这是一个初学者指南，帮助您安装 Wan 并 实施所有可用的优化，以最大化视频生成的速度。
现在，实现这一点涉及到质量的权衡，但如果您更倾向于优先考虑质量而非速度，您可以轻松禁用任何优化。
包含的指南和工作流程是针对具有 24GB 或更多 VRAM 的 GPU 量身定制的，通常在生成过程中使用 21-23GB。虽然可以使用少于 24GB 的 GPU，但您需要进行调整。例如，16GB 的 GPU 可以使用 FP8/Q8 模型，前提是您在提供的工作流程中增加 virtual_vram_gb 或块交换设置。我们稍后会讨论这些。
如果您低于 16GB，您可能想使用量化低于 Q8 的模型，但请记住，使用较低的量化级别会降低输出的质量。一般来说，您去得越低，获得的质量就越低。
/ldg/ Wan 2.1 安装和优化指南
前提条件 - 首先安装 选择实现方式 选项 1 - Kijai 的 Wrapper 选项 2 - Comfy Native 一般安装步骤 生成前的重要注意事项 支持的分辨率 在 720P 下生成 优化
前提条件 - 首先安装
ComfyUI 便携版 ComfyUI 管理器 CUDA 12.6
选择实现方式
Wan 2.1 可以通过两种方式集成到 ComfyUI 中：原生支持或 Kijai 的 Wrapper。Kijai 的 Wrapper 具有原生不具备的额外功能（flowedit、vid2vid 等），而原生则拥有 Kijai 版本所没有的几个优势。这些优势包括：对 gguf 模型的支持、自适应引导（以牺牲质量为代价加速生成的方法）以及对 40XX 和 50XX GPU 系列的 TorchCompile 兼容性，甚至包括 30XX 系列，这使得生成速度额外提高约 30%。因此，如果您使用的 VRAM 少于 24GB 和/或希望获得最快的生成速度，原生可能是更好的选择。
一旦您确定了方法及其相关工作流程，请继续进行一般安装步骤。
选项 1 - Kijai 的 Wrapper
下载这些修改过的 Kijai 默认工作流程版本。除了优化和一些额外功能外，它们使用阿里巴巴的默认设置作为基线。该工作流程输出两个视频，原始 16 fps 和插值 32 fps 版本。您可以轻松调整这些以使用 720P 模型/设置。请参见 在 720P 下生成。
/ldg/ KJ i2v 480p 工作流程： ldg_kj_i2v_14b_480p.json (更新于 2025 年 3 月 17 日)
/ldg/ KJ t2v 480p 工作流程： ldg_kj_t2v_14b_480p.json (更新于 2025 年 3 月 17 日)
确保 ComfyUI 更新到最新版本。（在 ComfyUI_windows_portable\update 中的 update_comfyui.bat）
下载这些模型。
请勿将 Comfy 模型文件与 KJ 的模型文件一起使用！您 必须 使用这些模型文件，否则会遇到问题！
转到一般安装步骤。
选项 2 - Comfy Native
下载这些修改过的 Comfy 工作流程版本，基于来自 /ldg/ 的匿名者的版本。除了优化和一些额外功能外，它们使用阿里巴巴的默认设置作为基线。该工作流程输出两个视频，原始 16 fps 和插值 32 fps 版本。您可以轻松调整这些以使用 720P 模型/设置。请参见 在 720P 下生成。
/ldg/ Comfy i2v 480p 工作流程： ldg_cc_i2v_14b_480p.json (更新于 2025 年 3 月 17 日)
/ldg/ Comfy t2v 480p 工作流程： ldg_cc_t2v_14b_480p.json (更新于 2025 年 3 月 17 日)
确保 ComfyUI 更新到最新版本。（在 ComfyUI_windows_portable\update 中的 update_comfyui.bat）
下载这些模型。如果您有少于 24GB 的 VRAM，您还可以将 Q8 模型替换为 Q6/Q5/Q4，尽管您会看到输出质量随着量化级别的降低而逐渐下降。
请勿将 Kijai 的文本编码器文件与这些模型一起使用！您 必须 使用这些文本编码器，否则在生成时会出现错误，提示 Exception during processing !!! mat1 and mat2 shapes cannot be multiplied (77x768 and 4096x5120)
转到一般安装步骤。
一般安装步骤
下载并运行 此文件 按照说明自动安装 Triton 和 Sage，这将大大加快您的生成速度。
在 ComfyUI_windows_portable\ 中打开 cmd.exe 提示符并运行以下命令。这将安装适用于 CUDA 12.6 的最新 pytorch nightly，允许您使用 fp16 累加，这是一个减少生成时间的优化。..\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
编辑 ComfyUI_windows_portable 中的 run_nvidia_gpu.bat，将第一行更改为：.\python_embeded\python.exe -s ComfyUI\main.py –windows-standalone-build –use-sage-attention –fast
运行 ComfyUI。在 cmd.exe 控制台窗口中查看，确保在启动时显示 pytorch version: 2.7.0.dev20250306+cu126。您还应该看到 Enabled fp16 accumulation 和 Using sage attention。
在更新扩展或重启时，可能会出现一个错误，报告不正确的 pytorch 版本。如果发生这种情况，请关闭 Comfy 并重新启动。如果您在更新扩展后使用 Comfy 中的“重启”按钮，这种情况似乎最常发生，因此请手动关闭并在更新扩展后手动启动。如果在更新 Comfy 后再次重启仍然不是 2.7.0dev，请再次执行步骤 5。
