此 ComfyUI 教程展示了如何使用 Wan 2.1 FLF2V 通过明确控制第一帧与最后一帧来生成平滑、可控的视频片段。工作流核心是 WanFirstLastFrameToVideo 节点，它融合三种条件来源：来自 CLIPTextEncode 的提示词嵌入、由起始/结束图像经 CLIPVisionEncode 提供的视觉引导，以及通过 UNETLoader 加载的 Wan 2.1 UNet。工作流配置为 720p 输出与 16 帧（F16），生成紧凑且视觉连贯的片段，并能从第一帧干净过渡到最后一帧。
在底层，“Load Models Here”组负责加载模型组件：VAELoader 与 VAEDecode 负责将 Latent 解码为 RGB 帧；CLIPLoader 与 CLIPTextEncode 创建正向提示词与（可选）负面提示词嵌入；CLIPVisionLoader 配合 CLIPVisionEncode 提取起始与结束图像的视觉特征。ModelSamplingSD3 定义 KSampler 用于驱动 Wan 2.1 UNet 扩散步进的 timestep/schedule。最后，CreateVideo 组装解码后的帧序列，SaveVideo 将 MP4 写入磁盘。该设置适合需要精确控制运动与构图（例如匹配分镜关键帧），同时仍希望通过文本驱动风格的场景。
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 2.1 首尾帧视频 720p F16" (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_flf2v_720_f16_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("52", "image", asset); // LoadImage
wf.setInput("6", "text", "glass flower blossom"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("92")[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
