ComfyUI-Lightx2vWrapper

介绍

ComfyUI-Lightx2vWrapper 是一个用于 ComfyUI 的 Lightx2v 推理包装器，支持文本生成视频(T2V)和图像生成视频(I2V)功能。该插件基于Wan模型架构，提供高质量的视频生成能力。

功能特性

• 🎬 文本生成视频(T2V): 根据文本描述生成视频
• 🖼️ 图像生成视频(I2V): 基于输入图像生成动态视频
• 🚀 TeaCache加速: 支持TeaCache功能缓存优化，提升推理速度
• 🔧 LoRA支持: 支持LoRA微调模型加载
• 💾 内存优化: 支持CPU卸载和显存管理
• ⚡ 多种注意力机制: 支持flash_attn2/flash_attn3等高效注意力实现

安装

cd ComfyUI/custom_nodes
git clone https://github.com/gaclove/ComfyUI-Lightx2vWrapper.git
cd ComfyUI-Lightx2vWrapper
git submodule update --init --recursive
cd lightx2v
pip install -r lightx2v/requirements.txt # Install dependencies for lightx2v

模型准备

模型目录结构

确保你的模型目录结构如下：

your_model_dir/
├── config.json                                    # 模型配置文件
├── models_t5_umt5-xxl-enc-bf16.pth                # T5文本编码器
├── models_clip_open-clip-xlm-roberta-large-vit-huge-14.pth  # CLIP视觉编码器
├── Wan2.1_VAE.pth                                 # VAE模型
├── google/
│   └── umt5-xxl/                                  # T5 tokenizer目录
└── [其他模型文件]

推荐模型

• Wan2.1-I2V-14B-480P: 图像生成视频模型(480p分辨率)
• Wan2.1-I2V-14B-720P: 图像生成视频模型(720p分辨率)
• Wan2.1-T2V-14B: 文本生成视频模型

使用方法

图像生成视频(I2V)工作流

1. 设置模型目录

   • 使用 Lightx2vWanVideoModelDir 节点设置模型路径

2. 加载编码器

   • Lightx2vWanVideoT5EncoderLoader: 加载T5文本编码器
   • Lightx2vWanVideoClipVisionEncoderLoader: 加载CLIP视觉编码器
   • Lightx2vWanVideoVaeLoader: 加载VAE编码器

3. 文本编码

   • Lightx2vWanVideoT5Encoder: 编码正负提示词

4. 图像编码

   • Lightx2vWanVideoImageEncoder: 编码输入图像

5. 模型加载

   • Lightx2vWanVideoModelLoader: 加载主要的Wan模型

6. 视频生成

   • Lightx2vWanVideoSampler: 执行采样生成

7. 解码输出

   • Lightx2vWanVideoVaeDecoder: 将潜在表示解码为视频帧

文本生成视频(T2V)工作流

T2V工作流与I2V类似，但使用 Lightx2vWanVideoEmptyEmbeds 替代图像编码器。

节点说明

核心节点

Lightx2vWanVideoModelDir

• 功能: 设置模型目录路径
• 输入:
  • model_dir: 模型目录路径

Lightx2vWanVideoT5EncoderLoader

• 功能: 加载T5文本编码器
• 输入:
  • model_name: T5模型文件名
  • precision: 精度(bf16/fp16/fp32)
  • device: 设备(cuda/cpu)

Lightx2vWanVideoT5Encoder

• 功能: 编码文本提示词
• 输入:
  • t5_encoder: T5编码器实例
  • prompt: 正面提示词
  • negative_prompt: 负面提示词

Lightx2vWanVideoVaeLoader

• 功能: 加载VAE模型
• 输入:
  • model_name: VAE模型文件名
  • precision: 精度设置
  • device: 设备选择
  • parallel: 是否并行处理

Lightx2vWanVideoImageEncoder

• 功能: 编码输入图像用于I2V生成
• 输入:
  • vae: VAE模型实例
  • clip_vision_encoder: CLIP视觉编码器
  • image: 输入图像
  • width/height: 目标分辨率
  • num_frames: 生成帧数

Lightx2vWanVideoModelLoader

• 功能: 加载主要的Wan生成模型
• 输入:
  • model_type: 模型类型(t2v/i2v)
  • precision: 精度设置
  • attention_type: 注意力机制类型
  • cpu_offload: 是否CPU卸载
  • lora_path: LoRA模型路径(可选)
  • teacache_args: TeaCache参数(可选)

Lightx2vWanVideoSampler

• 功能: 执行视频生成采样
• 输入:
  • model: Wan模型实例
  • text_embeddings: 文本嵌入
  • image_embeddings: 图像嵌入
  • steps: 采样步数
  • cfg_scale: CFG引导强度
  • seed: 随机种子

Lightx2vWanVideoVaeDecoder

• 功能: 解码潜在表示为视频帧
• 输入:
  • wan_vae: VAE模型实例
  • latent: 潜在表示

优化节点

Lightx2vTeaCache

• 功能: TeaCache加速配置
• 输入:
  • rel_l1_thresh: 缓存阈值
  • start_percent/end_percent: 缓存使用范围
  • coefficients: 预设系数
  • cache_device: 缓存设备

Lightx2vWanVideoEmptyEmbeds

• 功能: 为T2V任务提供空图像嵌入
• 输入:
  • width/height: 目标分辨率
  • num_frames: 生成帧数

参数说明

分辨率设置

• 480P: width=832, height=480
• 720P: width=1280, height=720
• 确保宽高为8的倍数

帧数设置

• 推荐帧数: 81帧 (约5秒 @ 16fps)
• 帧数应为4的倍数+1 (如: 81, 85, 89等)

精度选择

• bf16: 推荐用于主模型，平衡精度和性能
• fp16: 适用于VAE和CLIP，节省显存
• fp32: 最高精度，显存占用大

CFG引导

• CFG Scale: 1.0-20.0，值越高越遵循提示词
• 推荐值: 5.0-8.0

示例工作流

参考 examples/i2v_workflow.json 获取完整的I2V工作流配置。

性能优化建议

1. 启用TeaCache: 使用 Lightx2vTeaCache 节点加速推理
2. CPU卸载: 显存不足时启用 cpu_offload
3. 合适精度: 根据显存情况选择bf16或fp16
4. 批处理: 多个视频生成时考虑批处理

故障排除

常见问题

1. 模型文件缺失: 确保所有必需的模型文件都在正确位置
2. 显存不足: 降低精度或启用CPU卸载
3. 分辨率错误: 确保宽高为8的倍数
4. 帧数错误: 使用4的倍数+1的帧数

调试技巧

• 检查模型目录结构是否正确
• 验证config.json文件格式
• 监控GPU显存使用情况
• 查看ComfyUI控制台错误信息

更新日志

• 支持Wan2.1模型架构
• 集成TeaCache加速功能
• 添加LoRA微调支持
• 优化内存管理和性能

参考资料

• Develop Custom Nodes
• 一份ComfyUI 自定义节点指南
• Lightx2v