阿里云万相Wan2.1 VACE视频编辑统一模型，支持局部编辑、视频重绘、背景扩展、时长延展、图片参考等多种视频编辑与生成任务，支持文本、图像、视频等多模态条件控制。本文转自阿里云官网关于Wan2.1 VACE模型的多图参考、姿态参考、深度参考能力及工作流创建逻辑，关于万相Wan2.1 VACE模型的详细介绍参考阿里云百炼平台：https://www.aliyun.com/product/bailian 目前可以免费申请千万Tokens。

核心概念

多图参考是指在生成或处理视频时，能够同时参考多张输入图片的内容信息，融合生成在同一条视频里。这种能力在电商、艺术创作等领域有着极高的应用价值。

工作流框架

整个工作流可以大致分为3个区域：中心的基础框架区域、前段的输入区域和末端的视频放大区域。

中心区域的Wan2.1 VACE工作流本质是在Wan2.1文生视频工作流的基础上增加了VACE的模型加载和编码器。

在前端输入区域，因为是多张图片的参考，所以每一个图像加载都会有对应着的尺寸调整，去除背景等节点。

最后将处理好的图片进行联结、编码，并传输进采样器采样、解码，就可以输出成最终的视频啦。

Wan2.1 VACE工作流的基本框架搭建

采样器配置

首先，选择我们的Wan视频采样器（WanVideo Sampler），并调整参数：步数（steps）输入20，cfg值输入6，shift值输入8，采样器（scheduler）选择dpm++。

在阿里云百炼平台API调用Wan模型：https://www.aliyun.com/product/bailian 如下图：

阿里云百炼AI大模型免费领取7000万tokens.jpg

模型加载选择

在model圆点下我们拖拽出Wan视频模型加载器（WanVideo Model Loader），选择Wan2.1_T2V_14b的模型。

随后，我们拖拽出Wan视频Block Swap节点（WanVideo Block Swap），参数保持默认。

在vace_model圆点下拖拽出Wan视频VACE模型选择器（WanVideo VACE Module Select）选择我们的主角Wan2_1_VACE_14b的模型。

文本编码

我们回到Wan视频采样器（WanVideo Sampler），在text_embeds圆点下拖拽出Wan视频文本编码器（WanVideo TextEncode），随后t5圆点下拖拽出Wan视频T5文本编码加载器（WanVideo T5 TextEncoder Loader），选择umt5_xxl_fp8_scaled的模型。

加速与优化节点

在采样器里我们再拖拽出几个加速视频生成及提高画面质量的节点，Wan视频Enhance-A-Video（WanVideo Enhance-A-Video）节点、Wan视频TeaCache（WanVideo TeaCache）节点、Wan视频SLG（WanVideo SLG）节点以及Wan视频Experimental Args（WanVideo Experimental Args）节点。

图像编码与解码

在image_embeds圆点下我们拖拽出Wan视频VACE编码器（WanVideo VACE Encode）节点，在VAE圆点下我们拖拽出Wan视频VAE加载器（WanVideo VAE Loader），选择Wan2_1_VAE_bf16模型。

最后我们在samples圆点下拖拽出Wan视频解码器（WanVideo VACE Decode）节点，将vae圆点进行连接。

输出处理

在Wan视频解码器（WanVideo VACE Decode）节点之后拖拽出视频合并（Video Combine）节点，帧数保持16，输出格式选择video/h264-mp4。

这样，Wan2.1 VACE工作流的基本框架我们就搭建完成了，所有的Wan2.1 VACE工作流都会基于这个框架衍生。

多图参考工作流搭建

多图输入模块构建

接下来，我们来构建一下多图参考的前期输入模块。我们创建一个加载图片（Load Image）节点，在IMAGE圆点下拖拽出调整图片尺寸（Resize Image v2）节点，调整一下参数，宽度（width）我们给480，高度（heidht）保持在720，upscale_method选择lanczos。