Wan2.2 14B 图生视频：让照片动起来

上一课的文生视频（T2V）从一句提示词开始创作；这一课反过来：照片定画面，模型管运动。Wan2.2-I2V-A14B 是阿里通义万相的图生视频模型：14B MoE 双专家架构，支持 480P 和 720P，Apache 2.0 协议可商用。官方模型卡对它的定位是「合成更稳定、减少不真实的镜头运动」——照片动起来，不乱飘。

这一页把 Wan2.2 图生视频（I2V）的 14B 工作流完整跑通：上传一张照片，20 步出一条 640×640、约 5 秒的动态视频；再学会开 Turbo 模式 4 步试镜头、按规则改分辨率和时长。显存门槛先说清楚：官方 Python 脚本口径要 80GB，ComfyUI 模板用 fp8 权重，实测便签是 24GB 卡（RTX 4090D）跑 640×640、显存占用 84%。

学完你能做什么

把一张静态照片跑成 640×640、81 帧、约 5 秒的动态视频：视频从你的照片开始动
说得出 I2V 和上一课 T2V 哪些文件通用、哪些必须另下：diffusion 权重换 i2v 专用，文本编码器和 VAE 直接复用
一键开 Turbo 模式：挂 i2v 版 4 步 LoRA，4 步出片，试镜头比 20 步快好几倍
按「运动 + 镜头」写图生视频提示词，不再把照片复述一遍
按规则改参数：宽高取 16 的倍数、帧数取 4n+1，照片自动居中裁切适配

你现在的困境

有一张满意的照片——人像、商品图、插画——想让它动起来当短视频素材，剪辑软件里 K 帧 K 到眼花，也做不出那种自然运镜
想照官方文档下模型，结果下载卡片写 fp16、步骤文字又写 t2v 文件名，两边对不上，不知道该信哪个
上一课 T2V 是从零生成，提示词写得再细，也保证不了「就用我这张图」

什么时候用这一招

当你需要：

照片变视频：让现成的人像、商品、插画动起来，画面内容保持一致、动态过程流畅（官方对 I2V 的定位口径）
运动控制精准、风格保持稳定的镜头语言：缓推、环绕这一类
商用项目：Wan2.2 系列基于 Apache 2.0 协议，保留版权声明即可商用

而且不想：

用剪辑软件手动做运镜和逐帧变形
从零文生视频碰运气，去逼近一张你已经有的图

🎒 开始前的准备

跑通了上一课 Wan2.2 14B 文生视频：同一个模板家族，MoE 双专家的分工上一课讲透了
熟悉模型目录规则：文件放进 models/ 下对应子目录（回看模型放哪里）
ComfyUI 0.16.4 以上（官方模板库对这个模板标的最低版本；模板库用法见模板库教程，版本变化见更新日志）
硬盘留出约 33GB：两个 diffusion 13.31 + 13.31 GB，加文本编码器 6.27 GB、VAE 0.24 GB——上一课下过文本编码器和 VAE 的话，这次只需再下两个 diffusion 文件
24GB 级显存（模板实测便签口径：RTX 4090D 跑 640×640 占 84%；更小的卡看进阶技巧的 GGUF 方案）
准备一张想让它动起来的照片

核心思路

先记住一句话：这一课的骨架和上一课完全同款，换的只有「权重」和「起点」两样。

MoE 双专家原样搬来。 高噪专家管去噪早期（整体布局），低噪专家管去噪后期（细节精修）——两个专家各约 14B 参数、合计 27B，每步只激活一个，推理算力几乎不涨。落到模板里：两个 KSamplerAdvanced 接力采样，两个 ModelSamplingSD3 的 shift 都是 5——和上一课 T2V 一模一样。
diffusion 权重换成 i2v 专用。 官方给 T2V 和 I2V 分别发布了两套双专家权重，文件名里 t2v / i2v 一字之差，互不通用；但文本编码器（umt5 fp8）和 VAE（wan_2.1）两课同款，下过的直接复用。
起点从「空 latent」换成「你的照片」。 上一课用 EmptyHunyuanLatentVideo 造一张白纸；这一课的 WanImageToVideo 节点把 start_image 居中裁切、缩放到 width×height，VAE 编码后拼进 latent，把视频的开头钉在你的照片上——模型要做的只剩「让画面往后自然地动」。
提示词的任务变了。 T2V 的提示词要描述整幅画面；I2V 的构图、人物、色彩已由照片决定，提示词重点写运动和镜头：主体做什么、镜头怎么动。
Turbo 还是那个开关。 enable_turbo_mode 打开：挂两个 i2v 版 4 步 LoRA，步数 20→4、cfg 3.5→1。

