Hunyuan Vidéo texte vers vidéo
Générer des vidéos à partir de prompts textuels en utilisant le modèle Hunyuan.
À propos
Ce workflow ComfyUI transforme de courtes invites texte en vidéos cohérentes multi‑images avec le modèle Hunyuan Video de Tencent. Il commence par charger la pile de modèles dans Step1 - Load models : DualCLIPLoader fournit les encodeurs de texte, CLIPTextEncode convertit vos invites positive et négative en embeddings, et UNETLoader charge les poids UNet de Hunyuan Video. ModelSamplingSD3 configure l’échantillonneur avec une planification du bruit de type SD3 pour Hunyuan, tandis que FluxGuidance applique la guidance sans classifieur pendant le débruitage. Step2 - Video size utilise EmptyHunyuanLatentVideo pour définir largeur, hauteur, nombre d’images/fps et durée, et RandomNoise initialise la vidéo latente. La section Custom sampler (SamplerCustomAdvanced avec KSamplerSelect et BasicScheduler) débruite ensuite itérativement les latents vidéo pour obtenir une animation structurée.
Ce que vous fournissez
- Lecture du workflow
S’exécute dans ComfyUI. Ce workflow ne peut pas s’exécuter sur cette page. Ouvrez-le dans Comfy Cloud, avec tout déjà chargé, ou téléchargez-le pour votre propre ComfyUI.
Essayer dans CloudQuestions-réponses
Utilisez VAEDecodeTiled (par défaut) et réduisez tile_size tout en augmentant légèrement overlap pour masquer les coutures. Dans UNETLoader, choisissez fp8 pour weight_dtype si votre GPU le permet. Baissez la résolution, raccourcissez la durée (moins d’images), ou réduisez les étapes dans BasicScheduler.
Gardez largeur/hauteur en multiples de 16 et commencez avec 20–35 étapes. Fixez une seed dans RandomNoise. Utilisez FluxGuidance avec une échelle modérée ; trop haut peut causer du flicker, trop bas affaiblit l’adhérence à l’invite. Affinez les invites pour être spécifiques mais pas trop longues.
Utilisez VAEDecodeTiled par défaut — il est économe en mémoire et recommandé pour la plupart des GPU. Passez à VAEDecode uniquement si vous avez assez de VRAM et souhaitez un décodage plus rapide sans tuiles. Si vous voyez des coutures avec le décodage en tuiles, augmentez overlap ou réduisez tile_size.
Gardez ModelSamplingSD3 tel quel pour Hunyuan. Commencez par dpmpp_2m ou euler dans KSamplerSelect et 20–35 étapes dans BasicScheduler. Si les détails bavent, essayez plus d’étapes ; si le résultat est bruité, réduisez les étapes ou baissez le guidance dans FluxGuidance.
Workflows associés
- Hunyuan Video
Hunyuan Vidéo 1.5 image vers vidéo
- Hunyuan Video
Hunyuan Vidéo 1.5 texte vers vidéo
- LTX-2.3
Turn an image into a video
- MiniMax H3
Create a video from references
- LTX-2.3
Add camera motion first last frame
- Wan2.2
1.2 Démarrage – Image vers Vidéo
- Nœud partenaire
AI on the Lot 2026 - LTX-2.3 - i2v
- Google Gemini, Kling 3.0, Z-Image-Turbo
AIrt MAchIne (version API)
- SD1.5
AnimateDiff - Animation en boucle IPAdapters
- Nano Banana 2, Seedance 1.5 Pro
Animation en Vue Explosée
- Seedance1.0 Pro, ByteDance
ByteDance: Début-Fin vers Vidéo
- Capybara
Capybara : image vers vidéo