ComfyUI本地部署Wan2.1开源AI视频生成模型，在家也可以制作电影级别的AI视频

现在AI技术越来越成熟，只要一台电脑，在家也可以制作电影级别的AI视频了，完全可以以假乱真。

今天我带大家通过ComfyUI一步一步搭建Wan2.1最新的VACE工作流，带你体验AI视频的强大之处。

看完这篇文章，你也可以做出一样的AI视频。

一、节点安装

方法一：

节点的方法有很多种，一种是通过节点管理器，搜索wanvideowrapper，找到插件“ComfyUI-WanVideoWrapper”，然后点击安装

方法二：

还通过github下载节点，解压到custom_nodes目录（记得解压后的文件名后面的"main"删掉）。

链接：

https://github.com/kijai/ComfyUI-WanVideoWrapper

节点安装结束后记得重启ComfyUI

关于节点的具体安装方法，请见这篇文章：

让ComfyUI无所不能的秘密：如何自定义节点！AI绘画，ComfyUI教程，安装自定义节点

二、基础模型下载

万相的模型比较多，有些可能还不互通，下面跟大家具体讲一下使用方法。

首先来到万相的下载页面：

https://huggingface.co/Kijai/WanVideo_comfy/tree/main

1、文生视频和图生视频模型

文件名带T2V的就是文生视频模型

显存大于12G的，可以尝试选择14B模型

显存低于12G的，建议选择1.3B模型

文件名带I2V的就是图生视频模型

图生视频的模型同样有两个版本，分别为480P和720P的

显存大于12G的，可以尝试选择720P模型

显存低于12G的，建议选择480模型

文生视频和图生视频的模型放置路径：models\diffusion_models

建议在文件夹下面新建个模型文件夹，方便模型的管理，可以将文件夹改名为“wan2.1”，模型放置路径为：

models\diffusion_models\wan2.1

2、VAE模型

不论是万相官方的工作流还是Kijai的插件，VAE的模型都是通用的

VAE模型的放置路径：models\vae

3、clip version 和 text encoder模型

上面讲的模型都是通用模型，下面讲一下不通用模型的使用方法

在使用kijai的插件时，需要对 clip version 和 text encoder模型进行替换，就是下图框选出来的两个模型（这两个模型分别都有两个版本，所以是4个文件）

clip version模型放置路径：models\clip

text encoder模型放置路径：\models\text_encoders

随着模型文件的增加多，为了避免混乱，同样你可以新建一个 kijai 文件夹放刚刚的模型，方便你对模型的管理。

三、VACE模型下载

VACE一共3个模型，14B有2个模型，1.3B有一个模型

14B的模型最好用12G以上显存的显卡

12G以下的显存的显卡就老老实实用1.3B的模型吧，1.3B的模型用8G显存的显卡也可以跑起来，但速度贼慢了。

另外14B模型建议用fp8版本的，虽然精度没有bf16的好，但速度更快一些

模型放置路径：models\diffusion_models

四、基础工作流搭建

下面开始工作流的搭建了，只要你按照我的步骤一步一步来，最终的工作流肯定是不会出错的。

首先，在工作区空白处双击，搜索并添加wanvideo smpler节点

在model管道处往外拖拽，添加wanvideo model loader 节点

找到vace_model管道，拖拽并添加vace模型选择器节点

设置好正确的文生图基础模型和VACE模型

如果你的显存不足，可以从block_swap_args管道处往外拖拽，添加blockswap节点

blockswap节点可以帮助我们节省显存占用，如果显存够用的话可以不必添加。

如果你想做一个分辨率高或时长比较长的视频，也可以添加这个节点，不过相应的运算时间也会变长。

一般blockswap节点的数值设置到20以上。

回到wanvideo sampler节点，从text管道处拖拽并连接wanvideo textEncode节点

wanvideo textEncode节点是用来写提示词的

从wanvideo textEncode节点的t5管道向外拖拽，找到并连接T5 TextEncoder节点

在这里选择我们刚刚下载的text Encode模型

下面再回到WanVideo Sampler节点，向大家介绍一下这个节点的参数含义及用法

feta_args管道，连接WanVideo Enhance-A-Video节点，提升视频质量，参数保持默认不变

TeaCache管道，连接WanVideo TeaCache节点，加速视频生成速度，参数保持默认不变。如果生成的视频手部模糊，可以尝试关掉这个节点

slg_args管道，连接WanVideo SLG节点，提升视频质量，blocks一般设为9

WanVideo Experimental Args节点功能介绍

从wanvideo sampler节点的experimental_args管道向外拖拽，连接WanVideo Experimental Args节点

video_attention_split_steps：

控制模型从什么时候开始处理帧与帧之间的连贯性。

举例：如果将这个参数设为10，表示模型在前10步只关注模型本身的细节或质量，不处理画面的连贯性。这样视频的开头会特别的清晰和稳定，在10步以后才开始慢慢加入视频连贯性的计算。

