Wan 2.1 for ComfyUI

Wan 2.1 for ComfyUI

为 ComfyUI 重新打包的 Wan 2.1 视频模型文件，涵盖文生视频、图生视频、VACE 编辑、镜头控制、透明通道视频和音频驱动配音，并附带现成的工作流。

由 Comfy-Org 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这些是为 ComfyUI 重新打包的 Wan 2.1 视频模型文件，ComfyUI 是一个基于节点的工具。一个仓库汇集了很多变体：文生视频、图生视频、首尾帧、Fun 控制和镜头模型、VACE、MAGREF、Wan-Alpha 和 InfiniteTalk。它还包含这些模型需要的文本编码器、VAE 和一个 CLIP vision 文件，模型卡列出了 15 个 ComfyUI 工作流。

适合谁：如果你是 ComfyUI 用户，在做 AI 视频，想在一个地方拿到按 ComfyUI 期望的布局整理好的 Wan 2.1 文件，它很适合你。

Industry | Who uses it | How they use it | Example
影视与视频 | 视频创作者 | 把文字提示词或一张静态图片变成片段 | Text to Video 和 Image to Video 工作流
营销 | 内容团队 | 制作短片并给视频配上语音 | 用于音频驱动全身配音的 InfiniteTalk 工作流
后期制作 | 剪辑师 | 用 VACE 补全、扩展或引导视频 | VACE 的修复、外扩和参考生成视频工作流

如果你不用 ComfyUI，可以跳过它，因为这些文件是为它打包的。

用在哪里：

• ComfyUI，运行在 Windows、macOS 或 Linux 上
• ComfyUI 的模型文件夹：clip_vision、diffusion_models、loras、model_patches、text_encoders 和 vae
• Comfy-Org 的工作流模板，模型卡按名称列出了它们
• 装有 Hugging Face 工具的 Python，用来下载文件

Use case | Who | What they get back
文生视频或图生视频 | 视频创作者 | 根据提示词或起始图片生成的片段
用 VACE 编辑视频 | 剪辑师 | 经过修复、外扩或参考引导的视频
语音驱动的视频 | 内容团队 | 通过 InfiniteTalk 根据音频配音的视频

如何设置：你需要 ComfyUI 和放得下大型视频模型文件的空间。

• 一个能正常运行的 ComfyUI
• 装有 huggingface_hub 包的 Python
• 足够的磁盘空间，因为仓库里有很多大文件

1. 用 Python 安装 Hugging Face 工具。
2. 用下面的第二条命令下载仓库文件。
3. 把你需要的文件放进 ComfyUI/models 下对应的文件夹。
4. 在 ComfyUI 里打开一个列出的工作流，并选好它需要的文件。

pip install -U huggingface_hub
hf download Comfy-Org/Wan-2.1

Title: 文件在 ComfyUI/models 下的位置
Folder | What goes there
clip_vision | clip_vision_h.safetensors
diffusion_models | fp16、bf16 和 fp8 形式的 Wan 2.1 视频模型
loras | wan_alpha_2.1_rgba_lora.safetensors
model_patches | 两个 InfiniteTalk 文件，一个用于单人说话，一个用于多人
text_encoders | umt5_xxl_fp16.safetensors 和 umt5_xxl_fp8_e4m3fn_scaled.safetensors
vae | wan_2.1_vae.safetensors 以及两个分别用于 alpha 和 rgb 通道的 Wan-Alpha 文件

如何使用：模型卡没有给出命令。在 ComfyUI 里打开一个列出的工作流，加载对应的模型文件，输入你的提示词或载入你的输入，然后运行。

Title: diffusion_models 文件夹里的模型家族
Family | Sizes | What it does
文生视频 | 1.3B and 14B | 根据文字提示词生成片段
图生视频 | 14B at 480P and 720P | 让一张静态图片动起来
首尾帧 | 14B at 720P | 在给定的两帧之间生成片段
Fun 控制和镜头 | 1.3B and 14B | 用控制输入或镜头运动引导片段
Fun 修复 | 1.3B | 补全视频的一部分
VACE | 1.3B and 14B | 修复、外扩和参考生成视频等编辑任务
MAGREF | 14B | 出现在文件列表里，模型卡没有点名对应的工作流

Title: 列出的部分工作流
Tool | What it does
Wan 2.1 Text to Video | 根据文字提示词生成片段
Wan 2.1 Image to Video | 让一张静态图片动起来
Wan 2.1 Inpainting | 补全视频的一部分
Wan 2.1 ControlNet | 用控制输入引导片段
Wan 2.1 Fun Camera 1.3B | 用较小模型做镜头引导的视频
Wan2.1 VACE Control Video | 用 VACE 做视频到视频的编辑
Wan2.1 VACE Outpainting | 扩展视频的画面范围
Wan2.1 VACE Reference to Video | 用参考来引导片段
Wan2.1 Alpha T2V | 带 alpha 通道的文生视频
InfiniteTalk | 音频驱动的全身视频配音

示例：你把文本编码器、VAE 和一个文生视频模型文件放进各自的文件夹。然后打开 Wan 2.1 Text to Video 工作流，输入一小段场景描述，并运行。ComfyUI 会返回一段生成的短片。

新手与专家：把它想成 ComfyUI 的视频生成器工具箱。第一个小尝试是用 1.3B 模型文件跑 Text to Video 工作流。模型卡没有说明每个工作流需要哪些文件，所以请查看工作流自己的说明。

在底层，每个任务有自己的扩散模型，提供 fp16、bf16、fp8 e4m3fn 和 fp8 scaled 等多种精度。两个文本编码器和一个共用的 VAE 服务于其中大多数模型。Wan-Alpha 增加了一个 RGBA LoRA，配有单独的 alpha 和 rgb VAE，而 InfiniteTalk 是以模型补丁而不是完整模型的形式提供的。

下载仓库文件
放进 ComfyUI 的模型文件夹
打开一个列出的工作流
选好模型、文本编码器和 VAE
运行并得到一段片段

注意事项：

• Many files: 一个仓库里有很多模型变体，所以你只需要工作流点名的那些
• Original sources: 这些模型来自 Wan-AI、alibaba-pai、MAGREF-Video、htdong 和 MeiGen-AI
• Other versions: 其他人已经发布了 4 个量化版本和 3 个微调版本
• License: Apache 2.0
• Cost to run: 没有提到
• Data it reaches: 你下载的文件，以及你在 ComfyUI 里载入的提示词、图片或音频
• Not for: 在 ComfyUI 之外使用，或在没有使用权的情况下给任何人的视频或声音配音

Hugging Face 上的数据（2026年11月13日）

• 框架：diffusion-single-file
• 最近 30 天下载：4,888,894
• 点赞：1,044
• 许可证：apache-2.0
• 基于：Wan-AI/Wan2.1-FLF2V-14B-720P
• Quantized versions: 4
• Fine-tunes: 3
• 标签：diffusion-single-file, comfyui

链接

• 模型：https://huggingface.co/Comfy-Org/Wan-2.1
• 文件：https://huggingface.co/Comfy-Org/Wan-2.1/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Comfy-Org/Wan-2.1

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。