Wan2.2 vídeo de primer y último fotograma: controla el inicio y el final
La lección anterior de imagen a vídeo resolvía el «inicio»: la foto actúa como primer fotograma y la imagen cobra vida a partir de ella. ¿Pero el final? Quedaba a libre interpretación del modelo. Esta lección completa el último bloque de control: el vídeo de primer y último fotograma de Wan2.2 (FLF2V, First-Last-Frame-to-Video): se sube una imagen como primer fotograma y otra como último; el inicio y el final quedan bloqueados, y el proceso de cambio intermedio lo completa el modelo.
Transformaciones, flores que florecen, comparaciones de antes y después de uso: este tipo de vídeos con «punto de partida y punto de llegada bien definidos» son su terreno ideal.
Lo que ahorra trabajo: no hay que descargar ni un solo modelo nuevo. La plantilla oficial video_wan2_2_14B_flf2v usa justamente los pesos de doble experto 14B I2V de la lección anterior (ruido alto + ruido bajo), más el codificador de texto umt5 y wan_2.1_vae. Palabras textuales del tutorial oficial: las ubicaciones de los modelos usadas en el flujo de primer y último fotograma son las mismas que en la sección I2V. Lo único que hay que aprender de verdad son dos cosas: un nodo nuevo, WanFirstLastFrameToVideo, y un enfoque nuevo: escribir el prompt como un «proceso de cambio».
Qué podrás hacer al terminar esta lección
- Cargar la plantilla oficial Wan2.2 14B FLF2V, subir las dos imágenes de primer y último fotograma, y generar un vídeo de transición de primer y último fotograma de 640×640, 81 fotogramas y unos 5 segundos
- Explicar la diferencia esencial entre esta lección y la de imagen a vídeo:
WanFirstLastFrameToVideobloquea un elemento más,end_image - Ajustar los parámetros según las reglas: paso de ancho y alto 16, número de fotogramas de la forma 4n+1, y subir a unos 720P si sobra memoria de vídeo
- Usar Ctrl+B para alternar entre la versión estándar de 20 pasos y la versión acelerada con Lightning LoRA de 4 pasos
- Escribir un prompt que describa «cómo se pasa del primer fotograma al último», en lugar de describir solo una imagen
Tu situación actual
- Quieres hacer vídeos de «transformación» o «comparación antes/después», ya tienes dibujados los dos fotogramas clave y solo te falta el tramo que rellena el medio
- El vídeo de texto a vídeo no controla el final, y el de imagen a vídeo solo bloquea el inicio; el final depende del humor del modelo
- Modificar a la fuerza el flujo de la lección anterior:
WanImageToVideosolo bloquea el primer fotograma y no tiene entrada para conectar el último
Cuándo usar esta técnica
Cuando necesitas:
- Rellenar una transición fluida entre dos fotogramas clave: transformaciones, transiciones de escena, antes y después del uso de un producto
- Que el inicio y el final del vídeo coincidan exactamente con las imágenes que proporciones
- Reutilizar los archivos del modelo I2V de la lección anterior, sin descargar ni un peso grande nuevo
Y no quieres:
- Repetir tiradas una y otra vez esperando que el modelo genere por casualidad el final que deseas
- Cambiar a un modelo nuevo: FLF2V usa justamente los pesos de doble experto de Wan2.2 14B I2V
🎒 Preparativos antes de empezar
- Haber completado Wan2.2 14B imagen a vídeo: los cuatro archivos de modelo de la lección anterior ya están en su sitio:
wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors,wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors,umt5_xxl_fp8_e4m3fn_scaled.safetensors,wan_2.1_vae.safetensors - ComfyUI 0.3.31 o superior (la versión mínima que la biblioteca oficial de plantillas indica para esta plantilla)
- Preparar dos imágenes: primer y último fotograma, manteniendo la misma proporción (el motivo, en el aviso de errores comunes); si no tienes material, usa primero las imágenes de ejemplo incluidas en la plantilla
- Tener claro el consumo de memoria de vídeo: oficialmente, en una RTX 4090D de 24 GB y a 640×640, se midió una ocupación del 84 %; el tamaño reducido por defecto de la plantilla está pensado justamente para poca memoria de vídeo: primero hazla funcionar y luego sube el tamaño
Idea central
Lo nuevo de esta lección en tres frases:
- FLF2V = imagen a vídeo con primer y último fotograma bloqueados. El
WanImageToVideode la lección anterior solo codifica el primer fotograma en la condición;WanFirstLastFrameToVideofija el primer y el último fotograma respectivamente al inicio y al final del latent, y el modelo rellena los fotogramas intermedios por interpolación según el prompt; por eso este tipo de vídeos también se llaman vídeos de interpolación de primer y último fotograma. - Cero modelos nuevos. El tutorial oficial lo dice claramente: las ubicaciones de los modelos del flujo de primer y último fotograma son las mismas que en la sección I2V. Los cuatro archivos descargados en la lección anterior se reutilizan tal cual; si quieres acelerar, añade dos LoRA opcionales.
