Wan 2.1 ControlNet 工作流程用來生成由姿勢、深度與邊緣控制所引導的影片。此流程利用擅長影片轉影片的 Wan2.1 模型能力。工作流程核心由 KSampler、CLIPTextEncode 與 VAEDecode 等關鍵節點組成，負責處理輸入影片影格，並依使用者提示詞套用風格化轉換。透過 ControlNet 可對影片特徵做精準控制，讓姿勢與深度等要素能以更高準確度被操控。
在技術流程上，先載入模型並準備初始影格（例如用 CLIPVisionLoader 與 LoadImage）。WanFunControlToVideo 節點很關鍵，它把 ControlNet 的能力整合進影片轉換流程。Sampling & Decode 群組包含 ModelSamplingSD3、UNetTemporalAttentionMultiply 等節點，以維持輸出品質並確保跨影格一致性。此工作流程適合需要特定視覺效果的風格化影片製作，能提供高度自訂與對最終輸出的控制。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// 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"); // SaveVideoSDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
常見問題
Showing 30 of 30 templates