วิธีติดตั้งและใช้งาน Wan 2.1 (การสร้างวิดีโอเฮนไท)

นี่คือคู่มือสำหรับผู้เริ่มต้นเพื่อช่วยให้คุณติดตั้ง Wan และ ใช้การปรับแต่งที่มีอยู่ทั้งหมดเพื่อเพิ่มความเร็วในการสร้างวิดีโอให้สูงสุด.

การทำเช่นนี้เกี่ยวข้องกับการแลกเปลี่ยนในเรื่องคุณภาพ แต่คุณสามารถปิดการใช้งานการปรับแต่งใด ๆ ได้ง่าย ๆ หากคุณต้องการให้ความสำคัญกับคุณภาพมากกว่าความเร็ว.

คู่มือและเวิร์กโฟลว์ที่รวมอยู่ได้รับการปรับแต่งสำหรับ GPU ที่มี VRAM 24GB หรือมากกว่า โดยทั่วไปจะใช้ 21-23GB ในระหว่างการสร้าง แม้ว่าจะสามารถใช้ GPU ที่มีน้อยกว่า 24GB ได้ แต่คุณจะต้องทำการปรับเปลี่ยน ตัวอย่างเช่น GPU ขนาด 16GB สามารถใช้โมเดล FP8/Q8 ได้ โดยต้องเพิ่มค่า virtual_vram_gb หรือการตั้งค่าการสลับบล็อกในเวิร์กโฟลว์ที่ให้ไว้ เราจะพูดถึงสิ่งเหล่านี้ในภายหลัง.

หากคุณมี VRAM ต่ำกว่า 16GB คุณอาจต้องการใช้โมเดลที่มีการควอนไทซ์ต่ำกว่า Q8 แต่โปรดทราบว่าการใช้ระดับการควอนไทซ์ที่ต่ำกว่าจะลดคุณภาพของผลลัพธ์ของคุณ โดยทั่วไปแล้ว ยิ่งคุณลดลงมากเท่าไหร่ คุณภาพก็จะยิ่งต่ำลงเท่านั้น.

1. /ldg/ คู่มือการติดตั้งและการปรับแต่ง Wan 2.1
   1. ข้อกำหนดเบื้องต้น – ติดตั้งก่อน
   2. เลือกวิธีการใช้งาน
   3. ตัวเลือก 1 – Kijai’s Wrapper
   4. ตัวเลือก 2 – Comfy Native
   5. ขั้นตอนการติดตั้งทั่วไป
   6. หมายเหตุสำคัญก่อนที่คุณจะสร้าง
   7. ความละเอียดที่รองรับ
   8. การสร้างที่ 720P
   9. การปรับแต่ง

ข้อกำหนดเบื้องต้น – ติดตั้งก่อน

ComfyUI Portable
ComfyUI Manager
CUDA 12.6

เลือกวิธีการใช้งาน

Wan 2.1 สามารถรวมเข้ากับ ComfyUI ผ่านสองวิธี: การสนับสนุนแบบเนทีฟหรือ Kijai’s Wrapper Kijai’s Wrapper มีฟีเจอร์เพิ่มเติมที่ Native ไม่มี (flowedit, vid2vid, ฯลฯ) ในขณะที่ Native มีข้อดีหลายประการที่ไม่มีในเวอร์ชันของ Kijai ซึ่งรวมถึง; การสนับสนุนโมเดล gguf, Adaptive Guidance (วิธีการเร่งความเร็วในการสร้างโดยแลกกับคุณภาพ) และความเข้ากันได้กับ TorchCompile ไม่เพียงแต่ในซีรีส์ GPU 40XX และ 50XX แต่ยังรวมถึงซีรีส์ 30XX ซึ่งช่วยเพิ่มความเร็วในการสร้างได้ประมาณ 30% ดังนั้นหากคุณใช้ VRAM น้อยกว่า 24GB และ/หรือ ต้องการความเร็วในการสร้างที่เร็วที่สุด Native น่าจะเป็นตัวเลือกที่ดีกว่า.

เมื่อคุณตัดสินใจเกี่ยวกับวิธีการและเวิร์กโฟลว์ที่เกี่ยวข้องแล้ว ให้ดำเนินการไปยังขั้นตอนการติดตั้งทั่วไป.