- El prompt pasa de «describir la imagen» a «describir el proceso». El ejemplo de la plantilla dice «un gatito de cristal de hielo se despierta sobresaltado y gradualmente le crece pelaje de colores hasta convertirse en una bestia gigante»: punto de inicio, proceso y punto final, todo en una sola frase.
| Imagen a vídeo (lección anterior) | Primer y último fotograma a vídeo (esta lección) | |
|---|---|---|
| Nodo | WanImageToVideo | WanFirstLastFrameToVideo |
| Fotogramas fijados | Primer fotograma 1 imagen | Primer + último fotograma, en total 2 imágenes |
| Prompt | Describir la imagen de este vídeo | Describir el proceso de cambio del primer al último fotograma |
| Archivos de modelo | wan2.2_i2v_* Doble experto | Igual que la izquierda, totalmente reutilizado |
Las reglas de parámetros del nodo nuevo (fijadas en el esquema del código fuente): width / height con paso de 16, length con paso de 4 (valores válidos 4n+1: 49, 81, 121…), batch_size por defecto 1.
Hazlo conmigo
Paso 1: cargar la plantilla de primer y último fotograma de Wan2.2
Por qué: la plantilla oficial ya tiene configurados dos flujos de trabajo completos (versión estándar de 20 pasos + versión acelerada Lightning) y todos los parámetros por defecto; empezando desde la plantilla no se te olvidará ningún nodo ni rellenarás mal ningún parámetro.
- Abre la biblioteca de plantillas (Browse Templates) y busca «Wan2.2 14B FLF2V» (nombre de la plantilla en la interfaz en inglés: Wan 2.2 14B First-Last Frame to Video)
- Haz clic para cargar
Deberías ver:
El lienzo se divide en dos grandes grupos: Default workflow (activado por defecto) y Enable lightning lora version (en bypass por defecto)
Cada grupo está organizado según Step 1 Load models → Step 2.1 Upload start_image → Step 2.2 Upload end_image → Step 3 Video size & length → Step 4 Prompt
Los nombres de archivo de los cuatro cargadores de modelos (dos Load Diffusion Model, Load CLIP, Load VAE) son exactamente los mismos que en la lección anterior
En el lienzo también hay varias notas adhesivas como Model Links y VRAM Usage, sin ningún nodo rojo
Plantilla cargada, lienzo sin nodos rojos
Paso 2: subir las dos imágenes, primer y último fotograma
Por qué: estas dos imágenes son el primer y el último fotograma del vídeo; toda la generación del modelo queda restringida entre estos dos puntos.
- Sube el primer fotograma en el nodo Load Image del grupo Step 2.1 - Upload start_image
- Sube el último fotograma en el nodo Load Image del grupo Step 2.2 - Upload end_image
- ¿No tienes material? La plantilla incluye las imágenes de ejemplo
video_wan2_2_14B_flf2v_start_image.pngyvideo_wan2_2_14B_flf2v_end_image.png, que se pueden descargar directamente de la página del tutorial oficial
Deberías ver: aparece una imagen en cada uno de los dos nodos Load Image, conectadas respectivamente a las entradas start_image y end_image de WanFirstLastFrameToVideo.
- Primer y último fotograma en su sitio
⚠️ Las dos imágenes se escalarán al tamaño del nodo
WanFirstLastFrameToVideo escalará ambas imágenes bilinealmente al width / height del nodo, las centrará y las codificará. Si las proporciones de las dos imágenes no coinciden, se estirarán y deformarán: unifica primero las proporciones, o cambia el ancho y alto del nodo según la proporción de las imágenes.
Paso 3: configurar el tamaño y el número de fotogramas del vídeo
Por qué: el 640×640 por defecto de la plantilla es el tamaño pequeño que el equipo oficial preparó para usuarios con poca VRAM; dentro de las reglas puedes cambiar lo que quieras, fuera de las reglas habrá problemas.
