Nœud WanImageToVideo and Wan 2.x video nodes dans ComfyUI

Q: Manque de mémoire au décodage VAE

Décoder 81 frames en 720p d'un coup. Utilise VAE Decode (Tiled) avec un tile temporel, baisse la résolution, ou décode en 480p puis upscale les frames après.

WanImageToVideo crée le conditioning et le latent vidéo vide pour un rendu image-à-vidéo Wan 2.1/2.2 à partir d'une image de départ, d'un embedding CLIP Vision et du nombre de frames ; le graphe autour utilise Load Diffusion Model, Load CLIP, Load VAE et KSampler.

Pack de nœuds : ComfyUI core

Catégorie : Vidéo et animation

Ce que fait WanImageToVideo and Wan 2.x video nodes

Wan 2.x (Alibaba) est le modèle vidéo open source le plus utilisé dans ComfyUI. Les nœuds principaux WanImageToVideo (I2V), WanFunControlToVideo, WanFunInpaintToVideo, WanVaceToVideo (contrôle et référence VACE) et WanFirstLastFrameToVideo prennent le conditioning positif et négatif, le VAE, une largeur/hauteur/longueur et l'image de départ (plus une sortie CLIP Vision du encodeur clip_vision_h) et renvoient un conditioning avec l'image intégrée ainsi qu'un LATENT de la bonne forme. Le text-to-video utilise EmptyHunyuanLatentVideo comme latent à la place.

Le reste est un graphe normal : Load Diffusion Model avec wan2.1_i2v_480p_14B_fp8 (ou la paire 2.2 bruit haut/bas), Load CLIP avec umt5_xxl_fp8 (type wan), Load VAE avec wan_2.1_vae, CLIP Text Encode, KSampler (uni_pc ou euler, 20-30 étapes, cfg 5-6, ou cfg 1 avec un LightX2V/CausVid LoRA à 4-8 étapes), VAE Decode et Video Combine à 16 fps. ModelSamplingSD3 avec shift 5-8 se place entre le modèle et le sampler.

Entrées

Nom	Type	Rôle
positive / negative	CONDITIONING	Conditioning du prompt depuis CLIP Text Encode (umt5).
vae	VAE	wan_2.1_vae.safetensors.
clip_vision_output	CLIP_VISION_OUTPUT	Depuis CLIP Vision Encode avec clip_vision_h (I2V 2.1).
start_image	IMAGE	La première image.
width / height / length	INT	Résolution (832x480 ou 1280x720) et nombre de frames (81 = 5 s à 16 fps ; 4n+1).
batch_size	INT	Généralement 1.

Sorties

Nom	Type	Rôle
positive / negative	CONDITIONING	Conditioning avec la référence image.
latent	LATENT	Latent vidéo vide de la taille demandée pour KSampler.

Oubliez l'installation : des workflows ComfyUI préinstallés sur le cloud

BitVector exécute des workflows ComfyUI prêts à l'emploi sur ses propres GPU. Rien à installer, aucun nœud manquant, aucune case rouge. Ouvrez-le sur votre téléphone ou votre portable et générez en une minute.

Essayer BitVector

Comment utiliser WanImageToVideo and Wan 2.x video nodes

Télécharge le modèle de diffusion Wan 2.1 I2V 14B fp8, l'encodeur texte umt5_xxl_fp8, clip_vision_h et le VAE Wan 2.1 dans leurs dossiers.
Crée les loaders : Load Diffusion Model, Load CLIP (type wan), Load VAE, Load CLIP Vision.
Charge Image -> CLIP Vision Encode ; connecte-le, les prompts, le VAE et l'image à WanImageToVideo (832x480, longueur 81).
ModelSamplingSD3 shift 8 -> KSampler uni_pc, 20 étapes, cfg 5, débruitage 1.0.
VAE Decode -> Video Combine à 16 fps, h264.

Réglages et conseils

La longueur doit être 4n+1 (17, 33, 49, 65, 81).
Les LoRAs de distillation LightX2V / CausVid permettent 4-6 étapes à cfg 1 : dix fois plus rapide.
Wan 2.2 utilise deux modèles (bruit haut, bruit bas) avec deux nœuds KSampler (Advanced) séparés par étapes ; le modèle 5B TI2V est un seul fichier pour cartes 8-12 GB.
Le modèle 480p fonctionne sur 12 GB avec fp8 et --lowvram ; le 720p demande 16-24 GB.
Le prompt négatif compte : le long négatif officiel chinois (flou, statique, distorsion) améliore le mouvement.

Mets le type sur wan (et utilise le fichier fp8 umt5_xxl pour économiser la mémoire).

Lancez ce workflow depuis votre téléphone

Chaque workflow de cette page est préinstallé sur BitVector, modèles et nœuds personnalisés déjà en place. Choisissez-en un, tapez un prompt, c'est fait. Zéro configuration, rien à télécharger.

Essayer BitVector

Questions sur WanImageToVideo and Wan 2.x video nodes

Quel modèle Wan choisir ?

Wan 2.2 14B I2V (bruit haut+bas, fp8) est la meilleure qualité ; Wan 2.2 5B TI2V convient aux petites GPU ; Wan 2.1 14B I2V 480p est le choix stable avec le plus de LoRAs.

Je peux contrôler la caméra ou le mouvement ?

Oui : Wan Fun Control (vidéo profondeur/pose), VACE pour références et inpainting, et les LoRAs de mouvement du catalogue.

Text-to-video ?

Utilise EmptyHunyuanLatentVideo comme latent avec le modèle Wan T2V ; le reste du graphe est identique.

Nœuds liés

Load Diffusion Model

ComfyUI core

Load Diffusion Model (UNETLoader) charge un réseau de débruitage nu comme Flux, SD3.5, Wan ou HunyuanVideo depuis models/diffusion_models, avec une option weight_dtype pour fp8 afin d’économiser de la VRAM.

Load VAE

ComfyUI core

Load VAE (VAELoader) charge un fichier VAE autonome depuis models/vae pour qu’un checkpoint avec un VAE manquant ou faible décode des couleurs propres, et pour que les modèles divisés comme Flux et Wan aient leur décodeur.

Video Combine (VideoHelperSuite)

ComfyUI-VideoHelperSuite

Video Combine transforme un lot d'images (frames) en MP4, WebM, GIF ou une séquence d'images à une fréquence d'images choisie, avec audio optionnel, nombre de boucles et ping-pong. C'est le nœud de sortie standard pour tous les flux vidéo.

KSampler (Advanced)

ComfyUI core

KSampler (Avancé) est KSampler avec contrôle de la plage d'étapes : add_noise, start_at_step, end_at_step et return_with_leftover_noise, utilisé pour les chaînes base + affinement et l'échantillonnage à deux modèles.

EmptySD3LatentImage

ComfyUI core

EmptySD3LatentImage crée le latent vide à 16 canaux dont Flux, SD3 et SD3.5 ont besoin ; il remplace Empty Latent Image dans ces workflows.

Marre de réparer des nœuds ? Laissez faire le cloud

BitVector garde des centaines de workflows ComfyUI installés, à jour et testés sur des GPU cloud rapides. Pas de Python, pas d'erreurs CUDA, pas de limite de VRAM. Depuis n'importe quel navigateur.

Essayer BitVector