一、前言：从“能动起来”到“知道怎么动”
前几篇主要解决了几个问题：
如何让图片按提示词运动；
如何处理复杂动作；
如何在 V100 16G 显存下完成文生视频和图生视频；
如何尽量逼近影视级画面。
但到了真正做镜头时，会发现一个更核心的问题：
T2V 和单图 I2V 能生成运动，但不一定能保证起点和终点。
比如你想做一个镜头：
开头是“孤舟蓑笠翁”；
结尾是“人物回望镜头”；
中间要有水面、雾气、风雪、镜头推进。
如果只靠提示词，模型可能会动，但最后不一定停在你想表达的位置。
所以第八篇引入Wan2.2-KJ 首末帧 I2V，重点不是“生成视频”，而是：
用首帧和末帧锁定叙事，用模型补全中间过程。
二、为什么选择 Wan2.2-KJ 首末帧 I2V
1. 首末帧 I2V 的价值
首末帧生成视频，本质上是给模型两个强约束：
首帧：决定镜头从哪里开始；
末帧：决定镜头到哪里结束；
提示词：决定中间如何运动、如何过渡。
它比单纯 T2V 更适合叙事，因为你可以提前设计：
镜头起点；
镜头终点；
人物姿态变化；
场景空间关系；
镜头运动轨迹。
2、核心差异对比
表格
| 对比维度 | KJ定制FP8版本 | 通用官方FP8版本 |
|---|---|---|
| 显存占用 | 更低，8G显卡可流畅跑LTX2.3等大视频模型 | 显存占用更高，8G显卡容易触发OOM |
| 适配优化 | 针对ComfyUI做了蒸馏裁剪，兼容KJNodes专属加载逻辑 | 通用标准FP8格式，无ComfyUI专属优化 |
| 运行速度 | 同硬件下生成速度更快，低显存场景优势明显 | 速度依赖原生硬件FP8算力，低显存场景易卡顿 |
| 细节表现 | 部分场景人物一致性、细节保留略弱于官方版 | 画面细节、人物一致性更接近原版FP16效果 |
适配场景差异
- KJ定制FP8版本：专门面向RTX 3060、RTX4060这类8G低显存显卡，无需大显存就能跑通大分辨率视频生成，是你当前16G Tesla V100环境下进一步降低显存压力的优选方案。
- 通用官方FP8版本：精度保留更完整，适合显存充足、追求画面细节一致性的场景，对硬件原生FP8算力依赖更高。
3. Wan2.2-KJ 的实战意义
Wan2.2-KJ 在 ComfyUI 中更适合做工程化交付，原因主要有三点：
支持首末帧控制，适合固定叙事结构；
I2V 流程相对成熟，便于搭建稳定工作流；
在有限显存下仍有可配置空间，适合 V100 16G 这类环境。
三、环境准备与模型加载
1、环境准备
和以前一样
2、模型下载：
我们先把模型下载地址提供给大家
wget -P /home/jjj/ComfyUI/models/diffusion_models https://hf-mirror.com/sisniha/wan2.2-kj/resolve/main/I2V/Wan2_2-I2V-A14B-HIGH_fp8_e4m3fn_scaled_KJ.safetensors
wget -P /home/jjj/ComfyUI/models/diffusion_models https://hf-mirror.com/sisniha/wan2.2-kj/resolve/main/I2V/Wan2_2-I2V-A14B-LOW_fp8_e4m3fn_scaled_KJ.safetensors
modelscope download --model Comfy-Org/CLIP-ViT-H-14-laion2B-s32B-b79K_repackaged split_files/clip_vision/CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors --local_dir /home/jjj/ComfyUI/models
wget -P /home/jjj/ComfyUI/models/loras https://hf-mirror.com/Chroma111/CivitAI-Archive-2/resolve/main/1585622/2014449/Wan21_I2V_14B_lightx2v_cfg_step_distill_lora_rank64_fixed.safetensors
目录结构
