Wan 2.2 14B Fun Control

Gerar vídeos guiados por controles de pose, profundidade e borda usando Wan 2.2 Fun Control.

Input

A pose, depth or edge (canny) video that sets the motion and layout.

Describe the scene and the motion.

The look of the video: the subject, style and colours to follow. Best when it lines up with the control video's first frame.

Output height; 832×480 suits the 480p model.

At 16 fps, 81 frames is about 5 seconds. Use 4n+1 values.

Output width; 832×480 suits the 480p model.

Advanced settings

How closely to follow the prompt.

Default: 3.5

Frames per second of the saved video.

Default: 16

What to avoid.

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

Output
00:00
Example

Experimente um exemplo

Sobre este fluxo de trabalho

Este tutorial do ComfyUI demonstra como gerar vídeos controláveis com o Wan2.2 Fun Control (14B), guiado por entradas de pose, profundidade e bordas. No núcleo, o nó Wan22FunControlToVideo funde seu prompt de texto do CLIPTextEncode com um ou mais fluxos de controle derivados de um vídeo de referência. A pilha de modelos é carregada via UNETLoader e VAELoader, enquanto CLIPLoader e CLIPTextEncode fornecem condicionamento textual multilíngue. A amostragem é feita pelo ModelSamplingSD3 com KSamplerAdvanced para equilibrar qualidade, velocidade e força do controle. Por fim, VAEDecode reconstrói os quadros e SaveVideo exporta o resultado.

Você pode pré-processar vídeos de controle diretamente no grafo: LoadVideo e GetVideoComponents ingerem seu vídeo, Canny extrai bordas e nós customizados opcionais (comfyui_controlnet_aux e ComfyUI-DepthAnythingV2) adicionam mapas de pose/profundidade. CreateVideo define resolução, quantidade de quadros e FPS para coincidir com o regime de treinamento do Wan2.2 (multi-resolução 512/768/1024, 81 quadros a 16 FPS). O grupo Start_image permite ancorar o primeiro quadro com LoadImage para manter sujeito/visual consistentes. Um LoraLoaderModelOnly opcional aplica o Wan2.2 Lighting LoRA para renderizações mais rápidas, com menor dinâmica de movimento. Isso oferece um pipeline flexível e reprodutível para geração de vídeo para vídeo com preservação confiável de estrutura e controle de estilo.

Perguntas e respostas