Analyse eines lokalen KI-Video-Workflows Geprüft · 21. August 2026
EasyWan22
Eine Wan-2.2-Produktionsumgebung für Windows mit Ein-Klick-Setup
EasyWan22 bündelt Wan2.2 I2V-A14B, ComfyUI, GGUF-Quantisierung, WanVideoWrapper, SageAttention, LoRA-Presets und eine komplette Nachbearbeitung in einem großen Workflow für Serienproduktion.
Wan2.2 ist der Motor, ComfyUI die Werkbank und EasyWan22 das montierte Fahrzeug.
Image → Motion → Finish
01 · Kategorie
Eine kuratierte ComfyUI-Distribution, kein Foundation Model
Das Projekt macht einen komplexen Open-Source-Videostack für Windows nutzbar. Wert entsteht durch Installation, feste Versionen, gute Standards und einen Ablauf von Erzeugung über Auswahl und Reparatur bis zur Ausgabe.
Wan2.2 I2V-A14B
High-Noise- und Low-Noise-Stufen liefern die Bild-zu-Video-Generierung.
+ComfyUI + WanVideoWrapper
Nodes steuern Laden, Sampling, Speicher, Conditioning und Video-I/O.
+GGUF + FastMix + SageAttention
Quantisierung, schnelle Entwürfe und Attention-Optimierung machen 14B praktikabler.
+EasyWan22 Workflow
Presets, Varianten, Reparatur, Upscale, Interpolation, Farbe, Loop und Batch in einem Ablauf.
Es soll Klicks bei der Massenproduktion reduzieren und ist nicht zum Erlernen von ComfyUI gedacht.
02 · Produktionsmethode
Günstig entwerfen, Gewinner wählen, Rechenzeit erst in die Veredelung stecken
Seed Gacha erzeugt zuerst günstige Varianten, wählt die beste Bewegung und startet erst danach teure Nachbearbeitung.
Schnelle Varianten
FastMix oder geringe Auflösung, aufwendige Veredelung aus, mehrere Seeds testen.
→
Gute Bewegung wählen
Komposition, Bewegung und Identität vergleichen, bevor mehr GPU-Zeit fließt.
→
Verfeinern und ausgeben
Refiner, lokale Reparatur, Upscale, Interpolation und Farbkorrektur.
01Eingabebild
02Motion-Preset
03Prompt verbessern
04Schneller Entwurf
05Seed-Varianten
06Gewinner wählen
07Refiner
08Detailer
09Upscale
10Frame-Interpolation
11Farbe anpassen
12Trimmen · loopen · exportieren
03 · Produktionswerkzeuge
Eher KI-Video-Postproduktion als Generate-Button
Der große Workflow macht wiederkehrende Entscheidungen zu Presets und umfasst Reparatur und Ausgabe.
Verbessern
LowNoise Refiner
Zeichnet den gewählten Entwurf höher aufgelöst neu und variiert das Finish mit zusätzlichem Seed.
Reparieren
Region Detailer
Erkennt Gesicht, Kopf, Augen oder Haare und regeneriert nur schwache Bereiche.
Ausgabe
Upscale + Interpolation
Anime-orientiertes 2× Upscale und 30/60-fps-Interpolation.
Steuern
Start, Ende und Loop
Start-/Endbilder, umgekehrte Richtung und A→B→A-Loops.
Prompt
Übersetzen + erweitern
Übersetzt Japanisch und erweitert kurze Anweisungen mit Qwen2.5 3B.
Preset
LoRA + FastMix
Bündelt LoRA, Trigger und Stärke; wechselt zwischen Schnell und Qualität.
04 · Low-VRAM-Technik
Wie ein 14B-Workflow Consumer-GPUs erreicht
Q4_K_M GGUF, Block Swap zwischen GPU/RAM und SageAttention senken die Einstiegshürde, ohne 6GB zu 24GB zu machen.
GGUF Q4_K_M
Quantisiert High- und Low-Noise-Gewichte und senkt den Speicherbedarf.
BlocksToSwap
Verschiebt bei wenig VRAM mehr Blöcke in den RAM und tauscht Tempo gegen Machbarkeit.
SageAttention
Optimiert Attention-Rechenweg und Speicherdruck beim Start.
| Niveau | GPU | System-RAM | Praktische Einschätzung |
|---|---|---|---|
| Gerade lauffähig | GTX 1660 Ti · 6GB | 16GB | Berichteter Test, viel Offload und lange Wartezeit |
| Empfohlenes Minimum | RTX 30-Serie+ · 8GB | 32GB | README-Ziel, Quantisierung und Swap wichtig |
| Komfortzone | RTX 3060 · 12GB+ | 64GB | Beispielsystem des Autors, besser für Serien |
Weniger VRAM verursacht mehr RAM- und PCIe-Verkehr. ‚Läuft‘ heißt nicht schnell.
Speicher vor der Installation planen
05 · Fixierte Umgebung
Komplexe Distribution durch feste Versionen stabilisieren
Der Installer koordiniert Python, ComfyUI, PyTorch, FFmpeg, Modelle und viele Custom Nodes. Reproduzierbarkeit von 2025 wird zum Drift-Risiko.
Von Setup.bat fixierte Versionen
- ComfyUI
- v0.3.55
- ComfyUI Manager
- 3.35
- PyTorch
- 2.7.1 + cu128
- TorchVision / Audio
- 0.22.1 / 2.7.1
- Triton Windows
- 3.3.1.post19
- SageAttention
- 2.2.0
- Transformers
- 4.49.0
- Python
- 3.10
Installationsablauf
- 1
Kurzen leeren Pfad wie C:\EasyWan22 anlegen
- 2
EasyWan22Installer.bat speichern und starten
- 3
Civitai API Key eingeben
- 4
Python, ComfyUI, Nodes, Modelle und FFmpeg laden
- 5
ComfyUi.bat starten
- 6
Easy/00_I2V öffnen und einreihen
Ein ganzes ComfyUI-Ökosystem darunter
WanVideoWrapper, GGUF, KJNodes, Florence2, Frame Interpolation, Impact Pack, DepthAnythingV2, SAM 2, RMBG und mehr werden gebündelt.
WanVideoWrapperComfyUI-GGUFKJNodesFlorence2Frame InterpolationImpact PackDepthAnythingV2SAM 2RMBGVideoHelperSuiteControlNet AuxComfyUI Essentials
06 · Realitätscheck 2026
Version-Locks brachten Stabilität und erzeugen nun Alterungsrisiken
Das Repository ist öffentlich und nicht archiviert, doch die Entwicklung ist langsamer. Es ist eher ein Snapshot mit möglichem Reparaturbedarf als ein garantiert aktueller Installer.
Repository-Snapshot244 ★12 Forks10 Open IssuesLast push · 2025-11-30
Langsamere Wartung
Der letzte Push ist vom 30. November 2025, obwohl 2026 weitere Issues eröffnet wurden.
244 Stars · 10 offene IssuesFehlende Downloads
Issue #50 berichtet, dass viele LoRAs und Modelle nicht mehr automatisch geladen werden.
Issue #50 · offenDependency Drift
Alte ComfyUI-, Triton- und SageAttention-Kombinationen können mit neuen Treibern kollidieren.
Fixierter Stack vs wechselndes SystemNeue Modellwünsche
Die LTX-2.3-Anfrage zeigt Bedarf an modellunabhängigen Video-Workflows.
Issue #51 · ohne Antwort07 · Produktlehre
Den Nutzerweg kopieren, nicht den riesigen Node-Graph
Dauerhaft ist die modellunabhängige Finish-Pipeline. Sampler, Noise-Stufen und Loader gehören hinter erweiterte Einstellungen.
EasyWan22-KonzeptModerne Produktsteuerung
StartImage→Bild hochladenPrompt + Rewrite→Bewegung beschreiben · VerbessernLoRA Preset→Motion / EffektSeed Gacha→4 VariantenFastMix / Base→Schnell / QualitätRefiner + Detailer→Verbessern · Gesicht reparierenUpscale + Interpolation→HD · Bewegung glättenEndImage + RepeatFade→Endframe · Video-LoopEingabe → Varianten → Auswahl → Reparatur → Verbesserung → Ausgabe ist stärker als Modell → Prompt → Generate → Download.
08 · Zielgruppe
Für lokales Wan2.2 I2V weiterhin interessant, als Zukunftsplattform weniger
Geeignet für Nutzer, die akzeptieren, dass ein Ein-Klick-Paket 2026 manuelle Fehlerbehebung verlangen kann.
Gute Wahl
- Windows mit RTX 3060 12GB oder ähnlich
- Batch-I2V und Seed-Vergleich
- Anime-, Illustration- und LoRA-Video
- Lokale Dateien und wiederverwendbare Presets
Schwache Wahl
- macOS oder AMD-GPU
- ComfyUI-Grundlagen lernen
- Neueste Multi-Modell-Umgebung
- Teams mit vollständigem kommerziellem Supportbedarf
Bewertung
Die Wertung trennt die ursprüngliche Workflow-Leistung von aktueller Pflege und technischer Frische.
Die größere Chance
Seed Gacha → Auswahl → Refine → Detail → Upscale → Interpolate → Extend → Loop als modellunabhängigen Easy-AI-Video-Workflow für Wan, LTX, Hunyuan und Seedance umsetzen.