Wan 2.2 ComfyUI 工作流完整搭建指南：从零配置到图生视频 (2026)

你兴冲冲地下了 ComfyUI，从 GitHub 扒了一个 Wan 2.2 工作流，满怀期待拖进去——结果节点图上挂满了红色报错框。模型读不出来，VAE 找不到，采样器蹦一句 "unsupported dtype"。去群里问，有人丢一句 "官方工作流能用"，点进去发现跟你下的那个一模一样，该红的还是红。

这不是你的问题。这是大部分人第一次搭 Wan 2.2 的标准剧情。那些号称 "五分钟搞定" 的教程，没一个会提那至少半小时的报错时间。

我在四套完全不同的环境里搭过这个管线——Windows 裸机、Linux Docker、RunPod 云、还有一台 RTX 4090——把每次遇到的报错、缺失的依赖、莫名其妙的问题逐个记了下来。这篇指南就是我当时第一遍跑的时候最想看到的东西。

读完它，你会拿到这些：

• 从一台干净的电脑开始，20 分钟左右搭出一个能跑通的 T2V（文生视频）工作流
• 只改 3 个节点，就能把 T2V 改成 I2V（图生视频）
• 一张硬件速查表，看一眼就知道自己的卡适不适合本地跑，不适合的话有免费线上方案
• 以后遇到 Wan 2.2 报错不再抓瞎——翻到故障排查那一段，按症状找解法

动手前，先确认这 3 件事

这一步被跳过的代价最大。缺任何一项，后面所有步骤都会卡住。

你的硬件够不够？

一条硬规则： Wan 2.2 的 14B 模型在 FP8 精度下做 480p 文生视频，显存占用大约 14–16 GB。卡在 12 GB 的用户必须走 GGUF 量化加 LightX2V 蒸馏，这两项在第五步有完整的配置说明。

软件环境需要装什么

• ComfyUI — 最新 standalone 或 portable 版本。不建议用 Stability Matrix 内置版，除非你清楚怎么手动管理自定义节点
• Git — 用来拉自定义节点仓库
• Python 3.10–3.11 — ComfyUI 自带解释器，手动装的话确认版本一致
• PyTorch 2.x + CUDA — ComfyUI 首次启动会自动安装 GPU 版

需要提前下载的模型

最少需要一个扩散模型加一个 VAE。以下链接来自 Hugging Face，可以用 git lfs 或浏览器直接下载。

安装路径： 扩散模型放 ComfyUI/models/diffusion_models/，VAE 放 ComfyUI/models/vae/。如果文件夹不存在，手动建一个。

第一步：安装 ComfyUI 0.3.5+（原生支持 WanVideo）

Wan 2.2 要求 ComfyUI 0.3.5 或更高版本。

如果已经装了 ComfyUI：

cd ComfyUI
git pull
pip install -r requirements.txt

如果是全新安装：

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

怎么看 Wan 支持有没有生效？ 启动 ComfyUI，在终端输出里找这两行：

[ComfyUI] Loaded WanVideoLoader
[ComfyUI] Loaded WanVideoSampler

看到它们说明原生 WanVideo 节点已经激活。没看到的话，先更新 ComfyUI 再重启。

第二步：模型放对位置——放错了节点直接报错

ComfyUI 的原生 WanVideo 节点对文件路径有严格的要求。这一步是刚接触的人最容易出错的地方。

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   ├── wan2.2_t2v_14B_fp8_scaled.safetensors
│   │   └── wan2.2_i2v_14B_fp8_scaled.safetensors
│   ├── vae/
│   │   └── wan2.2_vae.safetensors
│   └── clip/
│       └──（ComfyUI 首次运行时自动下载 CLIP 模型）
├── custom_nodes/
│   └──（ComfyUI-Manager 推荐安装，但不是必须的）
└── output/
    └──（生成的视频会出现在这里）

