Wan 2.1 ControlNet 워크플로는 포즈, 깊이, 에지 컨트롤의 가이드를 받아 비디오를 생성하도록 설계되었습니다. 이 워크플로는 비디오-투-비디오 변환을 안정적으로 처리하는 것으로 알려진 Wan2.1 모델의 기능을 활용합니다. 워크플로의 코어는 KSampler, CLIPTextEncode, VAEDecode 같은 핵심 노드로 구성되어 입력 비디오 프레임을 처리하고 사용자 프롬프트에 기반한 스타일 변환을 적용합니다. ControlNet를 사용하면 비디오 특성을 정밀하게 제어할 수 있어 포즈와 깊이 같은 요소를 높은 정확도로 조작할 수 있습니다.
기술적으로 워크플로는 CLIPVisionLoader 및 LoadImage 같은 노드로 모델을 로딩하고 초기 프레임을 준비하는 것부터 시작합니다. WanFunControlToVideo 노드는 ControlNet의 기능을 통합해 비디오 변환 과정을 가이드하는 데 중요합니다. ModelSamplingSD3 및 UNetTemporalAttentionMultiply 같은 노드가 포함된 Sampling & Decode 그룹은 출력 비디오가 프레임 전반에서 높은 품질과 일관성을 유지하도록 합니다. 이 워크플로는 특정 시각 효과가 있는 스타일 비디오를 만들려는 크리에이터에게 특히 유용하며, 최종 출력에 대한 커스텀과 제어 범위가 넓습니다.
API
코드에서 이 워크플로우 사용하기
모든 Comfy 워크플로우는 JSON 그래프입니다. 아래 페이로드는 이 워크플로우 그 자체로, ComfyUI에서 실행되는 것과 동일합니다 — URL에서 가져오거나, 버전 관리에 보관하거나, ComfyUI에서 불러와 노드별로 실행할 수 있습니다.
Comfy SDK로 TypeScript 또는 Python에서 실행하세요. 동일한 코드는 Comfy Cloud 또는 직접 호스팅하는 ComfyUI 모두에 적용됩니다 — 기본 URL만 다릅니다.
// Install (beta)
npm i @comfyorg/sdk
// Run "Wan 2.1 ControlNet" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("wan2.1_fun_control_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("52", "image", asset); // LoadImage
wf.setInput("6", "text", "a women sticking out her toungue while mkaing wierd faces,(clay style:1.1)"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("78")[0].toFile("output.png"); // SaveVideoSDK는 API 형식의 워크플로우를 사용합니다: 이 워크플로우를 ComfyUI에서 열고 파일 → 워크플로우 내보내기(API)를 사용하세요.
FAQ