Los cuatro parámetros de WanFirstLastFrameToVideo:
| Parámetro | Valor por defecto de la plantilla | Regla | Explicación |
|---|---|---|---|
| width | 640 | paso de 16 | debe ser múltiplo de 16 |
| height | 640 | paso de 16 | debe ser múltiplo de 16 |
| length | 81 | paso de 4, toma 4n+1 | 81 fotogramas ÷ 16fps ≈ 5 segundos |
| batch_size | 1 | — | Cuántos se generan a la vez |
- Primero haz que funcione con los valores por defecto 640×640 y 81 fotogramas
- Si te sobra VRAM, aumenta el tamaño: la recomendación del tutorial oficial es «resolución de unos 720P», por ejemplo 1280×720 (ambos múltiplos de 16)
- La duración se cambia en length (49 unos 3 segundos, 121 unos 7.5 segundos); la tasa de fotogramas se cambia en el nodo CreateVideo (la plantilla lo pone en 16)
Deberías ver: los valores de los cuadros de parámetros aumentan y disminuyen según el paso, sin que aparezcan valores como 641.
- Recuerda dos reglas: ancho y alto múltiplos de 16, número de fotogramas 4n+1
Paso 4: escribir el prompt de «proceso de cambio» y generar
Por qué: el primer y el último fotograma ya fijan el punto de inicio y el final; la tarea del prompt es decirle al modelo cómo cambia en medio.
- Escribe el proceso de cambio en el nodo CLIP Text Encode (Positive Prompt). Ejemplo incluido en la plantilla:
冰晶组成的小猫突然被惊醒,愤怒的它抬头,渐渐长出色彩毛发变成为(Un gatito compuesto de cristales de hielo se despierta sobresaltado de repente; enojado, levanta la cabeza y gradualmente le crece pelaje de colores, transformándose en)
一个巨兽,像发现危险一样呲牙,瞪大眼睛(una bestia gigante, que enseña los dientes como si hubiera descubierto un peligro, con los ojos muy abiertos)Una sola frase cubre el punto de inicio (gatito de cristal de hielo), el proceso (despertarse, crecerle pelaje de colores) y el punto final (bestia gigante enseñando los dientes con los ojos abiertos): escribe el cambio entre tus propias dos imágenes siguiendo esta estructura.
- Deja el prompt negativo tal cual, con el párrafo en chino incluido en la plantilla (exactamente el mismo que en la plantilla I2V de la lección anterior):
Expande para ver el prompt negativo incluido en la plantilla
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- Confirma que los parámetros de muestreo son los predeterminados de la plantilla: los dos KSampler con 20 pasos cada uno, cfg 4, euler + simple, el modelo de ruido alto ejecuta 0–10 pasos y el de ruido bajo 10–20 pasos; el shift de los dos ModelSamplingSD3 es 8
- Ejecuta con
Ctrl+Enter
Deberías ver: los dos KSampler ejecutan 10 pasos cada uno, uno tras otro; el primer y el último fotograma del vídeo de salida coinciden con las dos imágenes que subiste, y en medio está el proceso de cambio descrito por el prompt. El vídeo se guarda con el nodo SaveVideo en el subdirectorio video/ del directorio de salida, 640×640, 81 fotogramas, 16 fps, unos 5 segundos.
- El primer y el último fotograma del vídeo de salida coinciden con las dos imágenes subidas
Paso 5: cambia a la versión acelerada de 4 pasos con Lightning LoRA (opcional)
Por qué: la versión estándar de 20 pasos tarda unos 536 segundos en la primera generación en una RTX 4090D; la versión con Lightning LoRA incluida en la plantilla solo necesita 4 pasos, con un tiempo de referencia de unos 108 segundos — mucho más rápida para probar composiciones.
- Primero descarga los dos LoRA de aceleración (1.14 GB cada uno) y colócalos en
models/loras/:wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors,wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors(están tanto en el repositorio Wan_2.2_ComfyUI_Repackaged de Hugging Face como en el de ModelScope) - Selecciona con el marco el grupo Default workflow y pulsa
Ctrl+Bpara omitirlo - Selecciona con el marco el grupo Enable lightning lora version y pulsa
Ctrl+Bpara activarlo - Confirma los parámetros del grupo Lightning: la intensidad de los dos LoRA es 1, el shift del ModelSamplingSD3 es 5, los dos KSampler con 4 pasos cada uno, cfg 1, el de ruido alto ejecuta 0–2 pasos y el de ruido bajo 2–4 pasos
- Atención: el grupo Lightning tiene su propio conjunto de nodos Load Image y de prompt — tras cambiar, tienes que volver a subir en este grupo tu primer y último fotograma y pegar el prompt (por defecto trae su propio ejemplo en inglés)
- Ejecuta
Deberías ver: el muestreo solo hace 4 pasos (2 de ruido alto + 2 de ruido bajo), la generación es notablemente más rápida; la salida sigue siendo 640×640, 81 fotogramas, 16 fps.
