工作流教程
Causal Forcing 图生视频 ComfyUI 工作流示例
使用 Wan2.1 的 Causal Forcing 或 Causal Forcing++ 从图片生成视频——只需 1 步推理即可获得流畅、时序一致的视频。
Causal Forcing（因果强制） 是一种视频生成技术，在推理过程中应用 循环条件控制：每一帧生成后都会作为输入反馈给模型，用于预测下一帧。通过这种方式，仅需 1 到 4 步推理，就能从单张起始图片生成流畅、时序一致的视频。
此工作流基于 Wan2.1，支持 Causal Forcing（标准）和 Causal Forcing++（增强）两种模式。
下载工作流
下载 JSON 或在模板库中搜索 "Causal Forcing"
工作原理
与标准视频生成（并行处理所有帧）不同，Causal Forcing 将视频生成视为一个 顺序过程：
- 模型将输入图像作为 首帧
- 基于前一帧生成下一帧
- 每生成一帧都作为下一帧的输入
- 重复此过程直到生成目标帧数
这种循环方法带来了 很强的时序一致性——每帧自然地承接前一帧——并且仅需很少的推理步数（1 到 4 步）即可生成高质量结果。
了解子图
本工作流使用子图节点进行模块化处理。查看子图文档了解如何自定义和扩展工作流。
Causal Forcing 与 Causal Forcing++
| 模式 | 说明 |
|---|---|
| Causal Forcing | 标准循环条件控制。2–4 步即可获得良好质量。 |
| Causal Forcing++ | 增强模式，应用额外条件控制以获得更好的时序连贯性。仅需 1–2 步即可工作。 |
使用工作流
输入
工作流接受一张输入图片（首帧）和一个描述视频内容的文本提示（可选）。
| 设置 | 说明 |
|---|---|
| first_frame（必填） | 视频的起始图像。通过 LoadImage 节点加载 PNG/JPG。 |
| positive_prompt（可选） | 对期望视频内容的文字描述。留空则无文本条件控制。 |
| duration（可选） | 生成帧数。默认为模型期望输出的帧数。 |
WAN I2V 子图参数
这些参数直接暴露在蓝图子图节点上：
| 参数 | 默认值 | 说明 |
|---|---|---|
unet_name |
— | 使用的 Wan2.1 I2V 模型检查点 |
clip_name |
— | 用于提示词的 CLIP / 文本编码器模型 |
vae_name |
— | 用于编码/解码的 VAE 模型 |
width |
— | 输出视频宽度 |
height |
— | 输出视频高度 |
noise_seed |
— | 可复现结果的随机种子 |
运行步骤
- 加载图片 — 使用 LoadImage 节点加载起始帧
- 编写提示词（可选）— 描述期望的视频内容
- 设置帧数 — 生成多少帧
- 选择模型 — 选择 Wan2.1 I2V 检查点、CLIP 和 VAE
- 选择模式 — Causal Forcing 或 Causal Forcing++
- 运行 — 帧将按顺序生成并保存到
ComfyUI/output/
模型下载
下载 Wan2.1 I2V 模型及所需文件。放入对应的 models/ 子目录。
Wan2.1 I2V
Wan2.1 I2V 14B
wan2.1_i2v_480p_14B_fp16.safetensors — Wan2.1 I2V 14B 检查点
Wan2.1 I2V 1.3B
wan2.1_t2v_1.3B_fp16.safetensors — Wan2.1 1.3B 检查点（最低 8GB 显存）
CLIP 和 VAE
CLIP (google-bert)
google-bert/bert-base-uncased — CLIP 文本编码器
VAE (Wan2.1)
Wan2.1_VAE_bf16.safetensors — Wan2.1 VAE
模型存放位置
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └── wan2.1_i2v_480p_14B_fp16.safetensors（或 1.3B 版本）
│ ├── 📂 text_encoders/
│ │ └── bert-base-uncased（文件夹，内含 model.safetensors）
│ └── 📂 vae/
│ └── Wan2.1_VAE_bf16.safetensors官方原文
本页来自 Comfy-Org 官方中文文档的固定版本，并转换为 xueai 静态页面。内容以官方持续更新的页面为准。