Wan2.2 First-Last Frame से Video: शुरुआत और अंत को नियंत्रित करें
पिछले पाठ का Image-to-Video "शुरुआत" की समस्या हल करता था: फ़ोटो पहला फ़्रेम बनती है, दृश्य वहीं से चलना शुरू होता है। लेकिन अंत? वह पूरी तरह मॉडल पर छूटा हुआ था। इस पाठ में नियंत्रण का आख़िरी टुकड़ा पूरा होता है——Wan2.2 First-Last Frame से Video (FLF2V, First-Last-Frame-to-Video): पहले और आख़िरी फ़्रेम के लिए एक-एक इमेज दें, शुरुआत और अंत दोनों लॉक हो जाते हैं, और बीच की परिवर्तन प्रक्रिया मॉडल भरता है।
ट्रांसफ़ॉर्मेशन, खिलना, उपयोग से पहले-बाद की तुलना——"शुरुआत और मंज़िल दोनों तय" वाले ऐसे वीडियो इसकी असली प्रमुख भूमिका हैं।
एक आराम की बात: एक भी नया मॉडल डाउनलोड नहीं करना है। आधिकारिक टेम्पलेट video_wan2_2_14B_flf2v वही पिछले पाठ वाला 14B I2V डुअल-एक्सपर्ट वेट (हाई-नॉइज़ + लो-नॉइज़) उपयोग करता है, साथ में umt5 टेक्स्ट एनकोडर और wan_2.1_vae——आधिकारिक ट्यूटोरियल के मूल शब्द: First-Last Frame वर्कफ़्लो में उपयोग किए गए मॉडल की स्थिति I2V अनुभाग जैसी ही है। वास्तव में सीखने के लिए केवल दो चीज़ें हैं: एक नया नोड WanFirstLastFrameToVideo, और एक नया विचार——प्रॉम्प्ट में "परिवर्तन प्रक्रिया" लिखना।
सीखने के बाद आप क्या कर सकते हैं
- आधिकारिक Wan2.2 14B FLF2V टेम्पलेट लोड करें, पहले और आख़िरी फ़्रेम की दो इमेज अपलोड करें, 640×640, 81 फ़्रेम, लगभग 5 सेकंड का First-Last Frame ट्रांज़िशन वीडियो जनरेट करें
- बता सकें कि इस पाठ और Image-to-Video में मूल अंतर क्या है:
WanFirstLastFrameToVideoएक और चीज़ लॉक करनाend_image - नियमों के अनुसार पैरामीटर बदलें: चौड़ाई-ऊँचाई स्टेप 16, फ़्रेम संख्या 4n+1; VRAM बचत हो तो लगभग 720P तक बढ़ाएँ
- Ctrl+B से 20 स्टेप स्टैंडर्ड और 4 स्टेप Lightning LoRA एक्सेलेरेटेड संस्करण के बीच स्विच करें
- ऐसा प्रॉम्प्ट लिखें जो बताए कि "पहले फ़्रेम से आख़िरी फ़्रेम तक कैसे बदलता है", न कि केवल एक इमेज का वर्णन
आपकी मौजूदा दिक़्क़त
- "ट्रांसफ़ॉर्मेशन" या "पहले-बाद की तुलना" जैसा वीडियो बनाना चाहते हैं, दोनों की-फ़्रेम बना लिए हैं, बस बीच भरने वाला हिस्सा कम है
- Text-to-Video अंत को नियंत्रित नहीं कर सकता, Image-to-Video केवल शुरुआत लॉक करता है, अंत पूरी तरह मॉडल के मूड पर
- पिछले पाठ का वर्कफ़्लो ज़बरदस्ती बदलना:
WanImageToVideoकेवल पहला फ़्रेम लॉक करता है, आख़िरी फ़्रेम के लिए कोई इनपुट नहीं
यह तरीक़ा कब उपयोग करें
जब आपको चाहिए:
- दो की-फ़्रेम के बीच एक सहज ट्रांज़िशन भरना: ट्रांसफ़ॉर्मेशन, सीन बदलाव, प्रोडक्ट उपयोग से पहले-बाद
- वीडियो की शुरुआत और अंत दोनों आपकी दी हुई इमेज से सटीक मेल खाएँ
- पिछले पाठ की I2V मॉडल फ़ाइलें पुनः उपयोग करना, एक भी बड़ा वेट नया डाउनलोड न करना
