ComfyUI يدعم الآن Wan2.1
🧠 ما هو Wan2.1؟
Wan2.1 هي سلسلة قوية من نماذج توليد الفيديو مفتوحة المصدر من Alibaba.
تتضمن السلسلة:
| نوع النموذج | الدقة | ذاكرة الفيديو (تقريبًا) |
|---|---|---|
| تحويل النص إلى فيديو 14B (T2V) | 480P / 720P | ~40GB |
| تحويل النص إلى فيديو 1.3B (T2V) | 480P | ~8–15GB |
| تحويل الصورة إلى فيديو 14B (I2V) | 480P / 720P | ~40GB |
| توليد النصوص المرئية | متعدد اللغات (الصينية/الإنجليزية) | متغير |
🔧 الميزات الرئيسية
- مناسب للمستهلكين:يمكن تشغيل نموذج T2V 1.3B على وحدات معالجة الرسومات (GPU) بسعة 8.19 جيجابايت تقريبًا من ذاكرة الفيديو (VRAM).
- دعم المهام المتعددة:يدعم T2V (تحويل النص إلى فيديو)، I2V (تحويل الصورة إلى فيديو)، V2V (تحويل الفيديو إلى فيديو)، T2I (تحويل النص إلى صورة)، V2A (تحويل الفيديو إلى صوت).
- كفاءة عالية:يمكن لـ Wan-VAE القوي معالجة مقاطع الفيديو بدقة 1080 بكسل مع الحفاظ على الاتساق الزمني.
- دعم اللغة:أول نموذج يدعم توليد النصوص باللغتين الصينية والإنجليزية.
📂 دليل الإعداد
- قم بتحديث ComfyUI إلى أحدث إصدار.
- قم بتنزيل الملفات المطلوبة وضعها في الدلائل الفرعية المحددة لـ ComfyUI:
| وصف الملف | اسم الملف (انقر للتنزيل) | المجلد الهدف |
|---|---|---|
| مشفّر النصوص | umt5_xxl_fp8_e4m3fn_scaled.safetensors | ComfyUI/models/text_encoders/ |
| VAE | wan_2.1_vae.safetensors | ComfyUI/models/vae/ |
| CLIP Vision (لتحويل الصورة إلى فيديو) | clip_vision_h.safetensors | ComfyUI/models/clip_vision/ |
| نموذج الفيديو (نموذج الانتشار) | اختر من هذا الدليل table2_row4_col2_suffix | ComfyUI/models/diffusion_models/ |
توصية بنموذج الفيديو:
- للحصول على أفضل جودة، يوصى بإصدار fp16.
- ترتيب الجودة (من الأعلى إلى الأدنى):
fp16>bf16>fp8_scaled>fp8_e4m3fn。 - إذا كانت ذاكرة الفيديو (VRAM) غير كافية، ففكر في استخدام إصدار fp8.
📜 أمثلة على سير العمل
يوفر ComfyUI مسارات عمل تستند إلى JSON. يمكنك العثور على ملفات JSON هذه في أمثلة ComfyUI الرسمية أو الوثائق. فيما يلي عروض GIF لبعض مسارات العمل:
تحويل النص إلى فيديو (Text to Video)
يمكن استخدام سير العمل هذا مع نماذج 1.3B أو 14B. على سبيل المثال، استخدم:
- ملف النموذج:
wan2.1_t2v_1.3B_fp16.safetensors(ضعه فيComfyUI/models/diffusion_models/)
الناتج: 480p / 720p (يعتمد على النموذج والإعدادات المحددة)
وقت التشغيل: يستغرق إنشاء فيديو بدقة 480 بكسل لمدة 5 ثوانٍ باستخدام RTX 4090 حوالي 4 دقائق.
مثال على سير العمل (1.3B 480p):
مثال على سير العمل (14B 720p):
ملف سير عمل JSON:text_to_video_wan.json
تحويل الصورة إلى فيديو (Image to Video)
يتطلب سير العمل هذا الملفات التالية:
- ملف النموذج (480p):
wan2.1_i2v_480p_14B_fp16.safetensors(ضعه فيComfyUI/models/diffusion_models/) - ملف النموذج (720p، اختياري):
wan2.1_i2v_720p_14B_fp16.safetensors(ضعه فيComfyUI/models/diffusion_models/) - CLIP Vision:
clip_vision_h.safetensors(ضعه فيComfyUI/models/clip_vision/)
الناتج: 480p (مثال افتراضي: 33 إطارًا @ 512x512) أو 720p (إذا سمحت ذاكرة الفيديو (VRAM) والأجهزة).
مثال على سير العمل (14B 480p):
مثال على سير العمل (14B 720p):
ملف سير عمل JSON:image_to_video_wan_example.json
📝 ملاحظات
- مشفّر النصوص:مطلوب (
umt5_xxl_fp8_e4m3fn_scaled.safetensors)。 - متطلبات ذاكرة الفيديو (VRAM):لتشغيل نموذج تحويل الصورة إلى فيديو بدقة 480p/720p (مثل 14B I2V) باستخدام
umt5_xxl_fp8_e4m3fn_scaled.safetensors، تحتاج إلى حوالي 40 جيجابايت من ذاكرة الفيديو (VRAM). - ذاكرة الفيديو (VRAM) لنموذج T2V 1.3B:يتطلب نموذج تحويل النص إلى فيديو 1.3B حوالي 15 جيجابايت من ذاكرة الفيديو (VRAM).
- توفير ذاكرة الفيديو (VRAM):تستخدم الأمثلة عادةً ملفات 16 بت (fp16)، ولكن إذا كانت ذاكرة الفيديو (VRAM) لديك منخفضة، فيمكنك استخدام إصدارات fp8 بدلاً من ذلك.
- نماذج 720p:تعمل نماذج 720p بشكل جيد ولكنها تتطلب مواصفات أجهزة أعلى وصبرًا لتشغيلها.