Skip to content

Primera toma: completa el ciclo con imagen a video ​

Escenarios de aplicación ​

Con el guion técnico terminado y las imágenes de referencia de escena listas, el siguiente paso es convertir la primera toma en video. Esta página te guía para ejecutar una vez el flujo imagen a video de Wan2.2 en ComfyUI: introduces una imagen de referencia estática y obtienes un clip dinámico de unos segundos. El objetivo de este paso es completar primero el ciclo y obtener el primer fragmento de material; no hace falta lograrlo perfecto a la primera.

¿Todavía no has planificado las tomas? Consulta primero la guía de generación de tomas; si te faltan imágenes de referencia, mira imágenes de referencia de escena.

Preparación ​

  • Entorno: ComfyUI ya instalado y el modelo Wan2.2 descargado (doble canal HuggingFace y ModelScope; en China se puede usar ModelScope). Si aún no has instalado el entorno, consulta primero Instalación de ComfyUI.
  • Modelo: para la primera toma se recomienda 5B (TI2V-5B) — con el offloading nativo de ComfyUI, basta con 8GB de VRAM para un buen funcionamiento. El 14B I2V exige mucha más VRAM (el script del repositorio oficial indica al menos 80GB en una sola tarjeta); mejor no tocarlo por ahora.
  • Alternativa en la nube: Comfy Cloud (cloud.comfy.org) ofrece plantillas como video_wan2_2_5B_ti2v, sin implementación local.@@I18N_KEEP_000018@
  • Elección de la toma: elige una imagen con estados inicial y final claros (recomendación del diseño del curso), por ejemplo «el personaje empuja la puerta y entra en la casa», que verifica mejor el efecto de movimiento de imagen a video que «el personaje de pie sin moverse».

Hazlo conmigo: completa el ciclo en 3 pasos ​

Paso 1: abre la plantilla de imagen a video ​

En la biblioteca de plantillas de ComfyUI busca «Wan2.2 5B» y carga el flujo TI2V. Viene configurado por defecto como texto a video puro, con el nodo Load image desactivado — selecciónalo y pulsa Ctrl+B para activarlo. Si usas la 14B, busca en cambio «Wan2.2 14B I2V».

Paso 2: sube el primer fotograma, ajusta tamaño y número de fotogramas ​

Sube la imagen de referencia de la toma uno a Load image y luego configura ancho, alto y número total de fotogramas en Wan22ImageToVideoLatent con length. La especificación 720P de la 5B es 1280×704 (horizontal) o 704×1280 (vertical), con una tasa de 24 FPS; length dividido entre 24 da los segundos; para la primera vez se recomienda unos 5 segundos (aprox. 120 fotogramas).

Los nodos correspondientes del flujo 14B I2V son Load Image (para el primer fotograma) y EmptyHunyuanLatentVideo (para ajustar length).

Paso 3: escribe el prompt, genera y revisa ​

El prompt debe describir la acción y el ambiente de esta toma; la estructura puede seguir el ejemplo oficial. El patrón del ejemplo oficial es plano (close-up) + elementos de fondo + descripción del ambiente, como «un gato blanco con una tabla de surf en una playa de verano». Cuando esté listo, añádelo a la cola para generar: la TI2V-5B, en una sola GPU de consumo sin optimizaciones específicas, produce un video de 5 segundos a 720P en menos de 9 minutos. Al terminar, revisa primero el resultado y confirma que está bien antes de poner en cola el siguiente.

Puntos de control ​

  • Duración: ¿los fotogramas ÷ 24 equivalen a los segundos previstos?
  • Consistencia: ¿se han conservado la composición del primer fotograma y la apariencia del personaje?
  • Movimiento: ¿se movió la imagen? ¿La acción es natural, sin defectos evidentes?
  • VRAM insuficiente: confirma que usas el flujo 5B; con menos VRAM puedes probar la versión comunitaria cuantizada GGUF (repositorios bullerwins / QuantStack + City96/ComfyUI-GGUF, recursos de la comunidad).
  • Si la misma toma falla repetidamente, ve primero a diagnóstico de tomas fallidas para localizar el problema, y solo después considera cambiar de modelo.

Límites y siguiente paso ​

  • Cada generación produce un clip corto de unos segundos; el cortometraje completo se logra editando y combinando varios clips — el flujo de video largo oficial de Runway también consiste en «generar varios clips cortos y luego editarlos».
  • Este curso no promete resultados perfectos a la primera ni consistencia absoluta de los personajes; descripciones como el «control estético cinematográfico» de Wan2.2 son afirmaciones de marketing oficial; fíate de tus propias pruebas.

El siguiente paso es entrar en prompts de acción y movimiento de cámara, para escribir prompts de imagen a video más precisos y que las tomas se muevan según tu intención.

gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.