آموزش Wan2.2 در ComfyUI؛ انتخاب مدل و ساخت اولین ویدئو
برای اجرای Wan2.2 باید نوع ورودی و نسخه مدل را با ورکفلو تطبیق دهید. مدل TI2V-5B و مسیرهای A14B نیازها و ساختار یکسانی ندارند؛ اولین تست را با الگوی رسمی همان نسخه انجام دهید.
Wan2.2 یکی از خانوادههای قابل بررسی برای ساخت ویدئو روی سیستم شخصی است. اشتباه رایج این است که کاربر فایل یک نسخه را میگیرد و آن را به ورکفلوی نسخه دیگر وصل میکند. نتیجه ممکن است خطای بارگذاری، خروجی نامناسب یا مصرف غیرمنتظره حافظه باشد. این راهنما کمک میکند پیش از دانلود، مسیر مناسب را انتخاب کنید و بعد از تولید، کیفیت را با معیار روشن بسنجید.
نسخههای Wan2.2 چه تفاوتی دارند؟
در مخزن رسمی Wan2.2 مسیرهای متن به ویدئو، تصویر به ویدئو و مدل ترکیبی TI2V-5B معرفی شدهاند. مدلهای A14B از ساختار متخصصهای نویز استفاده میکنند؛ بنابراین نباید آنها را صرفاً فایل بزرگتر همان مدل 5B دانست.
نامهای T2V و I2V نوع ورودی را روشن میکنند. در اولی صحنه از توصیف متنی ساخته میشود؛ در دومی تصویر مرجع نقطه آغاز کنترل بصری است. اگر حفظ ظاهر محصول یا شخصیت اولویت دارد، مسیر تصویر به ویدئو گزینه منطقیتری برای آزمایش است؛ این انتخاب هنوز تضمین حفظ کامل جزئیات نیست.
انتخاب ورکفلو بر اساس پروژه
سه سؤال بنویسید: تصویر اولیه دارم؟ چه مقدار حرکت نیاز دارم؟ زمان و حافظه قابل استفاده چقدر است؟ پاسخها را قبل از انتخاب فایلها مشخص کنید. برای معرفی یک محصول، حرکت کم و قاب پایدار ممکن است نتیجه بهتری از نمای پیچیده بدهد.
از الگوهای رسمی Wan2.2 در ComfyUI شروع کنید. در همان صفحه مسیر متناسب با مدل انتخابی را دنبال کنید. نودهای بومی و Wrapperهای جامعه کاربری ممکن است امکانات یا ساختار متفاوتی داشته باشند. ترکیب اجزای دو آموزش، بدون فهم تفاوتها، روش مناسبی برای شروع نیست.
| وضعیت پروژه | انتخاب اولیه برای آزمایش | نکته کنترل |
|---|---|---|
| محیط خیالی بدون عکس | T2V سازگار | وضوح توصیف صحنه |
| عکس محصول آماده | I2V سازگار | ثبات شکل محصول |
| آزمون هر دو نوع ورودی | TI2V سازگار | استفاده از الگوی همان نسخه |
| حرکت انسان از مرجع | مدل اختصاصی متناسب | بررسی ورودی و مجوز تصویر |
| نیاز صوتی | مسیر صریحاً دارای قابلیت صوت | عدم فرض صدا برای همه نسخهها |
فایلها را پیش از اجرا تطبیق دهید
فهرست مدلها را از ورکفلو استخراج کنید و کنار هر فایل نقش آن را بنویسید. اگر الگو چند وزن را در بخشهای متفاوت بارگذاری میکند، فقط دانلود یکی از آنها کافی نیست. رمزگذار متن و VAE نیز باید با همان مسیر هماهنگ باشند.
اگر فایل در فهرست نود دیده نمیشود، ابتدا پوشه فعال برنامه و نوع فایل را بررسی کنید. تغییر نام یک مدل نامرتبط برای ظاهرشدن در منو مشکل سازگاری را حل نمیکند. در صورت نیاز، راهنمای نصب ComfyUI را برای تشخیص مسیر و محیط اجرا بخوانید.