- Los dos flujos de trabajo se alternan, y solo un grupo está activo a la vez
⚠️ El precio de la aceleración es el dinamismo
Texto literal de la nota de la plantilla: usar el Lightning LoRA de Wan2.2 hace perder parte del dinamismo del vídeo, pero acorta el tiempo de generación. Para probar composiciones usa la versión de 4 pasos; para la generación final vuelve a la versión estándar de 20 pasos.
::: consejo 💡 Tras cambiar, comprueba el estado del otro grupo La nota de la plantilla advierte expresamente: después de activar un grupo, no olvides omitir el otro con Ctrl+B, de lo contrario los dos se ejecutarán a la vez; también puedes probar la función de ejecución parcial (partial execution). :::
Punto de control ✅
- El vídeo de primer y último fotograma funciona: el inicio y el final coinciden con las dos imágenes subidas, y la transición intermedia es suave
- Sabes explicar la diferencia entre
WanFirstLastFrameToVideoyWanImageToVideo: el primero añadeend_image - Conoces el paso de ancho y alto 16 y que length toma 4n+1, y sabes cambiar por tu cuenta la resolución y la duración
- Sabes usar Ctrl+B para alternar entre la versión estándar de 20 pasos y la versión Lightning de 4 pasos, y confirmar que el otro grupo está omitido
- Tu prompt describe un «proceso de cambio» que incluye punto de inicio, proceso y punto final
Avisos de errores comunes
❌ Las dos imágenes tienen proporciones distintas y el resultado sale deformado
El nodo escala ambas imágenes con interpolación bilineal según width / height y las centra antes de codificarlas; si las proporciones difieren, se estiran.
Forma correcta: unifica primero la proporción de las dos imágenes; o ajusta el ancho y alto del nodo según la proporción de las imágenes — por ejemplo, si ambas son imágenes verticales de 3:4, pon un tamaño 3:4 que sea múltiplo de 16, como 576×768.
❌ Activaste el grupo Lightning y olvidaste omitir el grupo estándar
En la plantilla hay dos flujos de trabajo completos. La nota de la plantilla ya advertía literalmente: si no quieres que los dos grupos se ejecuten a la vez, tras activar uno no olvides omitir el otro con Ctrl+B.
Forma correcta: tras cambiar, echa un vistazo al lienzo y confirma que solo un grupo está activo.
❌ Rellenas los fotogramas con 80 y el ancho/alto con 641
El paso de length es 4 y los valores válidos son 4n+1 (49, 81, 121…); el paso de width / height es 16. Siguiendo el paso en la interfaz no te equivocarás; cuando los valores lleguen desde otros nodos, debes respetar las reglas por tu cuenta.
Forma correcta: elige los fotogramas entre 49 / 81 / 121, y el ancho/alto entre múltiplos de 16; 640×640 es el valor predeterminado de la plantilla y 1280×720 es una combinación válida para 720P.
❌ Descargas los pesos equivocados: FLF2V usa los archivos de I2V
La plantilla de primer y último fotograma carga los dos archivos wan2.2_i2v_*_14B_fp8_scaled, no los wan2.2_t2v_* de la lección Wan2.2 14B de texto a vídeo. Texto literal del tutorial oficial: el flujo de trabajo de primer y último fotograma usa las mismas ubicaciones de modelos que el nodo I2V.
Forma correcta: revisa uno por uno los nombres de archivo de los cuatro cargadores; deben ser exactamente los mismos que en la lección anterior de imagen a vídeo.
Técnicas avanzadas (opcional)
Añade a tu prompt un párrafo de «restricción de consistencia»
El ejemplo de prompt en inglés incluido en el grupo Lightning de la plantilla se divide en dos párrafos: el primero describe el proceso de cambio (un hombre barbudo al estilo del autorretrato de Van Gogh que se convierte lentamente en astronauta — la barba se desvanece pelo a pelo, el sombrero de paja se funde en un casco, las pinceladas del fondo se transforman gradualmente en un cielo estrellado); el segundo se dedica a restringir la cámara y la consistencia (posición de cámara fija, ligero travelling lento hacia delante, luz suave, composición centrada sin cambios).
Los vídeos de primer y último fotograma temen sobre todo que la cámara se mueva de forma caótica — siguiendo esta estructura, añade también a tu prompt un párrafo de restricción de consistencia.
La dirección del cambio la decides tú
El punto de inicio y el punto final no siguen un patrón fijo: un vídeo de unboxing puede ir de «embalaje intacto → producto en la mano», o al revés, rodando el «proceso de restauración». Basta con intercambiar la posición de las dos imágenes en Load Image.
