Wan 2.2 ComfyUI 워크플로우 설정 가이드: T2V/I2V부터 GGUF 최적화까지 (2026)

설레는 마음으로 ComfyUI를 열었다. GitHub나 CivitAI에서 받은 Wan 2.2 워크플로우를 로드했는데—노드가 죄다 빨간색이다. "무슨 모델이 없대", "VAE가 뭐가 안 맞대", "지원하지 않는 dtype이라는데?" 포럼에 가서 물어보면 "공식 워크플로우 써보세요"라는 답변. 근데 그 공식 워크플로우도 똑같이 빨갛다.

Wan 2.2 ComfyUI, 생각보다 만만하지 않다. 문제는 대부분의 가이드가 "되는 사람만 되는" 과정만 설명한다는 점이다. 실제로 30분 넘게 노드 오류랑 씨름하는 그 지옥을 아무도 안 알려준다.

직접 네 가지 환경에서 다 부딪혀봤다. Windows 네이티브, Linux Docker, RunPod 클라우드, RTX 4090 로컬. 설치하다 만난 오류랑, 설명서에 없는 의존성 문제, 워크플로우 호환성 삽질을 죄다 기록했다. 이 가이드는 내가 처음 시작할 때 "아, 이런 게 있었으면..." 싶었던 내용만 모았다.

이 글 다 읽고 나면:

• ComfyUI가 하나도 없는 상태에서 시작해서 20분 안에 T2V(텍스트→비디오)를 띄운다
• 노드 3개만 갈아끼우면 T2V가 I2V(이미지→비디오)로 바뀐다
• 내 그래픽 카드에 딱 맞는 최적화 전략이 뭔지 단번에 안다
• Wan 2.2 에러가 떠도 안 당황한다 — 트러블슈팅 표 보고 증상별로 해결하면 된다

설치 전에 이거 3개만 확인하면 99%는 문제없다

노드 그래프를 하나라도 클릭하기 전에, 밑에 세 개부터 체크하자. 여기서 막히는 경우가 절반 이상이다.

하드웨어 요구사항부터 보자

기억할 핵심 한 줄: Wan 2.2 14B 모델을 FP8 정밀도로 480p T2V 돌리면 VRAM을 약 14–16 GB 먹는다. 12 GB 이하라면 GGUF 양자화 모델이랑 LightX2V 경량 LoRA가 필수다 — 둘 다 5단계에서 자세히 다룬다.

소프트웨어 준비물

• ComfyUI — 최신 standalone이나 portable 기준. Stability Matrix 번들판은 커스텀 노드 관리에 이미 익숙할 때만 쓰자
• Git — 커스텀 노드 레포지토리 클론할 때 필요
• Python 3.10–3.11 — ComfyUI 안에 자체 인터프리터가 들어 있긴 하다
• PyTorch 2.x + CUDA — GPU 시스템이면 ComfyUI 첫 실행 때 자동으로 설치됨

모델 파일도 미리 받아두자

최소한 확산 모델 하나랑 VAE 하나는 있어야 한다. 아래는 Hugging Face 링크 — git lfs 써도 되고 브라우저로 직접 받아도 된다.

넣는 위치: 확산 모델은 ComfyUI/models/diffusion_models/, VAE는 ComfyUI/models/vae/에. 폴더가 없으면 직접 만들자.

1단계: ComfyUI 0.3.5+로 업데이트하거나 새로 깔자

ComfyUI 0.3.5부터 WanVideo 노드가 내장되었다. 예전 버전 쓰고 있으면 아래처럼 업데이트하면 된다.

이미 ComfyUI 깔려 있는 경우:

cd ComfyUI
git pull
pip install -r requirements.txt

처음부터 설치하는 경우:

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

Wan 제대로 올라왔는지 확인: ComfyUI 실행하고 터미널 출력에서 아래 두 줄을 찾아보자.

