Skip to main content
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
请确保你的 ComfyUI 已经更新。本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。如果加载工作流时有节点缺失，可能原因有：
  1. 你用的不是最新版（每夜版）。
  2. 启动时有些节点导入失败。

​
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

由于该模型在高分辨率图像上训练，使用较小尺寸可能无法获得理想效果。示例中我们使用 720 * 1280 的尺寸，这可能导致显存较低的用户运行困难，且生成耗时较长。 如有需要，请调整视频生成尺寸进行测试。请注意，较小的生成尺寸可能无法获得良好输出。
将 ComfyUI 更新至最新版本，然后下载工作流文件并拖入 ComfyUI，或者在模板库中通过 Workflow → 浏览模板 → Video 查找 “Wan2.1 FLF2V 720P”。 Wan2.1 FLF2V 720P 工作流预览

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON，或在模板库中搜索 “Wan2.1 FLF2V”

起始图片: wan2.1_flf2v_720_f16_start_image.png

视频生成的起始帧（LoadImage 节点 52）。下载并使用此图片，或替换为你自己的图片。

结束图片: wan2.1_flf2v_720_f16_end_image.png

视频生成的结束帧（LoadImage 节点 72）。下载并使用此图片，或替换为你自己的图片。

​
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。 扩散模型：根据你的硬件选择一个版本

扩散模型: Wan2.1 FLF2V 14B FP16

wan2.1_flf2v_720p_14B_fp16.safetensors：全精度，需要更多显存。放置于 ComfyUI/models/diffusion_models/

扩散模型: Wan2.1 FLF2V 14B FP8

wan2.1_flf2v_720p_14B_fp8_e4m3fn.safetensors：量化版本，显存占用更低。放置于 ComfyUI/models/diffusion_models/
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。
文本编码器：选择一个版本

文本编码器: UMT5 XXL FP16

umt5_xxl_fp16.safetensors：全精度文本编码器。放置于 ComfyUI/models/text_encoders/

文本编码器: UMT5 XXL FP8

umt5_xxl_fp8_e4m3fn_scaled.safetensors：量化文本编码器。放置于 ComfyUI/models/text_encoders/
VAE

VAE: Wan2.1 VAE

wan_2.1_vae.safetensors：用于编码/解码的 Wan2.1 VAE。放置于 ComfyUI/models/vae/
CLIP视觉

CLIP视觉: CLIP Vision H

clip_vision_h.safetensors：CLIP视觉编码器。放置于 ComfyUI/models/clip_vision/
文件保存位置

​
3. 按步骤完成工作流执行

Wan2.1 FLF2V 720P 原生工作流步骤
  1. 确保 UNet加载器 节点已加载 wan2.1_flf2v_720p_14B_fp16.safetensors 或 wan2.1_flf2v_720p_14B_fp8_e4m3fn.safetensors
  2. 确保 加载CLIP 节点已加载 umt5_xxl_fp8_e4m3fn_scaled.safetensors
  3. 确保 加载VAE 节点已加载 wan_2.1_vae.safetensors
  4. 确保 加载CLIP视觉 节点已加载 clip_vision_h.safetensors
  5. 将起始帧上传到 Start_image 节点
  6. 将结束帧上传到 End_image 节点
  7. （可选）修改正向和负面提示词，中英文均可
  8. （重要）在 Wan首尾帧视频 中我们默认使用 7201280 的尺寸，因为这是一个720P模型，使用较小尺寸会无法获得良好输出。请使用接近 7201280 的尺寸以获得较好生成效果。
  9. 点击 执行 按钮，或使用快捷键 Ctrl(cmd) + Enter 来执行视频生成