Bu ComfyUI iş akışı, tek bir görselden kısa, komut odaklı videolar üretir ve kullanıcı tanımlı kamera veya nesne yolunu hassas şekilde takip eder. Wan 2.1 I2V ATI modeli, metin yönlendirmesini, referans görseli ve bir yörünge JSON'unu birleştirerek kamera hareketinin veya nesne hareketinin rastgele olmasını engeller. Temel düğümler arasında UNETLoader (Wan2_1-I2V-ATI-14B_fp8_e4m3fn.safetensors) ve VAELoader (wan_2.1_vae.safetensors) difüzyon altyapısı için, CLIPLoader ve CLIPTextEncode komut koşullandırması için, CLIPVisionLoader ve CLIPVisionEncode görsel koşullandırması için, WanTrackToVideo ise yörünge kontrolünü uygulamak için kullanılır. KSampler (ModelSamplingSD3 ile çalışır) denoising işlemini yapar, VAEDecode latenti karelere çevirir, CreateVideo + SaveVideo ise sonucu paketler.

Teknik olarak, iş akışı pozitif/negatif komutlarınızı CLIPTextEncode ile kodlar ve giriş görselinden görsel özellikleri CLIPVisionEncode ile çıkarır. PrimitiveStringMultiline düğümü, Trajectory-Annotation-Tool'dan dışa aktarılan yörünge JSON'unu tutar; WanTrackToVideo bu JSON'u kullanarak örnekleme sürecine kare başına hareket kontrolü ekler. ModelSamplingSD3, KSampler'un örnekleme ayarlarını yapılandırır. Örnekleme sonrası, VAEDecode kareleri yeniden oluşturur ve CreateVideo bunları seçtiğiniz çözünürlük ve FPS ile birleştirir. 4090D 24GB ile 720x480'de ilk çalıştırmada yaklaşık 500 saniye, sonraki çalıştırmalarda ise ağırlıklar önbelleğe alındığında yaklaşık 463 saniye sürer (gerçek süreler ayarlara göre değişir).