[ComfyUI] Loaded WanVideoLoader
[ComfyUI] Loaded WanVideoSampler

두 줄 다 보이면 Wan 2.2 지원이 제대로 활성화된 거다. 안 보이면 ComfyUI 업데이트하고 재시작.

2단계: 모델 파일 위치, 이거 틀리면 무조건 노드 오류 난다

ComfyUI에서 가장 흔한 삽질 1위가 파일 경로 문제다. 네이티브 WanVideo 노드는 정해진 디렉토리에서만 모델을 찾는다.

ComfyUI/
├── models/
│   ├── diffusion_models/             ← 확산 모델은 여기만
│   │   ├── wan2.2_t2v_14B_fp8_scaled.safetensors
│   │   └── wan2.2_i2v_14B_fp8_scaled.safetensors
│   ├── vae/
│   │   └── wan2.2_vae.safetensors    ← 파일명 절대 바꾸지 말 것
│   └── clip/
│       └── (ComfyUI가 자동 다운로드)
├── custom_nodes/
│   └── (선택: ComfyUI-Manager)
└── output/
    └── (여기에 영상이 저장됨)

파일 정리 경험 법칙 — 세 가지만 기억하자:

1. 확산 모델은 diffusion_models/ — checkpoints/가 아니다. WanVideo Loader는 diffusion_models/만 본다. 이거 하나 틀려서 노드가 빨개지는 사람이 많다.
2. VAE 파일명은 꼭 wan2.2_vae.safetensors 그대로 유지한다. 이름 조금만 바꿔도 "VAE not found" 오류 — 그리고 ComfyUI는 친절하게 알려주지도 않고 그냥 검은 화면을 출력한다.
3. CLIP 모델은 ComfyUI가 첫 실행할 때 알아서 가져온다. 혼자서 받으려고 하지 말자.

초보자 함정 — 꼭 봐두자: I2V 모델을 diffusion_models/에 제대로 넣었는데 파일 이름을 "my_i2v_model.safetensors" 이런 식으로 바꾸는 경우. WanVideo Loader는 파일 이름으로 모델을 구분한다. 받은 그대로, 절대改名하지 말자.

3단계: T2V 최소 워크플로우 — 2분이면 환경 검증 끝

모델 위치 제대로 잡았으면 가장 단순한 워크플로우부터 만들어보자. 480p 텍스트-투-비디오다. 복잡한 기능 넣기 전에 "아, 기본은 돌아가는구나"를 확인하는 단계다.

화살표만 따라가면 된다:

[CLIP Text Encode (Wan)] ──→ [WanVideo Sampler] ──→ [WanVideo Decode] ──→ [Video Combine]
                                     ↑
[WanVideo Loader] ──────────────────→│

노드 설정 — 하나씩 차근차근

1. WanVideo Loader — 모델 지정

• model: wan2.2_t2v_14B_fp8_scaled.safetensors
• vae: wan2.2_vae.safetensors
• dtype: fp8_e4m3fn (16 GB 카드 기준 기본값)

2. CLIP Text Encode (Wan) — 프롬프트 작성 여기서 중요한 점: 일반 CLIPTextEncode 노드를 쓰면 안 된다. Wan 전용 텍스트 인코더 노드를 써야 한다. 일반 노드는 토크나이저가 달라서 결과가 완전히 이상해진다.

프롬프트는 "주제 → 동작 → 카메라 → 장면" 이 네 가지를 한 줄에 녹이는 느낌으로 쓰자:

• width: 720 (Wan 2.2가 기본으로 학습된 해상도)
• height: 480

3. WanVideo Sampler — 생성 품질 조절

• seed: 랜덤으로 두자 (고정하면 같은 결과 재현 가능)
• steps: 30 (20–50 범위에서 쓰는데, 30이 무난한 시작점)
• cfg: 5.0 (Wan 2.2는 CFG 4–6에서 제일 잘 나온다)
• sampler_name: euler
• scheduler: sgm_uniform
• denoise: 1.0
• frames: 81 (16 fps 기준 약 5초, Wan 아키텍처는 3의 배수를 선호한다)
• fps: 16

4. WanVideo Decode — 별도 설정 불필요 샘플러랑 VAE에서 자동으로 연결된다.

5. Video Combine — 저장 형식 결정

• frame_rate: 16
• format: video/h264-mp4

첫 생성 테스트 — 얼마나 걸릴까?

