此工作流程利用 Wan 2.1 以「局部修補」為基礎的影片擴散，將一對圖片轉成一段短且連貫的影片。你提供起始影格與結束影格；WanFunInpaintToVideo 節點會引導模型在兩者之間合成運動，同時維持由圖片錨定的主體與場景細節。文字提示詞（透過 CLIPTextEncode）用於引導風格與內容，而負片提示詞可用來抑制瑕疵。
底層流程中，Step1 會載入核心元件：UNETLoader（Wan2.1 / Wan）、VAELoader/VAEDecode 用於潛空間與像素空間的轉換，以及 CLIPLoader 用於文字條件設定。起始/結束影格透過 LoadImage 匯入，並用 CLIPVisionLoader + CLIPVisionEncode 編碼，為 UNet 產生影像條件設定。KSampler 透過 ModelSamplingSD3 使用正確的 sigma 排程來驅動擴散過程，並由 CFGZeroStar 與 SkipLayerGuidanceDiT 穩定引導。Attention Booster 群組會套用 UNetTemporalAttentionMultiply 以加強跨影格的時間一致性。最後，CreateVideo 組合影格並由 SaveVideo 輸出完成的片段。
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萬相 2.1 區域性重繪" (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("wan2.1_fun_inp_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("72", "image", asset); // LoadImage
wf.setInput("6", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("80")[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
