本機 AI 影片工作流程研究 核驗於 2026年8月21日
EasyWan22
面向 Windows 的 Wan 2.2 一鍵製作環境
EasyWan22 將 Wan2.2 I2V-A14B、ComfyUI、GGUF 量化、WanVideoWrapper、SageAttention、LoRA 預設與完整影片後製鏈整合進一個面向大量產出的工作流程。
Wan2.2 是引擎，ComfyUI 是底層工作台，EasyWan22 是整車。
Image → Motion → Finish
01 · 類別定義
高度編排的 ComfyUI 整合環境，而不是底層模型
專案把難以部署的開源影片技術棧產品化給 Windows 使用者。價值來自安裝編排、版本固定、合理預設，以及涵蓋篩選、修復和交付的製作方法。
Wan2.2 I2V-A14B
High Noise 與 Low Noise 兩階段模型負責底層圖生影片。
+ComfyUI + WanVideoWrapper
節點提供模型載入、採樣、顯存交換、條件控制與影片輸入輸出。
+GGUF + FastMix + SageAttention
量化、快速草稿與注意力最佳化，讓 14B 級模型更適合消費級顯示卡。
+EasyWan22 工作流程
把預設、變體、精修、局部修復、放大、補幀、調色、循環和批次輸出串成一條流程。
目標是減少大量出片時的操作步驟，不適合用來學習 ComfyUI 內部邏輯。
02 · 製作方法
先低成本抽 Seed，再把算力花在中選結果上
核心是 Seed Gacha：先生成便宜的變體，選出動作與構圖最好的結果，最後才執行昂貴的後製。
快速生成變體
使用 FastMix 或較低解析度，關閉昂貴後製，連續測試多個 Seed。
→
選出有效動作
先比較構圖、動作與角色一致性，再投入更多 GPU 時間。
→
精修並交付
執行 Refiner、局部修復、放大、補幀與色彩校正。
01輸入圖片
02動作預設
03提示詞增強
04快速草稿
05Seed 變體
06選中結果
07Refiner
08Detailer
09影片放大
10補幀
11色彩匹配
12裁切 · 循環 · 匯出
03 · 製作工具集
更像 AI 影片後製工作站，而不是 Generate 按鈕
大型流程把重複決策做成預設，並納入許多線上生成器仍放在產品之外的修復與交付環節。
增強
LowNoise Refiner
對選中草稿進行較高解析度重繪，並透過 AdditionalSeed 探索精修變體。
修復
區域 Detailer
偵測臉、頭、眼睛、頭髮等區域，只重繪品質較弱的局部。
交付
放大 + 補幀
整合偏動漫的 2× 放大模型，並提供 30／60fps 輸出。
控制
首尾幀與循環
約束開始與結束圖片、交換方向，或建立 A→B→A 循環。
提示詞
翻譯 + 擴寫
將日文翻譯成英文，再由 Qwen2.5 3B 擴寫簡短動作描述。
預設
LoRA + FastMix
把 LoRA、觸發詞和強度封裝成動作預設，切換快速與品質模式。
04 · 低顯存工程
14B 工作流程為何能進入消費級顯示卡
組合 Q4_K_M GGUF、GPU 與系統記憶體間的 Block Swap，以及 SageAttention。降低的是能運行的門檻，不會讓 6GB 擁有 24GB 的速度。
GGUF Q4_K_M
同時量化 High Noise 與 Low Noise 權重，降低記憶體壓力。
BlocksToSwap
顯存不足時讓更多 Transformer Block 經過系統記憶體，以速度換可運行性。
SageAttention
預設啟動器使用最佳化注意力路徑，降低計算和顯存壓力。
| 使用級別 | GPU | 系統記憶體 | 實際判斷 |
|---|---|---|---|
| 勉強運行 | GTX 1660 Ti · 6GB | 16GB | 已有案例，但 Offload 多、等待時間長 |
| 建議下限 | RTX 30 系+ · 8GB | 32GB | README 目標，仍依賴量化與交換 |
| 舒適區間 | RTX 3060 · 12GB+ | 64GB | 作者範例環境，較適合持續批次生成 |
顯存越少，系統記憶體和 PCIe 資料交換越多。『能跑』不代表生成體驗舒適。
安裝前先規劃硬碟
05 · 固定環境
透過鎖定版本，讓複雜整合包在 2025 年保持穩定
