ComfyUI 宣布已原生支持阿里开源视频生成模型Wan2.1

阿里巴巴集团通义实验室于 2025 年 2 月 25 日正式开源了其最新一代视频生成模型 Wan2.1。该模型能够根据文本、图像或其他控制信号生成高质量的视频内容，适用于创意设计、影视制作和教育领域等多种应用场景。ComfyUI 在今天宣布已原生支持 Wan2.1，用户可以直接使用官方提供的工作流在 ComfyUI 上生成视频。（相关：阿里巴巴通义实验室开源视频生成模型 Wan2.）

Wan2.1 系列模型

Wan2.1 系列包括多个模型，每个模型都有其独特的优势和应用场景：

• Wan2.1-I2V-14B：在文本和图像生成视频方面实现了 SOTA 性能，能够生成展示复杂视觉场景和运动模式的视频。
• Wan2.1-T2V-14B：在开源和闭源模型中都创造了新的 SOTA 性能，展示了其生成具有强大运动动态的高质量视觉效果的能力。
• Wan2.1-T2V-1.3B：支持在几乎所有消费级 GPU 上进行视频生成，仅需 8.19 GB 显存即可生成 5 秒的 480P 视频。

Wan2.1 的亮点

1. 支持消费级 GPU：T2V-1.3B 模型仅需要 8.19 GB 显存，使其与几乎所有消费级 GPU 兼容。例如，在 RTX 4090 上，大约 4 分钟内即可生成 5 秒的 480P 视频（不进行量化）。
2. 多任务能力：Wan2.1 在文本到视频、图像到视频、视频编辑、文本到图像和视频到音频等多种任务上表现出色，推动了视频生成领域的发展。
3. 可视化文本生成：Wan2.1 是第一个能够生成中文和英文文本的视频模型，支持多语言内容创作。
4. 强大的视频 VAE：Wan-VAE 提供出色的效率和性能，能够编码和解码任意长度的 1080P 视频，同时保留时间信息，使其成为视频和图像生成的理想基础。

在 ComfyUI 中使用 Wan2.1

ComfyUI 已原生支持 Wan2.1，用户可以直接使用官方提供的工作流生成视频。

1、更新 ComfyUI

• 将 ComfyUI 更新到最新版本。

2、下载相关文件

下载以下 4 个文件，并将它们放置在指定目录中：

• 扩散模型：选择一个扩散模型，放置在 ComfyUI/models/diffusion_models 中
• umt5_xxl_fp8_e4m3fn_scaled.safetensors：放置在 ComfyUI/models/text_encoders 中
• clip_vision_h.safetensors：放置在 ComfyUI/models/clip_vision 中
• wan_2.1_vae.safetensors：放置在 ComfyUI/models/vae 中

3、使用示例工作流

• 使用 ComfyUI 提供的示例工作流或参考示例视频进行操作

• 模型：Hugging Face|魔塔 （国内用户请从魔塔下载）
• 工作流：https://comfyanonymous.github.io/ComfyUI_examples/wan

注意事项

显存要求

• 使用 umt5_xxl_fp8_e4m3fn_scaled.safetensors 运行 480p/720p 图像到视频模型时，需要约 40GB 显存。
• 1.3B 文本到视频模型 需要约 15GB 显存。