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

​
Wan2.1 FLF2V 720P f16 ComfyUI 原生工作流示例

​
1. 下载工作流文件及相关输入文件

当前我们只提供了 fp16 版本的模型，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。

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。

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

​
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 wan2.1_flf2v_720p_14B_fp16.safetensors

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
│   ├── 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

  1. 确保 Load Diffusion Model 节点加载了 wan2.1_flf2v_720p_14B_fp16.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 的尺寸来使生成视频获得更好的结果，但这可能导致在较低显存下无法顺利运行，你可以在一开始尝试的时候调整成 480 * 854 的尺寸来保证运行的顺畅，然后在需要生成较大尺寸的视频的时候再调整成 720 * 1280 的尺寸来保证生成的效果
  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

此页面对您有帮助吗？

建议编辑