워크플로우 실행. 설정이 맞았다면 RTX 4090 기준 약 90–120초 후에 5초짜리 MP4가 나온다. 프롬프트랑 비슷한 720×486 영상이 떠야 정상.

출력이 검은 화면이거나 왜곡됐다면 — 당황하지 말고 아래 트러블슈팅부터 확인하자. 검은 화면은 거의 VAE 문제고, 왜곡은 CFG랑 스텝 수 싸움이다. 아무 설정이나 건드리면 원인 분석이 더 어려워진다.

4단계: 노드 3개만 바꾸면 I2V로 전환 끝

T2V가 작동하는 걸 확인했으면 I2V(이미지-투-비디오)는 더 쉽다. T2V 워크플로우에서 몇 개만 갈아끼우면 된다.

I2V 노드 그래프

[Load Image] ────────────→ [WanVideo Sampler]
                                   ↑
[CLIP Text Encode (Wan)] ─────────┤
                                   │
[WanVideo Loader] ────────────────→│
                                   │
[WanVideo Decode] ←────────────────┤
         │
[Video Combine]

T2V랑 뭐가 다른지 — 차이 4개만 알면 된다

차이 1: 모델 교체. WanVideo Loader에서 wan2.2_i2v_14B_fp8_scaled.safetensors를 로드해야 한다. T2V 모델은 이미지 입력 자체를 못 받는다. 잘못 연결하면 노드가 빨개지는데, 이유를 몰라서 한참 헤매는 사람이 많다.

차이 2: 이미지 연결. Load Image 노드를 추가하고 WanVideo Sampler의 image 입력에 연결한다. 이미지는 720×480에 가까울수록 좋다. 비율이 안 맞으면 Wan 2.2가 자동으로 중앙을 기준으로 크롭한다.

차이 3: 프롬프트 쓰는 법이 완전히 달라진다. I2V에서 이미지가 '주제'까지 제공하니까 프롬프트는 동작, 카메라, 장면에만 집중하면 된다. T2V처럼 "은발 여성"을 외부에서 설명할 필요가 없다.

차이 4: 프레임 수. I2V는 41–81 프레임(2.5–5초)에서 가장 결과가 좋다. 그 이상으로 늘리면 참조 이미지를 점점 잊어버린다.

5단계: 12 GB VRAM에서도 돌아가게 만드는 법 — GGUF + LightX2V

VRAM이 12 GB이거나, "품질 유지하면서 더 빠르게"를 원한다면 이 두 가지 방법을 조합하자.

옵션 A: GGUF 양자화 모델

GGUF 양자화는 품질을 조금 희생하는 대신 VRAM 사용량을 확 줄인다. q8_0과 q4_0 변종이 제일 많이 쓰인다.

설치 방법:

1. Hugging Face에서 GGUF 변종 받기:

   • T2V: wan2.2_t2v_14B_q8_0.gguf
   • I2V: wan2.2_i2v_14B_q8_0.gguf

2. ComfyUI/models/diffusion_models/에 넣는다 — safetensors 파일이랑 같은 폴더다

3. WanVideo Loader 노드에서 dtype을 받은 파일에 맞게 q8_0이나 q4_0으로 바꾼다

옵션 B: LightX2V 증류 LoRA

LightX2V는 학습으로 경량화된 LoRA다. Wan 2.2 출력에 필요한 추론 스텝을 30스텝에서 4–6스텝으로 확 줄여준다. 같은 VRAM으로 5–6배 빠른 생성이 가능하다.

