Wan2.2 升级版动作同步工作流配置记录

ComfyUI 官方提供的工作流简单清晰，依赖也比较少，作为学习素材是非常好的。但是它的工作流也充满局限。为了搞出更好的效果，我翻遍 RH，下载、配置、运行，搞了好几天，终于跑通了两个不错的工作流。

今天分享一下其中一个工作流的安装配置记录。 这次配置中可以学到不少知识点。

1.启动软件

在之前的文章中我已经详细介绍过 ComfyUI 便携版的安装，以及 ComfyUI 节点管理器的安装。下面就在这个基础上进行配置。

第一步是启动软件，直接点击 run_nvidia_gpu 启动。

启动之后会自动加载插件，自动打开浏览器，并跳转到 ComfyUI 主界面。

2.加载工作流

软件打开之后就可以加载工作流了，只要找到工作流的 .json 文件，直接拖动到界面中即可。

由于这个工作流涉及到了很多第三方节点，所以拖进去之后会弹出提示窗口，告诉你缺了什么节点。可以先把这个弹窗关掉。

然后就会看到完整的工作流了。

由于缺少节点，会有很多红色框。不用担心，下面就说解决方法。

3.安装插件

点击右上角的“Manager”按钮，打开节点管理器，准备一键安装所有插件。

点击之后就会看到“自定义节点管理器”和“安装缺失的自定义节点”。这两个功能都可以快速安装节点，最方便的是第二个按钮，可以一次性列出所有缺失节点插件。

点击之后显示如下：

勾选所有插件，然后点击安装。

安装完成之后点击重启。

重启完成之后，会提醒你是否刷新。点击确认。

一般来说，重启完成节点就都正常了。

也有可能还有节点不正常。可以用上面方法重新搞一次，然后手动重启一下。

如果还是有错误，比如我遇到了下面的情况：

黑色窗口中如果出现红色提示、波浪线、Traceback、No module 等信息，就表明启动过程中遇到了问题。大部分情况是缺少模块或者模型。

我这里是提示缺失一个叫 soundfile 的模块。

解决这个方法也很简单。

找到 ComfyUI 解压目录下的 python_embeded 文件夹，并打开。

这个文件夹里面包含了一个独立的 Python 环境，各种依赖都是安装在这个环境里面。所以必须先打开这个文件夹，然后在这个文件夹中执行命令。

空白处右键 -> 终端中打开 -> 输入命令。

命令如下：

python.exe -m pip install soundfile

按一下回车键，等待运行完成，出现 Successfully。

这里的 python.exe -m 是必写内容，不写就无法把依赖安装到我们特定的运行环境中。

安装完成之后，重启一下 ComfyUI 就没有这个错误了。然后可以进入下一步。

4.放置模型

在之前的文章中，我们打开工作流之后，会自动提示缺失模型，以及模型的下载链接。那个是官方流特有的机制，第三方工作流并不会提醒。只能我们自己去看模型加载器里加载了什么模型。

如果你分不清哪些是模型加载器，可以先随便设置两个素材，然后点击运行。运行过程中会把加载文件的部分标红。

比如我随便加载一张图片和一个视频，然后点击运行。

工作流就会自动标红加载模型的模块。

可以看到这里有七个加载节点标红了。这些就是加载模块，每个模块里面都有一个文件名字。

很多工作流并不会告诉你这些模型在哪里，这个时候就需要自己去寻找了。

寻找方法也很简单，只要根据这些模型的名称去谷歌搜索下载即可，基本都来自 Hugging Face。

下载的时候要注意，名字必须一字不差。

下载完成之后放到对应的路径。

这里主要有四类模型：

• diffusion_models
• lora
• vae
• text_encoders

根据 节点名称和文件夹名称 的对应关系放置就可以了。

其中 Load CLIP 这个模型是放在 text_encoders 里面的。这两个名字看起来不相关，所以我特别强调一下。

5.安装加速依赖

正常来说，模型放完就可以运行了。

但是，这个工作流用到了一个 Windows 下的加速包。如果你不安装，就会报错。

错误提示如下：

提示 KSampler：No module named ‘sageattention’。

SageAttention 是一种针对大模型推理加速的 Attention 优化算法 / 内核，主要用于替换传统的 FlashAttention / 标准注意力计算，目标是：

降低显存占用 + 提升推理速度 尤其是在 长序列（长上下文） 的情况下。

在 Windows 上安装这个依赖，又折腾了很久。下面分享一下我的最终解决方案。

用上面安装依赖的方法，进入 python_embeded 文件夹，右键在终端中运行。

然后依次输入两行命令：

​

运行过程如下：

其中用到了一个 .whl 文件，需要自己手动下载。

安装完依赖之后，其实还有一个问题：由于便携版使用了不完整的 Python 环境，所以又会遇到新问题，有的要折腾很久。

具体的解决方案就是安装完整的 Python 3.13，然后把里面两个文件拷贝到 ComfyUI 的便携环境中。

全部搞完之后，整个环境就部署好了。

这一步的详细操作可以参考：

https://www.tonyisstark.com/3956.html

接下来，可能还会遇到一个问题：显存不足。这个问题基本无解，要出高质量的效果，就得上大家伙。

其实也不是说完全无解。有一些优化显存的工作流，可以大幅降低显存需求。这个我们后续再详细讨论。

6.运行

终于，经过几天的摸索和排错，一切准备就绪，可以开干了。

接下来只要选择好的素材，点一下运行，把一切交给时间。

选素材的时候注意一下，这个工作流比较适合两种场景，一类是表情控制，聚焦上半身。一类是跳舞，聚焦全身动作。

最后就可以看到结果了。

这个工作流生成的质量还是非常不错的：画面清晰，色彩正常，表情同步和动作同步都非常精准。

从目前来看，要在本地的个人电脑上生成高质量的 AI 视频，还是有一些难度，但是已经看到曙光了。

Wan2.2 这个系列只要把效果再提升一点、显存再降低一些、效率提升一些，那可是大有可为。

现在的 AI 视频已经到了井喷期，就像一年多前的 AI 图片一样。另外 AI 声音克隆、语音合成也变得非常自然、非常强大。只要掌握好工具，完全可以手搓一个数字人：能说、能唱、能跳。