ComfyUI-AV-Handles：为Wan2.2-S2V模型优化音画同步的ComfyUI插件

在使用 ComfyUI 进行视频生成时，你是否遇到过这些问题？

• 视频扩散模型（如Wan2.2-S2V）启动时效果不稳定，前几帧质量较差？
• 添加了音频后，生成的视频音画不同步？
• 需要精确控制纯音频处理的时序？

ComfyUI-AV-Handles 这个节点包，就是为了解决这些痛点而生。它通过在视频开头添加“稳定帧”（Handle Frames），并同步处理音频，确保模型在最佳状态下运行，同时保持音画完美对齐。

• GitHub：https://github.com/pizurny/ComfyUI-AV-Handles

核心功能

• 添加/移除稳定帧：在视频序列前复制首帧作为稳定期，处理后再将其裁剪掉，恢复原始长度。
• 音画同步：自动为添加的视频帧生成对应时长的静音，确保音频与视频帧数匹配。
• WAN 模型兼容：可自动将帧数调整为 WAN 系列模型推荐的 4n+1 格式（如 1, 5, 9, 13...）。
• 纯音频处理：支持仅处理音频，为音频添加或裁剪指定时长的静音片段。

典型工作流：

原始24帧 → 添加8个句柄帧（变为32帧） → 送入视频模型处理 → 裁剪掉8个句柄帧 → 输出24帧（含稳定效果）

如何安装

方式一：通过 ComfyUI Manager（推荐）

在 ComfyUI Manager 中搜索 AV Handles 并安装。

方式二：手动安装

在 ComfyUI 的 custom_nodes 目录下执行：

git clone https://github.com/pizurny/ComfyUI-AV-Handles.git

安装完成后重启 ComfyUI。节点将出现在 video/handles 分类下。

主要节点

1. AV Handles Add

作用：为输入的视频/音频添加句柄帧和同步静音。

• handle_frames (整型, 必需): 指定要添加的帧数（默认8，范围0-100）。
• images (图像, 可选): 输入图像批次。纯音频处理时可不连接。
• audio (音频, 可选): 需要同步处理的音频。
• round_to_wan (布尔, 可选): 若勾选，会自动将总帧数（原帧数+句柄数）向上圆整至 4n+1 格式。
• manual_fps (浮点, 可选): 手动指定帧率（默认0，表示自动检测）。注意：纯音频处理时必须设置此项。

输出：处理后的图像、音频、总帧数、已添加的句柄数（推荐连接到 Trim 节点）、处理信息。

2. AV Handles Trim

作用：从视频/音频开头裁剪掉指定数量的句柄帧和静音。

• handle_frames (整型, 必需): 指定要移除的帧数（默认8，范围0-100）。

输出：裁剪后的图像、音频、剩余帧数、处理信息。

使用技巧

1. 自动同步：将 AV Handles Add 的 handles_added 输出连接到 AV Handles Trim 的 handle_frames 输入，可以实现自动同步，避免手动输入错误。这在使用 round_to_wan 功能时尤其重要，因为实际添加的句柄数可能与输入值不同。
2. 纯音频处理：如果只处理音频，请务必在 AV Handles Add 和 AV Handles Trim 中设置相同的 manual_fps 值。
3. 检查信息：处理完成后，查看节点的 info 输出，可以了解具体的操作详情，如检测到的帧率、处理的帧数等，便于排查问题。