ComfyUI-WanVideoWrapper 完整教程：三步跑通 WanVideo 文本转视频、图像转视频与口型同步
【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper
这是一份可以直接照做的 ComfyUI-WanVideoWrapper 教程，覆盖把 WanVideo 系列视频大模型接入 ComfyUI 的完整流程：环境准备、加载示例工作流、显存优化与报错排查。ComfyUI-WanVideoWrapper 是 ComfyUI 的一个自定义节点扩展，核心能力有三项——文本转视频（T2V）、图像转视频（I2V）、音频驱动口型同步（HuMo）。它同时把 ATI、ReCamMaster、HuMo 等新发布的玩法，以及 SkyReels、FantasyPortrait、MoCha 等第三方模型生态，都打包成了现成节点。刚接触 ComfyUI 想生成视频的新手，和想第一时间尝鲜新视频模型的老玩家，都能从这里起步。
能生成什么：三类效果预览与示例工作流清单
先列出能产出的内容和对应要加载的文件，目标清晰后再动手装环境。所有示例都放在 示例工作流目录 里，把 json 文件拖进 ComfyUI 画布即可加载，无需从零搭建。
- 文本转视频（T2V）：一段文字描述直接生成视频，示例为wanvideo_2_1_14B_T2V_example_03.json
- 图像转视频（I2V）：一张静态图变成动态镜头，示例为wanvideo_2_1_14B_I2V_example_03.json
- 口型同步：人像图加一条音频，生成嘴型与声音匹配的说话视频，示例为wanvideo_2_1_14B_HuMo_example_01.json
下面这张人像图就是图像转视频的典型输入素材，项目自带的素材都在 example_inputs 目录 中：
准备工作：环境要求、安装步骤与模型文件放置目录
环境要求
动手前逐项确认：
- ComfyUI 能正常启动
- Python3.10以上
- 显存8GB起步（4GB 可以跑但比较吃力）
- 硬盘预留50GB以上空间存放模型文件
克隆插件与安装依赖
打开终端，进入 ComfyUI 的自定义节点目录并克隆插件：
cd ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper然后安装插件依赖：
pip install -r ComfyUI-WanVideoWrapper/requirements.txtWindows 便携版用户改用内置 Python 安装：
python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\requirements.txt模型文件放置目录
模型放错目录是"找不到文件"报错的主要来源，下载后对照下表格子放置：
| 模型类型 | 存放目录 | 作用 |
|---|---|---|
| 文本编码器 | ComfyUI/models/text_encoders | 理解文字提示词 |
| CLIP Vision | ComfyUI/models/clip_vision | 分析输入图片内容 |
| 主视频模型 | ComfyUI/models/diffusion_models | 视频生成核心引擎 |
| VAE | ComfyUI/models/vae | 视频画面编解码 |
重启 ComfyUI 后，在节点面板搜索 WanVideoWrapper 分类，能看到节点即代表插件加载成功。
上手三连：三类场景的输入素材、提示词示例与预期效果
文本转视频（T2V）
输入素材：纯文字，无需图片或音频。提示词示例："航拍镜头缓缓掠过霓虹闪烁的城市夜街，雨滴落下，路面倒影流动"。预期效果：加载wanvideo_2_1_14B_T2V_example_03.json后点击运行，采样与解码由节点链路自动完成，画面逐帧生成。
图像转视频（I2V）
输入素材：一张静态图。项目自带woman.jpg、env.png、thing.png等素材可直接使用。提示词示例："镜头缓慢推进，人物发丝随风轻动，光影缓慢变化"。预期效果：加载wanvideo_2_1_14B_I2V_example_03.json，把图片接入加载节点，静态照片变成有呼吸感的动态镜头；人像之外，物体与环境图同样适用。
音频驱动口型同步（HuMo）
输入素材：一张人像图 + 一段音频（项目自带woman.wav可直接试）。提示词示例：简洁的场景描述即可，重点在音频驱动。预期效果：加载wanvideo_2_1_14B_HuMo_example_01.json，插件自动提取语音特征，角色开口与声音同步，适合虚拟主播与教育视频。
跑完三个场景后，建议按这个参数区间调试：步数20~30、CFG7~12，更换种子观察画面差异。
显存优化手册：块交换、量化模型与径向注意力
视频生成对显存的要求很高，以下四种手段按需求取用：
| 优化手段 | 适用场景 | 用法 |
|---|---|---|
| block swap 块交换 | 低显存机器，8GB 显存跑 14B 模型 | 把WanVideoSetBlockSwap节点接入工作流，模型按块轮流换入显存，不一次性占满 |
| FP8 / GGUF 量化模型 | 入门测试、显存紧张 | 换用量化版主视频模型，显存占用约降40%，画质损失可接受 |
| radial attention 径向注意力 | 生成数百帧的长视频 | 接入WanVideoSetRadialAttention节点，注意力只关注邻近帧，大幅减少计算量 |
| 运动 / 相机控制 | 精准轨迹、镜头推拉摇移 | 使用 WanMove 运动轨迹或 ReCamMaster 相机控制示例，如wanvideo_2_1_14B_WanMove_I2V_example_01.json |
报错自查：三类常见现象与对应解法
遇到问题先按下表对号入座，多数情况不需要重装：
| 报错现象 | 最可能原因 | 解决办法 |
|---|---|---|
| 运行时报 CUDA out of memory | 分辨率、帧数超出显存承受能力 | 按顺序尝试：分辨率 720p 降到512p；帧数33减到17；开启 block swap 并多交换几个 block；最后再换 FP8 模型 |
| 模型加载后提示"找不到文件" | 模型放错目录（约占九成） | 对照"模型文件放置目录"表格，把模型挪到对应文件夹，并确认文件名与节点里填写的路径一致 |
| Windows 上 torch.compile 相关报错、首次运行显存飙升 | 旧 Triton 编译缓存残留 | 清理C:\Users<用户名>.triton与temp\torchinductor_<用户名>两个目录的缓存后重新运行，通常即恢复；同样的输入再跑第二遍也常常自行好转 |
快速开始核对清单：三步确认跑通
- 装好：ComfyUI 正常重启，节点面板能搜到 WanVideoWrapper 分类。
- 加载示例：从 示例工作流目录 把wanvideo_2_1_14B_I2V_example_03.json等文件拖进画布，节点连线完整。
- 跑通：步数20~30、CFG7~12，点击运行，确认视频正常输出。
跑通之后的路线也不复杂：先动步数、CFG、种子建立手感；再把运动与相机控制节点接到现有工作流里，组合出多节点流水线；想再深一层，可对照nodes.py、nodes_model_loading.py等核心源码理解节点注册机制，尝试写自己的小节点。
现在就重启 ComfyUI，把第一个示例工作流拖进画布，按下运行——你的第一条 AI 视频已经在进度条那头等着了。
核心关键词：ComfyUI-WanVideoWrapper 教程
长尾关键词：ComfyUI-WanVideoWrapper 安装教程、WanVideo 文本转视频工作流、WanVideo 图像转视频示例、ComfyUI 音频驱动口型同步、WanVideo 显存优化 block swap、WanVideo 模型文件放置目录
【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