ตัวเลือก 1 – Kijai’s Wrapper

ดาวน์โหลดเวอร์ชันที่ปรับแต่งเหล่านี้ของเวิร์กโฟลว์เริ่มต้นของ Kijai นอกเหนือจากการปรับแต่งและฟีเจอร์เพิ่มเติมเล็กน้อย พวกเขาใช้การตั้งค่าเริ่มต้นของ Alibaba เป็นฐาน เวิร์กโฟลว์จะสร้างวิดีโอสองรายการ คือวิดีโอ 16 fps ดิบและเวอร์ชัน 32 fps ที่มีการแทรกกลาง คุณสามารถปรับให้ใช้โมเดล/การตั้งค่า 720P ได้ง่าย ๆ ดู การสร้างที่ 720P.

/ldg/ KJ i2v 480p workflow: ldg_kj_i2v_14b_480p.json
(อัปเดตเมื่อ 17 มีนาคม 2025)

/ldg/ KJ t2v 480p workflow: ldg_kj_t2v_14b_480p.json
(อัปเดตเมื่อ 17 มีนาคม 2025)

1. ตรวจสอบให้แน่ใจว่า ComfyUI ได้รับการอัปเดตเป็นเวอร์ชันล่าสุด (update_comfyui.bat ใน ComfyUI_windows_portable\update)
2. ดาวน์โหลดโมเดลเหล่านี้.

ห้ามใช้ไฟล์โมเดล Comfy กับ KJ’s! คุณ ต้อง ใช้ไฟล์เหล่านี้หรือคุณจะพบปัญหา!

• Wan2_1-I2V-14B-480P_fp8_e4m3fn.safetensors ไปที่ ComfyUI\models\diffusion_models\WanVideo
• Wan2_1-I2V-14B-720P_fp8_e4m3fn.safetensors ไปที่ ComfyUI\models\diffusion_models\WanVideo
• Wan2_1-T2V-14B_fp8_e4m3fn.safetensors ไปที่ ComfyUI\models\diffusion_models\WanVideo
• umt5-xxl-enc-bf16.safetensors ไปที่ ComfyUI\models\text_encoders
• open-clip-xlm-roberta-large-vit-huge-14_fp16.safetensors ไปที่ ComfyUI\models\text_encoders
• Wan2_1_VAE_bf16.safetensors ไปที่ ComfyUI_windows_portable\ComfyUI\models\vae\wanvideo

3. ไปที่ขั้นตอนการติดตั้งทั่วไป.

ตัวเลือก 2 – Comfy Native

ดาวน์โหลดเวอร์ชันที่ปรับแต่งเหล่านี้ของเวิร์กโฟลว์ของ Comfy ซึ่งอิงจากของผู้ใช้จาก /ldg/. นอกเหนือจากการปรับแต่งและฟีเจอร์เพิ่มเติมเล็กน้อย พวกเขาใช้การตั้งค่าเริ่มต้นของ Alibaba เป็นฐาน เวิร์กโฟลว์จะสร้างวิดีโอสองรายการ คือวิดีโอ 16 fps ดิบและเวอร์ชัน 32 fps ที่มีการแทรกกลาง คุณสามารถปรับให้ใช้โมเดล/การตั้งค่า 720P ได้ง่าย ๆ ดู การสร้างที่ 720P.

/ldg/ Comfy i2v 480p workflow: ldg_cc_i2v_14b_480p.json
(อัปเดตเมื่อ 17 มีนาคม 2025)

/ldg/ Comfy t2v 480p workflow: ldg_cc_t2v_14b_480p.json
(อัปเดตเมื่อ 17 มีนาคม 2025)

1. ตรวจสอบให้แน่ใจว่า ComfyUI ได้รับการอัปเดตเป็นเวอร์ชันล่าสุด (update_comfyui.bat ใน ComfyUI_windows_portable\update)
2. ดาวน์โหลดโมเดลเหล่านี้ หากคุณมี VRAM น้อยกว่า 24GB คุณยังสามารถเปลี่ยนโมเดล Q8 เป็น Q6/Q5/Q4 ได้ แต่คุณจะเห็นการลดคุณภาพของผลลัพธ์ที่มากขึ้นเมื่อคุณลดลง.