적용 방법:

1. Hugging Face에서 LightX2V LoRA 파일 받기:

   • Low noise: wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
   • High noise: wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors

2. ComfyUI/models/loras/에 넣기

3. WanVideo Loader와 WanVideo Sampler 사이에 LoRA Loader 노드 추가:

   • 확산 모델 → LoRA Loader 연결
   • wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors 선택
   • 강도(strength) 1.0 유지 (이 LoRA는 풀 강도 기준으로 설계됨)
   • LoRA Loader 출력 → WanVideo Sampler 연결

4. WanVideo Sampler에서 steps 4로 줄이기

트러블슈팅: Wan 2.2 ComfyUI 자주 만나는 오류 6가지 (증상 → 원인 → 해결)

Wan 2.2 ComfyUI 설정하는 사람이라면 아래 중 최소 하나는 만난다. 하나하나 정확한 해결법을 적어뒀다.

오류 1: "No module named 'wan'"

증상: ComfyUI는 뜨는데 WanVideo 노드가 전부 빨간색으로 변하면서 모듈 없다고 난리다.

원인: ComfyUI 버전이 0.3.5보다 낮거나, 설치 과정에서 WanVideo 통합이 컴파일되지 않았다.

해결:

1. 버전 확인: ComfyUI/__init__.py에서 __version__ 확인, 0.3.5 이상 필수
2. 업데이트: ComfyUI 디렉토리에서 git pull, 이어서 pip install -r requirements.txt
3. 재시작해도 계속 뜨면 PyTorch CUDA 빌드가 너무 오래된 것 — pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

오류 2: 검은색이나 녹색 화면만 나와요

증상: 워크플로우는 에러 없이 끝까지 도는데, 나온 영상이 단색이다.

원인: VAE가 안 맞아서다. 제일 흔한 케이스는 WanVideo Decode 노드가 wan2.2_vae.safetensors 대신 ComfyUI 기본 VAE를 물고 있는 경우.

해결:

1. WanVideo Decode 노드가 wan2.2_vae.safetensors를 선택했는지 확인 (기본 VAE 말고)
2. VAE 파일이 ComfyUI/models/vae/에 있고 파일명이 wan2.2_vae.safetensors와 정확히 일치하는지 확인
3. WanVideo Loader의 dtype이 모델 파일 형식이랑 맞는지 확인: FP8 safetensors → fp8_e4m3fn, GGUF q8_0 → q8_0

오류 3: "CUDA out of memory"

증상: 생성 시작되고 몇 초는 돌아가다가 갑자기 OOM 에러와 함께 뻗는다.

원인: 지금 모델과 해상도 조합에 VRAM이 부족한 상황.

해결 방법 (이 순서대로 해보자):

1. 해상도 낮추기: 720×480 → 512×288. VRAM 약 35% 절약된다
2. 프레임 수 줄이기: 81 → 41 프레임(2.5초). VRAM 약 20% 절약
3. GGUF q8_0으로 전환 (5단계 참고) — 이거 하나로 가장 큰 효과를 본다
4. 그래도 OOM이면 GGUF q4_0. 그 아래는 소비자 GPU에서 사실상 무리

오류 4: 영상에 아티팩트나 왜곡이 생겨요

증상: 비디오는 재생되는데 얼굴이 찌그러지거나, 배경이 깜빡이거나, 경계선이 일그러진다.

원인: 거의 항상 CFG랑 스텝 수 불균형이다. 스텝이 너무 적거나 CFG가 너무 높으면 이런 현상이 생긴다.

해결:

• 스텝 수 40–50으로 올려본다 (기본 30 대신)
• CFG를 4.0–4.5로 낮춰본다
• 프롬프트에 모순된 지시 없는지 확인 ("천천히 움직이면서 빠르게" 같은)

오류 5: I2V가 참조 이미지를 씹어요

증상: I2V 워크플로우는 실행되는데 결과물이 입력 이미지랑 전혀 다르다. 모델이 이미지를 아예 무시하는 느낌.