	T2V 文生视频（上一课）	I2V 图生视频（本课）
diffusion 权重	`wan2.2_t2v_*_14B_fp8_scaled` ×2	`wan2.2_i2v_*_14B_fp8_scaled` ×2，另下一套
视频起点	空 latent（`EmptyHunyuanLatentVideo`）	你的照片（`WanImageToVideo`）
提示词写什么	整幅场景	运动和镜头
文本编码器 / VAE	umt5 fp8 / `wan_2.1_vae`	同款，直接复用
Turbo LoRA	t2v 版（v1.1）×2	i2v 版（v1）×2，文件不同
适合	从零创作	改造现成照片

两套权重都是 Apache 2.0 协议，商用不用另签协议。

跟我做

第 1 步：加载 Wan2.2 14B 图生视频模板

为什么：官方模板把双专家加载、采样接力、Turbo 开关全部封装成一个 Image to Video(Wan2.2) 子图节点，照片从外面的 Load Image 喂进去，常用参数都摆在节点表面，不会接错线。

打开模板库（Browse Templates），搜索「Wan2.2 14B I2V」，找到模板 Wan万相 2.2 14B 图生视频（英文界面叫 Wan 2.2 14B Image to Video）
点击加载

你应该看到：画布上是 Load Image + Image to Video(Wan2.2) 子图 + SaveVideo，旁边两个说明便签——Model Links（全部模型下载链接）和 VRAM Usage（官方实测显存/耗时记录）。子图节点表面摆着提示词、width / height、duration、高噪/低噪模型、高噪/低噪 Lightning LoRA、文本编码器、VAE 和 enable_turbo_mode。Load Image 里预置了官方示例图（白龙武士），没有任何红节点。

模板加载完成，画布无红节点

子图里面装了什么？（和网上老教程对不上号时看这里）

模板 JSON 里的子图 Image to Video(Wan2.2) 内部包含：两个 Load Diffusion Model（高噪/低噪 i2v 权重）、两个 LoraLoaderModelOnly（Turbo 用的 4 步 LoRA）、Load CLIP（type 选 wan）、Load VAE、两个 ModelSamplingSD3（shift 5）、正负两个 CLIP Text Encode、WanImageToVideo（吃 start_image，输出带图条件的 latent）、两个 KSamplerAdvanced（接力采样）、VAEDecode、CreateVideo（fps 16），再加一个算帧数的小表达式节点（length = duration × fps + 1）。老教程里这些是散装节点，现在官方把它们打包成了一个子图。

第 2 步：下载 i2v 双专家模型并归位

为什么：i2v 是另一套双专家权重，必须单独下；但文本编码器和 VAE 与上一课完全同款，下过的直接复用——真正要新下的只有两个 diffusion 文件。

文件	放进	大小
`wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors`	`models/diffusion_models/`	13.31 GB
`wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors`	`models/diffusion_models/`	13.31 GB
`umt5_xxl_fp8_e4m3fn_scaled.safetensors`	`models/text_encoders/`	6.27 GB
`wan_2.1_vae.safetensors`	`models/vae/`	242.1 MB

