“Wan 2.2 5B Fun 修复视频”工作流专为高效视频修复而设计，利用 Wan2.2 模型的强大能力。该工作流特别适用于通过在起始帧和结束帧之间插值生成视频内容，便于创意探索和视频生成技术的测试。工作流采用一系列节点，包括用于采样的 KSampler、用于文本提示编码的 CLIPTextEncode 以及用于将潜变量解码为视觉输出的 VAEDecode。通过使用 Wan2.2 模型，该工作流可实现高质量视频生成和快速迭代，非常适合实验和生产场景。
在技术实现上，工作流分为几个关键步骤。首先，使用 UNETLoader 和 VAELoader 等节点加载模型，为视频生成做准备。接下来，通过 CLIPTextEncode 节点创建提示词，引导视频的视觉风格和内容。然后，使用 LoadImage 和 CreateVideo 等节点指定起始图像和视频参数（如尺寸和长度）。最后，使用 SaveVideo 节点生成并保存视频，完成修复过程。这种结构化流程使工作流高效且灵活，能够满足多样化的视频生成需求。
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 5B Fun 修复视频" (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
常见问题
Showing 30 of 30 templates