革新视频创作：ComfyUI现已支持Wan2.1

准备好迎接一波全新的开源视频模型发布浪潮吧！今天，ComfyUI 地宣布 ComfyUI 已经原生支持 Wan2.1，这是最新的视频生成模型！Wan2.1 是一系列 4 个视频生成模型，包括：

• Text-to-video 14B：支持 480P 和 720P

• Image-to-video 14B 720P：支持 720P

• Image-to-video 14B 480P：支持 480P

• Text-to-video 1.3B：支持 480P

Wan2.1 家族的亮点

1. 支持消费级 GPU：T2V-1.3B 模型仅需 8.19 GB 显存，兼容几乎所有消费级 GPU。在 RTX 4090 上，它可以在约 4 分钟内生成一段 5 秒的 480P 视频（未量化）。

2. 多任务支持：Wan2.1 在文本到视频、图像到视频、视频编辑、文本到图像以及视频到音频等任务中表现出色，推动了视频生成领域的发展。

3. 视觉文本生成：Wan2.1 是首个能够生成中文和英文文本的视频模型。

4. 强大的视频 VAE：Wan-VAE 在编码和解码任意长度的 1080P 视频时，展现了卓越的效率和性能，同时保留了时间信息，成为视频和图像生成的理想基础。

在 ComfyUI 中启程

1. 将 ComfyUI 更新到最新版本。

2. 下载以下 4 个文件：

   • 选择一个扩散模型 → 放置在 ComfyUI/models/diffusion_model

   • umt5_xxl_fp8_e4m3fn_scaled.safetensors → 放置在 ComfyUI/models/text_encoder

   • clip_vision_h.safetensors → 放置在 ComfyUI/models/clip_vision

   • wan_2.1_vae.safetensors → 放置在 ComfyUI/models/vae

3. 使用示例工作流，或点击下面的示例视频。

示例

1. Image-to-video 14B 720P Workflow

2. 

2. Image-to-video 14B 480P Workflow

3. Text-to-video 14B 720P Workflow

   

   

4. Text-to-video 1.3B 480P Workflow

注意事项

• 运行 480p/720p 图像到视频模型时，使用 umt5_xxl_fp8_e4m3fn_scaled.safetensors 需要约 40GB 显存。

• 1.3B 文本到视频模型需要约 15GB 显存。

尽情创作吧！