ComfyPilotComfyPilot
文档 / 教程 / Wan Dancer：从音乐生成舞蹈视频

Wan Dancer：从音乐生成舞蹈视频

在 ComfyUI 中使用 Wan Dancer 从音乐生成同步舞蹈视频。输入参考图像和音频，即可生成连贯且富有表现力的舞蹈动作。

教程 wan-dancer 更新于 2026-08-16

查看官方原文

Wan Dancer：从音乐生成舞蹈视频

在 ComfyUI 中使用 Wan Dancer 从音乐生成同步舞蹈视频。输入参考图像和音频，即可生成连贯且富有表现力的舞蹈动作。

Wan Dancer 是一款基于 Wan万相 2.2 架构的音频驱动舞蹈视频生成模型。它采用分层框架，包含全局专家模型和局部专家模型，能够生成与输入音乐同步的连贯、富有表现力的舞蹈视频。

给定角色参考图像和音频轨道，Wan Dancer 会生成一段舞蹈视频，其中角色的动作与音乐的节奏和风格相匹配。全局模型捕捉整体舞蹈结构和身体协调性，局部模型则优化细粒度的动作细节，以实现自然、高质量的输出。

模型亮点

  • 音频驱动的舞蹈生成：直接从音乐生成舞蹈动作，无需手动关键帧或动作捕获
  • 分层框架：两阶段架构（全局+局部），实现连贯的身体运动和精细的动作优化
  • 音乐同步输出：舞蹈动作自然对齐到输入音频的节奏和速度
  • 风格控制：可配置的舞蹈风格和动作幅度，提供创意方向
  • 分钟级生成：生成长格式连贯舞蹈视频，全时段保持时空一致性

工作流总览

Wan万相 Dancer 工作流接受两个输入：角色参考图像和一个音频文件。它生成两个视频输出：一个全局输出预览，展示整体舞蹈结构；以及一个最终精炼输出，带有增强的动作细节。

[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。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. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

Wan Dancer 工作流

Wan Dancer：音乐驱动舞蹈（video_wan_dancer）

使用分层 Wan Dancer 框架，从音乐生成长达分钟级且连贯的舞蹈视频。输入音乐文件和参考图像，即可生成同步的舞蹈视频。

Wan Dancer：音乐驱动舞蹈 工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON 或在模板库中搜索“Wan Dancer”

输入素材

将这些文件上传到对应的节点：

[card] blue\_dancer.png LoadImage 节点 547 · blue_dancer.png
[card] wan\_dancer\_reference\_audio.mp3 LoadAudio 节点 548 · wan_dancer_reference_audio.mp3

blue\_dancer.png

3. 手动下载模型

扩散模型

LoRA

文本编码器

CLIP 视觉

VAE

ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   ├─── wan2.2_dancer_14b_global_fp8_scaled.safetensors
│   │   └─── wan2.2_dancer_14b_local_fp8_scaled.safetensors
│   ├───📂 loras/
│   │   └─── lightx2v_I2V_14B_480p_cfg_step_distill_rank64_bf16.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp16.safetensors
│   ├───📂 clip_vision/
│   │   └─── clip_vision_h.safetensors
│   └───📂 vae/
│       └── Wan2_1_VAE_bf16.safetensors

4. 工作流说明

[!TIP] Wan Dancer 一次性采样 149 帧，因此需要大量显存。默认工作流输出为 5 秒视频。运行此工作流前，请确保你的 GPU 拥有足够的显存。
  1. 加载参考图像：使用“加载图像”节点上传角色图像。默认输入为 blue_dancer.png。
  1. 加载音频文件：使用“加载音频”节点上传音乐或音频轨道。默认输入为 wan_dancer_reference_audio.mp3。
  1. 配置舞蹈参数：
  2. dance_style：选择输出视频的舞蹈风格
  3. motion_amplitude：控制舞蹈动作的强度
  4. audio_duration：设置为与输入音频的时长匹配
  5. final_duration：选择最终输出视频的时长
  1. 配置输出尺寸：
  2. width 和 height：设置输出视频的分辨率。请根据 GPU 的可用显存选择合适的值。
  1. 验证模型路径：确保模型选择器指向正确的模型文件：
  2. global_model：应加载 wan2.2_dancer_14b_global_fp8_scaled.safetensors
  3. local_model：应加载 wan2.2_dancer_14b_local_fp8_scaled.safetensors
  4. lightning_lora：应加载 lightx2v_I2V_14B_480p_cfg_step_distill_rank64_bf16.safetensors
  5. clip_vision：应加载 clip_vision_h.safetensors
  1. 运行生成：点击“运行”按钮或使用快捷键 Ctrl(Cmd) + Enter 执行视频生成。

5. 输出

工作流产生两个视频输出：

  • 全局输出预览：显示全局模型生成的舞蹈整体结构
  • 最终输出：经局部模型优化后的精细舞蹈视频

两个输出均通过 SaveVideo 节点自动保存。

模型信息

Wan Dancer 是一个基于 Apache 2.0 许可证发布的开源模型。模型权重可在 Hugging Face 上获取：

反馈问题

如果您遇到运行时错误或意外行为：

  • 确保 ComfyUI 已更新到最新版本
  • 检查所有必填模型是否已下载并放置在正确的目录中
  • 对于桌面/云端用户：更新跟随稳定版本发布，因此每夜支持的模型可能无法立即使用

反馈问题至：ComfyUI/issues