پس از بارگذاری، قبل از دستکاری تنظیمات، یک نسخه از الگو را ذخیره کنید. این نسخه مبنای بازگشت شماست. هر بهینهسازی را روی کپی انجام دهید تا بدانید شکست از فایلهای پایه بوده یا از تغییری که تازه اضافه کردهاید.
یک آزمون حرکت قابل ارزیابی بسازید
مثال آموزشی: تصویر یک بطری ساده روی میز، نور ثابت و پسزمینه خلوت. از مدل بخواهید دوربین کمی به جلو حرکت کند و بطری ثابت بماند. هدف این تست بررسی حفظ لبهها، درپوش، بازتاب و ارتباط سوژه با سطح میز است.
سپس فقط یک متغیر را تغییر دهید: حرکت دوربین را از نزدیکشدن به حرکت جانبی تبدیل کنید. اگر خطا زیاد شد، میفهمید تغییر زاویه و نمایانشدن بخشهای پنهان برای این ورودی دشوارتر بوده است. تغییر همزمان نور، پسزمینه و حرکت این نتیجهگیری را ناممکن میکند.
برای آزمون انسانی، ابتدا حرکت محدود مانند چرخش کم سر را بررسی کنید. حرکت دست نزدیک صورت، تماس چند عضو و عبور اشیا از جلوی چهره دشوارترند. موفقیت در یک پرتره آرام را به توانایی ساخت هر حرکت پیچیده تعمیم ندهید.
تنظیمات را چگونه بهینه کنیم؟
تنظیمات توصیهشده همان الگو را نقطه آغاز قرار دهید. Seed ثابت برای مقایسه مفید است؛ تغییر آن زمانی منطقی است که میخواهید تنوع نتایج را ببینید. تعداد گام بیشتر را بهطور خودکار معادل کیفیت بالاتر ندانید، بهویژه وقتی مسیر از وزن تقطیرشده استفاده میکند.
اگر حافظه کم آمد، مرحله وقوع را ثبت کنید. کاهش ابعاد و فریم میتواند بار را کم کند، اما باید در محدوده معتبر مدل باشد. راهکارهای Offload ممکن است بخشی از فشار را به RAM منتقل کنند و اجرا را کندتر کنند. برای جزئیات تصمیم، راهنمای حافظه ویدئوی لوکال را ببینید.
خروجی قابل استفاده را از خروجی صرفاً زیبا جدا کنیم
ویدئو را در اندازه واقعی تحویل و در سرعت عادی ببینید. سپس ابتدا، میانه و پایان را از نظر تغییر شکل مقایسه کنید. اگر نوشته محصول در طول زمان عوض میشود، زیبایی نورپردازی این ایراد را جبران نمیکند.
سه نتیجه را ثبت کنید: قبول، قابل اصلاح در تدوین، نیازمند تولید دوباره. برای مورد دوم دقیق بنویسید چه چیزی اصلاح میشود؛ مثلاً حذف چند فریم ابتدایی یا جایگذاری نوشته ثابت. وقتی اصلاح نیازمند بازسازی خود سوژه است، احتمالاً تولید دوباره یا روش ترکیبی اقتصادیتر خواهد بود.
اطلاعات نسخه این مقاله در ۲۷ سپتامبر ۲۰۲۶ بررسی شده است. فایل، مجوز و تنظیمات نهایی را از منبع رسمی همان نسخه بگیرید و پروژه را با نام مدل و ورکفلو آرشیو کنید.
پرسشهای متداول
TI2V چه معنایی دارد؟
به مسیر پشتیبان متن به ویدئو و تصویر به ویدئو اشاره میکند؛ فایل و ورکفلو باید برای همان نسخه باشند.
آیا همه مدلهای Wan صدا میسازند؟
خیر. قابلیت صوتی را باید در مدل و مسیر مشخص بررسی کرد؛ نام خانواده بهتنهایی کافی نیست.
آیا 5B همیشه بهتر از A14B است؟
خیر. انتخاب به منابع و نیاز پروژه بستگی دارد و باید با نماهای واقعی خودتان آزمایش شود.
