大模型——阿里Wan2.1 ComfyUI本地部署保姆级教程，最低8G显存可跑。

大模型——阿里Wan2.1 ComfyUI本地部署保姆级教程，最低8G显存可跑。

前段时间，阿里开源了万相视频生成大模型Wan2.1系列，在评测集VBench中，万相2.1超越了Sora、Luma、Pika等国内外开源模型。

△https://huggingface.co/spaces/Vchitect/VBench_Leaderboard

具体来说，Wan2.1开源了文生视频和图生视频两种模型。

其中，文生视频模型有1.3B和14B两种大小，图生视频模型大小都是14B，不过，一个是480P，另一个是720P。

大尺寸14B版本主打高性能，但1.3B小版本适合消费级显卡，只需要 8.2GB 显存就可以生成 480P 高质量视频。

也即是说，只要你有一张4060显卡（8G显存），就能跑得动这个模型，并且可以在大约4分钟以内生成5秒的480p视频。

刚好，ComfyUI官方也支持了Wan2.1模型，所以，这篇文章就带大家一步一步在本地部署Wan2.1模型。

一、ComfyUI整合包下载

先去B站UP主秋葉aaaki发布的这条视频留言区下载最新的ComfyUI整合包，链接在此：

https://www.bilibili.com/video/BV1Ew411776J/?spm_id_from=333.1387.homepage.video_card.click&vd_source=290ca99fcecbff54b830380e37276a39

我把夸克网盘的下载链接直接贴出来：

网盘链接：https://pan.quark.cn/s/64b808baa960
解压密码：bilibili-秋葉aaaki

网盘里面包含了四个文件，只需要下载ComfyUl-aki-v1.6.7z本体文件，其他文件可以不需要下载。

注意解压的时候需要解压密码，解压后放到D盘或者其他磁盘空间比较大的硬盘。

二、clip_vision下载

打开下面这个页面，下载clip_vision：

https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/clip_vision

下载到本地后，移到ComfyUI整合包的ComfyUI\models\clip_vision目录下。

三、diffusion_models下载

打开下面这个页面，下载diffusion_model：
https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/diffusion_models

Wan2.1模型支持文生视频和图生视频两种方式，每种方式下又有14B和1.3B两种尺寸的模型，其中：

• 文生视频
  • wan2.1_t2v_1.3B的模型，最大只支持生成832×480像素视频
  • wan2.1_t2v_14B的模型，支持1280×720像素和832×480像素视频
• 图生视频
  • wan2.1_i2v_480p_14B的模型，最大支持生成832×480像素视频
  • wan2.1_i2v_720p_14B的模型，最大支持生成1280×720像素视频

同时，每个尺寸的模型下也有多个模型，根据生成质量的优劣，按照如下原则选择（质量等级从高到低）：

fp16 > bf16 > fp8_scaled > fp8_e4m3fn

结合自己的显存大小，我选择这两个模型下载到本地：

• 文生视频：wan2.1_t2v_1.3B_fp16.safetensors
• 图生视频：wan2.1_i2v_480p_14B_fp8_scaled.safetensors

然后移到ComfyUI整合包的ComfyUI\models\diffusion_models目录下面。

四、text_encoders下载

打开下面这个页面，下载text_encoders：

https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/text_encoders

• 如果显存 >= 12G，选择第一个text_encoder下载
• 如果显存 < 12G，选择第二个text_encoder下载

我下载一个小一点的，然后移到ComfyUI整合包的ComfyUI\models\text_encoders目录下。

五、vae下载

打开下面这个页面，下载vae：

https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/split_files/vae

下载到本地后，移到ComfyUI整合包的ComfyUI\models\vae目录下。

六、工作流下载

打开下面这个页面，下载工作流：

https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/tree/main/example%20workflows_Wan2.1

我们根据第三步下载的diffusion_model，相对应地选择第一个和第三个工作流下载：

然后移到ComfyUI整合包的ComfyUI\user\default\workflows目录下：

七、文生视频

第一步，打开秋叶启动器，更新到最新的版本，然后一键启动。

第二步，点击左边侧栏，打开文生视频工作流。

第三步，调整diffusion_model、text_encoder和vae的配置，选择之前下载好的模型。

第四步，在CLIP文本编码器框输入正向提示词，最后点执行按钮，开始生成视频。

以下是一些测试案例

提示词：一名男子在跳台上做专业跳水动作。全景平拍镜头中，他穿着红色泳裤，身体呈倒立状态，双臂伸展，双腿并拢。镜头下移，他跳入水中，溅起水花。背景中是蓝色的泳池。

提示词：体育摄影风格，骑手在场地障碍赛中引导马匹快速通过障碍物。骑手身着专业比赛服，头戴安全帽，表情专注而坚定，双手紧握缰绳，双腿夹紧马腹，与马匹完美配合。马匹腾空跃起，动作连贯且准确，四蹄有力地踏过每一个障碍物，保持速度和平衡。背景是自然的草地和蓝天，画面充满动感和紧张感。4K, 高清画质，动作完整。

提示词：红色橡胶球从高处自由下落到水泥地面，弹跳后静止，摄像机固定视角侧拍，写实风格，慢动作细节。

提示词：两只拟人化的猫咪身穿紧身拳击服，戴着鲜艳的手套，在聚光灯下的拳击台上激烈对决。它们眼神坚定，肌肉紧绷，展现出专业拳击手的力量与敏捷。一只花斑狗裁判站在一旁，吹着哨子，公正地掌控比赛节奏。四周观众席上的动物们欢呼雀跃，为比赛增添热烈氛围。猫咪的拳击动作迅速而有力，爪子在空中划出一道道模糊的轨迹。画面采用动感模糊效果，捕捉瞬间的激烈交锋，展现出比赛的紧张与刺激。近景特写，聚焦于拳台上的激烈对抗。

提示词：美妆短视频，特写镜头下，一位年轻女性正在细致涂抹睫毛膏。画面聚焦于她的眼部，只见她从睫毛根部开始，缓缓而均匀地向上刷动，睫毛膏的质地轻薄，轻易附着于每一根睫毛。每一次刷动都能明显看到睫毛变得更加纤长卷翘，根根分明的效果如同小扇子般逐渐展现，整个过程流畅自如。视频精准捕捉了睫毛膏带来的惊艳效果。近景特写，细腻清晰的画面质感。

八、图生视频

第一步，点击左边侧栏，打开图生视频工作流。

第二步，调整diffusion_model、text_encoder、clip_vision和vae的配置，选择之前下载好的模型。

从上图可以看到，图生视频的工作流相比文生视频，有两个主要的区别：

1、多了一个clip_vision的节点；

2、diffusion_model换成了图生视频的模型。

第三步，上传图片，并在CLIP文本编码器框输入正向提示词，最后点执行按钮，开始生成视频。

以下是一些测试案例

提示词：一位穿着女仆装的狐狸角色在温馨的厨房中端着点燃蜡烛的蛋糕，准备庆祝一个特别的时刻。

提示词：一位可爱的小白兔女生在往前走，并挥手打招呼。

提示词：给图片中的美女戴上墨镜。

只能说效果还可以，但是没有特别好，还是和模型大小有关，模型太小生成的视频质量就很一般。

如果有条件的话，还是需要跑14B的模型效果会好很多，但是本地跑ComfyUI只支持单GPU，所以上限也就在这了，对于普通人有一张消费级的4090显卡顶天了。