ComfyUI中Wan2.1 T2V 1.3B模型生成全黑视频问题的分析与解决

在ComfyUI视频生成工作流中，部分用户在使用Wan2.1 T2V 1.3B模型时遇到了输出结果为全黑视频的问题。这个问题主要出现在AMD Radeon RX 6800 XT（16GB显存）和NVIDIA RTX 3050等消费级显卡上，表现为模型能够正常执行但最终生成的视频文件为全黑画面，同时控制台会输出"invalid value encountered in cast"的运行时警告。

问题现象分析

当用户运行Wan2.1 T2V 1.3B模型时，系统日志显示模型加载和推理过程看似正常完成，但最终生成的视频文件却呈现全黑状态。从技术角度来看，这通常表明在视频帧数据的处理过程中出现了数值异常，导致图像数据被错误地转换为无效值。

控制台输出的警告信息"RuntimeWarning: invalid value encountered in cast"进一步证实了这一点，表明在将NumPy数组转换为图像数据时遇到了无效数值（如NaN或超出范围的值）。这种现象在深度学习推理中通常与数值精度问题或计算溢出有关。

根本原因探究

经过深入分析，这个问题主要由以下几个因素共同导致：

1. 数值精度问题：模型在推理过程中可能产生了超出正常范围的数值或NaN值，特别是在使用较低精度计算时。

2. 注意力机制实现差异：不同硬件平台（特别是AMD和NVIDIA显卡）对注意力机制的计算实现可能存在细微差异。

3. 量化设置不当：虽然Wan2.1 T2V 1.3B模型官方声称不需要量化即可运行，但在某些硬件配置下，默认的量化设置可能导致计算精度不足。

解决方案

针对这一问题，社区提供了几种有效的解决方案：

1. 强制注意力机制上采样： 在启动ComfyUI时添加--force-upcast-attention参数，这可以确保注意力计算使用更高的数值精度，避免计算过程中的数值溢出。

2. 调整权重数据类型： 将模型的weight_dtype参数从默认值改为fp8_e4m3fn，这种8位浮点格式在保持较高计算效率的同时，提供了更好的数值稳定性。

3. 更新驱动和框架： 确保使用最新版本的PyTorch和ROCm（针对AMD显卡）或CUDA（针对NVIDIA显卡）驱动，以获得最佳兼容性和性能。

性能优化建议

在解决基本功能问题的同时，用户还可以考虑以下优化措施：

1. 显存管理：虽然官方声称模型只需8.19GB显存，但实际使用中可能会更高。建议关闭不必要的后台程序，确保显存充足。

2. 计算精度平衡：在保证输出质量的前提下，可以尝试不同的计算精度设置，找到性能和质量的最佳平衡点。

3. 硬件适配：不同显卡架构可能需要特定的优化参数，建议参考社区中相似硬件的配置经验。

总结

Wan2.1 T2V 1.3B模型在ComfyUI中的全黑输出问题主要源于数值精度和硬件兼容性问题。通过强制注意力机制上采样和调整量化设置，大多数用户都能成功解决这一问题。这一案例也提醒我们，在部署深度学习模型时，需要充分考虑目标硬件的特性和限制，特别是当使用消费级显卡进行专业视频生成任务时。

随着ComfyUI社区的不断发展，相信这类跨平台兼容性问题将得到更好的解决，使更多用户能够充分利用他们的硬件资源进行创意视频生成。