如果你特别注意视频首帧的画面质量，可以使用它。

cfg_zero_star：让视频的初始帧画面更加稳定，默认保持开启。

use_zero_init：如果视频初始画面比较混乱和闪烁，可以尝试开启看下效果。

zero_star_steps：设置cfg_zero_star从第几步开始启用，默认从第0步开始。

use_fresca：调节视频更注重细节还是更注重整体的参数，打开这个参数后，底面的 fresca_scale_low和high参数就可以使用了

fresca_scale_low和fresca_scale_high：参数越高，视频画面细节越高，参数越低，视频画面越注重画面的整体感。

fresca_freq_cutoff：参数的数值越高，模型会处理更多的细节，数值越低，模型会过滤掉细节，只处理模糊、轮廓等。保持默认的20即可。

在空白处双击，搜索WanVideo VACE Encode节点，使之与WanVideo Sampler节点的image_embeds连接

将WanVideo VACE Encode的VAE管道连接上WanVideo VAE Loader节点，并设置为Wan2_1VAE模型

我们刚刚添加的WanVideo VACE Encode是一个编辑节点，所以还要再增加一个解码节点。

在空白处双击，搜索并添加WanVideo Decode节点，使之与WanVideo Sampler节点连接。

WanVideo Decode节点上面还有一个VAE管道，将它再和VAE节点进行连接。

最后搜索并添加一个合并为视频节点，和视频解码WanVideo Decode节点进行连接

这样基础的工作流就搭建完成了。

我们之后的所有工作流都是基于这个基础工作流进行扩展搭建的，而且这个基础工作流里面的参数也基本不需要进行改变。

基础工作流完整截图见下方。

五、首尾帧工作流搭建

下面以刚刚搭建的基础工作流为基础，继续搭建一个首尾帧工作流。

在空白处双击，搜索并添加 WanVideo VACE Start To End Frame 节点

将首尾帧的图像输出管道(images)和解码节点的输入帧管道(input_frames)相连接

再将遮罩管道(masks)和遮罩输入(input_masks)管道进行连接

在首尾帧节点的start_image和end_image管道分别连接一个加载图像节点，分别放入视频的首尾帧图片

为了保证首尾帧图像的尺寸一致，需要在图像加载节点和首尾帧节点中间分别加一个图像缩放的节点

开启图像缩放节点的裁剪，选择中心裁剪，不然图像会被强制拉伸变形

增加一个获取图像尺寸的节点，通过它将首尾帧节点（WanVideo VACE Start To End Frame）的图像尺寸，传递给图像解码节点（WanVideo VACE Encode）

首尾帧节点里num_frames指的是视频总帧数

这个参数通过获取图像尺寸节点的count管道传递给视频编码节点

视频时长设置

在首尾帧节点里，默认视频总帧数为81帧

在合并为视频节点里，视频的帧率为16帧/秒

所以视频的总时长为：（81-1）/16=5秒

如果你想让视频更加丝滑连贯，可以增加视频的帧率；如果还想同时保持时长不变，就要同时增加视频帧数。

总的来说，想延长视频时长一定要增加帧数，但如果想同时让视频更丝滑，也要提高帧率，但这些都是以增加运行时间为代价的。

现在一个首尾帧的工作流就搭建好了，下图为完整工作流截图。

六、运行工作流

先说下我的本地配置：

3090显卡，24G显存，96G内存

我是开了blocks_to_swap的，数值为20，我试过关闭它，但关了后工作流报错无法运行

这个工作流的视频尺寸为800*600，一共81帧，帧率16帧/秒，总时长5秒

我还把WanVideo Sampler节点中的步数调整为了35步，其它参数没变。

整个工作流跑下来一共耗时1461.18秒，差不多24.35分钟。

下面是24.35分钟跑出来的视频。因为视频体积太大，我把视频尺寸缩小了一半以上，画质比以前降低了不少，但从总体画面来看效果还是不错的。

人物表情和动作自然，还自动补全了背景街道中车辆和人物的变化，使整个视频看起来更加真实。

总体来说VACE模型做出的视频更加真实，细节也更丰富细腻，有了它，我们在家也可以做出电影级别的AI视频了。

不过话说回来，AI视频目前还是一个抽卡的过程，如果一次出的视频不够完美，尝试更改提示词，多抽几次再试一下。