ComfyUI Wan2.1 FLF2V 原生示例

本文介绍了如何在 ComfyUI 中完成 Wan2.1 FLF2V 视频生成示例

Wan FLF2V（首尾帧视频生成）是由阿里通义万相团队推出的开源视频生成模型。其开源协议为 Apache 2.0。 用户只需提供起始帧和结束帧两张图像，模型即可自动生成中间过渡帧，输出一段逻辑连贯、自然流畅的720p高清视频。

核心技术亮点

1. 首尾帧精准控制：首尾帧匹配度达98%，通过起始和结束画面定义视频边界，模型智能填充中间动态变化，实现场景转换和物体形态演变等效果。
2. 稳定流畅视频生成：采用CLIP语义特征和交叉注意力机制，视频抖动率比同类模型降低37%，确保转场自然流畅。
3. 多功能创作能力：支持中英文字幕动态嵌入、二次元/写实/奇幻等多风格生成，适应不同创作需求。
4. 720p高清输出：直接生成1280×720分辨率视频，无需后处理，适用于社交媒体和商业应用。
5. 开源生态支持：模型权重、代码及训练框架全面开源，支持主流AI平台部署。

技术原理与架构

1. DiT架构：基于扩散模型和Diffusion Transformer架构，结合Full Attention机制优化时空依赖建模，确保视频连贯性。
2. 三维因果变分编码器：Wan-VAE技术将高清画面压缩至1/128尺寸，同时保留细微动态细节，显著降低显存需求。
3. 三阶段训练策略：从480P分辨率开始预训练，逐步提升至720P，通过分阶段优化平衡生成质量与计算效率。

相关链接

• GitHub代码仓库：GitHub
• Hugging Face模型页：Hugging Face
• ModelScope（魔搭社区）：ModelScope

便携版或手动安装用户

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 ComfyUI 的工作流模板中找到。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. 你用的不是最新开发版（nightly）。
2. 你用的是稳定版或桌面版（没有包含最新的更新）。
3. 启动时有些节点导入失败。

​

Wan2.1 FLF2V 720P ComfyUI 原生工作流示例

​

1. 下载工作流文件及相关输入文件

由于这是一个在高分辨率图片上训练的模型，所以使用较小的尺寸可能无法获得较好的结果，我们在示例中使用了 720 * 1280 的尺寸，这可能导致较低显存的用户无法很顺利运行,对应的图片生成也会非常差耗时。如果需要，在一开始的时候请修改视频生成的尺寸，但仅供测试，如需生成最终结果，请使用 720 * 1280 左右的尺寸。

请下载下面的 WebP 保存下面的 WebP 文件，并拖入 ComfyUI 中来加载对应的工作流,对应工作流已嵌入对应的模型下载文件信息。

请下载下面的两张图片，我们将会作为作为视频的起始帧和结束帧

​

2.手动模型安装

本篇指南涉及的所有模型你都可以在这里找到。

diffusion_models 根据你的硬件情况选择一个版本进行下载，FP8 版本对显存要求低一些

• FP16:wan2.1_flf2v_720p_14B_fp16.safetensors
• FP8:wan2.1_flf2v_720p_14B_fp8_e4m3fn.safetensors

如果你之前运行过 Wan Video 相关的工作流，你可能已经有了下面的这些文件。

从Text encoders 选择一个版本进行下载，

• umt5_xxl_fp16.safetensors
• umt5_xxl_fp8_e4m3fn_scaled.safetensors

VAE

• wan_2.1_vae.safetensors

CLIP Vision

• clip_vision_h.safetensors

文件保存位置

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └─── wan2.1_flf2v_720p_14B_fp16.safetensors          # 或者 FP8 版本
│   ├── text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors           # 或者你选择的版本
│   ├── vae/
│   │   └──  wan_2.1_vae.safetensors
│   └── clip_vision/
│       └──  clip_vision_h.safetensors   

​

3. 按步骤完成工作流运行

1. 确保 Load Diffusion Model 节点加载了 wan2.1_flf2v_720p_14B_fp16.safetensors 或者 wan2.1_flf2v_720p_14B_fp8_e4m3fn.safetensors
2. 确保 Load CLIP 节点加载了 umt5_xxl_fp8_e4m3fn_scaled.safetensors
3. 确保 Load VAE 节点加载了 wan_2.1_vae.safetensors
4. 确保 Load CLIP Vision 节点加载了 clip_vision_h.safetensors
5. 在 Start_image 节点上传起始帧
6. 在 End_image 节点上传结束帧
7. （可选）修改 正向和负向的提示词（Prompt）使用中英文都可以
8. （重要）在 WanFirstLastFrameToVideo 修改对应视频的尺寸我们默认使用了 720 * 1280 的尺寸来，因为这是一个 720P 的尺寸来，因为这是一个720P的模型，所以使用较小的尺寸会无法获得较好的结果。
9. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行视频生成