और आप नहीं चाहते:
- बार-बार रैंडम जनरेशन करते रहना और मॉडल के संयोग से आपका पसंदीदा अंत बनने का इंतज़ार
- नया मॉडल बदलना: FLF2V वही Wan2.2 14B I2V डुअल-एक्सपर्ट वेट उपयोग करता है
🎒 शुरू करने से पहले की तैयारी
- चला लिया हो Wan2.2 14B Image-to-Video: पिछले पाठ की चार मॉडल फ़ाइलें अपनी जगह पर हैं——
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 या उससे ऊपर (आधिकारिक टेम्पलेट लाइब्रेरी द्वारा इस टेम्पलेट के लिए अंकित न्यूनतम संस्करण)
- दो इमेज तैयार रखें: पहला फ़्रेम और आख़िरी फ़्रेम, अनुपात एक जैसा रखें (कारण नीचे सावधानी में देखें); सामग्री न हो तो पहले टेम्पलेट की सैंपल इमेज उपयोग करें
- VRAM का अंदाज़ा रखें: आधिकारिक रूप से RTX 4090D 24GB, 640×640 पर उपयोग 84% मापा गया; टेम्पलेट का डिफ़ॉल्ट छोटा आकार कम VRAM के लिए ही है, पहले चलाएँ फिर बड़ा करें
मूल विचार
तीन वाक्यों में इस पाठ की नई चीज़ें समझाइए:
- FLF2V = पहले और आख़िरी दोनों फ़्रेम लॉक करने वाला Image-to-Video। पिछले पाठ का
WanImageToVideoकेवल पहले फ़्रेम को कंडीशन में एनकोड करता था;WanFirstLastFrameToVideoपहले और आख़िरी फ़्रेम को क्रमशः latent की शुरुआत और अंत में फ़िक्स करता है, बीच के फ़्रेम मॉडल प्रॉम्प्ट के अनुसार इंटरपोलेट करके भरता है——इसीलिए ऐसे वीडियो को First-Last Frame इंटरपोलेशन वीडियो भी कहते हैं। - मॉडल में शून्य वृद्धि। आधिकारिक ट्यूटोरियल स्पष्ट कहता है: First-Last Frame वर्कफ़्लो के मॉडल की स्थिति I2V अनुभाग जैसी ही है। पिछले पाठ में डाउनलोड की गई चार फ़ाइलें जस की तस पुनः उपयोग होती हैं; एक्सेलेरेशन चाहिए तो दो वैकल्पिक LoRA और जोड़ें।
- प्रॉम्प्ट "दृश्य का वर्णन" से बदलकर "प्रक्रिया का वर्णन" हो जाता है। टेम्पलेट उदाहरण में लिखा है "बर्फ के क्रिस्टल से बनी बिल्ली चौंककर जागती है, धीरे-धीरे रंगीन बाल उगाकर एक विशाल जीव में बदल जाती है" — शुरुआत, प्रक्रिया और अंत एक ही वाक्य में लिखे जाते हैं।
| इमेज से वीडियो (पिछला पाठ) | पहला-आख़िरी फ़्रेम से वीडियो (यह पाठ) | |
|---|---|---|
| नोड | WanImageToVideo | WanFirstLastFrameToVideo |
| लॉक किए गए फ़्रेम | पहला फ़्रेम 1 फ़्रेम | पहला + आख़िरी फ़्रेम मिलाकर 2 फ़्रेम |
| प्रॉम्प्ट | इस वीडियो के दृश्य का वर्णन | पहले फ़्रेम से आख़िरी फ़्रेम तक की बदलाव प्रक्रिया का वर्णन |
| मॉडल फ़ाइलें | wan2.2_i2v_* डुअल-एक्सपर्ट | वही, पूरी तरह पुनः उपयोग |
नए नोड के पैरामीटर नियम (सोर्स कोड schema में तय): width / height का स्टेप 16, length का स्टेप 4 (वैध मान 4n+1: 49, 81, 121……), batch_size डिफ़ॉल्ट 1।
मेरे साथ करें
चरण 1: Wan2.2 पहला-आख़िरी फ़्रेम टेम्पलेट लोड करें
