本 ComfyUI 工作流演示了如何使用 Wan 2.2 5B 模型实现快速高质量的文本转视频和图像转视频。它将核心构建模块串联起来：UNETLoader 加载 Wan2.2 扩散主干，CLIPLoader 和 CLIPTextEncode 将正向和负向提示词转为条件输入，ModelSamplingSD3 配置采样器，使 KSampler 能生成时序一致的潜变量。纯文本转视频时，扩散模型从噪声开始；图像转视频时，Wan22ImageToVideoLatent 从源图像注入结构和运动线索，用于初始化或引导序列。
帧在潜空间合成后，VAELoader 引入 Wan 2.2 VAE，VAEDecode 将潜变量解码为 RGB 帧。CreateVideo 按设定的帧率和长度组装帧，SaveVideo 将最终视频写入磁盘。工作流分组清晰：Step1 - 加载模型（指向 wan2.2_ti2v_5B_fp16.safetensors 和 wan2.2_vae.safetensors），Step3 - 提示词编辑，Video Size & length 组设置分辨率和帧数，For i2v, use Ctrl + B to enable 分支可将静态图像转为动态镜头。该流程专为快速原型优化——调整提示词、步数和尺寸，快速迭代探索创意。
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视频生成" (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_ti2v_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("56", "image", asset); // LoadImage
wf.setInput("6", "text", "your prompt here"); // 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
