Wan 2.1 image vers vidéo
Générer des vidéos à partir d'images en utilisant Wan 2.1.
Essayer un exemple
À propos de ce workflow
Ce workflow ComfyUI transforme une image unique en courte vidéo via la pipeline image-to-video de Wan 2.1. Le cœur est le nœud WanImageToVideo, qui prépare le conditionnement temporel (nombre d’images, fps et indications de mouvement) et l’envoie dans la diffusion. Le guidage texte est encodé via CLIPTextEncode (avec CLIPLoader chargeant l’encodeur texte UMT5 XXL), tandis que l’image de départ est encodée avec CLIPVisionEncode via les poids de CLIPVisionLoader. L’ossature du modèle est chargée via UNETLoader (Wan2.1) et VAELoader (Wan VAE). ModelSamplingSD3 définit le profil d’échantillonnage correct, et KSampler effectue le débruitage sur la séquence de latents. Enfin, VAEDecode convertit les latents en images RGB, CreateVideo assemble la vidéo à vos fps/taille, et SaveVideo écrit le résultat sur le disque.
Le workflow est organisé pour la lisibilité : Step1 - Load models, Step2 - Upload start_image, Step3 - Video size, Step4 - Prompt. Vous définissez la largeur/hauteur et les fps dans le groupe Video size, fournissez une image source propre via LoadImage et rédigez un prompt (plus un prompt négatif optionnel) pour orienter le style et le contenu. C’est adapté pour animer des rotations de personnages, des mouvements subtils de portrait ou des plans produits, à partir d’un seul visuel, tout en gardant des résultats prévisibles grâce à l’image de départ et reproductibles via la seed et les réglages KSampler.
Questions-réponses
Chargez la UNet de Wan 2.1 via UNETLoader, la VAE correspondante via VAELoader, l’encodeur texte UMT5 XXL via CLIPLoader (par ex. umt5_xxl_fp8_e4m3fn_scaled.safetensors), et un backbone vision CLIP via CLIPVisionLoader. Placez les fichiers dans vos dossiers de modèles ComfyUI (par ex. models/unet, models/vae, models/text_encoders ou models/clip, models/clip_vision) ou pointez les nœuds de chargement directement vers leurs emplacements.
Faites correspondre le ratio d’aspect de l’image de départ à votre largeur/hauteur cible dans le groupe Video size. Recadrez l’image source en conséquence avant le chargement. Garder le sujet centré et bien éclairé aide aussi le modèle à maintenir la structure pendant le mouvement.
Baissez la résolution (largeur/hauteur), réduisez le nombre d’images, et essayez moins d’étapes de diffusion dans KSampler. Commencez petit (moins d’images, taille plus faible), validez le rendu, puis augmentez progressivement.
Oui. Le flux de travail encode le texte avec l’encodeur texte UMT5 XXL, qui fonctionne bien avec l’anglais et d’autres langues (par ex. le chinois). Vous pouvez aussi fournir un prompt négatif via CLIPTextEncode pour supprimer des artefacts ou des styles indésirables.
Pour plus de mouvement, ajoutez des verbes d’action clairs et réduisez les descripteurs trop stricts qui figent la pose. Pour des Sorties plus fluides, équilibrez le nombre d’images et les fps, gardez une résolution raisonnable, et affinez le prompt négatif pour supprimer les arrière-plans chargés ou les détails indésirables qui peuvent scintiller.