几条经验法则：

• 扩散模型统一放 diffusion_models/，别放 checkpoints/。WanVideo Loader 只在这个目录下找模型。
• VAE 的文件名必须保持 wan2.2_vae.safetensors，不要改。改名会导致 "VAE not found"——ComfyUI 不会给你明确的提示，只会默默报错。
• CLIP 模型由 ComfyUI 首次跑 T2V 工作流时自动下载，不需要手动处理。

第三步：搭一个最小的 T2V 工作流，2 分钟验证环境

模型放好后先搭一个最简单的管线。目标不是出好片子，是验证整个链路通不通。480p，跑通了再往上加东西。

节点连接图

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

各个节点的设置参数

1. WanVideo Loader

• model：wan2.2_t2v_14B_fp8_scaled.safetensors
• vae：wan2.2_vae.safetensors
• dtype：fp8_e4m3fn（16 GB 卡的默认选择）

2. CLIP Text Encode (Wan) —— 注意：必须用 Wan 专用的文本编码器节点，不是普通的 CLIPTextEncode。普通节点用的分词器不对，输出的画面会完全偏掉。

• text：按"主体 → 动作 → 运镜 → 场景"四个层次来写提示词。示例：
  "一位穿白色衬衫的年轻女性坐在窗边看书，阳光从左侧射入，脸上有轻微的光影变化，静态近景镜头，背景有绿植和书架，柔和的暖色调光线"

• width：720（Wan 2.2 原生训练分辨率，不需要自己改）
• height：480

3. WanVideo Sampler

• seed：随机（首次跑通后可以固定种子做复现用）
• steps：30（20–50 都可以出片，30 是个安全起点）
• cfg：5.0（Wan 2.2 在 4–6 之间表现都不错；数值越高越忠实于提示词，越低创意越强）
• sampler_name：euler
• scheduler：sgm_uniform
• denoise：1.0
• frames：81（约 5 秒，16 fps；Wan 架构有个隐性要求——帧数最好能被 3 整除）
• fps：16

4. WanVideo Decode

• 从采样器和 VAE 自动连接，没有额外参数

5. Video Combine

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

第一次跑

点运行。如果所有设置正确，RTX 4090 上大约 90–120 秒后会生成一段 5 秒的 MP4。

预期结果： 一段 720×480 的短视频，画面跟你写的提示词基本一致。

第四步：I2V 图生视频——只改 3 个节点

图生视频的结构跟文生视频基本一样，只是替换了文本编码器，加了图片输入。改动很小。

节点连接图

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

跟 T2V 的 4 个关键区别

1. 换模型： WanVideo Loader 里换成 wan2.2_i2v_14B_fp8_scaled.safetensors。用 T2V 模型跑 I2V，不报错，但输出会完全忽略你上传的参考图——画面跟图片没有半点关系。

2. 加图片输入： 添加一个 Load Image 节点，接到 WanVideo Sampler 的 image 输入口。输入图片最好接近 720×480。比例差太多的话，Wan 2.2 会自动居中裁剪。

3. 改提示词写法： I2V 的提示词不需要描述主体长相——图片已经提供了视觉锚点。专注于动作、运镜和场景就够了。

简单说：T2V 是"主体 + 动作 + 运镜 + 场景"全都写；I2V 只写"动作 + 运镜 + 场景"——主体交给图片去表达。

4. 帧数控制： I2V 在 41–81 帧（2.5–5 秒）区间效果最好。超过 81 帧后，画面容易逐渐偏离参考图的原始主体。

第五步：12 GB 显存怎么跑（GGUF + LightX2V）

如果你的显卡只有 12 GB 显存，或者想在不影响画质的前提下提高生成速度，下面两个方案可以让你用更低的硬件门槛跑 Wan 2.2。

方案 A：GGUF 量化

GGUF 量化用少量的画质损失换取显存占用的大幅降低。q8_0 和 q4_0 是两个最常用的变体。

操作步骤：

1. 从 Hugging Face 下载 GGUF 版本：

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

2. 放到 ComfyUI/models/diffusion_models/——跟 safetensors 文件同一个目录

3. 在 WanVideo Loader 节点的 dtype 里选 q8_0 或 q4_0，跟你下载的文件保持一致

方案 B：LightX2V 蒸馏 LoRA

LightX2V 是一个经过蒸馏的 LoRA，能把推理所需的步数从 30 步降到 4–6 步，画质基本一致。这意味着 5–6 倍的生成速度提升，显存占用基本不变。