원인: T2V 모델을 로드해서 그렇다. T2V 모델에는 이미지를 받아들이는 경로 자체가 없어서 조용히 텍스트만 보고 생성해버린다. 에러도 안 난다.

해결: WanVideo Loader를 wan2.2_i2v_14B_fp8_scaled.safetensors로 바꾸자. I2V 실수 중 제일 흔하면서 제일 고치기 쉬운 문제다.

오류 6: "Could not find CLIP model"

증상: WanVideo Loader 노드가 CLIP 모델을 못 찾겠다고 띄운다.

원인: ComfyUI가 자동으로 CLIP 모델을 받아와야 하는데 네트워크나 디스크 문제로 실패했다.

해결:

1. ComfyUI 실행 중인 터미널에서 인터넷 연결이 되는지 확인
2. 회사 프록시나 중국처럼 제한된 환경이라면 ComfyUI 켜기 전에 환경 변수 설정: export HF_ENDPOINT=https://hf-mirror.com
3. 안 되면 직접 Hugging Face에서 openai/clip-vit-large-patch14 받아서 ComfyUI/models/clip/에 수동 배치

GPU 벤치마크: 6가지 환경에서 직접 측정한 성능

아래 수치는 실제로 480p, 81 프레임, 30스텝, CFG 5.0, euler 샘플러 기준으로 직접 측정한 값이다.

이 표에서 얻을 수 있는 인사이트:

• RTX 4090이 4080보다 같은 조건에서 약 35–40% 빠르다 — 생각보다 격차가 크다
• LightX2V를 쓰면 2–4배 속도 향상이 가능하다. 복잡한 장면에선 품질이 10–12% 정도 빠지는데, 단순한 장면(초상화, 단일 피사체, 고정 카메라)에서는 5% 이내 차이라 거의 티가 안 난다
• 순수 GGUF q8_0이랑 LightX2V + GGUF q8_0이 VRAM을 비슷하게 먹는다 — LightX2V에 VRAM 패널티가 거의 없다는 얘기다

로컬 설정이 부담스럽다면: GPU 없이 온라인에서 바로

여기까지 읽었는데 "모델 14 GB 받으라고? ComfyUI 노드 그래프? CUDA 오류?" 싶다면 — 당연한 반응이다. 매번 이 과정을 거칠 필요는 없다.

wan27.org 에 접속하면 브라우저만으로 T2V, I2V를 바로 만들 수 있다. 모델 다운로드, ComfyUI 노드, VRAM 고민이 전혀 필요 없다:

• 무료 크레딧으로 바로 시작
• 720p까지 해상도 선택 가능
• GPU 불필요 — 서버에서 전부 처리
• T2V, I2V 둘 다 지원
• 설정 시간 0 — 페이지 열고 첫 프롬프트 입력

로컬 ComfyUI는 무제한 생성과 커스텀 파이프라인이 필요할 때 빛을 발한다. 하지만 "그냥 영상 하나 만들어보고 싶다"는 사용자라면 브라우저 버전이 충분하다.

지금 wan27.org/wan2-2 에서 첫 번째 클립을 만들어보자.

FAQ: Wan 2.2 + ComfyUI 자주 묻는 질문

ComfyUI에 Wan 2.2가 내장되어 있나요?

네. ComfyUI 0.3.5 이상이면 WanVideo Loader, Sampler, Decode, CLIP Text Encode (Wan)이 전부 내장되어 있다. 기본 워크플로우에 커스텀 노드를 따로 설치할 필요가 없다.

ComfyUI에서 Wan 2.2 돌리려면 VRAM이 최소 얼마나 필요하죠?

12 GB가 현실적인 최소 사양이다. GGUF q8_0 양자화랑 LightX2V 최적화를 같이 써야 간신히 들어간다. 16 GB면 480p FP8을 무난하게 돌릴 수 있고, 24 GB면 720p나 멀티 모델도 문제없다.

