Wan 2.1 imagem para vídeo
Gere vídeos a partir de imagens usando Wan 2.1.
Experimente um exemplo
Sobre este fluxo de trabalho
Este fluxo de trabalho do ComfyUI transforma uma imagem em um vídeo curto usando o pipeline de imagem para vídeo do Wan 2.1. O núcleo é o nó WanImageToVideo, que prepara o condicionamento temporal (quantidade de quadros, fps e dicas de movimento) e encaminha para a difusão. A orientação textual é codificada via CLIPTextEncode (com suporte do CLIPLoader carregando o codificador de texto UMT5 XXL), enquanto a imagem inicial é embutida com CLIPVisionEncode usando pesos do CLIPVisionLoader. O backbone do modelo é carregado via UNETLoader (Wan2.1) e VAELoader (Wan VAE). ModelSamplingSD3 define o perfil de amostragem correto, e KSampler realiza a remoção de ruído na sequência de quadros latentes. Por fim, VAEDecode converte os latentes em quadros RGB, CreateVideo os monta na taxa de fps/tamanho escolhida, e SaveVideo grava o resultado no disco.
O fluxo é organizado para clareza: Passo1 - Carregar modelos, Passo2 - Upload da imagem inicial, Passo3 - Tamanho do vídeo, Passo4 - Prompt. Você define largura/altura e taxa de quadros no grupo Tamanho do vídeo, fornece uma imagem de origem limpa via LoadImage e cria um prompt de texto (mais prompt negativo opcional) para direcionar estilo e conteúdo. Isso o torna ideal para animar giros de personagem, movimentos sutis de retrato ou destaques de produto—tudo a partir de uma única imagem—mantendo resultados previsíveis pela imagem inicial e reprodutíveis via seed e configurações do KSampler.
Perguntas e respostas
Carregue o Wan 2.1 UNet via UNETLoader, o VAE correspondente via VAELoader, o codificador de texto UMT5 XXL via CLIPLoader (ex: umt5_xxl_fp8_e4m3fn_scaled.safetensors) e um backbone de visão CLIP via CLIPVisionLoader. Coloque os arquivos nas pastas de modelos do ComfyUI (ex: models/unet, models/vae, models/text_encoders ou models/clip, models/clip_vision) ou aponte os nós loader diretamente para os arquivos.
Combine a proporção da imagem inicial com a largura/altura alvo no grupo Tamanho do vídeo. Recorte a imagem de origem antes de carregar. Manter o sujeito centralizado e bem iluminado também ajuda o modelo a manter a estrutura durante o movimento.
Reduza a resolução (largura/altura), diminua o número de quadros e tente menos passos de difusão em KSampler. Comece pequeno (menos quadros, tamanho menor), confirme o visual e aumente gradualmente.
Sim. O fluxo codifica texto com o codificador UMT5 XXL, que funciona bem com inglês e outros idiomas (ex: chinês). Você também pode fornecer um prompt negativo via CLIPTextEncode para suprimir artefatos ou estilos indesejados.
Para mais movimento, adicione verbos de ação claros e evite descritores muito restritivos que travam a pose. Para saídas mais suaves, equilibre quantidade de quadros e fps, mantenha a resolução razoável e refine o prompt negativo para remover fundos agitados ou detalhes indesejados que podem causar flicker.
Workflows relacionados
- Wan2.1, ChronoEdit, Nvidia
ChronoEdit 14B: Edição de imagem
- Wan2.1, ChronoEdit, Nvidia
ChronoEdit 14B: Edição de imagem
- Wan2.1
Controle de Trajetória de Animação
- Wan2.1, Wan
Wan 2.1 ControlNet
- Wan2.1, Wan
Wan 2.1 FLF2V 720p F16
- Wan2.1, Wan
Wan 2.1 Fun Camera 1.3B
- Wan2.1, Wan
Wan 2.1 Fun Camera 14B
- Wan2.1, Wan
Wan 2.1 inpainting
- Wan2.1, Wan
Wan 2.1 texto para vídeo
- Wan, Wan2.1
Wan-Move Controle de Movimento Imagem para Vídeo
- Wan2.1, Wan
Wan2.1 Alpha T2V
- Wan2.1, Wan
Wan2.1 ATI