ComfyUI-PainterI2V

GitHub
597 23 简单 1 次阅读 2天前视频图像
AI 解读 由 AI 自动生成,仅供参考

ComfyUI-PainterI2V 是一款专为 ComfyUI 设计的增强型节点,旨在优化 Wan2.2 模型的图生视频(Image-to-Video)效果。它主要解决了在使用 4 步加速 LoRA(如 lightx2v)时,生成视频常出现的动作过于缓慢、运镜幅度不足等“慢动作”痛点。通过该节点,用户可将视频中的运动幅度提升 15% 至 50%,并显著增强对运镜提示词的响应能力,让画面动态更加自然流畅。

这款工具非常适合希望快速提升视频生成质量的设计师、内容创作者以及 AI 绘画爱好者。其最大的亮点在于“即插即用”的便捷性:无需修改复杂的工作流,只需将原生的 WanImageToVideo 节点替换为 PainterI2V,即可兼容现有流程。在技术层面,ComfyUI-PainterI2V 采用了独特的“亮度保护运动缩放”算法,在放大运动向量的同时分离亮度均值,确保画面亮度稳定;同时结合零 Latent 初始化策略,严格维持 4 步 LoRA 的时序依赖,在保证主体一致性的前提下大幅释放动态潜力。用户仅需简单调节 motion_amplitude 参数,即可针对不同场景(如跑步、行走或极限运动)获得理想的动态效果。

使用场景

一位短视频创作者正试图利用 Wan2.2 模型配合 4 步加速 LoRA(如 lightx2v),将一张静态的“极限跑酷”图片快速转化为动态视频,以满足社交媒体对高频更新的需求。

没有 ComfyUI-PainterI2V 时

  • 动作严重迟缓:生成的视频中人物仿佛在慢动作回放,完全丢失了跑酷应有的爆发力和速度感。
  • 运镜指令失效:即使提示词中强调了“快速推镜”或“剧烈晃动”,镜头移动依然微弱且呆板,缺乏视觉冲击力。
  • 反复调试无果:为了获得正常速度,不得不尝试调整数十版提示词或更换模型,导致单条视频制作耗时从几分钟拉长至数小时。
  • 动态幅度不足:整体运动幅度受限,画面显得沉闷,无法达到极限运动所需的张力,直接导致素材不可用。

使用 ComfyUI-PainterI2V 后

  • 运动幅度显著提升:仅需将 motion_amplitude 参数设为 1.5,人物动作瞬间提速 50%,完美还原了极限运动的疾驰感。
  • 运镜控制精准听话:镜头语言对提示词的响应变得敏锐,能够轻松实现大幅度的推拉摇移,画面极具电影感。
  • 工作流无缝衔接:直接替换原有节点即可生效,无需修改其他设置,原本需要数小时的调试过程缩短为几分钟的参数微调。
  • 画质与亮度稳定:在增强动态的同时,核心算法确保了画面亮度不变,主体一致性良好,避免了因加速导致的画面闪烁或失真。

ComfyUI-PainterI2V 通过专有的运动缩放算法,彻底解决了 4 步 LoRA 生成视频时的“慢动作”顽疾,让高速动态内容的批量生产变得高效且可控。

运行环境要求

操作系统
  • 未说明
GPU

未说明(基于 Wan2.2 和 ComfyUI 生态,通常隐含需要支持 CUDA 的 NVIDIA GPU,但本文档未明确具体型号或显存要求)

内存

未说明

依赖
notes该工具是 ComfyUI 的一个自定义节点,需先安装 ComfyUI 主程序。核心依赖为 Wan2.2 官方模型及特定的 4 步 LoRA(如 lightx2v V1.0)。安装后可直接替换工作流中的 'WanImageToVideo' 节点使用。主要功能是解决 4 步生成中的慢动作问题并增强运镜,通过调节 motion_amplitude 参数(推荐起始值 1.15)控制运动幅度。
python未说明
ComfyUI
Wan2.2 模型
lightx2v (4-step LoRA)
ComfyUI-PainterI2V hero image

快速开始

ComfyUI-PainterI2V 此节点由抖音博主:绘画小子 制作。

Wan2.2 图生视频增强节点,专门针对4步LoRA(如 lightx2v)的慢动作问题进行优化。

2026-2-13 我制作了一个PainterHumoAI2V节点,已经实现WAN2.2+Humo 直接 音频+图片 4步生成音频驱动的图生视频(AI2V)并支持首尾帧,欢迎尝试(项目内有工作流)!https://github.com/princepainter/ComfyUI-PainterNodes

2025-12-30,我更新了一个PainterI2V的优化版PainterI2Vadvanced,建议尝试使用。项目地址:https://github.com/princepainter/ComfyUI-PainterI2Vadvanced

如果你用的是KJ的wan2.2-i2v工作流,请使用这个专门为KJ开发的节点,效果一致 (https://github.com/princepainter/ComfyUI-PainterI2VforKJ)

(FirstLastFrameToVideo)首尾帧节点 PainterFLF2V:https://github.com/princepainter/Comfyui-PainterFLF2V

🛠 解决的问题

  • ✅ 1.减少慢动作:提升运动幅度 15-50%
  • ✅ 2.增强运镜:让运镜提示词更听话,运镜幅度更大

和wan2.2官方节点效果对比

图1 图2 图3
motion_amplitude=1.2 motion_amplitude=1.15 motion_amplitude=1.15
图4 图5 图6
motion_amplitude=1.5 motion_amplitude=1.2 motion_amplitude=1.15

