Wan 3.0 dans ComfyUI : Génération Vidéo 30 Secondes via des Nœuds API

Wan 3.0, le modèle de génération vidéo le plus récent d'Alibaba, est disponible dans ComfyUI via trois nœuds API : Wan 3.0 Texte vers Vidéo, Wan 3.0 Image vers Vidéo, et Wan 3.0 Référence vers Vidéo (blog officiel ComfyUI). Le changement majeur par rapport à son prédécesseur est une sortie native de 30 secondes en un seul passage sans assemblage, offrant suffisamment d'espace pour des mouvements de caméra continus et des scènes complètes.

Génération Wan 3.0 issue de l'annonce du blog ComfyUI

Points forts du modèle

• Durée native de 30 secondes en un seul passage, sélectionnable de 2 à 30 secondes, avec un mode « auto » qui permet au modèle de choisir la longueur optimale.
• Références Omni Creation : jusqu'à 20 ressources par génération, dont 10 images, 5 vidéos et 5 clips audio, adressés directement dans le prompt avec la syntaxe @ comme @Image1 pour une carte de personnage ou @Video2 pour le mouvement de caméra.
• Analyse de documents et pages web : un document de proposition ou une page wiki peut servir de matériau source pour un clip terminé.
• Édition précise par instruction : supprimer ou remplacer des éléments, re-éclairer une scène ou modifier le mouvement tandis que le reste du cadre reste immobile. Les séquences existantes peuvent également être étendues, avec une entrée totale plus sortie allant jusqu'à 30 secondes.
• Entrée de prompt étendue à 20 000 caractères.
• Résolutions et ratios : 480p, 720p et 1080p sur 16:9, 9:16, 4:3, 3:4 et 1:1. Le niveau 480p est nouveau dans cette version pour des brouillons à faible coût. Une option de ratio d'aspect « adaptatif » est disponible, et la génération audio peut être désactivée.

Comment l'utiliser dans ComfyUI

Mettez à jour ComfyUI vers v0.33.4 ou ultérieur, ou ouvrez Comfy Cloud. Les nœuds sont disponibles dans la Bibliothèque de nœuds, et le panneau Modèles inclut trois flux de travail officiels :

• Wan 3.0 Texte vers Vidéo : prompt vers vidéo 30 secondes avec audio.

Le modèle officiel Wan 3.0 texte-vers-vidéo

• Wan 3.0 Image vers Vidéo : animer une image fixe avec un audio synchronisé.

Le modèle officiel Wan 3.0 image-vers-vidéo

• Wan 3.0 Référence vers Vidéo : combiner une carte de personnage, une vidéo pour le mouvement de caméra et un clip audio pour le timbre vocal, chacun adressé dans le prompt par la syntaxe @.

La génération Wan 3.0 s'exécute via le système de nœuds API de ComfyUI, donc aucun téléchargement de poids locaux n'est requis et la facturation suit la tarification de l'API par niveau de résolution. Le niveau 480p garde les itérations de brouillon peu coûteuses avant de s'engager dans un dernier passage 1080p.

Pour les flux de travail locaux à poids ouvert, la famille Wan 2.2 reste disponible dans ComfyUI avec un support natif, tandis que la génération Wan 3.0 elle-même s'exécute actuellement via les nœuds API.