Wan2.2-S2V فيديو مدفوع بالصوت

تحويل الصور الثابتة والصوت إلى فيديوهات ديناميكية بتزامن مثالي وتوليد على مستوى الدقائق.

Input

Speech or singing that drives the mouth. The video is about 14 s long (3 × 77 frames at 16 fps); use audio of about that length.

  • 0:00 / 0:00

A clear picture of the person; the video keeps their face and look.

Describe the person, what they are doing and the camera.

Output size in pixels.

Output size in pixels.

Advanced settings

Keep at 1 with the lightning LoRA.

Default: 1

What to avoid in the result.

Leave empty for a new result each run. Enter a number to repeat one.

4 with the built-in lightning LoRA.

Default: 4

Output
00:00
Example

جرّب مثالًا

حول سير العمل هذا

يحوّل سير عمل ComfyUI هذا صورة مرجعية واحدة ومسارًا صوتيًا إلى فيديو متزامن باستخدام نموذج Wan 2.2 S2V (sound-to-video). يقوم بتحميل العمود الفقري Wan عبر UNETLoader وCLIPLoader وVAELoader، ويضبط الجدولة الصحيحة عبر ModelSamplingSD3. يتم ترميز موجه النص عبر CLIPTextEncode، بينما تتم معالجة الصوت عبر AudioEncoderLoader وAudioEncoderEncode. تقود هذه الإشارات، مع الصورة من LoadImage، عقدة WanSoundImageToVideo لتخليق حركة تتبع إيقاع الصوت وعباراته. تتحكم KSampler بعدد الخطوات وCFG والبذرة؛ يحوّل VAEDecode المتغيرات الكامنة إلى إطارات؛ وتقوم CreateVideo بتجميع المقطع النهائي.

هناك تفصيلان هندسيان يجعلان سير العمل عمليًا للإنتاج: تثبيت الإطار الأول وإمكانية التوسعة لطول أكبر. تستخدم مجموعة Fix overbaked first frame عُقَد LatentCut وLatentConcat لنسخ أول إطار كامن قبل فك الترميز، ثم تتخلص من أول إطار بعد فك الترميز لتجنب مظهر VAE "overbaked" الشائع في الإطار 0. وللمقاطع الطويلة، تتيح مخططات Video S2V Extend ربط المقاطع على دفعات (77 إطارًا افتراضيًا) باستخدام LatentCut/LatentConcat، بحيث يمكن بناء فيديوهات بمستوى دقائق دون استهلاك VRAM بشكل مفرط. يدعم سير العمل أيضًا مسار lightning: باستخدام Wan 2.2 lightning LoRA يمكنك أخذ عينات خلال 4 خطوات (موصى به CFG ~1.0). وإذا كنت تفضّل الجودة والثبات، استخدم المسار القياسي بحوالي 20 خطوة (CFG ~6.0).

الأسئلة والأجوبة