【亲测免费】 ComfyUI-WanVideoWrapper 使用教程

1. 项目介绍

ComfyUI-WanVideoWrapper 是一个开源项目，它为 ComfyUI 提供了一个包装器节点，用于与 WanVideo 进行交互。WanVideo 是一个视频生成和编辑工具，通过这个包装器，用户可以在 ComfyUI 中更方便地使用 WanVideo 的功能。

2. 项目快速启动

环境准备

在开始之前，确保你已经安装了 Python 和 pip。此外，你还需要克隆该项目到本地环境。

git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git
cd ComfyUI-WanVideoWrapper

安装依赖

在项目目录中，使用以下命令安装所需的依赖：

pip install -r requirements.txt

如果你使用的是 ComfyUI 的便携式安装版本，你需要在 ComfyUI_windows_portable 文件夹中运行以下命令：

python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\requirements.txt

配置模型

你需要将文本编码器、Transformer 和 Vae 模型放入相应的 ComfyUI 模型文件夹中。可以从 Hugging Face 获取模型。

• 文本编码器放入 ComfyUI/models/text_encoders
• Transformer 放入 ComfyUI/models/diffusion_models
• Vae 放入 ComfyUI/models/vae

3. 应用案例和最佳实践

使用示例

以下是一些使用 ComfyUI-WanVideoWrapper 的示例：

• TeaCache（使用旧版本）：使用 I2V 模型时，阈值值应该设置为原来的 10 倍。使用系数时，0.25-0.30 的范围似乎效果不错，开始步骤可以是 0。如果阈值设置更加激进，可能需要稍后开始以避免早期步骤的跳过，这可能会破坏运动。

• 上下文窗口测试：使用 81 帧的窗口大小和 16 帧的重叠，1.3B 的 T2V 模型在 5090 显卡上使用不到 5GB 的 VRAM，并在 10 分钟内生成视频。

• Vid2vid 示例：使用 14B 和 1.3B 的 T2V 模型，可以生成不同的视频效果。

最佳实践

• 在使用前，确保所有的模型和依赖都已经正确安装和配置。
• 根据你的硬件配置调整模型的参数，以获得最佳性能和效果。

4. 典型生态项目

目前，ComfyUI-WanVideoWrapper 项目主要是作为一个包装器存在，用于简化 ComfyUI 与 WanVideo 之间的交互。在未来，可能会有更多的开源项目加入到这个生态中，提供更多的功能和改进。