第三方插件
ComfyUI-WanVideoWrapper
WanVideo Model Loader
用于加载 WanVideo 系列的视频生成模型WanVideo Model
节点中英文对比
按当前节点配置，分别展示中文与英文节点结构。
中文节点
WanVideo Model Loader
model
base_precision
quantization
load_device
attention_mode
英文节点
WanVideo Model Loader
model
base_precision
quantization
load_device
attention_mode
参数说明
依据当前节点关联的 `NodesItems` 数据展示输入、输出与控件说明。
输入参数
compile_args
compile_args
使用 torch.compile 加速推理，包含后端、模式、图编译范围等设置。
block_swap_args
block_swap_args
控制 block 级卸载策略，来自 DiffSynth 系列。
lora
lora
加载多个 LoRA 模型，附带路径和强度。
vram_management_args
vram_management_args
来自 DiffSynth 的显存优化策略。更激进的卸载机制，适合显存极度不足的情况。与 block_swap 不可共存。
vace_model
vace_model
外部指定的 VACE 模型路径。
fantasytalking_model
fantasytalking_model
指定 FantasyTalking 项目的 Transformer 融合权重。
输出参数
模型
model
加载并融合配置完成的 WanVideo 模型对象。
控件参数
model
model
从 ComfyUI/models/diffusion_models 目录中读取的模型文件名。
base_precision
base_precision
加载时使用的基础精度（如 fp32, bf16, fp16, fp16_fast）。
quantization
quantization
可选的量化模式（如 fp8_e4m3fn, int8, torchao_int4 等）。
load_device
load_device
模型初始加载所使用的设备（main_device 或 offload_device）。若显存充足可选 main_device，否则建议 offload_device。
attention_mode
attention_mode
注意力机制类型，控制 Transformer 模块的注意力计算方式。
• sdpa：标准 PyTorch 实现，兼容性强但性能一般；
• flash_attn_2：性能优越，推荐在大多数 GPU 上使用，需安装 FlashAttention 2；
• flash_attn_3：更高级版本，未来替代方案，需手动安装；
• sageattn：性能极优但需额外插件 sageattention，适合大模型环境。
详细说明
结合节点用途、参数和调用方式，给出更完整的说明内容。
暂无节点说明
同类节点导航
继续浏览同一分类下的相邻节点，方便串联学习。