安裝器編排 Python、ComfyUI、PyTorch、FFmpeg、模型與大量 Custom Nodes。版本鎖提高當時的可重現性，也會隨上游更新產生相依套件漂移。
Setup.bat 固定版本
- 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
安裝流程
- 1
建立 C:\EasyWan22 之類的短路徑空目錄
- 2
儲存並執行 EasyWan22Installer.bat
- 3
依提示提供 Civitai API Key
- 4
等待下載 Python、ComfyUI、節點、模型與 FFmpeg
- 5
執行 ComfyUi.bat
- 6
開啟 Easy/00_I2V 並加入佇列
底層是一整個 ComfyUI 生態
WanVideoWrapper、ComfyUI-GGUF、KJNodes、Florence2、Frame Interpolation、Impact Pack、DepthAnythingV2、SAM 2、RMBG 等被編排成一套環境。
WanVideoWrapperComfyUI-GGUFKJNodesFlorence2Frame InterpolationImpact PackDepthAnythingV2SAM 2RMBGVideoHelperSuiteControlNet AuxComfyUI Essentials
06 · 2026 現實檢查
曾帶來穩定的版本鎖，現在也帶來老化風險
儲存庫仍公開且有人使用，但程式碼活躍度已放緩。更合理的定位是可能需要手動修復的固定快照。
儲存庫快照244 ★12 Forks10 Open IssuesLast push · 2025-11-30
維護速度放緩
GitHub 顯示最後程式碼推送為 2025年11月30日，但 2026 年仍有使用者提交 Issue。
244 Stars · 10 個開放 Issue一鍵下載可能失效
2026年4月的 Issue 表示，大量預設 LoRA 與模型已無法自動下載。
Issue #50 · Open相依套件漂移
舊版 ComfyUI、Triton 與 SageAttention 可能和新驅動衝突。
固定軟體棧 vs 變動系統模型生態繼續前進
LTX 2.3 整合需求顯示，使用者正在轉向通用影片工作流程。
Issue #51 · 暫無回覆07 · 產品啟發
應該複用使用者流程，而不是複製巨大節點圖
真正長期有效的是與模型無關的精修鏈路。現代產品應讓使用者只看到『想做什麼』，把採樣器、Noise 階段與 Loader 放在進階設定。
EasyWan22 概念現代產品控制項
StartImage→上傳圖片Prompt + Rewrite→描述動作 · 增強提示詞LoRA Preset→動作／特效Seed Gacha→生成 4 個變體FastMix / Base→快速／品質模式Refiner + Detailer→增強 · 修臉Upscale + Interpolation→高清 · 流暢動作EndImage + RepeatFade→結束幀 · 循環影片輸入 → 生成變體 → 選擇 → 修復 → 增強 → 交付，比『模型 → Prompt → Generate → Download』更像完整產品。
08 · 適合人群
本機 Wan2.2 I2V 仍值得研究，但不適合當成面向未來的平台
最適合它的使用者，應接受 2026 年的一鍵整合包仍可能需要手動除錯。
非常適合
- RTX 3060 12GB 或相近配置的 Windows 使用者
- 批次 I2V 與 Seed 篩選
- 動漫、插畫與 LoRA 影片流程
- 重視本機檔案和可重用預設的創作者
不太適合
- macOS 或 AMD GPU 使用者
- 想學習 ComfyUI 基礎的人
- 期待最新多模型整合的使用者
- 需要商業級完整支援的團隊
研究評分
評分把當年的流程成就，與目前維護和技術新鮮度分開評估。
更大的產品機會
把 Seed Gacha → Pick Winner → Refine → Detail → Upscale → Interpolate → Extend → Loop 做成可切換 Wan、LTX、Hunyuan、Seedance 與未來模型的通用 Easy AI Video 工作流程。