跳转到主要内容
Causal Forcing（因果强制） 是一种视频生成技术，在推理过程中应用 循环条件控制：每一帧生成后都会作为输入反馈给模型，用于预测下一帧。通过这种方式，仅需 1 到 4 步推理，就能从单张起始图片生成流畅、时序一致的视频。 此工作流基于 Wan2.1，支持 Causal Forcing（标准）和 Causal Forcing++（增强）两种模式。 Causal Forcing 图生视频工作流
请确保你的 ComfyUI 已经更新。本指南里的工作流可以在 ComfyUI 的工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。如果加载工作流时有节点缺失，可能原因有：
  1. 你用的不是最新开发版（nightly）。
  2. 你用的是稳定版或桌面版（没有包含最新的更新）。
  3. 启动时有些节点导入失败。

下载工作流

下载 JSON 或在模板库中搜索 “Causal Forcing”

​
工作原理

与标准视频生成（并行处理所有帧）不同，Causal Forcing 将视频生成视为一个 顺序过程：
  1. 模型将输入图像作为 首帧
  2. 基于前一帧生成下一帧
  3. 每生成一帧都作为下一帧的输入
  4. 重复此过程直到生成目标帧数
这种循环方法带来了 很强的时序一致性——每帧自然地承接前一帧——并且仅需很少的推理步数（1 到 4 步）即可生成高质量结果。

了解子图

本工作流使用子图节点进行模块化处理。查看子图文档了解如何自定义和扩展工作流。

​
Causal Forcing 与 Causal Forcing++

模式说明
Causal Forcing标准循环条件控制。2–4 步即可获得良好质量。
Causal Forcing++增强模式，应用额外条件控制以获得更好的时序连贯性。仅需 1–2 步即可工作。

​
使用工作流

​
输入

工作流接受一张输入图片（首帧）和一个描述视频内容的文本提示（可选）。
设置说明
first_frame（必填）视频的起始图像。通过 LoadImage 节点加载 PNG/JPG。
positive_prompt（可选）对期望视频内容的文字描述。留空则无文本条件控制。
duration（可选）生成帧数。默认为模型期望输出的帧数。

​
WAN I2V 子图参数

这些参数直接暴露在蓝图子图节点上：
参数默认值说明
unet_name—使用的 Wan2.1 I2V 模型检查点
clip_name—用于提示词的 CLIP / 文本编码器模型
vae_name—用于编码/解码的 VAE 模型
width—输出视频宽度
height—输出视频高度
noise_seed—可复现结果的随机种子

​
运行步骤

  1. 加载图片 — 使用 LoadImage 节点加载起始帧
  2. 编写提示词（可选）— 描述期望的视频内容
  3. 设置帧数 — 生成多少帧
  4. 选择模型 — 选择 Wan2.1 I2V 检查点、CLIP 和 VAE
  5. 选择模式 — Causal Forcing 或 Causal Forcing++
  6. 运行 — 帧将按顺序生成并保存到 ComfyUI/output/

​
模型下载

下载 Wan2.1 I2V 模型及所需文件。放入对应的 models/ 子目录。

​
Wan2.1 I2V

Wan2.1 I2V 14B

wan2.1_i2v_480p_14B_fp16.safetensors — Wan2.1 I2V 14B 检查点

Wan2.1 I2V 1.3B

wan2.1_t2v_1.3B_fp16.safetensors — Wan2.1 1.3B 检查点（最低 8GB 显存）

​
CLIP 和 VAE

CLIP (google-bert)

google-bert/bert-base-uncased — CLIP 文本编码器

VAE (Wan2.1)

Wan2.1_VAE_bf16.safetensors — Wan2.1 VAE

​
模型存放位置

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │      └── wan2.1_i2v_480p_14B_fp16.safetensors（或 1.3B 版本）
│   ├── 📂 text_encoders/
│   │      └── bert-base-uncased（文件夹，内含 model.safetensors）
│   └── 📂 vae/
│          └── Wan2.1_VAE_bf16.safetensors