ห้ามใช้ไฟล์ตัวเข้ารหัสข้อความของ Kijai กับโมเดลเหล่านี้! คุณ ต้อง ใช้ตัวเข้ารหัสข้อความเหล่านี้หรือจะเกิดข้อผิดพลาดก่อนที่จะสร้างด้วย Exception during processing !!! mat1 and mat2 shapes cannot be multiplied (77x768 and 4096x5120)

• wan2.1-i2v-14b-480p-Q8_0.gguf ไปที่ ComfyUI\models\diffusion_models\
• wan2.1-i2v-14b-720p-Q8_0.gguf ไปที่ ComfyUI\models\diffusion_models\
• wan2.1-t2v-14b-Q8_0.gguf ไปที่ ComfyUI\models\diffusion_models\
• umt5_xxl_fp16.safetensors ไปที่ ComfyUI\models\text_encoders
• clip_vision_h.safetensors ไปที่ ComfyUI\models\clip_vision\
• wan_2.1_vae.safetensors ไปที่ ComfyUI_windows_portable\ComfyUI\models\vae\

3. ไปที่ขั้นตอนการติดตั้งทั่วไป.

ขั้นตอนการติดตั้งทั่วไป

4. ดาวน์โหลดและเรียกใช้ นี้ ตามคำแนะนำเพื่อทำการติดตั้ง Triton และ Sage โดยอัตโนมัติ ซึ่งจะเพิ่มความเร็วในการสร้างของคุณอย่างมาก.
5. เปิด cmd.exe ใน ComfyUI_windows_portable\ และเรียกใช้คำสั่งต่อไปนี้ นี่จะติดตั้ง pytorch nightly ล่าสุดสำหรับ CUDA 12.6 ซึ่งช่วยให้คุณใช้การสะสม fp16 ซึ่งเป็นการปรับแต่งที่ลดเวลาในการสร้าง..python_embeded\python.exe -s -m pip install torch==2.7.0.dev20250306+cu126 torchvision torchaudio –index-url https://download.pytorch.org/whl/nightly/cu126 –force-reinstall
6. แก้ไข run_nvidia_gpu.bat ใน ComfyUI_windows_portable และเปลี่ยนบรรทัดแรกเป็น: .\python_embeded\python.exe -s ComfyUI\main.py –windows-standalone-build –use-sage-attention –fast
7. เรียกใช้ ComfyUI มองหาในหน้าต่างคอนโซล cmd.exe และตรวจสอบให้แน่ใจว่า pytorch version: 2.7.0.dev20250306+cu126 แสดงในระหว่างการเริ่มต้น คุณควรเห็น Enabled fp16 accumulation และ Using sage attention.

อาจมีข้อบกพร่องเมื่อคุณอัปเดตส่วนขยายหรือรีสตาร์ทซึ่งรายงานเวอร์ชันที่ไม่ถูกต้องของ pytorch หากเกิดเหตุการณ์นี้ ให้ปิด Comfy และรีสตาร์ท ดูเหมือนว่าจะเกิดขึ้นบ่อยที่สุดหากคุณใช้ปุ่ม "Restart" ใน Comfy หลังจากอัปเดตส่วนขยาย ดังนั้นให้ปิดมันด้วยตนเองและเริ่มต้นใหม่ด้วยตนเองหลังจากอัปเดตส่วนขยาย นอกจากนี้ยังอาจเกิดขึ้นหลังจากการอัปเดต Comfy หากเมื่อรีสตาร์ทครั้งที่สองยังไม่แสดงเป็น 2.7.0dev ให้ทำขั้นตอนที่ 5 อีกครั้ง.

8. เปิดหนึ่งในเวิร์กโฟลว์ เปิด Manager และติดตั้ง Custom Nodes ที่ขาดหายไป สุดท้ายติดตั้ง ComfyUI-GGUF extension.

หากยังคงมีปัญหาเกี่ยวกับการขาด nodes หลังจากติดตั้งและรีสตาร์ท Comfy คุณอาจต้องติดตั้ง nodes ที่ขาดหายไปด้วยตนเอง หากเกิดเหตุการณ์นี้เมื่อใช้ KJ’s wrapper ให้ติดตั้ง wrapper ด้วยตนเอง จาก repo ของเขา โดยลบเวอร์ชันเก่าจาก custom_nodes ก่อนหน้านี้ เช่นเดียวกับ KJNodes if it complains about missing WanVideoEnhanceAVideoKJ. ตรวจสอบให้แน่ใจว่าคุณทำตามคำแนะนำในการติดตั้งสำหรับการติดตั้งแบบพกพา.