⚠️ 官方文档这一节自相矛盾，认准 fp8_scaled

官方教程 I2V 节的下载卡片写的是 fp16 文件名，步骤文字里又误写成 t2v 的文件名（整段从 T2V 节复制粘贴的痕迹，连 EmptyHunyuanLatentVideo 都还留在步骤里——本课模板根本没有这个节点）。以模板 JSON 实际加载的 wan2.2_i2v_*_14B_fp8_scaled.safetensors 为准，模板里的 Model Links 便签给的也是 fp8_scaled 直链。

text

📂 ComfyUI/
└── 📂 models/
    ├── 📂 diffusion_models/
    │   ├─── wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors
    │   └─── wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors
    ├── 📂 text_encoders/
    │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors
    └── 📂 vae/
        └─── wan_2.1_vae.safetensors

下载地址（模板里的 Model Links 便签也带着这两组）：

Hugging Face：Comfy-Org/Wan_2.2_ComfyUI_Repackaged（两个 i2v diffusion + VAE）、Comfy-Org/Wan_2.1_ComfyUI_repackaged（文本编码器），文件在仓库 split_files/ 下的对应子目录
国内直连：魔搭 ModelScope 有同名镜像 Comfy-Org/Wan_2.2_ComfyUI_Repackaged、Comfy-Org/Wan_2.1_ComfyUI_repackaged

（可选）想开 Turbo 模式，再下两个加速 LoRA，放进 models/loras/：

文件	大小
`wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors`	1.14 GB
`wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors`	1.14 GB

注意：这俩是 i2v 版（v1），和上一课 t2v 用的 v1.1 版文件名不同，不能混用。

你应该看到：子图节点上 high_noise_model / low_noise_model / clip_name / vae_name 四个下拉列表里都能选中对应文件。

模型归位，四个下拉列表都能选中

💡 国内用户优先走 ModelScope

两个仓库在魔搭都有官方镜像，直连速度快，文件名和 HF 完全一致，按上面的表归位即可。

第 3 步：上传照片，写运动提示词，跑通 Wan2.2 图生视频（20 步出片）

为什么：先用模板默认参数把整条链路验证通。默认是标准模式：20 步、cfg 3.5、euler + simple，高噪专家跑前 10 步、低噪专家跑后 10 步——这套默认值就是官方调好的平衡点，跑通之前别急着改。

在 Load Image 节点上传你的照片（第一次建议先用模板自带的示例图跑通，再换自己的图）
在子图节点的正向提示词（text）里写「运动 + 镜头」。模板示例：

text

The white dragon warrior stands still, eyes full of determination and
strength. The camera slowly moves closer or circles around the warrior,
highlighting the powerful presence and heroic spirit of the character.

写法拆解：主体一句状态（站定、眼神坚定）→ 镜头运动（缓推或环绕）→ 氛围（气场与英气）。照片里已有的长相、服装、背景不用再写——那是照片的活儿。

负向提示词保留模板自带的中文段落：

text

色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，
整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，
画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，
静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走

确认 enable_turbo_mode 是关闭状态（默认关闭）
按 Ctrl+Enter 运行

你应该看到：进度条走满 20 步，视频从你的照片开始动；SaveVideo 把它存进输出目录的 video/ 子目录，文件名以 Wan2.2_i2v 开头（格式 auto），640×640、81 帧、16fps，时长约 5 秒。模板实测便签（RTX 4090D、640×640）：标准模式首条约 536 秒、第二条约 513 秒——够你去倒杯水。

第 4 步：开 Turbo 模式，4 步快速试镜头

为什么：20 步要等八九分钟，「推镜还是环绕」这种镜头试验等不起。模板内置了 i2v 版 lightx2v 4 步 LoRA 的自动切换——一个开关同时换模型路径、步数和 cfg。

确认两个 i2v 版 4steps LoRA 已下载归位（第 2 步的可选项）
把子图节点上的 enable_turbo_mode 打开
运行

你应该看到：这次只跑 4 步——高噪专家 0→2、低噪专家 2→4，cfg 降到 1；模板实测便签口径：首条约 97 秒、第二条约 71 秒。

Turbo 模式跑通，出片时间明显缩短

开关背后发生了什么：

参数	标准模式	Turbo 模式
总步数	20	4
高噪/低噪分界	第 10 步	第 2 步
cfg	3.5	1
Lightning LoRA	不挂	i2v 高噪、低噪各挂一个（strength 1.0）
适合	正式出片	快速试提示词、试镜头

