阿里云万相Wan2.1 VACE模型，最近在视频编辑领域确实引起了不少关注。它支持的功能相当全面——从局部编辑、视频重绘，到背景扩展、时长延展，甚至多模态条件控制，都能搞定。简单来说，就是文本、图像、视频这些输入方式，它都能接得住。下面我们就来系统拆解一下它的三大核心能力：多图参考、姿态参考与深度参考，看看具体的工作流是怎么搭建的。

核心概念

先聊聊“多图参考”。这个概念很直观，就是在生成或处理视频时，模型能同时参考好几张输入图片的内容信息，然后把它们融合到同一条视频里去。这种能力在电商展示、艺术创作等场景里，应用价值非常高。

整个工作流，其实可以拆解为三个区域：中心的基础框架、前端的输入模块，以及末端的视频放大模块。

• 中心区域的Wan2.1 VACE工作流，本质上是在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，因为涉及多张图片参考，所以每张图像的加载，都对应着尺寸调整、去除背景等预处理节点。

• 最后，将处理好的图片进行联结、编码，再送入采样器采样、解码，最终输出视频。

Wan2.1 VACE工作流的基本框架搭建

采样器配置

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

在阿里云百炼平台API调用Wan模型，如下图：

模型加载选择

在model圆点下，拖出Wan视频模型加载器（WanVideo Model Loader），选择Wan2.1_T2V_14b模型。

接着，拖出Wan视频Block Swap节点（WanVideo Block Swap），参数保持默认。

在vace_model圆点下，拖出Wan视频VACE模型选择器（WanVideo VACE Module Select），选择核心模型Wan2_1_VACE_14b。

文本编码

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

加速与优化节点

在采样器里，再拖出几个加速生成和提升画质的节点：Wan视频Enhance-A-Video（WanVideo Enhance-A-Video）、Wan视频TeaCache（WanVideo TeaCache）、Wan视频SLG（WanVideo SLG）以及Wan视频Experimental Args（WanVideo Experimental Args）。

图像编码与解码

在image_embeds圆点下，拖出Wan视频VACE编码器（WanVideo VACE Encode）节点。在VAE圆点下，拖出Wan视频VAE加载器（WanVideo VAE Loader），选择Wan2_1_VAE_bf16模型。

最后，在samples圆点下拖出Wan视频解码器（WanVideo VACE Decode）节点，并将vae圆点连接起来。

输出处理

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

至此，Wan2.1 VACE工作流的基本框架就搭建完成了。后续所有基于Wan2.1 VACE的工作流，都会从这个框架衍生出来。

多图参考工作流搭建

多图输入模块构建

接下来，我们来构建多图参考的前期输入模块。创建一个加载图片（Load Image）节点，在IMAGE圆点下拖出调整图片尺寸（Resize Image v2）节点。参数设置：宽度（width）设为480，高度（height）保持720，upscale_method选择lanczos。

然后在这个节点后拖出图像背景移除（Image Remove Bg）节点。将这三个节点复制一份，主图的rem_mode模式选择Inspyrenet。

接着，加载一个图像联结（Image Concatenate）节点，将两张图联结，方向（direction）保持右侧（right）。

在图像联结节点的IMAGE圆点下，拖出一个Get Image Size&Count节点，方便统一处理图片尺寸。

还可以加载一个图像预览（Preview Image）节点，方便查看合并效果。

最后，将处理后的图像接入Wan视频VACE编码器（WanVideo VACE Encode）节点下的ref_images圆点，作为参考图，同时将宽（width）和高（height）也连接起来。

在空白区域再创建一个图像联结（Image Concatenate）节点，将解码后的图像与前期预处理图像联结，再传入复制的视频合并（Video Combine）节点。这样，就能方便地同时看到预处理效果和生成画面的整体效果了。

至此，Wan2.1 VACE多图参考的工作流就搭建完成了。

多图参考工作流测试案例

我们用两张图片来测试一下效果。希望主图中的红发女人能与副图中的水下金鱼场景融合。因为副图作为背景，不需要抠像，所以将副图的背景移除节点关闭，重新连接节点。复制负向提示词模板，输入正向提示词，点击运行。

可以看到，人物与背景得到了巧妙的融合，光影和场景细节的还原度相当高。

姿态参考与深度参考能力详解

核心原理

接着，再来看Wan2.1 VACE的姿态参考与深度参考工作流。

姿态参考和深度参考的原理，是通过openpose模型和深度预测算法，提取上传视频中的人物骨骼点或画面深度图，再结合提示词语义，控制最终输出视频的画面效果。因此，这两个工作流最核心的节点就是OpenPose节点与Depth Anything节点。下面就来一起搭建这套工作流。

姿态参考与深度参考工作流搭建

基础框架复用

先导入一个Wan2.1 VACE的基础框架工作流。

视频输入

双击空白处，创建一个加载视频【Load Video（Upload）】节点，可以直接拖拽视频上传。然后在IMAGE圆点下拖出Image Resize节点，调整宽（width）为480，高（height）为720，interpolation参数选择nearest。

控制节点

接着，拖出OpenPose Pose节点，这个节点用于提取视频中的人物骨骼信息。

同样的，还可以拖出Depth Anything节点，用于提取视频的画面深度信息。

通过图像混合（Image Blend）节点将两个节点混合。这个节点就像一个开关：当选择0时，对应OpenPose模型；选择1时，则切换为Depth模型。

数据传输

在图像混合（Image Blend）节点下的IMAGE圆点拖出Get Image Size&Count节点，和多图参考工作流一样，将图像及尺寸传输进Wan视频VACE编码器（WanVideo VACE Encode）节点。

双击空白处，创建加载图像【Load Image（Path）】节点，随后拖出调整图像（Resize Image v2）节点，与Wan视频VACE编码器（WanVideo VACE Encode）节点的ref_images进行连接，作为视频的参考图。

同时，确保视频的尺寸与图像尺寸保持一致。

可视化对比

再次双击空白处，创建图像联结（Image Concatenate）节点，将上传的图像与解码后的视频联结。

再创建一个图像联结节点，将预处理的控制视频也联结过来。

最后与视频合并节点连接，这样就可以更直观地看到整个工作流各环节的输出结果了。

至此，整套工作流就搭建完成了。

姿态参考与深度参考测试案例

姿态参考测试

上传一张艺术感人物图像，用OpenPose模型来测试。希望图像中的人物能参考视频的动作起舞，输入提示词，点击运行。

可以看到，人物完美复刻了视频中的动作，效果非常不错，实现了精准响应。

深度参考测试

再上传一段场景丰富的滑雪视频，以及一张滑沙的图像。使用深度控制对视频进行控制，输入提示词，点击运行。

可以看到，滑沙的动作参考了滑雪者的运动感，背景处理也变得更加丰富。

这节课系统解析了Wan2.1 VACE模型的三大核心能力——多图参考、姿态参考与深度参考，展示了其在视频生成领域对细节还原与动态控制的强大潜力。大家可以移步到阿里云百炼平台测试。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：万相Wan2.1-VACE-Plus视频编辑模型：收费标准与限流规则同步调用Demo要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题