ComfyUI-WanVideoWrapper：4步快速跑通你的第一条WanVideo AI视频
【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper
ComfyUI-WanVideoWrapper 是面向 WanVideo 视频生成模型的 ComfyUI 自定义节点包，覆盖文本生成视频、图像生成视频、上下文窗口长视频三类能力。只要你有一块 NVIDIA 显卡和装好的 ComfyUI，就能在约半小时内产出第一条 AI 视频，1.3B 模型最低 5GB 显存即可运行。
官方示例图片，配合 example_workflows 目录里的图像转视频工作流使用
🛠 搭好环境：硬件要求与安装步骤
先看两档硬件基准，数据来自仓库 README 的实测记录：
- 最低档：NVIDIA 显卡 +8GB 显存，跑1.3B轻量模型即可（官方实测 81 帧窗口生成 1025 帧长视频，显存占用不到5GB）
- 推荐档：16GB 以上显存，跑14B高质量模型（512x512 分辨率、81 帧、交换 20/40 个块做卸载，实测约16GB）
最小安装步骤（在 ComfyUI 的上级目录执行，共 3 行）：
git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper ComfyUI/custom_nodes/ComfyUI-WanVideoWrapper cd ComfyUI/custom_nodes/ComfyUI-WanVideoWrapper pip install -r requirements.txt用 Windows 便携版 ComfyUI 的用户，把最后一条命令换成python_embeded\python.exe -m pip install -r指向 requirements.txt 的路径即可。
下载模型文件后按 README 指定路径存放：
- 文本编码器 →
ComfyUI/models/text_encoders/ - Clip vision 模型 →
ComfyUI/models/clip_vision/ - 主视频模型（Transformer）→
ComfyUI/models/diffusion_models/ - VAE →
ComfyUI/models/vae/
作者个人推荐fp8 scaled量化版模型，显存占用更低而质量接近；主模型加载器同时也支持 GGUF 格式。装完重启 ComfyUI，节点菜单里会出现WanVideoWrapper分类。
🏃 跑通第一个结果：4步从提示词到视频
- 加载示例工作流：在 ComfyUI 中导入 example_workflows/ 里的 JSON，新手建议从
wanvideo_2_1_14B_I2V_example_03.json（图生视频）或wanvideo_2_1_14B_T2V_example_03.json（文生视频）开始。 - 对号入座：把工作流里的模型加载节点指向你刚放进上面 4 个目录的文件，把提示词改成你自己的创意文本，分辨率和帧数保持默认。
- 排队生成：点击 Queue Prompt。采样核心是 WanVideoSampler 节点，默认30 步、cfg 6.0、shift 5.0、unipc 调度器——第一次运行不要动这些值。
- 查看结果：视频写入 ComfyUI 的
output目录，生成期间节点会显示进度条。
如何确认成功：output 里出现视频文件，且画面没有明显的块状撕裂或闪烁，就算跑通了。想要更长的视频，再接一个 WanVideoContextOptions 节点——官方用 81 帧窗口 + 16 帧重叠跑出了 1025 帧的长视频。
它能帮你做什么：6个高频场景
| 场景 | 输入→输出 | 上手难度 |
|---|---|---|
| 文本生成视频（T2V） | 文本提示词 → 视频 | ★ 简单 |
| 图像生成视频（I2V） | 图片 + 提示词 → 带运动的视频 | ★ 简单 |
| 长视频生成 | 提示词 + 上下文窗口参数 → 1000帧以上视频 | ★★ 中等 |
| ReCamMaster 运镜重拍 | 现有视频 → 新镜头运动的视频 | ★★★ 较难 |
| VACE 视频编辑 | 视频 + 参考图 → 重排/编辑后的视频 | ★★★ 较难 |
| 说话人头像（FantasyTalking / MultiTalk） | 人物图 + 音频 → 对口型说话视频 | ★★★ 较难 |
除此之外，wrapper 还支持 SkyReels、ATI、Uni3C、MoCha、WanAnimate、LongCat-Video 等数十个扩展模型，完整清单在 readme.md 的 "Supported extra models" 一节，按名称对照即可。
说话人头像与图像转视频场景的示例输入，人物正脸图片
📋 关键参数速查
最影响结果的 5 个参数，默认值都写在采样与上下文节点里：
| 参数 | 推荐值 | 调大的变化 | 调小的变化 |
|---|---|---|---|
steps（采样步数） | 30（默认） | 质量更高、耗时更长 | 更快，容易模糊和伪影 |
cfg（提示词强度） | 6.0（范围 0–30） | 更贴合提示词，易过饱和 | 运动更发散，易偏离描述 |
context_frames（帧窗口） | 81（范围 2–1000） | 连续段更长、显存更高 | 显存更低，窗口拼接更多 |
context_overlap（窗口重叠） | 16（范围 4–100） | 窗口衔接更平滑、更慢 | 更快，边界易出接缝 |
blocks_to_swap（块交换） | 20（14B 共 40 块，1.3B/5B 共 30 块） | 显存更低、速度更慢 | 更快，显存更高 |
补充一点：若用 TeaCache 加速，新版节点的阈值要比旧版高约10 倍，配合系数时0.25–0.30是比较稳的区间，start step 可保持 0。
📦 新手常见问题
1. 装完找不到 WanVideoWrapper 节点，或节点报红
- 确认仓库是直接 clone 进
custom_nodes目录，没有被多包一层文件夹 - 重新执行 requirements.txt 安装，留意终端里的依赖报错
- 完全重启 ComfyUI，查看控制台是否有 import 错误
2. 生成过程中爆显存（OOM）
- 换成1.3B模型 + fp8 scaled 权重，分辨率先降到 512x512
- 调大
blocks_to_swap，14B 模型可从默认 20 块逐步加到 30–40 块 - 把
context_frames从 81 降到 49 或 33，并开启 tiled VAE 分块解码
3. 开启 torch.compile 后第一次运行显存异常高
- 用相同输入尺寸再跑一次，triton 缓存建立后显存通常会回落
- 仍异常就按 README 指引清理 triton 缓存目录（Windows 默认在
C:\Users\<用户名>\.triton） - 先关掉 torch.compile 保证能出片，新版 wrapper 已降低对 compile 的依赖
下一步往哪走
跑通基础工作流后，建议两条路线并行：一是在 example_workflows/ 里按场景翻 JSON，ReCamMaster 运镜、Fun 相机控制、Ovi 音视频同步都有现成文件可直接加载；二是回头精读 readme.md，重点理解上下文窗口与块交换这两组参数的取舍，再去挑战 1000 帧级别的长视频生成。
图像转视频场景下，毛绒玩具这类静物也能动起来
别急着改参数，先把wanvideo_2_1_14B_I2V_example_03.json完整跑通一次，再换成你自己的提示词。连续生成 2–3 次满意结果后，再开始逐个调整 cfg 和窗口参数。
【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