9. สำหรับโมเดลการแทรกวิดีโอ ไปที่ repo นี้ และดาวน์โหลด film_net_fp32.pt วางไว้ใน ComfyUI\custom_nodes\comfyui-frame-interpolation\ckpts\film
10. ตรวจสอบให้แน่ใจว่าทุกครั้งที่คุณเริ่ม Comfy เวอร์ชัน pytorch แสดงเป็น 2.7.0dev หรือ fp16_fast / fp16 accumulation จะไม่ทำงาน.
11. เรียกใช้การสร้างครั้งแรกของคุณ หากมันหยุดทำงานระหว่างการโหลดโมเดลด้วยข้อความ "Press any key to continue" ในหน้าต่าง cmd.exe คุณต้องรีสตาร์ทคอมพิวเตอร์ของคุณ หากคุณได้รับข้อผิดพลาดนี้เมื่อเรียกใช้เวิร์กโฟลว์: ImportError: DLL load failed while importing cuda_utils: โมดูลที่ระบุไม่สามารถพบได้ ไปที่ \users\username\ และเปิดไดเรกทอรี .triton ลบไดเรกทอรีย่อย cache ภายในนั้น อย่าลบไดเรกทอรี .triton ทั้งหมด.

หมายเหตุสำคัญก่อนที่คุณจะสร้าง

เวลาการสร้างเริ่มต้นที่คุณได้รับคือ ไม่ ถูกต้อง Teacache จะเริ่มทำงานในระหว่างการสร้าง และ Adaptive จะเริ่มประมาณกลาง ๆ หากคุณอยู่ใน Comfy Native/Core.

เมื่อวิดีโอเสร็จสิ้นการสร้าง คุณจะได้รับไฟล์สองไฟล์ในไดเรกทอรี i2v หรือ t2v ของตนเอง ไฟล์ดิบคือผลลัพธ์ 16 เฟรมในขณะที่ไฟล์ int จะถูกแทรกกลางเป็น 32 เฟรมซึ่งทำให้การเคลื่อนไหวราบรื่นมากขึ้น.

ขอแนะนำอย่างยิ่งให้คุณเปิดการแสดงตัวอย่างระหว่างการสร้าง หากคุณทำตามคู่มือ คุณจะมีส่วนขยายที่จำเป็น ไปที่การตั้งค่า ComfyUI (ไอคอนเฟืองที่มุมซ้ายล่าง) และค้นหา "Display animated previews when sampling" เปิดใช้งาน จากนั้นเปิด Comfy Manager และตั้งค่าวิธีการแสดงตัวอย่างเป็น TAESD (ช้า) ผลลัพธ์จะชัดเจนขึ้นประมาณขั้นตอนที่ 10 และคุณจะได้รู้สึกทั่วไปเกี่ยวกับการจัดองค์ประกอบและการเคลื่อนไหว สิ่งนี้สามารถและจะช่วยประหยัดเวลาให้คุณได้มาก เนื่องจากคุณสามารถยกเลิกการสร้างได้หากคุณไม่ชอบรูปลักษณ์ของมัน.

ห้าม ใช้โมเดล i2v 720p ที่ความละเอียด 480p และในทางกลับกัน หากคุณใช้โมเดล i2v 720p และตั้งค่าความละเอียดเป็น 832×480 ตัวอย่างเช่น ผลลัพธ์ที่คุณได้รับจะเลวร้ายกว่าการใช้โมเดล i2v 480p เพียงอย่างเดียว คุณจะไม่สามารถปรับปรุงคุณภาพได้โดยการสร้าง 480p บนโมเดล 720p ดังนั้นอย่าทำเช่นนั้น โมเดลเดียวที่อนุญาตให้คุณผสมผสานความละเอียด 480p และ 720p คือ t2v 14B.

ความละเอียดที่รองรับ

แต่ละโมเดลได้รับการฝึกฝนและปรับแต่งสำหรับความละเอียดเฉพาะ ในทางทฤษฎี การเบี่ยงเบนจากความละเอียดที่แม่นยำเหล่านี้อาจทำให้ผลลัพธ์แย่ลงเมื่อเปรียบเทียบกับการยึดตามความละเอียดที่รองรับ โดยเฉพาะอย่างยิ่งสำหรับ i2v.

