$ v* T) b: v( n q% m# C% b$ w8 Z
我目前分享三种用于视频制作的工作流程。欢迎大家尝试一下。
我收到了一些关于声音的留言，但我目前没有添加声音的计划。原因有很多，最主要是工作比较忙
ーーーーーーーーーーーーーーーーーーーーーーー
我会尽可能回复每个评论区的信息。另外，请注意我对人工智能生成方面的知识非常有限，所以可能无法回答一些复杂的问题，上次帮助论坛一位兄弟安装部署了一次整合包和跑通我分享那些工作流，确实发现了很多问题，但是过于详细制作教程我又有所不足，抱歉我由于和舍友同住所以录制视频声音会比较小所以有时后可能讲得不太清楚。
这次分享三个工作流，包含图生视频和文生视频，提示词方面我是需要大模型协助完成调试的，你们如果要套用请直接拖拽相关的视频进去就行！可以去我往期视频相关帖子里下载！
& ~ m9 v( }' w8 h; V4 d7 w
以下是对提供的三个 ComfyUI 工作流 JSON 文件的主要功能、使用场景和特点的对比分析
0 O7 r1 `' |, {+ L% D4 w0 w) V
### 三个工作流详细功能对比
+ C" A4 _6 n0 W. I
1. **▶Wan22--视频流(整合).json** 最全能型（推荐大多数人先用这个）
3 `' ^9 g' p! i$ n- `* }2 {
- 支持三种主要生成模式（通过组标题可见）：
1. 图生视频流①
2. 文生视频流②
3. 首尾帧视频流③
- 包含完整的 GGUF 小显存优化路线（Q8_0 等）
- 使用了 SageAttention + fp16_accumulation 加速组件（三处都有）
- 支持输入秒数、帧率、高宽的灵活控制
- 有比较完整的预处理 / 后处理节点（Image resize, conditioning 组合等）
- **一句话总结**：想用 Wan2.2 基本什么都干，就先打开这个。
% e/ Q3 B+ H. n
2. **高动态图生视频.json** 质量向 & 高动态专用
0 f+ L7 `! x! [" w* u
- 采用 **高低噪双模型分阶段精炼** 策略（常见的高质量 trick）
- 1st_Model_High + 1st_Model_Low
- 2nd_Model_High + 2nd_Model_Low
- 明显的两阶段提示正向（1st_Positive → 2nd_Positive）
- 使用了 CFGZeroStar（零终端 CFG 技巧，减少画面糊、提升细节）
- 整体节点更精简，但对单次图生视频的控制更精细
- **一句话总结**：追求单段最强画面质感、动态最自然、光影最电影感时用这个。
' \4 L% f4 f' S% d7 S0 N
3. **wan2.2长视频SVI流.json** 长度优先 & 连贯性优化
* S( C: q& u$ O1 C
- 明显分成多段（1st、2nd、3rd、4th positive 提示）
- 每段都有独立的首尾图控制逻辑（大量 Set/Get 3rd_Image 等）
- 支持更长的 total_steps + split_steps 组合
- 专门为长视频做的提示词分段递进（避免风格漂移）
- 也有 GGUF + SageAttention 加速路线
- **一句话总结**：想生成 10秒以上、尽量不闪、不跳帧的连续视频，优先考虑这个。
主模型方面：
文件都是围绕 Wan2.2（尤其是 I2V 14B 系列）衍生出来的变体，主要差异体现在：
* T5 U7 b! j0 ^
2 G; X* ]( T2 Q+ x
7 ^+ x. `' C1 e, U8 p
: j7 ^ M# _; y
支持大佬，虽然我的A卡不一定能跑视频，不过过几个月回国一趟换张70ti过来就稳稳的了
