本文为希望快速上手通义万相 Wan2.1 的开发者和研究人员，详细介绍了如何利用 ComfyUI 工作流高效部署通义万相 Wan2.1 模型，实现文生视频和图生视频功能。文章提供了两种部署方案：一是使用魔搭 ModelScope 提供的免费 GPU 算力环境，二是本地 GPU 环境部署。针对每种方案，文章都提供了详细的步骤，包括 ComfyUI 的安装、依赖配置、模型下载以及工作流的运行。通过 ComfyUI 工作流，用户可以更灵活地控制视频生成过程。此外，文章还针对可能出现的网络问题提供了解决方案，并给出了显存需求的参考，帮助用户快速上手并解决实际问题。
通义万相Wan2.1开源不到一周，已登顶HuggingFace Model 和 Space 榜双榜首，在HuggingFace和ModelScope平台的累计下载量突破100万次，社区热度持续攀升！为响应小伙伴们对ComfyUI工作流运行Wan2.1的强烈需求，社区开发者整理了实战教程👇
本文将手把手教你分别在魔搭免费GPU算力环境、本地环境部署运行ComfyUI工作流，玩转Wan2.1文生视频、图生视频案例实践。
step1 如何在魔搭中启动Notebook
1、打开ModelScope 魔搭社区首页，点击我的Notebook
2、魔搭社区免费提供的GPU免费算力上体验，选择方式二启动后点击查看Notebook
step2 安装ComfyUI及其依赖
1、打开Notebook终端
在页面中选择Terminal
2、克隆ComfyUI仓库
在Notebook终端中运行如下命令，将官方的ComfyUI的仓库克隆下来：
git clone https://github.com/comfyanonymous/ComfyUI.git
克隆过程中可能遇到这个报错，提示“RPC失败”：
这是因为http协议版本的问题导致网络连接失败，版本降低至1.1即可解决。命令如下：
git config --global http.version HTTP/1.1git clone https://github.com/comfyanonymous/ComfyUI.gitgit config --global http.version HTTP/2
完成的界面像这样：
3、安装依赖
使用pip安装运行ComfyUI服务所需的环境依赖：
cd ComfyUIpip install -r requirements.txt
4、验证安装
运行以下命令启动ComfyUI服务，测试是否成功安装。
python main.py如果服务成功启动，将在终端中看到http://127.0.0.1:8188的提示
点击这个链接就可以进入comfyui的界面啦！
step3 文生视频工作流
以通义万相wan2.1-t2v-1.3b文生视频模型为例，演示如何运行工作流。
1、下载模型
wan2.1-t2v-1.3b文生视频模型包含3个组件，文本编码器、扩散模型和视频解码器。我们需要从魔搭模型库中下载3个组件对应的模型文件，并将这些模型文件放置到对应文件夹：
-
文本编码器：
-
split_files/text_encoders/umt5_xxl_fp16.safetensors →ComfyUI/models/text_encoders
-
扩散模型
-
split_files/diffusion_models/wan2.1_t2v_1.3B_bf16.safetensors → ComfyUI/models/diffusion_models
-
视频解码器
-
split_files/vae/wan_2.1_vae.safetensors → ComfyUI/models/vae
命令行如下：
# 文本编码器modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --include split_files/text_encoders/umt5_xxl_fp16.safetensors --local_dir ./models/text_encoders/# 扩散模型modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --include split_files/diffusion_models/wan2.1_t2v_1.3B_bf16.safetensors --local_dir ./models/diffusion_models/# 视频解码器modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --include split_files/vae/wan_2.1_vae.safetensors --local_dir ./models/vae/
2、启动comfyui
运行以下命令启动ComfyUI服务：
python main.py
点击http://127.0.0.1:8188链接进入comfyui的界面
3、运行文生视频工作流
ComfyUI启动后会自动打开一个默认的工作流，可以不用管它。我们需要下载wan2.1的示例工作流文件，然后将文件拖入ComfyUI界面。
wan2.1的示例工作流文件：
https://modelscope.cn/notebook/share/ipynb/5eee8a46/text_to_video_wan.ipynb
拖入后在界面中就可以看到工作流的样子，分别点击三个模型的下拉选项，检查一下模型文件是否存在，再点击“执行”开始视频生成。
视频生成完成之后的页面：
4、运行日志查看
终端界面上可以查看实时运行的日志：
nvidia-smi命令可以查看显存占用：
如果你自己拥有GPU，则可以选择在本地部署工作流。本节以通义万相wan2.1-i2v-14b的图生视频模型为例，教你一步步用命令行运行图生视频的工作流。
step1 检查显卡信息
要运行万相wan2.1-i2v-14b文生视频ComfyUI工作流，需要高规格的显卡。生成512*512大小的视频，显存大约需要44G；生成1280*720尺寸的视频，显存需要53GB。运行nvidia-smi命令，检查显卡是否符合要求。
step2 安装ComfyUI及其依赖
此步骤同上，请查阅上一节step2。
step3 图生视频工作流
1、模型下载
wan2.1-i2v-1.3b文生视频模型包含4个组件，图片编码器、文本编码器、视频扩散模型和视频解码器。我们需要从魔搭模型库中下载4个组件对应的模型文件，并将这些模型文件放置到对应文件夹：
-
图片编码器
-
split_files/clip_vision/clip_vision_h.safetensors →ComfyUI/models/clip_vision
-
文本编码器
-
split_files/text_encoders/umt5_xxl_fp16.safetensors →ComfyUI/models/text_encoders
-
视频扩散模型
-
split_files/diffusion_models/wan2.1_i2v_720p_14B_bf16.safetensors → ComfyUI/models/diffusion_models
-
视频解码器
-
split_files/vae/wan_2.1_vae.safetensors → ComfyUI/models/vae
命令行如下：
# 图片编码器modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --include split_files/clip_vision/clip_vision_h.safetensors --local_dir ./models/clip_vision/# 文本编码器modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --include split_files/text_encoders/umt5_xxl_fp16.safetensors --local_dir ./models/text_encoders/# 视频扩散模型modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --include split_files/diffusion_models/wan2.1_i2v_720p_14B_bf16.safetensors --local_dir ./models/diffusion_models/# 视频解码器modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --include split_files/vae/wan_2.1_vae.safetensors --local_dir ./models/vae/
2、启动comfyui
运行以下命令启动ComfyUI服务：
python main.py
点击http://127.0.0.1:8188链接就可以进入comfyui的界面
3、上传工作流运行
下载wan2.1的图生视频示例工作流文件，然后将文件拖入ComfyUI界面。
wan2.1的示例工作流文件：
https://modelscope.cn/notebook/share/ipynb/0e5bbc8b/image_to_video_wan_example.ipynb
拖入后在界面中就可以看到工作流的样子，分别点击三个模型的下拉选项，检查一下模型文件是否存在，再点击“执行”开始视频生成。
