> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.
# Causal Forcing 图生视频 ComfyUI 工作流示例
> 使用 Wan2.1 的 Causal Forcing 或 Causal Forcing++ 从图片生成视频——只需 1 步推理即可获得流畅、时序一致的视频。
**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。
请确保你的 ComfyUI 已经更新。
* [ComfyUI 下载](https://www.comfy.org/download)
* [ComfyUI 更新教程](/zh/installation/update_comfyui)
本指南里的工作流可以在 ComfyUI 的[工作流模板](/zh/interface/features/template)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。
* 桌面版是基于 ComfyUI 稳定版本构建的，它会在有新的桌面稳定版本发布时自动更新。
* [Cloud](https://cloud.comfy.org) 会在 ComfyUI 稳定版本发布后更新，我们会同步更新 Cloud。
所以，如果你发现本教程中有任何核心节点缺失，那是因为对应的节点支持还在开发中没有发布正式的稳定版，请等待下一个稳定版本发布。
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。
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\_480p\_14B\_fp16.safetensors — Wan2.1 I2V 14B 检查点
wan2.1\_t2v\_1.3B\_fp16.safetensors — Wan2.1 1.3B 检查点（最低 8GB 显存）
### CLIP 和 VAE
google-bert/bert-base-uncased — CLIP 文本编码器
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
```