此工作流利用 Wan 2.1 基于图像修复的视频扩散，将一对图像转换为短且连贯的视频。你提供起始帧和结束帧；WanFunInpaintToVideo 节点会引导模型合成中间的运动，同时保留由你的图像锚定的主体与场景细节。文本提示词（通过 CLIPTextEncode）用于引导风格和内容，负面提示词则帮助抑制瑕疵与伪影。
在底层，Step1 会加载核心组件：UNETLoader（Wan2.1 / Wan）、用于 Latent <-> 像素空间转换的 VAELoader/VAEDecode，以及用于文本条件的 CLIPLoader。起始/结束帧通过 LoadImage 导入，并使用 CLIPVisionLoader + CLIPVisionEncode 编码，为 UNet 生成图像条件。KSampler 通过 ModelSamplingSD3 使用正确的 sigma 调度来驱动扩散过程，并结合 CFGZeroStar 和 SkipLayerGuidanceDiT 稳定引导。Attention Booster 组会应用 UNetTemporalAttentionMultiply 来增强跨帧的时间一致性。最后，CreateVideo 负责组装帧序列，SaveVideo 写出成片。
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万相 2.1 局部重绘" (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