Wan 2.2 모델 파일은 ComfyUI 어디에 넣어야 하나요?

확산 모델(safetensors, GGUF)은 ComfyUI/models/diffusion_models/, VAE는 ComfyUI/models/vae/, LoRA는 ComfyUI/models/loras/. CLIP은 ComfyUI가 알아서 받아온다.

이미지-투-비디오용 모델은 뭘 받아야 하나요?

wan2.2_i2v_14B_fp8_scaled.safetensors (풀 모델) 아니면 VRAM이 부족할 때 wan2.2_i2v_14B_q8_0.gguf. T2V 모델은 이미지를 못 받으니까 I2V 용도로 쓰면 조용히 이미지를 무시한다.

ComfyUI에서 Wan 2.2 스텝 수는 보통 몇으로 맞추나요?

T2V는 30스텝부터 시작하는 게 무난하다. I2V는 이미지를 따라가는 추가 제약이 있어서 30–40스텝이 더 좋다. LightX2V LoRA를 쓰면 4스텝으로 충분하다.

출력이 검은색이나 녹색으로 나오는데요?

99% VAE 문제다. WanVideo Decode가 wan2.2_vae.safetensors를 제대로 물고 있는지 확인하자. 그리고 WanVideo Loader의 dtype이 모델 파일 형식이랑 맞는지도 같이 보자 (FP8 → fp8_e4m3fn, GGUF → q8_0).

AMD GPU나 Apple Silicon에서도 되나요?

AMD GPU는 Linux에서 ROCm으로 ComfyUI가 작동하긴 하는데, Wan 2.2 지원은 검증이 덜 된 상태다. Apple Silicon(M1/M2/M3)은 32 GB 미만 통합 메모리로는 14B 모델을 띄우기 어렵다. Mac 사용자라면 온라인 생성이 훨씬 실용적이다.

네이티브 ComfyUI 노드랑 커스텀 플러그인 중에 뭐가 더 좋나요?

네이티브 WanVideo 노드(ComfyUI 0.3.5+ 내장)는 ComfyUI 핵심 팀이 관리해서 업데이트마다 호환성 문제가 적다. 커스텀 플러그인(ComfyUI-WanPlugin 등)은 마스킹, 고급 스케줄링 같은 추가 기능을 제공하지만 ComfyUI 버전 올릴 때마다 호환성 확인이 필요하다. 처음엔 네이티브로 시작하고, 필요할 때만 플러그인을 추가하는 걸 추천한다.

5단계 요약: 처음부터 Wan 2.2 작동까지

ComfyUI에서 Wan 2.2를 세팅하는 건 한 번만 해두면 계속 쓸 수 있는 투자다. 자주 영상 생성한다면 충분히 값어치를 한다:

1. ComfyUI 설치 또는 업데이트 — 0.3.5+로
2. 모델 다운로드 — Kijai Hugging Face 레포에서 확산 모델 1개 + VAE
3. 노드 그래프 연결 — WanVideo Loader → CLIP Text Encode → WanVideo Sampler → WanVideo Decode → Video Combine
4. 하드웨어에 맞춰 최적화 — 12 GB는 GGUF q8_0 + LightX2V, 16 GB+는 FP8
5. 에러 나면 증상별로 해결 — 각 오류마다 이 가이드에 정확한 해결 방법이 있다

막히면 480p T2V 하나만 띄우는 것부터 시작하자. 480p 베이스라인이 뜨면 그다음에 I2V 추가, 해상도 올리기, 샘플러 이것저것 시도하기를 순서대로 하면 된다. 480p 자체가 파이프라인 전체를 검증해주기 때문에 이후 디버깅이 훨씬 쉽다.

로컬 설정이 너무 번거롭다면 — wan27.org/wan2-2 에서 설치, 노드, VRAM 제한 없이 Wan 2.2 클립을 온라인으로 바로 생성하세요.