「Wan 2.2 5B Fun Inpaint」工作流程是為了高效率的影片修補（inpainting）而設計，運用 Wan2.2 模型的能力。這個工作流程特別適合透過在起始與結束影格之間進行插幀來生成影片內容，方便進行創意探索與影片生成技術測試。工作流程使用一系列節點，包括用於取樣的 KSampler、用於文字提示詞編碼的 CLIPTextEncode，以及將潛變量解碼為視覺輸出的 VAEDecode。透過 Wan2.2 模型，本工作流程可在快速迭代下維持良好的影片生成品質，適合用於實驗與製作情境。
在技術上，工作流程由幾個關鍵步驟組成。首先使用 UNETLoader 與 VAELoader 等節點載入模型，為影片生成做準備。接著透過 CLIPTextEncode 節點建立提示詞，引導影片的視覺風格與內容。然後使用 LoadImage 與 CreateVideo 等節點指定起始圖片與影片參數（例如尺寸與長度）。最後使用 SaveVideo 節點生成並儲存影片，完成修補流程。這種結構化方式兼具效率與彈性，可滿足多種影片生成需求。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "Wan 2.2 5B Fun Inpaint" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("video_wan2_2_5B_fun_inpaint_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("70", "image", asset); // LoadImage
wf.setInput("6", "text", "Flowers are in full bloom, time-lapse photography"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("58")[0].toFile("output.png"); // SaveVideoSDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
常見問題
Showing 30 of 30 templates