อย่างไรก็ตาม จากประสบการณ์ของฉัน ฉันได้ใช้ความละเอียดที่ไม่เป็นมาตรฐานกับ i2v โดยไม่มีปัญหาที่สังเกตเห็นได้ ตราบใดที่การปรับเปลี่ยนยังคงอยู่ในระดับที่สมเหตุสมผล ตัวอย่างเช่น คุณควรหลีกเลี่ยงการเบี่ยงเบนอย่างรุนแรงจาก 480p หรือ 720p และควรยึดหนึ่งมิติ - ไม่ว่าจะเป็น 480 สำหรับโมเดล 480p หรือ 720 สำหรับโมเดล 720p - ในขณะที่ปรับขนาดอีกมิติหนึ่งลง (ไม่เคยขึ้น) เพื่อปรับอัตราส่วนภาพ นั่นหมายความว่าหนึ่งมิติจะต้องถูกกำหนดไว้ที่ 480 หรือ 720 ขึ้นอยู่กับโมเดล โดยมิติอื่น ๆ จะปรับลดลงตามความจำเป็น และคุณไม่ต้องการเกินค่าที่ตั้งไว้สูงสุดที่ 832 สำหรับ 480p และ 1280 สำหรับ 720p เนื่องจากคุณจะเพิ่มเวลาในการสร้างอย่างมากและออกนอกขอบเขตของขีดจำกัดความละเอียดที่ตั้งโดยนักพัฒนาโมเดล.

นี่คือความละเอียดที่ 'รองรับ' ตามที่ระบุไว้ใน repo อย่างเป็นทางการของ Wan :

การสร้างที่ 720P

หากคุณต้องการใช้โมเดล 720p ใน i2v หรือความละเอียด 720p บน t2v คุณจะต้อง:

• ใน t2v คุณต้องเพิ่มความละเอียดเป็น 720p (1280×720 / 720×1280) โมเดล t2v ขนาด 14B เดียวรองรับทั้ง 480p และ 720p.
• เมื่อใช้ i2v บน Wan ให้เริ่มต้นด้วยการเลือกโมเดล i2v 720P ในโมเดลโหลด จากนั้นปรับความกว้างและความสูงของภาพที่คุณป้อนให้เป็น 1280×720 หรือ 720×1280 โมเดลนี้ได้รับการปรับแต่งและทำงานได้ดีที่สุดที่ความละเอียดนี้ แต่คุณสามารถปรับแต่งเล็กน้อยเพื่อรองรับอัตราส่วนภาพที่แตกต่างกัน สำหรับผลลัพธ์ที่ดีที่สุด ให้รักษาความสูงหรือความกว้างไว้ที่ 720 เสมอ ในขณะที่ปรับขนาดมิติอื่น ๆ ลง (เช่น 1152×720, 1024×720 หรือ 720×960) สิ่งที่คุณไม่ต้องการทำคือเกิน 1280 ในมิติใดมิติหนึ่ง.
• ใน Comfy Native ตั้งค่า Teacache coefficients เป็น i2v_720 Kijai’s wrapper จะเลือก coefficients ที่ถูกต้องโดยอัตโนมัติ.
• ตั้งค่า Teacache threshold เป็น 0.2 ซึ่งเป็นการตั้งค่ากลาง เพิ่มเป็น 0.3 เพื่อให้การสร้างเร็วขึ้นแม้จะแลกกับการลดคุณภาพของผลลัพธ์.
• เพิ่ม virtual_vram_gb (Comfy Native) หรือ block swaps (Kijai’s Wrapper) ขึ้นอยู่กับว่าคุณใช้การใช้งานใด
  ใน GPU ขนาด 24GB คุณต้องเพิ่มจนกว่าคุณจะใช้เพียงไม่เกิน 23GB โดยรวม คุณไม่ต้องการเกินการใช้ทั้งหมด 23.5GB หรือเวลาการสร้างจะเพิ่มขึ้นอย่างมาก.

การปรับแต่ง

หลายตัวเลือกในคู่มือนี้ช่วยเพิ่มความเร็วในการอนุมาน พวกเขาคือ fp16_fast (การสะสม fp16), TeaCache, Torch Compile, AdaptiveGuidance (เฉพาะสำหรับ Comfy Native) และ Sage Attention หากคุณต้องการปิดใช้งานพวกเขาสำหรับการทดสอบหรือเพื่อเพิ่มคุณภาพแม้จะแลกกับเวลา ให้ทำดังนี้ :

• fp16_fast : ลบ –fast จาก run_nvidia_gpu.bat หากคุณใช้ KJ’s คุณยังต้องตั้งค่า base_precision ของ WanVideo Model Loader จาก fp16_fast เป็น fp16
• Sage Attention : ลบ –use-sage-attention จาก run_nvidia_gpu.bat
• AdaptiveGuidance : ตั้งค่า node AdaptiveGuidance เป็น threshold 1
• Torch Compile : คลิกขวาที่ node TorchCompileModelWanVideo และคลิก Bypass
• TeaCache : คลิกขวาที่ node TeaCache และคลิก Bypass