操作步骤：

1. 从 Hugging Face 下载 LightX2V LoRA 文件：

   • 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. 放到 ComfyUI/models/loras/

3. 在 WanVideo Loader 和 WanVideo Sampler 之间插入一个 LoRA Loader 节点：

   • 把扩散模型接到 LoRA Loader 的输入
   • 选择 wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
   • 强度设成 1.0（这个 LoRA 设计为全强度使用，不要降）
   • 输出接 WanVideo Sampler

4. 在 WanVideo Sampler 里把 steps 降到 4

故障排查：6 个 Wan 2.2 ComfyUI 常见错误

每个 Wan 2.2 ComfyUI 搭建过程至少会遇到下面 6 个问题中的一个。按症状查就行。

错误 1："No module named 'wan'"

症状： ComfyUI 能正常启动，但 WanVideo 节点全红，报找不到模块。

根因： ComfyUI 版本低于 0.3.5，或者 WanVideo 集成在安装时没有编译进去。

修复方法：

1. 检查 ComfyUI 版本：看 ComfyUI/__init__.py 里的 __version__，必须 >= 0.3.5
2. 更新：在 ComfyUI 目录里 git pull，然后 pip install -r requirements.txt
3. 重启 ComfyUI。如果还报错，可能是 PyTorch CUDA 版本太旧——pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

经验法则： 这是最容易踩的坑。很多人以为 ComfyUI 是最新版，实际上 git pull 之后发现已经落后了好几个版本。每次遇到 WanVideo 节点全红，第一步永远是去检查版本。

错误 2：输出全黑或全绿

症状： 工作流跑完了没报错，但生成的视频是纯色画面。

根因： VAE 不匹配。最常见的原因是 WanVideo Decode 节点里用的是 ComfyUI 默认 VAE，而不是 wan2.2_vae.safetensors。

修复方法：

1. 确认 WanVideo Decode 节点的 VAE 选的是 wan2.2_vae.safetensors，不是默认 VAE
2. 检查 VAE 文件确实在 ComfyUI/models/vae/ 里，文件名是 wan2.2_vae.safetensors
3. 在 WanVideo Loader 里确认 dtype 跟模型文件格式一致：FP8 文件用 fp8_e4m3fn，GGUF 文件用 q8_0

经验法则： "VAE 文件名必须完全一致"是这里最重要的一条。文件名差一个字符解码就会失败——但 ComfyUI 不会告诉你"VAE 找不到"，它只会默默输出一片黑。

错误 3：CUDA out of memory

症状： 生成开始了，跑了十几秒，然后爆显存报错。

根因： 当前模型加分辨率的组合超出了显卡的显存上限。

修复方法（按这个顺序试，不需要全试）：

1. 降低分辨率：512×288 代替 720×480——能省大约 35% 的显存
2. 减少帧数：从 81 帧降到 41 帧（2.5 秒）——大约省 20%
3. 换成 GGUF q8_0（详情见第五步）——这是单步改动里最有效的一个
4. 如果还是 OOM，换成 GGUF q4_0。再往下消费级显卡基本就没辙了

经验法则： 从 480p 升到 720p，帧数不变，显存需求大约增加 4 GB。所以永远在 480p 先跑通，确认工作流没问题，再往上提分辨率。在 720p 上调试节点报错等于把调试成本和显存压力叠在一起，不明智。

错误 4：视频有伪影或扭曲

症状： 视频生成了，但人脸变形、背景闪烁、物体边缘扭曲。

根因： 几乎总是 CFG 和步数的匹配问题。步数偏少或 CFG 值偏高都会导致伪影。

修复方法：

• 步数增加到 40–50，而不是 30。更多步数意味着更多精化轮次
• CFG 降到 4.0–4.5
• 检查提示词里有没有矛盾的指令（"缓慢"和"快速"同时出现在同一段动作描述里）