⚠️ Turbo 挑镜头，标准模式出正片

4 步是拿步数换速度的加速方案。建议流程：Turbo 开着批量试运动和镜头，选定后再关掉开关，用 20 步标准模式重跑定稿。

第 5 步：改分辨率和时长（照片会被裁切适配）

为什么：模板默认的 640×640、5 秒不是定死的；但宽高有时长规则，而且图生视频多一条——你的照片会被适配到目标尺寸。

子图节点上的三个参数：

参数	模板默认	规则	说明
width	640	16 的倍数	节点步长 16
height	640	16 的倍数	同上
duration	5	单位：秒	内部自动换算帧数：length = duration × fps + 1

想跑 480P 级：width 填 832、height 填 480（WanImageToVideo 节点的出厂默认就是这组）
想跑 720P：width 填 1280、height 填 720（官方模型卡命令行示例用的就是这组尺寸）
想改时长：直接改 duration（秒）。5 秒 × 16fps + 1 = 81 帧；改 3 秒就是 49 帧
帧率在子图内部的 CreateVideo 节点（模板设为 16），一般不用动——调时长改 duration 就够

图生视频特有的一条：WanImageToVideo 会把你的照片居中裁切、双线性缩放到 width×height（节点源码行为）。竖图配横比例会裁掉上下——想让主体不被裁，宽高比例尽量贴近照片本身。

你应该看到：改完参数再运行，输出视频的分辨率和时长跟着变，照片主体仍在画面中央。

会改 width / height / duration，并知道照片会被居中裁切适配

为什么帧数还是 4n+1？

WanImageToVideo 的 length 步长是 4：latent 在时间维度压缩 4 倍，length 帧会被压成 ((length−1)÷4)+1 个时间片，所以 length 只能取 1、5、9……81 这种 4n+1 的值。duration × fps + 1（5×16+1=81）正好落在这个数列上。

检查点 ✅

标准模式跑通：20 步，640×640、81 帧、约 5 秒，视频从你的照片开始动
说得出哪些文件和上一课通用（umt5 文本编码器、wan_2.1 VAE）、哪些必须另下（两个 i2v diffusion）
Turbo 模式跑通：4 步出片，24GB 卡口径首条约 97 秒
提示词按「运动 + 镜头」写，没有把照片里的静态内容复述一遍
知道宽高取 16 的倍数、length 取 4n+1、照片会被居中裁切适配

踩坑提醒

❌ 拿上一课的 t2v 权重凑合

两个 13.31GB 的 diffusion 文件上一课刚下过，文件名长得几乎一样，很容易顺手选错。

原因：t2v 和 i2v 是官方分别发布的两套双专家权重，文件名中段 t2v / i2v 一字之差，互不通用；本课模板加载的是 i2v 这套。

正确做法：认准 wan2.2_i2v_*_14B_fp8_scaled.safetensors，别把 wan2.2_t2v_* 选进子图的下拉列表。

❌ 被官方文档的文件名带偏

官方教程 I2V 节：下载卡片写 fp16，步骤文字写 t2v 的 fp8 文件名，同一页两个说法。

原因：官方文档这一节有复制粘贴错误——步骤整段是从 T2V 节搬来的（EmptyHunyuanLatentVideo 也一并带了过来，本课模板里没有这个节点）；下载卡片的 fp16 和模板实际加载的权重也对不上。

正确做法：以模板 JSON 实际加载的 wan2.2_i2v_*_14B_fp8_scaled.safetensors 为准（模板 Model Links 便签同款直链）。上一课结尾预告里那句「I2V 是 fp16」同样来自文档卡片，以本页核对模板 JSON 的结论为准。

