Wan 2.2 14B Primer-Último fotograma a VÍDEO
Generar transiciones de video suaves definiendo fotogramas de inicio y fin.
Probar un ejemplo
Acerca de este flujo de trabajo
Este flujo de trabajo presenta First–Last Frame to Video (FLF2V) para Wan 2.2 (14B), un método de acondicionamiento que te permite especificar tanto el fotograma de apertura como el de cierre y hacer que el modelo sintetice un recorrido suave, guiado por el prompt, entre ambos. En lugar de expandirse desde un único keyframe o depender de interpolación por optical flow, el nodo WanFirstLastFrameToVideo impone condiciones de contorno en t=0 y t=1 dentro del proceso de difusión. Eso significa que las imágenes inicial y final se respetan como ground truth, mientras el modelo genera fotogramas intermedios nuevos y coherentes que siguen tu prompt de texto.
Entre bastidores, el flujo de trabajo carga Wan 2.2 con UNETLoader, un codificador de texto compatible vía CLIPLoader (UMT5 XXL FP8 scaled) y componentes VAE, y luego ejecuta KSamplerAdvanced con un cronograma estilo SD3 (ModelSamplingSD3). Un LoRA opcional “lightning” de 4 pasos puede acelerar mucho los renders con un compromiso moderado en la calidad. El resultado es un pipeline práctico y reproducible en ComfyUI que mejora enfoques anteriores de imagen a vídeo al acondicionar conjuntamente ambos extremos, reduciendo el identity drift, preservando la intención de la escena y produciendo transiciones que se sienten deliberadas en lugar de deformadas.
Preguntas y respuestas
FLF2V es generativo. Condiciona el proceso de difusión en ambas imágenes (inicio y fin) simultáneamente, por lo que el modelo sintetiza nuevos cuadros intermedios coherentes en vez de deformar píxeles entre cuadros. Comparado con I2V de un solo cuadro, reduce la deriva de identidad y garantiza que el cuadro final coincida con tu imagen objetivo.
La configuración fp8_scaled reduce significativamente el uso de VRAM. Como referencia, 640×640 usa aproximadamente el 84% de VRAM en una RTX 4090D 24GB. Habilitar el LoRA de 4 pasos lightning puede acelerar aún más los renders, pero espera cierta pérdida de calidad y consistencia temporal.
Sí. El flujo usa CLIPLoader con un codificador de texto compatible (ej. UMT5 XXL FP8 scaled) y configura ModelSamplingSD3 para coincidir con la programación esperada de Wan 2.2. KSamplerAdvanced maneja steps, CFG y seed. Usar los componentes proporcionados como están conectados asegura resultados estables y reproducibles.
Usa imágenes inicial y final con la misma relación de aspecto y contenido relacionado, mantén la intención del prompt alineada con ambos cuadros y evita indicaciones de estilo conflictivas. Aumenta steps o CFG para mayor fidelidad, y reduce resolución o cuadros totales si tienes problemas de VRAM.