经验法则： 看到扭曲或伪影，先降 CFG，再加步数。同样提示词下，CFG 4.0 + 40 步的效果通常比 CFG 5.0 + 30 步更干净。CFG 超过 5.5 同时步数少于 25，是最常见的伪影触发条件。记住这个组合，以后看到伪影直接调。

错误 5：I2V 模型完全忽略参考图

症状： I2V 工作流跑通了，但输出跟输入图完全不一样。

根因： WanVideo Loader 里加载的是 T2V 模型，不是 I2V 模型。T2V 模型没有图片条件化路径，所以拿到图片输入会默认忽略，只按文本去生成。

修复方法： 把 WanVideo Loader 换成 wan2.2_i2v_14B_fp8_scaled.safetensors。这是 I2V 流程里最常见的错误，也是最好修的一个。

错误 6："Could not find CLIP model"

症状： WanVideo Loader 节点报错，说找不到 CLIP 模型。

根因： ComfyUI 首次跑 T2V 工作流时需要自动下载 CLIP 模型 openai/clip-vit-large-patch14，但下载失败了——可能是网络问题、磁盘空间不够，或者国内网络限制。

修复方法：

1. 检查 ComfyUI 运行环境的网络连接
2. 如果在国内网络环境，启动 ComfyUI 前设置环境变量：export HF_ENDPOINT=https://hf-mirror.com（Linux/macOS）或 set HF_ENDPOINT=https://hf-mirror.com（Windows）
3. 如果镜像也不通，手动从 Hugging Face 下载 openai/clip-vit-large-patch14 放到 ComfyUI/models/clip/

经验法则： CLIP 下载失败几乎只发生在首次跑 T2V 工作流的时候。先设 HF_ENDPOINT 再重启 ComfyUI——手动下载 CLIP 很少真的需要，除非 ComfyUI 日志明确指向了某个具体路径。

显卡实测数据：6 款显卡跑 Wan 2.2 的实际表现

以下数据来自实际测试，统一条件：480p、81 帧、30 步、CFG 5.0、euler 采样器。

几个关键结论：

• RTX 4090 比 RTX 4080 在同样设置下快大约 35–40%
• LightX2V 带来 2–4 倍的速度提升，复杂场景下画质降低约 10–12%，简单场景（肖像、单主体、固定机位）画质差距缩小到 5% 以内
• 纯 GGUF q8_0 和 LightX2V + GGUF q8_0 的显存占用差不多——LightX2V 带来的速度提升不需要牺牲额外显存

不想折腾？在线跑 Wan 2.2，不用显卡、不用配环境

如果你看完上面的步骤觉得太折腾——或者硬件确实跟不上——Wan 2.2 可以完全在线使用。不需要装 ComfyUI，不需要下载模型，不需要管显存够不够。

wan27.org 提供文生视频和图生视频功能，直接在浏览器里操作：

• 有免费额度，打开就能用
• 支持 720p 输出
• 不需要显卡——所有计算在服务端完成
• 不需要安装任何软件
• 零配置——打开页面，上传图片或输入提示词，等几秒就出片

本地 ComfyUI 方案的价值在于：你需要大量迭代、自定义管线、精细控制节点参数的时候。但对大多数用户来说，浏览器方案覆盖了 80% 的使用场景，而且没有上面教程里提到的任何一个问题。

如果你只是想快速看看 Wan 2.2 的效果、做一个一次性的项目、或者手头没有合适的显卡——打开 wan27.org/wan2-2，上传一张图片或输入一段文字，十几秒后就能拿到第一个 AI 视频。 不需要装任何东西。

