Wan 2.1 ControlNet 工作流用于生成由姿态、深度与边缘控制引导的视频。该工作流利用 Wan2.1 模型的能力，该模型以稳健的视频到视频变换而著称。工作流的核心由多个关键节点构建，例如 KSampler、CLIPTextEncode 和 VAEDecode，它们协同处理输入的视频帧，并根据用户定义的提示词应用风格化变换。使用 ControlNet 可对视频特性进行精确控制，从而能够高精度地操控姿态与深度等方面。
从技术角度看，工作流从加载模型并用 CLIPVisionLoader、LoadImage 等节点准备初始帧开始。WanFunControlToVideo 节点至关重要，它整合了 ControlNet 的功能来引导视频变换过程。Sampling 和 Decode 组包含 ModelSamplingSD3、UNetTemporalAttentionMultiply 等节点，确保输出视频在跨帧时保持高质量与连贯性。该工作流适合希望制作带特定视觉效果的风格化视频的创作者，并提供较高的自定义与输出控制能力。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 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 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
常见问题
Showing 30 of 30 templates