今天给大家演示一个高质量、自动化的ComfyUI 视频生成工作流，其亮点在于通过两张图像（视频首帧与尾帧）自动生成画面提示词，并融合大模型实现影视级的细腻镜头过渡。该流程还集成了视频放大、插帧、文本提示控制、双模型混合、自动构图等关键模块，实现从图像到动态影像的全链路生成效果。工作流极大简化了视频创作门槛，适用于角色变身、场景切换、动作进化等高需求表达场景。
文章目录
- 工作流介绍
- 核心模型
- Node节点
- 工作流程
- 大模型应用
- CLIPTextEncode（正向） 电影质感叙事语义编码
- CLIPTextEncode（负向） 质量与结构纠错语义编码
- RH_Captioner 首尾帧自动剧情推理 Prompt 生成
- CLIPVisionEncode 视觉特征深度编码
- WanFirstLastFrameToVideo 首尾帧驱动的视频语义融合模型
- 使用方法
- 应用场景
- 开发与应用
工作流介绍
本工作流名为「Smooth Mix wan2.2 电影质画质-加速版」，通过组合多个核心模型、特效节点与推理链路，实现从静态图像输入到电影质感视频输出的全过程。其核心流程包括模型混合（BlockSwap）、提示词智能切换、首尾帧理解与过渡、图像插帧生成中间画面、再通过视频输出模块合成为一段完整视频。
此工作流使用了多个关键模型和 Node 节点，包括基于wan2.2的高动态 UNet 模型、自动提示生成节点、图像上下采样处理器、视觉语义理解模型、文本嵌入器、插帧算法与视频输出模块等。多个Fast Bypasser和Mute/Repeater节点提升了执行效率与灵活性，使复杂模型结构下的工作流依旧保持高性能。
核心模型
本工作流采用双 UNet 模型进行高低质图像路径的推理，通过wanBlockSwap节点实现模型混合，并加载相应的 VAE、CLIP、Vision 模型来支持不同层级的感知与推理。尤其使用smoothMixWan22I2V14B系列模型，使画面风格更加自然、细节丰富。
| 模型名称 | 说明 |
|---|