📂 ComfyUI/ ├── 📂 models/ │ ├── 📂 text_encoders/ │ │ └── umt5_xxl_fp8_e4m3fn_scaled.safetensors │ ├── 📂 loras/ │ │ ├── wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors │ │ └── wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors │ ├── 📂 diffusion_models/ │ │ ├── wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors │ │ └── wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors │ │ └── Wan2_2-I2V-A14B-HIGH_fp8_e4m3fn_scaled_KJ.safetensors │ │ └── Wan2_2-I2V-A14B-LOW_fp8_e4m3fn_scaled_KJ.safetensors │ └── 📂 vae/ │ └── wan_2.1_vae.safetensors3. 首末帧图片要求
这是本篇最容易出问题的地方，需要重点强调：
首帧和末帧分辨率必须一致；
宽高建议保持一致；
画面主体位置不要差异过大；
人物结构要清晰；
避免首末帧同时包含极端复杂细节；
图片不要过大，否则会明显增加显存压力。
建议测试分辨率：
480P：优先保证跑通；
720P：在 16G 显存下作为高质量测试；
不建议一开始就上 1080P。
四、ComfyUI 工作流搭建（手搓）
1、模型加载区
一共加载了七个模型，两个lora模型是一样的。
2、提示词区
3、采样区
4、图片输入处理区
5、视频处理输出
工作流上传
6、显示显存峰值与运行总耗时
五、提示词设计：让中间过程有逻辑
1. 提示词结构
建议把提示词拆成四部分：
主体描述
例如：
孤舟，蓑笠翁，江面，雪景，冷色调
运动描述
例如：
人物缓慢抬头，衣袖随风轻微摆动
镜头运动
例如：
镜头从近景缓慢拉远，画面逐渐展开
环境与光影
例如：
雪花飘落，水面有细微波纹，雾气逐渐散开，远处山影显现
2. 推荐正面提示词示例
镜头缓慢拉远，孤舟平稳，人物微动，衣袖轻扬，雪花持续飘落，水面波纹自然展开，雾气向两侧散开，远山逐渐显现，冷蓝灰调，光影自然过渡，电影级构图，空间纵深感强，运动连续平滑。
3. 推荐负面提示词示例
变形，结构崩坏，人物扭曲，多余物体，水面沸腾，闪烁，突变色彩，画面撕裂，不自然运动，文字，水印，模糊。
4、V100 16G 推荐参数
项 | 值 |
|---|---|
分辨率 | 832×480 |
帧数 | 81（想省显存先 49） |
步数 | 4（LoRA 模式）/ 25（无 LoRA） |
CFG | 1.0（LoRA 模式）/ 7.0（无 LoRA） |
Shift | 8.0 |
量化 | fp8_e4m3fn_scaled |
LoRA strength | 1.0 起步，不稳就 0.8 |
wan2.2_00009
效果很差，如何解决，重新设置采样器，默认会出问题，如果已经按照前面设置了，就没啥问题
步长切法（总步数 4，不是各 4）
总 steps = 4
HIGH pass: start=0, end=2, add_noise=on, return_leftover=on
LOW pass: start=2, end=4(或10000), add_noise=off, return_leftover=off
修改之后视频产出，雪花像冰雹，太密集，通过提示词也无法改变。
video_ComfyUI_00009_
修改，上面忘了low的添加滤波了
0017
video_ComfyUI_00017_
步长设置：
严格按官方：总步数 4（2+2），最稳，速度最快
想保细节：可以 2 HIGH / 4 LOW（总 6 步），或 4 HIGH / 4 LOW（总 8 步）
低噪阶段多加步数对“人脸/水面/雪花”细节帮助最大
高噪阶段别加太多，高噪专家只负责建结构，加多了反而运动发僵
0027
wan2.2首尾帧_00027
六、直接使用模板
1、无lora
ComfyUI_00206_
2、有lora
207
ComfyUI_00207_
看起来和没有lora加速没有太大差异
