Wan 2.2 14B Первый-Последний кадр в Видео
Генерация плавных видеопереходов путем определения начальных и конечных кадров.
Попробовать пример
Об этом рабочем процессе
Этот рабочий процесс представляет First–Last Frame to Video (FLF2V) для Wan 2.2 (14B) — метод кондиционирования, который позволяет задать и первый, и последний кадр, а модели синтезировать плавный, управляемый промптом переход между ними. Вместо расширения из одного ключевого кадра или опоры на интерполяцию оптическим потоком, нода WanFirstLastFrameToVideo задаёт граничные условия при t=0 и t=1 внутри диффузионного процесса. Это означает, что старт и финиш уважаются как истинные опорные кадры, а модель генерирует новые, согласованные промежуточные кадры, следующие вашему текстовому промпту.
Под капотом рабочий процесс загружает Wan 2.2 через UNETLoader, совместимый текстовый энкодер через CLIPLoader (UMT5 XXL FP8 scaled) и компоненты VAE, затем запускает KSamplerAdvanced с расписанием в стиле SD3 (ModelSamplingSD3). Опциональная «lightning» 4-step LoRA может заметно ускорить рендер с умеренным компромиссом по качеству. В результате получается практичный, воспроизводимый пайплайн в ComfyUI, который улучшает подходы изображение-в-видео за счёт совместного кондиционирования по обоим концам, снижая дрейф идентичности, сохраняя замысел сцены и делая переходы более «авторскими», а не похожими на деформацию.
Вопросы и ответы
FLF2V — генеративный метод. Он одновременно кондиционирует диффузионный процесс на стартовом и конечном изображениях, поэтому модель синтезирует новые согласованные промежуточные кадры, а не деформирует пиксели между кадрами. По сравнению с I2V из одного кадра он уменьшает дрейф идентичности и гарантирует, что финальный кадр совпадёт с вашим целевым изображением.
Конфигурация fp8_scaled существенно снижает использование VRAM. По справке из заметок автора: 640×640 использует около 84% VRAM на RTX 4090D 24GB. Включение 4-steps lightning LoRA может дополнительно ускорить рендер, но ожидайте компромиссы по качеству и временной согласованности.
Да. Рабочий процесс использует CLIPLoader с совместимым текстовым энкодером (например, UMT5 XXL FP8 scaled) и задаёт ModelSamplingSD3, чтобы соответствовать ожидаемому расписанию Wan 2.2. Затем KSamplerAdvanced управляет steps, CFG и seed. Использование предоставленных компонентов в текущей связке даёт стабильные, воспроизводимые результаты.
Используйте старт/финиш изображения с одинаковым Соотношением сторон и близким содержимым, держите смысл промпта согласованным с обоими кадрами и избегайте конфликтующих стилевых подсказок. Увеличьте steps или CFG для более строгого следования, и уменьшите Разрешение или число кадров, если упираетесь в VRAM.