❌ 开 Turbo 却挂错 LoRA 版本

enable_turbo_mode 打开后，LoRA 下拉里能选到上一课下的 t2v 版文件。

原因：Turbo LoRA 按任务配对——t2v 用 v1.1 版，i2v 用 v1 版，文件不通用。

正确做法：先下 wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors 和 ..._v1_low_noise.safetensors（各 1.14 GB）归位，再开开关。

❌ 提示词把照片复述一遍

把照片里的人物长相、服装、背景全写进正向提示词——这是 T2V 的习惯，带到这里就成了重复劳动。

原因：I2V 的构图、人物、色彩已经由照片锚定，提示词的职责是告诉模型动什么、怎么动；静态内容写得再多，对运动没有帮助。

正确做法：照模板示例的密度写——主体一句状态 + 镜头运动 + 氛围，静态外观交给照片。

进阶技巧（可选）

显存不够：GGUF 量化版

社区有 I2V-A14B 的 GGUF 量化版（bullerwins/Wan2.2-I2V-A14B-GGUF、QuantStack 的 Wan2.2 GGUF 合集），配 city96/ComfyUI-GGUF 自定义节点加载——低显存跑 14B 的主流方案，具体玩法见GGUF 量化模型。

T2V 和 I2V 串着用

上一课的 T2V 负责从零探索构图：T2V 批量试提示词，挑出满意的一帧截下来，再喂给本课的 I2V，按你设计的镜头让它动起来——两套权重各干各的活。

官方提示词指南

阿里官方维护一份 Wan2.2 提示词指南（钉钉文档），中英文提示词都支持——本课模板自带的负向提示词本来就是中文。另外官方模型卡注明：I2V-A14B 支持只靠输入图片生成视频（官方脚本用提示词扩写从图反推提示词）——实在不知道写什么运动，就先把提示词写短，让照片自己说话。

想让商品图动起来做主图视频？

本课的 I2V 就是商品视频那一课的地基——那页把图生视频用在电商产品图上，出主图视频。

本课小结

✅ 这一课跑通了 Wan2.2 图生视频（I2V）的 14B 双专家工作流：

✅ 标准模式：i2v 双专家权重 + 官方模板，20 步、cfg 3.5、euler + simple，640×640 约 5 秒，视频从你的照片开始动
✅ 模型账算清了：两个 i2v diffusion 单独下；umt5 文本编码器和 wan_2.1 VAE 与上一课通用
✅ Turbo 模式：enable_turbo_mode 一个开关，i2v 版 4 步 LoRA + cfg 1，试镜头大幅提速
✅ 提示词换了写法：写运动和镜头，构图与外观交给照片
✅ 参数规则：宽高 16 的倍数、length 取 4n+1，照片居中裁切适配

关键配置字段回顾：

字段	推荐值	说明
high_noise_model	`wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors`	高噪专家，管去噪前半段
low_noise_model	`wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors`	低噪专家，管去噪后半段
clip_name	`umt5_xxl_fp8_e4m3fn_scaled.safetensors`	type 选 `wan`，与上一课复用
vae_name	`wan_2.1_vae.safetensors`	与上一课复用，别用 5B 那个
采样（标准模式）	20 步 / cfg 3.5 / `euler` + `simple` / 分界第 10 步	模板默认
采样（Turbo）	4 步 / cfg 1 / 分界第 2 步 + i2v 4steps LoRA ×2	`enable_turbo_mode` 打开
ModelSamplingSD3	shift 5（高噪、低噪各一个）	模板默认
width / height	640×640（16 的倍数）	480P 级用 832×480，720P 用 1280×720；照片居中裁切适配
duration	5 秒（length = duration×fps+1 = 81 帧）	fps 16 在子图内 CreateVideo
SaveVideo	`video/Wan2.2_i2v` 前缀，格式 auto	输出在 `video/` 子目录

下一课预告

照片只能定开头；下一课把结尾也钉死——Wan2.2 首尾帧生视频：控制开头和结尾。你会学到：

首帧 + 尾帧各传一张图，视频从 A 演到 B：转场、变身、前后对比这类镜头
WanFirstLastFrameToVideo 节点怎么控制尺寸（官方默认调小防低显存爆掉）
好消息：权重和本课完全同款，不用再下 13GB×2

