeaCache 阈值0.25–0.30过激会跳步破坏前期运动显存策略block swap fp8 权重未合并 LoRA 计入 block 体积卸载时需多补几块遇到异常时按症状对照处理症状原因处理加载或生成时 OOM14B 权重全部驻留显存打开 block swap 增加卸载数或换 fp8 scaled 权重Windows 首跑显存暴涨再跑恢复正常torch.compile / triton 旧缓存清理.triton与 torchinductor 临时目录后重跑结果模糊、运动不到位步数偏低或提示词过抽象提高采样步数提示词写清主体、动作、场景用了 LoRA 后显存异常偏高未合并 LoRA 作为模块 buffer 占用显存每 1GB LoRA 大约多卸载 2~3 个 block 补偿五、进阶扩展与二开第三方模型兼容度是选用这个 wrapper 的主要理由仓库自带 SkyReels、ReCamMaster、VACE、Phantom、ATI、Uni3C、MultiTalk、EchoShot、Stand-In、HuMo、WanAnimate、Lynx、MoCha、UniLumos、FantasyTalking、LongCat-Video、FlashVSR、Ovi 等节点组其中部分如 ATI是 patcher 式节点还能注入原生 ComfyUI 工作流。自定义节点的切入点很清晰init.py 集中注册必需模块主节点、采样器、模型加载、工具、缓存与可选模块导入失败仅告警每个模块对外暴露NODE_CLASS_MAPPINGS。最小自定义节点如下class MyModelNode: classmethod def INPUT_TYPES(cls): return {required: {model: (MODEL,)}} RETURN_TYPES (MODEL,) FUNCTION run def run(self, model): return (model,) NODE_CLASS_MAPPINGS {MyModelNode: MyModelNode}先克隆仓库并放好 fp8 scaled 的 1.3B 权重再从 example_workflows/ 里加载一个文生视频工作流把 512×512、81 帧跑通一遍。关键词ComfyUI-WanVideoWrapper、WanVideo ComfyUI 节点、Wan 文生视频教程、Wan 图生视频工作流、ComfyUI 低显存视频生成、长视频 context window【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