क्यों: आधिकारिक टेम्पलेट में दो पूर्ण वर्कफ़्लो (20 चरण का स्टैंडर्ड संस्करण + Lightning त्वरित संस्करण) और सभी डिफ़ॉल्ट पैरामीटर पहले से कॉन्फ़िगर हैं, टेम्पलेट से शुरुआत करने पर कोई नोड नहीं छूटेगा और पैरामीटर गलत नहीं भरेंगे।
- टेम्पलेट लाइब्रेरी खोलें (Browse Templates), "Wan2.2 14B FLF2V" खोजें (अंग्रेज़ी इंटरफ़ेस में टेम्पलेट का नाम Wan 2.2 14B First-Last Frame to Video)
- लोड पर क्लिक करें
आपको यह दिखना चाहिए:
कैनवास दो बड़े समूहों में बँटा है: Default workflow (डिफ़ॉल्ट रूप से सक्रिय) और Enable lightning lora version (डिफ़ॉल्ट रूप से बायपास)
प्रत्येक समूह Step 1 Load models → Step 2.1 Upload start_image → Step 2.2 Upload end_image → Step 3 Video size & length → Step 4 Prompt के क्रम में व्यवस्थित है
चार मॉडल लोडर (दो Load Diffusion Model, Load CLIP, Load VAE) की फ़ाइलें पिछले पाठ जैसी बिल्कुल वही हैं
कैनवास पर Model Links, VRAM Usage के कुछ नोट्स भी हैं, कोई लाल नोड नहीं है
टेम्पलेट लोड पूरा हुआ, कैनवास पर कोई लाल नोड नहीं
चरण 2: पहला फ़्रेम और आख़िरी फ़्रेम दो इमेज अपलोड करें
क्यों: ये दो इमेज ही वीडियो का पहला और आख़िरी फ़्रेम हैं, मॉडल की सारी जनरेशन इन दो बिंदुओं के बीच सीमित रहती है।
- Step 2.1 - Upload start_image समूह के Load Image नोड में पहला फ़्रेम अपलोड करें
- Step 2.2 - Upload end_image समूह के Load Image नोड में आख़िरी फ़्रेम अपलोड करें
- सामग्री नहीं है? टेम्पलेट में उदाहरण इमेज
video_wan2_2_14B_flf2v_start_image.pngऔरvideo_wan2_2_14B_flf2v_end_image.pngशामिल हैं, आधिकारिक ट्यूटोरियल पेज से सीधे डाउनलोड किया जा सकता है
आपको यह दिखना चाहिए: दोनों Load Image नोड में एक-एक इमेज दिखती है, जो क्रमशः WanFirstLastFrameToVideo के start_image और end_image इनपुट से जुड़ी हैं।
- पहला फ़्रेम, आख़िरी फ़्रेम अपनी जगह पर
⚠️ दोनों इमेज नोड के आकार पर स्केल होंगी
WanFirstLastFrameToVideo दोनों इमेज को नोड के width / height के अनुसार बाइलीनियर स्केल और केंद्रित करके एनकोड करता है। दोनों इमेज का अनुपात अलग होने पर वे खिंचकर विकृत हो जाएँगी — पहले अनुपात एक जैसा करें, या इमेज के अनुपात के अनुसार नोड की चौड़ाई-ऊँचाई बदलें।
चरण 3: वीडियो का आकार और फ़्रेम संख्या सेट करें
क्यों: टेम्पलेट का डिफ़ॉल्ट 640×640 कम VRAM वाले उपयोगकर्ताओं के लिए आधिकारिक छोटा आकार है; नियम के भीतर कुछ भी बदलें, नियम के बाहर जाने पर समस्या होगी।
WanFirstLastFrameToVideo के चार पैरामीटर:
| पैरामीटर | टेम्पलेट डिफ़ॉल्ट | नियम | विवरण |
|---|---|---|---|
| width | 640 | स्टेप 16 | 16 का गुणज होना चाहिए |
| height | 640 | स्टेप 16 | 16 का गुणज होना चाहिए |
| length | 81 | स्टेप 4, मान 4n+1 | 81 फ़्रेम ÷ 16fps ≈ 5 सेकंड |
