本 ComfyUI 教程工作流演示如何用 Wan2.2 Fun Control（14B），结合姿态、深度和边缘输入生成可控视频。核心为 Wan22FunControlToVideo 节点，将 CLIPTextEncode 的文本提示与参考视频提取的一个或多个控制流融合。模型堆栈通过 UNETLoader 和 VAELoader 加载，CLIPLoader 和 CLIPTextEncode 提供多语言文本条件。采样由 ModelSamplingSD3 和 KSamplerAdvanced 完成，平衡质量、速度和控制强度。最后，VAEDecode 重建帧，SaveVideo 导出结果。
你可在流程内直接预处理控制视频：LoadVideo 和 GetVideoComponents 导入素材，Canny 提取边缘，comfyui_controlnet_aux 和 ComfyUI-DepthAnythingV2 可选添加姿态/深度图。CreateVideo 设定分辨率、帧数和 FPS，建议与 Wan2.2 训练参数一致（512/768/1024，多分辨率，81 帧@16FPS）。Start_image 组可用 LoadImage 锚定首帧，保证主体/风格一致。可选 LoraLoaderModelOnly 应用 Wan2.2 Lighting LoRA，加速渲染但运动动态减少。该流程为视频转视频生成提供灵活、可复现的结构保真与风格控制。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "Wan 2.2 14B Fun Control" (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_14B_fun_control_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("145", "image", asset); // LoadImage
wf.setInput("179", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("170")[0].toFile("output.png"); // SaveVideoSDK 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
