Wan 2.2 First-to-Last Frame Workflow
详情
下载文件
模型描述
想立即尝试此工作流？ 此 Wan 2.1 首帧到末帧工作流已在 SeaArt 上预配置完毕，适合希望跳过设置步骤的用户。
注意：这是一个指向工作流托管版本的直接链接。如果您不想手动下载和本地设置模型与 LoRAs，这是一个绝佳选择。
停止猜测你的 AI 视频会如何结束，开始定义它。
在 AI 视频生成中，最大的挑战之一是控制力。你通常有一个出色的起始图像，但视频到最后一帧时却陷入混乱。如果能同时锁定起始帧和结束帧，让 AI 自动填充两者之间的过渡，会怎样？
这正是 Wan 2.2 首帧到末帧 工作流所实现的功能。借助 Wan 2.2 的 140 亿参数模型与“闪电”速度优化，此 ComfyUI 工作流可让你以专业级的一致性实现角色姿态变形、光影变化，或在完全不同的场景间平滑过渡。
为何使用此工作流？
根据我们的测试与结果，此工作流解决了三大核心痛点：
精准控制：它不只是简单地向前动画，而是精确插值你提供的两张图像。
高速高质量：采用 Wan 2.2 闪电 LoRAs，显著缩短渲染时间，同时保留 140 亿参数模型的细节表现。
丝滑流畅播放：内置 RIFE VFI（视频帧插值） 系统，可自动将原始输出平滑为流畅的 32 FPS 视频。
分步指南：工作流原理
以下是工作流的逻辑分解，助你立即开始创作。
1. 设置：高性能模型
工作流首先加载核心模型：Wan 2.2 的 140 亿参数扩散模型（分为高噪声与低噪声版本）及 T5 编码器。
- 专业提示：此设置使用强度为 1.0 的“闪电 LoRAs”，这是实现快速生成、支持高效实验的关键秘诀！
2. 定义你的叙事（起始帧与结束帧）
这是魔法发生之处。你并非仅上传一张图像，而是上传两张：
- 起始图像：初始场景（例如：身穿白衬衫的女孩）。
- 结束图像：目标场景（例如：同一女孩在 TikTok 灯光环境下手持手机）。
工作流通过专用节点 WanFirstLastFrameToVideo 计算这两幅视觉图像之间的潜在过渡路径。
3. 文本引导
通过简单文本提示引导过渡过程。
- 正向提示：描述正在发生的动作（例如：“女孩正在拍摄自拍视频……镜头后拉”）。
- 负向提示：标准质量过滤器，防止模糊或畸变。
4. “双采样器”引擎
不同于基础工作流，此系统采用智能的两阶段采样：
- 高噪声采样器（步骤 0–2）：确立主要结构变化。
- 低噪声采样器（步骤 2–结束）：细化细节与纹理，确保最终图像清晰锐利。
5. 最终润色（RIFE 插值）
原始输出可能仅有 14–16 帧。工作流会自动将此输出通过 RIFE VFI 节点，设置倍数为 2。
- 结果：原本卡顿的低帧率动画，瞬间被平滑为流畅的专业级视频文件。
最终效果
结果是连贯、合乎逻辑的过渡。在我们的示例视频中，我们看到从标准人像无缝演变为动态社交媒体拍摄场景。角色身份保持一致，而光影、姿态与背景则精准匹配“结束帧”目标。
立即开始
准备好全面掌控你的 AI 视频生成了吗？此 AI 应用已打包完毕，即刻可运行。