Wan FLF2V（首尾帧视频生成）是由阿里通义万相团队推出的开源视频生成模型。其开源协议为 Apache 2.0。 用户只需提供起始帧和结束帧两张图像，模型即可自动生成中间过渡帧，输出一段逻辑连贯、自然流畅的720p高清视频。 核心技术亮点
  1. 首尾帧精准控制：首尾帧匹配度达98%，通过起始和结束画面定义视频边界，模型智能填充中间动态变化，实现场景转换和物体形态演变等效果。
  2. 稳定流畅视频生成：采用CLIP语义特征和交叉注意力机制，视频抖动率比同类模型降低37%，确保转场自然流畅。
  3. 多功能创作能力：支持中英文字幕动态嵌入、二次元/写实/奇幻等多风格生成，适应不同创作需求。
  4. 720p高清输出：直接生成1280×720分辨率视频，无需后处理，适用于社交媒体和商业应用。
  5. 开源生态支持：模型权重、代码及训练框架全面开源，支持主流AI平台部署。
技术原理与架构
  1. DiT架构：基于扩散模型和Diffusion Transformer架构，结合Full Attention机制优化时空依赖建模，确保视频连贯性。
  2. 三维因果变分编码器：Wan-VAE技术将高清画面压缩至1/128尺寸，同时保留细微动态细节，显著降低显存需求。
  3. 三阶段训练策略：从480P分辨率开始预训练，逐步提升至720P，通过分阶段优化平衡生成质量与计算效率。
相关链接
如果在加载下面的工作流文件时，你发现存在节点缺失，可能是因为以下情况：
  1. 你使用的 ComfyUI 版本不是最新的开发（nightly）版本。
  2. 你使用的 ComfyUI 版本是稳定（release）版本或桌面版（desktop）版本（不包含最新的功能更新）。
  3. 你使用的 ComfyUI 版本是最新的 commit 版本，但在启动过程中部分节点导入失败了。
请先确保你已经成功更新 ComfyUI 到最新的开发（nightly）版本, 请查看：如何更新 ComfyUI 部分了解如何更新 ComfyUI。

​
Wan2.1 FLF2V 720P ComfyUI 原生工作流示例

​
1. 下载工作流文件及相关输入文件

由于这是一个在高分辨率图片上训练的模型，所以使用较小的尺寸可能无法获得较好的结果，我们在示例中使用了 720 * 1280 的尺寸，这可能导致较低显存的用户无法很顺利运行,对应的图片生成也会非常差耗时。如果需要，在一开始的时候请修改视频生成的尺寸，但仅供测试，如需生成最终结果，请使用 720 * 1280 左右的尺寸。
请下载下面的 WebP 保存下面的 WebP 文件，并拖入 ComfyUI 中来加载对应的工作流,对应工作流已嵌入对应的模型下载文件信息。 Wan2.1 FLF2V 720P f16 工作流 请下载下面的两张图片，我们将会作为作为视频的起始帧和结束帧 start_image end_image

​
2.手动模型安装

本篇指南涉及的所有模型你都可以在这里找到。 diffusion_models 根据你的硬件情况选择一个版本进行下载，FP8 版本对显存要求低一些
如果你之前运行过 Wan Video 相关的工作流，你可能已经有了下面的这些文件。
从Text encoders 选择一个版本进行下载， VAE CLIP Vision 文件保存位置 
ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └─── wan2.1_flf2v_720p_14B_fp16.safetensors          # 或者 FP8 版本
│   ├── text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors           # 或者你选择的版本
│   ├── vae/
│   │   └──  wan_2.1_vae.safetensors
│   └── clip_vision/
│       └──  clip_vision_h.safetensors

​
3. 按步骤完成工作流运行

Wan2.1 FLF2V 720P 原生工作流步骤
  1. 确保 Load Diffusion Model 节点加载了 wan2.1_flf2v_720p_14B_fp16.safetensors 或者 wan2.1_flf2v_720p_14B_fp8_e4m3fn.safetensors
  2. 确保 Load CLIP 节点加载了 umt5_xxl_fp8_e4m3fn_scaled.safetensors
  3. 确保 Load VAE 节点加载了 wan_2.1_vae.safetensors
  4. 确保 Load CLIP Vision 节点加载了 clip_vision_h.safetensors
  5. 在 Start_image 节点上传起始帧
  6. 在 End_image 节点上传结束帧
  7. （可选）修改 正向和负向的提示词（Prompt）使用中英文都可以
  8. （重要）在 WanFirstLastFrameToVideo 修改对应视频的尺寸我们默认使用了 720 * 1280 的尺寸来，因为这是一个 720P 的尺寸来，因为这是一个720P的模型，所以使用较小的尺寸会无法获得较好的结果。
  9. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行视频生成