Si quieres una narrativa más larga
Aquí termina el vídeo de un solo segmento de Wan2.2. Si quieres narrativa de múltiples planos y mayor duración, consulta LTX-2.5: narrativa multiplano, 4K HDR y DFR——LTX-2.5 también ofrece plantillas de flujo de trabajo de primer y último fotograma (FLF2V).
Resumen de esta lección
✅ Esta lección añadió el «control del final» al video, y el flujo de primer y último fotograma a video de Wan2.2 quedó funcionando:
- ✅ Primer y último fotograma a video:
WanFirstLastFrameToVideosube dos imágenes, el primer y el último fotograma, y el modelo completa el intermedio según el prompt - ✅ Cero modelos nuevos: reutiliza los pesos de doble experto de I2V de la lección anterior, con solo dos LoRA de aceleración opcionales adicionales
- ✅ Reglas de parámetros: paso de ancho y alto 16, length toma 4n+1; por defecto 640×640, 81 fotogramas, 16fps, unos 5 segundos
- ✅ Renderizado a doble velocidad: 20 pasos versión estándar (tiempo de referencia aprox. 536 s) ↔ 4 pasos versión Lightning (aprox. 108 s), cambia con Ctrl+B
Repaso de los campos de configuración clave:
| Campo | Valor recomendado | Descripción |
|---|---|---|
| Load Diffusion Model ×2 | wan2.2_i2v_high/low_noise_14B_fp8_scaled.safetensors | Igual que la lección de imagen a video |
| Load CLIP | umt5_xxl_fp8_e4m3fn_scaled.safetensors | type se elige wan |
| Load VAE | wan_2.1_vae.safetensors | |
| WanFirstLastFrameToVideo | 640×640 / length 81 / batch 1 | paso de ancho y alto 16, length toma 4n+1 |
| KSampler ×2 | 20 pasos / cfg 4 / euler + simple | 0–10 pasos de ruido alto, 10–20 pasos de ruido bajo |
| ModelSamplingSD3 ×2 | shift 8 (el grupo Lightning usa 5) | |
| CreateVideo | fps 16 | 81 fotogramas ≈ 5 s |
| Lightning LoRA ×2 | intensidad 1, 4 pasos / cfg 1 | en bypass por defecto, activar con Ctrl+B; ruido alto 0–2, ruido bajo 2–4 pasos |
Avance de la próxima lección
Wan2.2 concluye aquí; la próxima lección cambia a un modelo con sonido incorporado: LTX-2/2.3: genera en una sola vez videos con sonido. Aprenderás:
- Los seis flujos de trabajo de LTX-2: T2V, I2V, FLF2V, IA2V, IC-LoRA, ID-LoRA
- Qué se siente generar videos con audio y vídeo sincronizados
- La versión destilada con 8 pasos y CFG=1 como modo acelerado
Apéndice: referencia del código fuente
Haz clic para expandir y ver la ubicación del código fuente
Fecha de actualización: 2026-11-06 (plantilla video_wan2_2_14B_flf2v de la biblioteca de plantillas, versión mínima oficial indicada ComfyUI 0.3.31)
| Contenido | Ubicación |
|---|---|
| Tutorial oficial (Wan2.2, incluye la sección FLF2V) | https://docs.comfy.org/tutorials/video/wan/wan2_2 |
| JSON de la plantilla de flujo de trabajo | https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_wan2_2_14B_flf2v.json |
| Repositorio de pesos (Hugging Face) | https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged |
| Repositorio de pesos (espejo en ModelScope) | https://modelscope.cn/models/Comfy-Org/Wan_2.2_ComfyUI_Repackaged |
WanFirstLastFrameToVideo Código fuente del nodo | comfy_extras/nodes_wan.py (desde la línea L188, paso de parámetros L198–L201) |
WanImageToVideo Código fuente del nodo | comfy_extras/nodes_wan.py (desde la línea L18) |
Los parámetros de esta página (640×640 / length 81 / fps 16, 20 pasos cfg 4 euler + simple, ruido alto 0–10 / ruido bajo 10–20, shift 8, Lightning 4 pasos cfg 1 / shift 5, nombres y tamaños de archivos de modelos, tiempos de referencia y uso de VRAM en RTX 4090D) fueron todos verificados contra los valores reales de los nodos y las notas integradas del JSON de la plantilla video_wan2_2_14B_flf2v.json; las sugerencias 720P y «la ubicación del modelo es la misma que en I2V» provienen del tutorial oficial; el paso de los parámetros de los nodos fue verificado contra el código fuente de comfy_extras/nodes_wan.py.