打开其中一个工作流程。打开管理器并安装缺失的自定义节点。最后，安装 ComfyUI-GGUF 扩展。
如果在安装并重启 Comfy 后仍然抱怨缺少节点，您可能需要手动安装缺失的节点。如果在使用 KJ 的 Wrapper 时发生这种情况，请手动安装 Wrapper 从他的仓库 ，并在此之前删除自定义节点中的旧版本。如果在抱怨缺少 WanVideoEnhanceAVideoKJ 时同样适用 KJNodes ，请确保遵循 便携版 的安装说明。
对于视频插值模型，请访问 此仓库 并下载 film_net_fp32.pt
确保每次启动 Comfy 时，pytorch 版本显示为 2.7.0dev，否则 fp16_fast / fp16 accumulation 将无法工作。
运行您的第一次生成。如果在模型加载期间出现“按任意键继续”的提示，您需要重启计算机。如果在运行工作流程时出现此错误：ImportError: DLL load failed while importing cuda_utils: The specified module could not be found。请转到 \users\username\ 并打开 .triton 目录。删除其中的缓存子目录。请勿 删除整个 .triton 目录。
生成前的重要注意事项
您获得的初始生成时间 不 准确。Teacache 在生成过程中启动，自适应在中途启动，如果您使用的是 Comfy Native/Core。
当视频生成完成后，您将在各自的 i2v 或 t2v 目录及子目录中获得两个文件。原始文件是 16 帧输出，而 int 文件则插值为 32 帧，提供更平滑的运动。
强烈建议您在生成过程中启用预览。如果您遵循了指南，您将拥有所需的扩展。转到 ComfyUI 设置（左下角的齿轮图标），搜索“在采样时显示动画预览”。启用它。然后打开 Comfy 管理器，将预览方法设置为 TAESD（慢）。输出将在第 10 步左右变得更清晰，您将对构图和运动有一个大致的了解。这可以为您节省大量时间，因为如果您不喜欢它们的外观，可以提前取消生成。
绝对不要 在 480p 分辨率下使用 720p i2v 模型，反之亦然。如果您使用 720p i2v 模型并将分辨率设置为 832×480，例如，您获得的输出将比简单使用 480p i2v 模型要差得多。通过在 720p 模型上生成 480p，您永远不会提高质量，所以请不要这样做。唯一允许您混合 480p 和 720p 分辨率的模型是 t2v 14B。
支持的分辨率
每个模型都是针对特定分辨率进行训练和微调的。理论上，偏离这些精确分辨率可能会导致结果较差，尤其是对于 i2v。
然而，根据我的经验，只要调整保持合理，我成功地使用了非标准分辨率的 i2v，而没有明显的问题。例如，您应该避免大幅偏离 480p 或 720p，并始终锚定一个维度 - 要么 480 用于 480p 模型，要么 720 用于 720p 模型 - 同时将另一个维度向下缩放（绝不要向上缩放）以调整纵横比。这意味着一个维度应该始终固定在 480 或 720，具体取决于模型，另一个维度根据需要向下调整。而且您永远不想超过 480p 的最大设置值 832 和 720p 的 1280，因为这将大幅增加生成时间，并超出模型开发者设定的分辨率限制。
以下是 Wan 官方仓库中列出的“支持”分辨率：
文本到视频 - 1.3B 文本到视频 - 14B 图像到视频 - 480p 图像到视频 - 720p 480*832 720*1280 832*480 1280*720 832*480 1280*720 480*832 720*1280 624*624 960*960 704*544 1088*832 544*704 832*1088 480*832 832*480 624*624 704*544 544*704
在 720P 下生成
如果您想在 i2v 中使用 720p 模型或在 t2v 中使用 720p 分辨率，您需要：
在 t2v 中，您需要将分辨率提高到 720p (1280×720 / 720×1280)。单个 14B t2v 模型支持 480p 和 720p。
在 Wan 上使用 i2v 时，首先在模型加载器中选择 i2v 720P 模型。接下来，将输入图像的宽度和高度设置为 1280×720 或 720×1280。该模型经过优化，并在此精确分辨率下表现最佳，但您可以稍微调整以适应不同的纵横比。为了获得最佳结果，请始终保持高度或宽度为 720，同时按比例缩小另一个维度（例如，1152×720、1024×720 或 720×960）。您不希望在任何维度上超过 1280。
在 Comfy Native 中，将 Teacache 系数设置为 i2v_720。Kijai 的 Wrapper 会自动选择正确的系数。
将 Teacache 阈值设置为 0.2，这是中等设置。将其提高到 0.3 以更快生成，但会影响输出质量。
根据您使用的实现，增加 virtual_vram_gb （Comfy Native）或块交换 （Kijai 的 Wrapper）。
优化
本指南中的几个选项可以加快推理时间。它们是 fp16_fast（fp16 累加）、TeaCache、Torch Compile、自适应引导（仅限 Comfy Native）和 Sage Attention。如果您希望禁用它们以进行测试或在牺牲时间的情况下提高质量，请执行以下操作：
fp16_fast : 从 run_nvidia_gpu.bat 中移除 –fast。如果您使用 KJ 的，您还需要将 WanVideo 模型加载器的 base_precision 从 fp16_fast 设置为 fp16Sage Attention : 从 run_nvidia_gpu.bat 中移除 –use-sage-attention自适应引导 : 将自适应引导节点的阈值设置为 1Torch Compile : 右键单击 TorchCompileModelWanVideo 节点并单击旁路TeaCache : 右键单击 TeaCache 节点并单击旁路 
