第一个镜头：用图生视频跑通闭环
适用场景
分镜表写完、场景参考图就位，下一步就是把第一个镜头变成视频。本页带你用 ComfyUI 的 Wan2.2 工作流跑一遍图生视频：输入一张静态参考图，输出一段几秒钟的动态片段。这一步的目标是先跑通闭环、拿到第一段素材，不必追求一次到位。
准备
- 环境：ComfyUI 已安装，Wan2.2 模型已下载（HuggingFace 与 ModelScope 双渠道，国内可用 ModelScope）。没装环境先看 ComfyUI 安装。
- 模型：第一个镜头建议用 5B（TI2V-5B）——ComfyUI 原生 offloading 下 8GB 显存即可良好运行。14B I2V 显存门槛高得多（官方仓库脚本标注单卡至少 80GB），先不碰。
- 云端备选：Comfy Cloud（cloud.comfy.org）提供
video_wan2_2_5B_ti2v等模板，免本地部署。 - 选镜头：挑一个首尾状态明确的画面（课程设计建议），例如“角色推门进屋”，比“角色原地站立”更能验证图生视频的运动效果。
跟我做：三步跑通
第 1 步：打开图生视频模板
在 ComfyUI 模板库搜索 “Wan2.2 5B”，加载 TI2V 工作流。它默认按纯文生视频配置，Load image 节点未启用——选中该节点按 Ctrl+B 开启。用 14B 就改搜 “Wan2.2 14B I2V”。
第 2 步：上传首帧，设置尺寸与帧数
把镜头一的参考图上传到 Load image，再到 Wan22ImageToVideoLatent 设置宽高和总帧数 length。5B 的 720P 规格是 1280×704（横版）或 704×1280（竖版），帧率 24 FPS；length 除以 24 就是秒数，第一次建议做 5 秒左右（约 120 帧）。
14B I2V 工作流的对应节点是
Load Image（传首帧）和EmptyHunyuanLatentVideo（调length）。
第 3 步：写提示词，生成，回看
提示词写这一镜的动作与氛围，结构可参照官方示例。官方范例的写法是景别（close-up）＋背景元素＋氛围描写，如“夏日海滩上的白猫与冲浪板”。写好后加入队列生成：TI2V-5B 在无专门优化的单张消费级 GPU 上，9 分钟内可出 5 秒 720P 视频。出片后先回看效果，确认没问题再排下一张。
检查点
- 时长：帧数 ÷ 24 是否等于预期秒数。
- 一致性：首帧的构图和角色外观有没有保住。
- 运动：画面动了没有？动作是否自然、有无明显破绽。
- 显存不足：确认用的是 5B 工作流；显存更低可尝试 GGUF 量化社区版（bullerwins / QuantStack 仓库＋City96/ComfyUI-GGUF，属社区资源）。
- 同一镜头反复失败，先去镜头失败诊断定位，再考虑换模型。
边界和下一步
- 单次生成的是几秒短片段，完整短剧靠多个片段剪辑组合——Runway 官方的长视频流程同样是“生成多个短片段再剪辑”。
- 本课程不承诺一次出片、人物绝对一致；Wan2.2 的“电影级美学控制”等描述是官方宣传口径，以你的实测为准。
下一步进动作与运镜提示词，把图生视频的提示词写得更准，让镜头按你的意图动起来。