FAQ：Wan 2.2 + ComfyUI 常见问题

ComfyUI 有原生 Wan 2.2 支持吗？

有。ComfyUI 0.3.5 及以上版本内置了 WanVideo 系列节点：WanVideo Loader、WanVideo Sampler、WanVideo Decode、CLIP Text Encode (Wan)。不需要任何自定义节点插件就能跑基础工作流。

Wan 2.2 在 ComfyUI 里最低需要多少显存？

12 GB 是实际可用的下限——需要 GGUF q8_0 量化加 LightX2V 优化。16 GB 是推荐配置，可以流畅跑 480p 原生 FP8 模型。24 GB 给 720p 生成和多模型工作流留下了充足空间。

Wan 2.2 模型文件在 ComfyUI 里放哪个目录？

扩散模型（safetensors 和 GGUF）放 ComfyUI/models/diffusion_models/。VAE 文件放 ComfyUI/models/vae/。LoRA 文件放 ComfyUI/models/loras/。CLIP 模型由 ComfyUI 首次跑 T2V 时自动下载到 ComfyUI/models/clip/。

图生视频应该下载哪个 Wan 2.2 模型？

下载 wan2.2_i2v_14B_fp8_scaled.safetensors（完整版）或对应的 GGUF 版本。T2V 模型不接受图片输入——放进去不报错，但输出会忽略参考图。

Wan 2.2 ComfyUI 里步数设多少合适？

文生视频推荐从 30 步开始。图生视频 30–40 步效果更好（多了匹配参考图的约束）。使用 LightX2V 蒸馏 LoRA 时 4 步就够。

Wan 2.2 ComfyUI 输出黑屏或绿屏怎么办？

几乎 100% 是 VAE 不匹配。确认 WanVideo Decode 节点用的是 wan2.2_vae.safetensors，不是 ComfyUI 默认 VAE。同时检查 WanVideo Loader 的 dtype 设置跟模型文件格式一致。

Wan 2.2 能在 AMD 显卡或 Apple Silicon 上跑吗？

AMD 显卡在 Linux（ROCm）下可以用 ComfyUI，但 Wan 2.2 的支持没有经过充分测试。Apple Silicon（M1/M2/M3）在统一内存 32 GB 以下比较困难——14B 参数模型的内存占用超出了大部分 Mac 的分配能力。Apple Silicon 用户目前更实际的方案是在线生成。

原生 ComfyUI 节点和自定义 Wan 插件比有什么优势？

原生 WanVideo 节点（ComfyUI 0.3.5+ 内置）由 ComfyUI 核心团队维护，每次 ComfyUI 更新都会同步跟进，没有外部 Python 依赖。自定义插件（ComfyUI-WanPlugin 等）提供了额外功能（遮罩、高级调度），但可能在 ComfyUI 大版本更新时出现兼容问题。

一张图总结：Wan 2.2 ComfyUI 从零到出片

本地搭一次 Wan 2.2 ComfyUI，说实话没有哪个步骤是特别复杂的。真正的难点在于每一步都可能出一个小问题——模型路径放错了、版本低了、参数对不上——这些问题单个看都不难修，但凑在一起足够劝退一批人。

但只要你这趟把流程走通了，之后每次用就是拖个工作流、改几个参数的事。整个流程总结成五步：

1. 安装或更新 ComfyUI 到 0.3.5+
2. 下载模型——一个扩散模型加 VAE，来自 Kijai 的 Hugging Face 仓库
3. 搭建节点图——WanVideo Loader → CLIP Text Encode → WanVideo Sampler → WanVideo Decode → Video Combine
4. 按硬件优化——12 GB 用 GGUF q8_0 + LightX2V，16 GB 以上用 FP8 原生
5. 按症状排错——每个错误在故障排查章节都有对应的修复方法

卡住的时候，先从 480p 文生视频开始跑。480p 基线跑通后，再加 I2V、升分辨率、换采样器——每一步都有清晰的调试方向。

如果你的卡实在够不上门槛，或者单纯不想折腾这些——打开 wan27.org/wan2-2，上传一张图片或输入一段文字，十几秒后拿到你的第一个 Wan 2.2 视频。