| batch_size | 1 | — | एक बार में कितने जनरेट होंगे |
- पहले डिफ़ॉल्ट 640×640, 81 फ़्रेम से चलाकर देखें
- VRAM बचत हो तब बड़ा करें: आधिकारिक ट्यूटोरियल की सलाह है "रेज़ोल्यूशन लगभग 720P", जैसे 1280×720 (दोनों 16 के गुणज)
- अवधि length में बदलें (49 लगभग 3 सेकंड, 121 लगभग 7.5 सेकंड), फ़्रेम रेट CreateVideo नोड में बदलें (टेम्पलेट में सेट 16)
आपको यह दिखना चाहिए: पैरामीटर बॉक्स में मान स्टेप के अनुसार घटते-बढ़ते हैं, 641 जैसा मान नहीं आएगा।
- दो नियम याद रखें: चौड़ाई-ऊँचाई 16 का गुणज, फ़्रेम संख्या 4n+1
चरण 4: "बदलाव प्रक्रिया" प्रॉम्प्ट लिखें और जनरेट करें
क्यों: पहला-आख़िरी फ़्रेम शुरुआत और अंत पहले से तय कर देते हैं, प्रॉम्प्ट का काम मॉडल को बताना है कि बीच में कैसे बदलाव हो।
- CLIP Text Encode (Positive Prompt) नोड में बदलाव प्रक्रिया लिखें। टेम्पलेट में शामिल उदाहरण:
बर्फ के क्रिस्टल से बना एक बिल्ली का बच्चा अचानक चौंक जाता है, गुस्से में वह सिर उठाता है, धीरे-धीरे रंग-बिरंगे बाल उग आते हैं और वह बदल जाता है
एक विशाल जीव में, ख़तरा महसूस करने वाले की तरह दाँत निकालकर, आँखें फाड़कर देखती हैएक ही वाक्य में शुरुआत (बर्फ क्रिस्टल बिल्ली), प्रक्रिया (चौंककर जागना, रंगीन बाल उगाना), अंत (दाँत निकालकर आँखें फाड़ता विशाल जीव) सब लिखा गया है — इसी संरचना के अनुसार अपनी दो इमेज के बीच का बदलाव लिखें।
- नेगेटिव प्रॉम्प्ट को टेम्पलेट में शामिल चीनी पैराग्राफ जैसा ही रखें (पिछले पाठ के I2V टेम्पलेट वाले से बिल्कुल समान):
खोलकर टेम्पलेट में शामिल नेगेटिव प्रॉम्प्ट देखें
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,
समग्र रूप से धूसर, सबसे खराब गुणवत्ता, कम गुणवत्ता, JPEG कंप्रेशन अवशेष, भद्दा, अपूर्ण, अतिरिक्त उंगलियाँ,
खराब बनाए गए हाथ, खराब बनाया गया चेहरा, विकृत, विरूपित, अंग आकार से विकृत, उंगलियाँ जुड़ी हुईं,
बिल्कुल स्थिर दृश्य, अव्यवस्थित पृष्ठभूमि, तीन टाँगें, पृष्ठभूमि में बहुत सारे लोग, उल्टा चलना- पुष्टि करें कि सैंपलिंग पैरामीटर टेम्पलेट डिफ़ॉल्ट हैं: दोनों KSampler 20 स्टेप, cfg 4, euler + simple, हाई-नॉइज़ मॉडल 0–10 स्टेप और लो-नॉइज़ मॉडल 10–20 स्टेप चलता है; दोनों ModelSamplingSD3 का shift 8 है
Ctrl+Enterदबाकर चलाएँ
आपको यह दिखना चाहिए: दोनों KSampler क्रमशः 10 स्टेप चलते हैं; आउटपुट वीडियो का पहला फ्रेम और आख़िरी फ्रेम आपके अपलोड किए दोनों चित्रों से मेल खाते हैं, और बीच में प्रॉम्प्ट में वर्णित बदलाव की प्रक्रिया होती है। वीडियो SaveVideo नोड द्वारा आउटपुट डायरेक्टरी के video/ सबडायरेक्टरी में सहेजा जाता है, 640×640, 81 फ्रेम, 16fps, लगभग 5 सेकंड।
- आउटपुट वीडियो का पहला और आख़िरी फ्रेम अपलोड किए दोनों चित्रों से मेल खाता है
चरण 5: 4-स्टेप Lightning LoRA त्वरित संस्करण पर स्विच करें (वैकल्पिक)
