企业官网建设流程全解析

ComfyUI-WanVideoWrapper指南：8步装好，跑通3条视频生成链

【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper

这篇指南带你把 ComfyUI-WanVideoWrapper 装进 ComfyUI 并产出第一条视频。这个节点扩展覆盖四条生成链路：文本 → 视频、图片 → 视频、语音 → 口型同步视频、相机/运动参数 → 受控视频；同时提供 block swap 块交换、FP8 与 GGUF 量化、radial attention 径向注意力等显存手段，让 14B 模型在 8GB 显存上可运行。所有示例工作流与输入素材都在仓库example_workflows/目录内。

开工前确认三件事：硬件门槛、Python 版本与模型目录配置

1. 显存档位：8GB 及以上可跑 14B 模型（需开块交换）；4GB 只能选 1.3B 模型；12GB 以上可以跑长视频。磁盘至少预留 30GB，装一套 14B 主模型、T5 文本编码器、CLIP Vision 和 VAE。
2. 软件版本：Python 3.10 及以上，PyTorch 带 CUDA 支持（随 ComfyUI 安装即可）；Windows、Linux 均可。
3. 模型目录：全部放在ComfyUI/models/下的四个子目录里，放错位置加载器下拉框就不会列出对应文件。

📌 说明：如果你在工作流里改用 ComfyUI 原生的CLIPLoader文本编码和CLIPVisionLoader，上面两个目录可以不用放文件，wrapper 直接复用原生加载结果。

从 0 到 1：克隆仓库、装依赖并跑通第一个示例工作流

第 1 步，把插件放进custom_nodes目录：

cd ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper

第 2 步，安装依赖：

pip install -r ComfyUI/custom_nodes/ComfyUI-WanVideoWrapper/requirements.txt # Windows 便携版在 ComfyUI_windows_portable 目录下执行： python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\requirements.txt

做完这两步，你应该看到终端输出Successfully installed ...，且custom_nodes/ComfyUI-WanVideoWrapper/目录里出现nodes.py、nodes_sampler.py等文件。

第 3 步，按上一节的表格放好模型文件。做完这步，你应该看到四个目录里各出现对应的.safetensors或.pth文件。

第 4 步，重启 ComfyUI。做完这步，你应该看到节点搜索框输入WanVideo能列出WanVideo Model Loader、WanVideo Sampler等节点，控制台无ImportError。

第 5 步，把example_workflows/wanvideo_2_1_14B_T2V_example_03.json拖进 ComfyUI 画布，这是一条纯文本生成的 14B 示例工作流。做完这步，你应该看到画布上出现完整的加载、编码、采样、解码节点链。

第 6 步，在提示词节点里写一段描述（例如"一位穿红裙的舞者在竹林中起舞，镜头缓慢推近"），点Queue Prompt。做完这步，你应该看到控制台逐步打印采样进度，完成后ComfyUI/output/目录出现一个 mp4 文件——恭喜，链路已打通。

⚡ 提示词写得越具体（主体、动作、运镜、光线分开描述），首帧质量越高。

拆解三条核心生成链：T2V、I2V 与 HuMo 工作流接入

文本转视频（T2V）：输入文字提示词，输出视频。接入点是WanVideoTextEncode节点（编码正负提示词）加WanVideoSampler节点（关键参数steps步数、cfg引导强度、seed种子、scheduler调度器、shift偏移量）。预期效果：输出视频的构图与动作完全由提示词驱动，同seed重复运行结果一致。

图像转视频（I2V）：输入一张首帧图片，输出以该图为开场的视频。加载example_workflows/wanvideo_2_1_14B_I2V_example_03.json，核心节点是WanVideoClipVisionEncode（用 CLIP Vision 分析图片）和WanVideoImageToVideoEncode（把图片编码为 latent 锚点）。仓库备好了输入素材，比如这张人物图：

预期效果：输出视频第 1 帧与输入图高度一致，提示词只负责描述运动方向（如"人物缓缓转头，发丝随风摆动"）。

音频驱动口型（HuMo）：输入人物图片加一段语音，输出口型与语音同步的说话视频。加载example_workflows/wanvideo_2_1_14B_HuMo_example_01.json，关键节点是WhisperModelLoader与HuMoEmbeds，音频可换用example_workflows/example_inputs/woman.wav。预期效果：嘴部开合节奏与语音音节逐帧对齐。

🔧 想进一步控制镜头或运动轨迹，仓库还提供了wanvideo_2_1_14B_WanMove_I2V_example_01.json（轨迹控制）与wanvideo_1_3B_ReCamMaster_example_01.json（相机重拍）两条工作流。

按显存档位配置量化与 block swap 显存优化方案

🎯 两条通用规则：一是量化模型优先选 fp8 scaled 版本，同精度下体积更小；二是帧数超过 81 帧时务必上上下文窗口参数，不要让显存随帧数线性增长。

对照报错关键词定位 4 类常见问题

📌 想弄清节点是怎么注册的，可以读 nodes.py 与 nodes_model_loading.py 里各自的NODE_CLASS_MAPPINGS字典。跑通第一条视频后，建议先关注仓库 releases 页跟进新模型适配，再回头逐条接入example_workflows/里剩下的控制类工作流。

核心关键词：ComfyUI-WanVideoWrapper 指南

长尾关键词：ComfyUI-WanVideoWrapper 安装与依赖配置、WanVideo 模型文件存放目录、ComfyUI WanVideo 示例工作流运行、WanVideo 显存优化 block swap、ComfyUI WanVideo 常见问题排查

【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper