Étude d’un workflow vidéo IA local Vérifié · 21 août 2026

EasyWan22

Un environnement de production Wan 2.2 en un clic pour Windows

EasyWan22 réunit Wan2.2 I2V-A14B, ComfyUI, la quantification GGUF, WanVideoWrapper, SageAttention, des préréglages LoRA et une chaîne de postproduction dans un grand workflow conçu pour produire en série.

Wan2.2 est le moteur, ComfyUI l’établi et EasyWan22 le véhicule assemblé.
Illustration d’une station vidéo IA locale transformant des images brouillon en vidéo finalisée via un workflow de nœuds
Image → Motion → Finish
Windows localWan2.2 I2VFaible VRAMProduction en lot
WindowsPlateforme principaleChemin d’installation court conseillé
8 GoMinimum VRAM conseilléRTX série 30 ou plus selon le README
1,1 MoWorkflow JSON principalUn grand graphe I2V tout-en-un
82/100Évaluation globaleValeur du workflow, pas test de vitesse
01 · Catégorie

Une distribution ComfyUI orchestrée, pas un modèle fondamental

Le projet transforme une pile open source complexe en environnement Windows. Sa valeur vient de l’installation, des versions figées, des bons réglages et d’une méthode allant de la génération à la sélection, la réparation et la livraison.

Ce n’est pas un nouveau modèle vidéoEasyWan22 ≠ Wan2.2
Moteur

Wan2.2 I2V-A14B

Les étapes High Noise et Low Noise assurent la génération image-vers-vidéo.

Établi

ComfyUI + WanVideoWrapper

Les nœuds contrôlent chargement, sampling, mémoire, conditionnement et E/S vidéo.

Optimisation

GGUF + FastMix + SageAttention

Quantification, brouillons rapides et attention optimisée rendent le 14B plus accessible.

Production

Workflow EasyWan22

Préréglages, variantes, réparation, upscale, interpolation, couleur, boucle et lots réunis.

Il réduit les manipulations pour produire beaucoup de vidéos ; il n’est pas conçu pour apprendre ComfyUI.

02 · Méthode de production

Créer des brouillons peu coûteux, choisir le meilleur, puis investir dans la finition

Seed Gacha génère d’abord des variantes économiques, sélectionne le mouvement prometteur, puis lance les traitements coûteux.

01 · Brouillon

Variantes rapides

FastMix ou basse résolution, sans finition lourde, pour tester plusieurs seeds.

02 · Sélection

Choisir le bon mouvement

Comparer cadrage, mouvement et identité avant d’investir plus de GPU.

03 · Finition

Affiner et livrer

Refiner, réparation locale, upscale, interpolation et correction couleur.

01Image source
02Préréglage mouvement
03Prompt enrichi
04Brouillon rapide
05Variantes de seed
06Choisir
07Refiner
08Detailer
09Upscale
10Interpolation
11Couleur
12Couper · boucler · exporter
03 · Outils de production

Plus proche d’une station de postproduction IA que d’un bouton Generate

Le workflow transforme les décisions répétitives en préréglages et inclut réparation et livraison.

Améliorer

Refiner LowNoise

Redessine le brouillon choisi en meilleure résolution et explore d’autres finitions avec une seed additionnelle.

Réparer

Detailer régional

Détecte visage, tête, yeux ou cheveux et ne régénère que la zone faible.

Livrer

Upscale + interpolation

Upscale 2× orienté anime et interpolation 30/60 fps pour une sortie fluide.

Contrôler

Début, fin et boucle

Images de début/fin, sens inversé et boucles A→B→A.

Prompt

Traduire + réécrire

Traduit le japonais et enrichit les consignes avec Qwen2.5 3B.

Preset

LoRA + FastMix

Regroupe LoRA, trigger et force, puis alterne mode rapide et qualité.

04 · Ingénierie faible VRAM

Comment un workflow 14B atteint les GPU grand public

GGUF Q4_K_M, échange de blocs GPU/RAM et SageAttention abaissent le seuil, sans donner à 6 Go les performances de 24 Go.

GGUF Q4_K_M

Quantifie les poids High et Low Noise pour réduire la mémoire.

BlocksToSwap

Déplace davantage de blocs vers la RAM quand la VRAM manque, au prix de la vitesse.

SageAttention

Optimise le calcul d’attention et la pression mémoire au lancement.

NiveauGPURAM systèmeAvis pratique
LimiteGTX 1660 Ti · 6 Go16 GoTest signalé, offload lourd et attente longue
Minimum conseilléRTX série 30+ · 8 Go32 GoCible README, quantification et swap nécessaires
Zone confortableRTX 3060 · 12 Go+64 GoMachine de l’auteur, mieux pour les séries

Moins de VRAM signifie plus de trafic RAM/PCIe. « Fonctionne » ne veut pas dire rapide.

Prévoir le stockage avant l’installation

120 GoMinimum pratique
150 GoRéserve conseillée
200 Go+Espace SSD durable
05 · Environnement figé

Stabiliser une distribution complexe en verrouillant les versions

L’installeur orchestre Python, ComfyUI, PyTorch, FFmpeg, modèles et nombreux nœuds. La reproductibilité 2025 devient un risque de dérive en 2026.

Versions verrouillées par Setup.bat

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

Étapes d’installation

  1. 1

    Créer un dossier court comme C:\EasyWan22

  2. 2

    Enregistrer et lancer EasyWan22Installer.bat

  3. 3

    Fournir une clé API Civitai

  4. 4

    Télécharger Python, ComfyUI, nœuds, modèles et FFmpeg

  5. 5

    Lancer ComfyUi.bat

  6. 6

    Ouvrir Easy/00_I2V et mettre en file

Tout un écosystème ComfyUI dessous

WanVideoWrapper, GGUF, KJNodes, Florence2, Frame Interpolation, Impact Pack, DepthAnythingV2, SAM 2, RMBG et plus sont réunis.

WanVideoWrapperComfyUI-GGUFKJNodesFlorence2Frame InterpolationImpact PackDepthAnythingV2SAM 2RMBGVideoHelperSuiteControlNet AuxComfyUI Essentials
06 · Réalité 2026

Les versions figées qui assuraient la stabilité créent maintenant un risque de vieillissement

Le dépôt reste public et actif côté utilisateurs, mais le développement ralentit. Il faut le voir comme un instantané pouvant exiger des réparations manuelles.

État du dépôt244 ★12 Forks10 Open IssuesLast push · 2025-11-30
01

Maintenance ralentie

Le dernier push date du 30 novembre 2025, malgré de nouvelles issues en 2026.

244 Stars · 10 issues ouvertes
02

Téléchargements en échec

Une issue d’avril 2026 signale que nombre de LoRA et modèles ne se téléchargent plus automatiquement.

Issue #50 · ouverte
03

Dérive des dépendances

Les anciens ComfyUI, Triton et SageAttention peuvent entrer en conflit avec les pilotes récents.

Pile figée vs système changeant
04

Écosystème en mouvement

La demande LTX 2.3 révèle le besoin d’un workflow indépendant du modèle.

Issue #51 · sans réponse
07 · Leçon produit

Copier le parcours utilisateur, pas l’immense graphe de nœuds

La chaîne de finition indépendante du modèle est l’idée durable. Les détails du sampler et du bruit doivent rester dans les réglages avancés.

Concept EasyWan22Contrôle produit moderne
StartImageImporter une image
Prompt + RewriteDécrire le mouvement · Enrichir
LoRA PresetMouvement / effet
Seed Gacha4 variantes
FastMix / BaseMode rapide / qualité
Refiner + DetailerAméliorer · Corriger visage
Upscale + InterpolationHD · Fluidifier
EndImage + RepeatFadeImage finale · Boucle
Entrée → variantes → sélection → réparation → amélioration → livraison forme une boucle produit plus forte que modèle → prompt → générer → télécharger.
08 · Public

Toujours pertinent pour étudier Wan2.2 I2V en local, moins comme plateforme pérenne

Il convient aux utilisateurs qui acceptent qu’un bundle « un clic » puisse exiger du dépannage manuel en 2026.

Très adapté

  • Windows avec RTX 3060 12 Go ou équivalent
  • I2V en lot et comparaison de seeds
  • Vidéo anime, illustration et LoRA
  • Créateurs privilégiant fichiers locaux et préréglages

Peu adapté

  • macOS ou GPU AMD
  • Apprentissage des bases de ComfyUI
  • Recherche de la pile multimodèle la plus récente
  • Équipes exigeant un support commercial complet

Grille d’évaluation

Les notes distinguent la réussite historique du workflow de sa fraîcheur et de sa maintenance actuelles.

Innovation 20259/10
Valeur du déploiement9/10
Optimisation faible VRAM9/10
Workflow de production9/10
Apprentissage ComfyUI4/10
Fraîcheur technique 20265/10
Maintenance actuelle4/10
Leçon produit durable8/10

L’opportunité plus large

Transformer Seed Gacha → sélection → Refine → Detail → Upscale → Interpolate → Extend → Loop en workflow Easy AI Video indépendant du modèle, pour Wan, LTX, Hunyuan et Seedance.

© 2026 wan2.video