以上视频对比效果,我是使用wan2.2官方模型+light2v 4步i2v lora V1.0做的测试(见下图),其他模型使用效果有待各位自行测试

我使用的模型和lora

节点特点

  • 单帧输入优化:专为wan2.2单帧图生视频设计
  • 即插即用:完全兼容原版 Wan2.2 工作流

📦 安装

方法 1: ComfyUI Manager(推荐)

  1. 打开 ComfyUI Manager
  2. 搜索 PainterI2V
  3. 点击安装

方法 2: 手动安装

# 进入ComfyUI的custom_nodes目录
cd ComfyUI/custom_nodes

# 克隆仓库
git clone https://github.com/princepainter/ComfyUI-PainterI2V.git

重启ComfyUI

💡 使用方法

替换节点

在工作流中将 WanImageToVideo 替换为 PainterI2V 替换原节点

参数设置

  • motion_amplitude: 1.15(推荐起始值)
  • 其他参数与原版保持一致

场景参数推荐

运动类型 推荐参数 示例提示词
快速(跑步 / 跳跃) 1.25–1.35 "快速向前奔跑"
正常(走路 / 挥手) 1.10–1.20 "流畅地行走"
动态增强 1.00–1.10 "略微增强动态和运镜"

提示词优化

  • 明确描述运动节奏,如 “快速奔跑”、“流畅行走”
  • 避免模糊描述如 “移动”、“走动”

🔬 技术细节

参数值 运动提升 亮度变化 适用场景
1.0(原版) 0% 和WAN原版节点无区别
1.15(默认) +15% 通用场景
1.3 +30% 体育运动
1.5 +50% 极限运动

核心算法原理

  • 亮度保护的运动缩放:放大运动向量前分离亮度均值
  • 零 latent 初始化:严格保持 4 步 LoRA 的时序依赖链
  • 参考帧增强:使用 reference_latents 保持主体一致性,不约束运动

⚡ 进阶技巧

  • 最佳效果:配合强运动提示词使用
  • 运动过快:每次减少 motion_amplitude 0.05
  • 仍然偏慢:可适当增大到 1.4

🙏 致谢

  • Wan2.2 团队:提供惊人的视频生成模型

  • ComfyUI 社区:灵活的节点系统
    🙏如果这个项目对你有帮助,请给颗星 ⭐️ 支持一下!

  • ComfyUI-Painterl2V

This node is created by Douyin creator: 绘画小子

PainterI2V node that specifically fixes the slow-motion issue in 4-step LoRAs (e.g., lightx2v).

2025-12-30现在已经推出升级版PainterI2Vadvanced,建议使用。项目地址:https://github.com/princepainter/PainterI2Vadvanced

The comparative effects in the above video are from my test using the official Wan2.2 model + Light2v 4-step I2V LoRA V1.0. The performance of other models awaits your own testing .

If you're using KJ's wan2.2-i2v workflow, use this node specifically developed for KJ — the effect is consistent.https://github.com/princepainter/ComfyUI-PainterI2VforKJ

🛠 Problems Solved

  • ✅ Reduces Slow-Motion Drag: Increases motion amplitude by 15-50%
  • ✅ Enhance camera movement: Make the camera movement prompts more responsive and increase the movement amplitude.
  • ✅ Optimized for Single Frame: Designed specifically for single-frame image-to-video workflows
  • ✅ Plug & Play: Fully compatible with original Wan2.2 workflows

📦 Installation

Method 1: ComfyUI Manager (Recommended)

  1. Open ComfyUI Manager
  2. Search for PainterI2V
  3. Click Install

Method 2: Manual Installation

# Navigate to ComfyUI's custom_nodes directory
cd ComfyUI/custom_nodes

# Clone the repository
git clone https://github.com/princepainter/ComfyUI-PainterI2V.git

💡 Usage Guide

Replace the Node

In your workflow, replace WanImageToVideo with PainterI2V.

Parameter Settings

  • motion_amplitude: 1.15 (recommended starting value)
  • Keep all other parameters consistent with the original node.

Recommended Parameters by Scene

Motion Type Recommended Value Example Prompt
Fast (running / jumping) 1.25–1.35 "Running forward quickly"
Normal (walking / waving) 1.10–1.20 "Walking smoothly"
Motion Enhancement 1.00–1.10 "Slightly enhance motion and camera movement"

Prompt Optimization Tips

  • Clearly describe motion rhythm, e.g., “run fast”, “walk smoothly”
  • Avoid vague terms like “move” or “walk around”

🔬 Technical Details

Parameter Motion Boost Brightness Change Best For
1.0 (original) 0% None No difference from the original WAN node
1.15 (default) +15% None General use
1.3 +30% None Sports action
1.5 +50% None Extreme motion

Core Algorithm Principles

  • Brightness-Protected Motion Scaling: Separates luminance mean before scaling motion vectors
  • Zero Latent Initialization: Strictly preserves the temporal dependency chain required by 4-step LoRAs
  • Reference Frame Enhancement: Uses reference_latents to maintain subject consistency without constraining motion

⚡ Advanced Tips

  • Best results: Use with strong motion-related prompts
  • Motion too fast? Reduce motion_amplitude by 0.05 increments
  • Still too slow? Try increasing up to 1.4

🙏 Acknowledgements

  • Wan2.2 Team: For the amazing video generation model
  • ComfyUI Community: For the flexible node system
  • Contributors & testers: For helping refine this node
If you find this project helpful, please give it a star ⭐ to show your support!
# Restart ComfyUI

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|昨天
开发框架图像Agent

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|3天前
开发框架图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|昨天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架

PaddleOCR

PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。

74.9k|★★★☆☆|今天
语言模型图像开发框架