ComfyUI 视频插件 ComfyUI-WanVideoWrapper:30 分钟跑通安装、依赖与显存优化【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper想把一张照片加一段录音变成口播视频,用 ComfyUI-WanVideoWrapper 这个 ComfyUI 视频插件就行:它把 WanVideo 系列模型接进 ComfyUI,支持图生视频、音频驱动口型与超分。本文按操作顺序讲安装、环境配置、模型加载,再处理依赖冲突、报错与显存优化。 先跑通一次:克隆、依赖、模型一次到位这一节只走最小路径,目标是从零到节点面板出现 WanVideo 分类。按顺序执行,每条命令都直接可敲。把插件克隆进 ComfyUI 的自定义节点目录:cd ComfyUI/custom_nodes git clone https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper单独建一个虚拟环境,让插件依赖和主环境隔离,后面排查冲突时责任清晰:python -m venv .venv source .venv/bin/activateWindows 下第二条改成.venv\Scripts\activate。项目把版本要求写在 requirements.txt(diffusers、accelerate、einops 等都在里面),整文件安装最不容易装错:pip install -r requirements.txt敲下面这条确认显卡可见,终端应该输出 True:python -c import torch; print(torch.cuda.is_available())模型文件按用途分四个目录存放,放错位置时,对应加载节点的下拉框会是空的:文本编码器放 ComfyUI/models/text_encodersCLIP vision 放 ComfyUI/models/clip_vision主视频模型(transformer)放 ComfyUI/models/diffusion_modelsVAE 放 ComfyUI/models/vaeREADME 里给了各模型的获取地址,按目录名对号入座即可。重启 ComfyUI 服务,节点面板出现 WanVideo* 分类,说明插件加载成功。注意:Windows 便携版不用建虚拟环境,直接在 ComfyUI_windows_portable 目录运行python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-WanVideoWrapper\requirements.txt即可。装好先别自己搭图,打开 example_workflows/ 里任意一个工作流跑一遍,能出帧就说明整条链路通了。模型文件普遍有几个 GB,下载中断后记得重新拉,半截文件会在加载时报无法解析。视频插件报错时,按现象反查原因别一报错就先怀疑硬件。先看服务日志里最后一段堆栈,再对照下面的表,每行按你看到什么 → 最可能的原因 → 一条处理动作组织。你看到的最可能的原因一条处理动作ModuleNotFoundError: No module named diffusers依赖没装,或装进了另一个 Pythonpip install -r requirements.txt导入 diffusers 时报版本相关错误版本低于项目要求的 0.33.0pip install -U diffusers0.33.0加载 14B 模型时 CUDA out of memory权重全量驻留显存,没开任何卸载给加载器接 block swap 节点,或换 fp8 权重加载节点模型下拉框为空模型文件不在对应 models 子目录把文件移到对应目录,重启服务加载时抛 KeyError,提示缺配置项权重规格与所选配置不匹配核对 1.3B/14B、t2v/i2v 是否与文件一致同参数首次运行显存异常高(Windows)triton 编译缓存过期清空 ~/.triton 目录后重跑一次找不到音频驱动相关节点缺少 torchaudiopip install torchaudio命令在终端提示找不到,多半是没激活虚拟环境,先source .venv/bin/activate再执行。堆栈第一行属于哪个包,就大概率是哪个包的问题;若指向 ComfyUI 主程序,通常是插件节点与核心版本不匹配,升级 ComfyUI 即可。改完依赖或移动过模型文件后,也要重启一次服务,下拉框和节点列表才会刷新。⚡ 显存、速度与精度:三个优化开关优化全部落在主模型加载器和它的配套节点上,不用改代码。省显存:块交换与 FP8 量化接上 Block Swap 节点,调大 blocks_to_swap(14B 可从 20 块起步):靠后的 transformer 块挪进内存,显存占用明显下降,代价是生成变慢。显存更紧张时改用 vram_management 的 offload_percent,按参数比例卸载,比块交换更激进,速度损失也更大。quantization 选 fp8_e4m3fn_scaled(需配套 fp8 缩放权重):显存接近减半,画质差异通常可忽略。用未合并 LoRA 时同步多换几块:LoRA 会挂到块上,块变大,原来 20 块可能要多换 1-2 块。提速:编译、注意力与长视频接 torch.compile 设置节点(需 Triton 且 torch ≥ 2.7):第一次编译较慢,之后每个去噪步耗时明显下降;默认只编译 transformer 块,出错概率更低。attention_mode 从 sdpa 换成 flash_attn_2 或 sageattn:单步可再快两到三成。超过 81 帧的长视频用 context window 模式(实现在 context_windows/context.py),窗口 81 帧、重叠 16 帧,千帧级视频显存也能保持平稳。精度怎么取base_precision 用默认 bf16;NVIDIA 40 系以上显卡可以选 fp8 的 _fast 模式,矩阵乘有额外加速,30 系显卡避开 _fast。LoRA 保持 merge_loras 为 True,权重直接并入模型,省去运行时拼接,对比实验结果也更干净。装好之后:接下来可以做什么直接改 example_workflows/ 里的现成工作流:音频口播(HuMo)、低清视频超分(FlashVSR)、相机控制等场景都有对应文件。显存宽裕时试 GGUF 量化权重和附加模型(ReCamMaster、VACE 等),扩大能跑的模型范围。跑通第一个工作流后,把常用参数留在自己的工作流副本里,换模型时不用重新接线。再遇报错优先查现象对照表,大多数问题集中在前三行。相关文档:项目 README · 示例工作流 · 调度器源码【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考