ComfyUI Wan2.1 InfiniteTalk 工作流示例

• 音频驱动口型同步：生成与输入音频相匹配的自然口型动作
• 全身动作：在保留身份、背景和相机运动的同时，添加同步的身体动作
• 双模式：同时支持单角色和多角色场景
• ComfyUI 原生支持：内置 WanInfiniteTalkToVideo 节点，无需自定义节点

• InfiniteTalk GitHub 仓库
• Wan2.1 代码仓库
• Wan2.1 模型仓库

​

InfiniteTalk 图生视频工作流

​

模型安装

• Wan2_1-I2V-14B-480p_fp8_e4m3fn_scaled_KJ.safetensors

• umt5_xxl_fp8_e4m3fn_scaled.safetensors

• wan2.1_infiniteTalk_single_fp16.safetensors：适用于单角色场景
• wan2.1_infiniteTalk_multi_fp16.safetensors：适用于多角色场景

• wav2vec2-chinese-base_fp16.safetensors

• Wan2_1_VAE_bf16.safetensors

• lightx2v_I2V_14B_480p_cfg_step_distill_rank64_bf16.safetensors

​

模型存放位置

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── Wan2_1-I2V-14B-480p_fp8_e4m3fn_scaled_KJ.safetensors
│   ├── 📂 text_encoders/
│   │   └── umt5_xxl_fp8_e4m3fn_scaled.safetensors
│   ├── 📂 model_patches/
│   │   ├── wan2.1_infiniteTalk_single_fp16.safetensors
│   │   └── wan2.1_infiniteTalk_multi_fp16.safetensors
│   ├── 📂 audio_encoders/
│   │   └── wav2vec2-chinese-base_fp16.safetensors
│   ├── 📂 vae/
│   │   └── Wan2_1_VAE_bf16.safetensors
│   └── 📂 loras/
│       └── lightx2v_I2V_14B_480p_cfg_step_distill_rank64_bf16.safetensors

​

示例输入文件

​

工作流步骤

1. 加载输入图像：将角色参考图像拖拽到 Load Image 节点。对于多角色场景，使用遮罩编辑器为每个角色绘制遮罩。
2. 加载音频轨道：将音频文件连接到 Load Audio 节点（每个角色一个）。
3. 加载扩散模型：确保 Load Diffusion Model 节点使用的是 Wan2_1-I2V-14B-480p_fp8_e4m3fn_scaled_KJ.safetensors。
4. 加载模型补丁：通过 ModelPatchLoader 节点加载相应的 InfiniteTalk 补丁（single 或 multi 变体）。
5. 配置 InfiniteTalk：调整 WanInfiniteTalkToVideo 节点的参数，例如 length（视频长度，以帧为单位）、motion_frame_count（用作运动上下文的之前帧数）以及 audio_scale。
6. 生成：运行工作流。模型将生成与输入音频同步的全身说话视频。

​

扩展视频长度

1. 框选 “Video Extend” 组
2. 按 Ctrl-C（复制），然后按 Ctrl-Shift-V（带连线粘贴）
3. 将上一个 InfiniteTalk (Base Generation) 节点的 IMAGE 输出连接到新的 WanInfiniteTalkToVideo 节点的 previous_frames 输入
4. 将 Batch Images 节点的 IMAGE 输出连接到新的 Batch Images 节点的图像输入