附录：源码参考

点击展开查看源码位置

更新时间：2026-11-05（模板库模板 video_wan2_2_14B_i2v，官方标注最低 ComfyUI 版本 0.16.4）

内容	位置
官方教程（Wan2.2，含 14B I2V 节）	https://docs.comfy.org/tutorials/video/wan/wan2_2
工作流模板 JSON	https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_wan2_2_14B_i2v.json
权重仓库（Hugging Face）	https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged
权重仓库（ModelScope 镜像）	https://modelscope.cn/models/Comfy-Org/Wan_2.2_ComfyUI_Repackaged
Wan-AI 模型卡（I2V-A14B）	https://huggingface.co/Wan-AI/Wan2.2-I2V-A14B
`WanImageToVideo` 节点源码	comfy_extras/nodes_wan.py（L18–L67）

本页参数（标准模式 20 步 / cfg 3.5 / 分界第 10 步、Turbo 4 步 / cfg 1 / 分界第 2 步、shift 5、640×640 / 81 帧 / fps 16、四件套与 i2v v1 LoRA 文件名及大小、实测便签 536s / 513s / 97s / 71s、SaveVideo 前缀 video/Wan2.2_i2v）均核对自模板 JSON video_wan2_2_14B_i2v.json 的实际节点值；官方文档 I2V 节的下载卡片（fp16）与步骤文字（t2v 文件名、EmptyHunyuanLatentVideo）与模板不符，本页以 JSON 为准；WanImageToVideo 的居中裁切缩放行为核对自 comfy_extras/nodes_wan.py L47（默认 832×480、length 步长 4 见 L28-30）；MoE 双专家 27B/14B、480P/720P 支持、80GB 脚本口径、「减少不真实的镜头运动」定位来自 Wan-AI I2V-A14B 模型卡。

Wan2.2 14B 图生视频：让照片动起来 ​

学完你能做什么 ​

你现在的困境 ​

什么时候用这一招 ​

🎒 开始前的准备 ​

核心思路 ​

跟我做 ​

第 1 步：加载 Wan2.2 14B 图生视频模板 ​

第 2 步：下载 i2v 双专家模型并归位 ​

第 3 步：上传照片，写运动提示词，跑通 Wan2.2 图生视频（20 步出片） ​

第 4 步：开 Turbo 模式，4 步快速试镜头 ​

第 5 步：改分辨率和时长（照片会被裁切适配） ​

检查点 ✅ ​

踩坑提醒 ​

❌ 拿上一课的 t2v 权重凑合 ​

❌ 被官方文档的文件名带偏 ​

❌ 开 Turbo 却挂错 LoRA 版本 ​

❌ 提示词把照片复述一遍 ​

进阶技巧（可选） ​

显存不够：GGUF 量化版 ​

T2V 和 I2V 串着用 ​

官方提示词指南 ​

想让商品图动起来做主图视频？ ​

本课小结 ​

下一课预告 ​

附录：源码参考 ​

Wan2.2 14B 图生视频：让照片动起来

学完你能做什么

你现在的困境

什么时候用这一招

🎒 开始前的准备

核心思路

跟我做

第 1 步：加载 Wan2.2 14B 图生视频模板

第 2 步：下载 i2v 双专家模型并归位

第 3 步：上传照片，写运动提示词，跑通 Wan2.2 图生视频（20 步出片）

第 4 步：开 Turbo 模式，4 步快速试镜头

第 5 步：改分辨率和时长（照片会被裁切适配）

检查点 ✅

踩坑提醒

❌ 拿上一课的 t2v 权重凑合

❌ 被官方文档的文件名带偏

❌ 开 Turbo 却挂错 LoRA 版本

❌ 提示词把照片复述一遍

进阶技巧（可选）

显存不够：GGUF 量化版

T2V 和 I2V 串着用

官方提示词指南

想让商品图动起来做主图视频？

本课小结

下一课预告

附录：源码参考