Ejemplo de flujo de trabajo de Causal Forcing I2V en ComfyUI

Causal Forcing es una técnica de generación de video que aplica conditioning recurrente durante la inferencia, en la que cada fotograma generado se devuelve al modelo para predecir el siguiente fotograma. Así se obtienen videos suaves y coherentes en el tiempo a partir de una sola imagen inicial en tan solo 1 a 4 pasos de inferencia. Este flujo de trabajo usa Wan2.1 y admite tanto el modo Causal Forcing (estándar) como Causal Forcing++ (mejorado). Flujo de trabajo I2V de Causal Forcing

Usuarios locales
Usuarios de Cloud

Asegúrate de que tu ComfyUI esté actualizado.

Los flujos de trabajo de esta guía se encuentran en las Plantillas de flujos de trabajo. Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:

No estás usando la última versión de ComfyUI (versión nocturna)
Algunos nodos fallaron al importarse durante el inicio

Ejecutar en Comfy Cloud

Abrir en Comfy Cloud

Descargar flujo de trabajo

Descarga el JSON o busca “Causal Forcing” en la Biblioteca de plantillas

Materiales de entrada

girl_riding_a_wolf.png

Imagen de entrada para el primer fotograma. Descárgala y úsala, o reemplázala por una tuya.

Cómo funciona

A diferencia de la generación de video estándar, que procesa todos los fotogramas en paralelo, Causal Forcing trata la generación de video como un proceso secuencial:

El modelo toma una imagen de entrada como primer fotograma
Genera el siguiente fotograma condicionado por el anterior
Cada nuevo fotograma se convierte en la entrada para la siguiente predicción
Esto se repite durante el número de fotogramas deseado

Este enfoque recurrente crea una fuerte consistencia temporal: cada fotograma surge de forma natural del anterior. Esto puede producir resultados de alta calidad con muy pocos pasos de inferencia (de 1 a 4).

Acerca de Subgraph

Este flujo de trabajo usa un nodo Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y extender el flujo de trabajo.

Causal Forcing vs Causal Forcing++

Modo	Descripción
Causal Forcing	conditioning recurrente estándar. Buena calidad con 2–4 pasos.
Causal Forcing++	Modo mejorado que aplica conditioning adicional para una mejor coherencia temporal. Funciona bien con solo 1–2 pasos.

Usar el flujo de trabajo

Entradas

El flujo de trabajo acepta una sola imagen de entrada (el primer fotograma) y un prompt de texto que describe el contenido de video deseado (opcional).

Ajuste	Descripción
first_frame (requerido)	La imagen inicial del video. Carga un PNG/JPG con el nodo LoadImage.
positive_prompt (opcional)	Una descripción de texto del contenido de video deseado. Déjalo vacío para no aplicar conditioning.
duration (opcional)	El número de fotogramas a generar. Predeterminado: el número de fotogramas de la salida esperada del modelo.

Parámetros del subgrafo WAN I2V

Se exponen como controles en el nodo del subgrafo del plano:

Parámetro	Predeterminado	Descripción
`unet_name`	-	El checkpoint del modelo Wan2.1 I2V que se va a usar
`clip_name`	-	El modelo CLIP / codificador de texto para el prompt
`vae_name`	-	El modelo VAE para codificar/decodificar
`width`	-	Ancho del video de salida
`height`	-	Alto del video de salida
`noise_seed`	-	Semilla para la reproducibilidad

Pasos para ejecutar

Carga una imagen: usa el nodo LoadImage para cargar tu fotograma inicial
Escribe un prompt (opcional): describe el contenido de video que deseas
Establece la duración: cuántos fotogramas generar
Selecciona los modelos: elige el checkpoint, CLIP y VAE de Wan2.1 I2V
Elige el modo: Causal Forcing o Causal Forcing++ (configúralo mediante la configuración interna del subgrafo o una entrada específica de Causal Forcing si está disponible)
Ejecuta: los fotogramas se generarán de forma secuencial y se guardarán en ComfyUI/output/

Descarga de modelos

Descarga el modelo Wan2.1 I2V y los archivos necesarios. Colócalos en los subdirectorios correspondientes de models/.

Wan2.1 I2V

Wan2.1 I2V 14B

wan2.1_i2v_480p_14B_fp16.safetensors - checkpoint Wan2.1 I2V 14B

Wan2.1 I2V 1.3B

wan2.1_t2v_1.3B_fp16.safetensors - checkpoint Wan2.1 1.3B (8 GB de VRAM como mínimo)

CLIP y VAE

CLIP (google-bert)

google-bert/bert-base-uncased - codificador de texto CLIP

VAE (Wan2.1)

Wan2.1_VAE_bf16.safetensors - VAE de Wan2.1

Ubicación de almacenamiento de modelos

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │      └── wan2.1_i2v_480p_14B_fp16.safetensors (or 1.3B variant)
│   ├── 📂 text_encoders/
│   │      └── bert-base-uncased (folder with model.safetensors)
│   └── 📂 vae/
│          └── Wan2.1_VAE_bf16.safetensors

Conceptos básicos

Guía de la interfaz

Tutoriales

Nodos de Comfy Cloud

Nodos asociados

Ejemplo de flujo de trabajo de Causal Forcing I2V en ComfyUI

Ejecutar en Comfy Cloud

Descargar flujo de trabajo

girl_riding_a_wolf.png

Cómo funciona

Acerca de Subgraph

Causal Forcing vs Causal Forcing++

Usar el flujo de trabajo

Entradas

Parámetros del subgrafo WAN I2V

Pasos para ejecutar

Descarga de modelos

Wan2.1 I2V

Wan2.1 I2V 14B

Wan2.1 I2V 1.3B

CLIP y VAE

CLIP (google-bert)

VAE (Wan2.1)

Ubicación de almacenamiento de modelos

Ejecutar en Comfy Cloud

Descargar flujo de trabajo

girl_riding_a_wolf.png

​Cómo funciona

Acerca de Subgraph

​Causal Forcing vs Causal Forcing++

​Usar el flujo de trabajo

​Entradas

​Parámetros del subgrafo WAN I2V

​Pasos para ejecutar

​Descarga de modelos

​Wan2.1 I2V

Wan2.1 I2V 14B

Wan2.1 I2V 1.3B

​CLIP y VAE

CLIP (google-bert)

VAE (Wan2.1)

​Ubicación de almacenamiento de modelos

Cómo funciona

Causal Forcing vs Causal Forcing++

Usar el flujo de trabajo

Entradas

Parámetros del subgrafo WAN I2V

Pasos para ejecutar

Descarga de modelos

Wan2.1 I2V

CLIP y VAE

Ubicación de almacenamiento de modelos