क्यों: 20-स्टेप स्टैंडर्ड संस्करण RTX 4090D पर पहली बार लगभग 536 सेकंड लेता है; टेम्पलेट में शामिल Lightning LoRA संस्करण केवल 4 स्टेप लेता है, संदर्भ समय लगभग 108 सेकंड — कंपोज़िशन आज़माते समय बहुत तेज़।
- पहले दो त्वरण LoRA (प्रत्येक 1.14 GB) डाउनलोड करके
models/loras/में रखें:wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors,wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors(Hugging Face और ModelScope दोनों के Wan_2.2_ComfyUI_Repackaged रिपॉज़िटरी में उपलब्ध हैं) - Default workflow समूह को चुनें और
Ctrl+Bदबाकर बायपास करें - Enable lightning lora version समूह को चुनें और
Ctrl+Bदबाकर सक्रिय करें - Lightning समूह के पैरामीटर पुष्टि करें: दोनों LoRA की स्ट्रेंथ 1 है, ModelSamplingSD3 का shift 5 है, दोनों KSampler प्रत्येक 4 स्टेप, cfg 1, हाई-नॉइज़ 0–2 स्टेप और लो-नॉइज़ 2–4 स्टेप चलता है
- ध्यान दें: Lightning समूह में अपने Load Image और प्रॉम्प्ट नोड्स हैं — स्विच करने के बाद इस समूह में अपने पहले और आख़िरी फ्रेम फिर से अपलोड करें, प्रॉम्प्ट पेस्ट करें (इसमें डिफ़ॉल्ट रूप से अपना अंग्रेज़ी उदाहरण शामिल है)
- चलाएँ
आपको यह दिखना चाहिए: सैंपलिंग केवल 4 स्टेप चलती है (हाई-नॉइज़ 2 + लो-नॉइज़ 2), और इमेज बनना साफ़तौर पर तेज़ हो जाता है; आउटपुट अभी भी 640×640, 81 फ्रेम, 16fps है।
- दोनों वर्कफ़्लो एक-दूसरे में स्विच होते हैं, और एक ही समय में केवल एक समूह सक्रिय रहता है
⚠️ त्वरण की क़ीमत है गतिशीलता
टेम्पलेट नोट के मूल शब्द: Wan2.2 Lightning LoRA के उपयोग से वीडियो की कुछ गतिशीलता खो जाती है, लेकिन जनरेशन समय घट जाता है। कंपोज़िशन आज़माने के लिए 4-स्टेप संस्करण का उपयोग करें, अंतिम वीडियो के लिए 20-स्टेप स्टैंडर्ड संस्करण पर वापस स्विच करें।
💡 स्विच करने के बाद दूसरे समूह की स्थिति जाँचें
टेम्पलेट नोट विशेष रूप से याद दिलाता है: एक समूह सक्रिय करने के बाद, Ctrl+B से दूसरे समूह को बायपास करना न भूलें, वरना दोनों समूह एक साथ चलेंगे; आंशिक निष्पादन (partial execution) सुविधा भी आज़मा सकते हैं।
चेकपॉइंट ✅
- पहले-आख़िरी फ्रेम वाला वीडियो सफलतापूर्वक चला: शुरुआत और अंत अपलोड किए दोनों चित्रों से मेल खाता है, बीच का ट्रांज़िशन स्मूद है
WanFirstLastFrameToVideoऔरWanImageToVideoका अंतर बता सकते हैं:end_imageजुड़ा हुआ है- पता है कि चौड़ाई-ऊँचाई स्टेप 16 है, length को 4n+1 लेना है, और स्वयं रेज़ोल्यूशन व अवधि बदल सकते हैं
- Ctrl+B से 20-स्टेप स्टैंडर्ड / 4-स्टेप Lightning संस्करण स्विच कर सकते हैं, और पुष्टि करते हैं कि दूसरा समूह बायपास हो गया है
- प्रॉम्प्ट में «बदलाव की प्रक्रिया» लिखी है, जिसमें शुरुआत, प्रक्रिया और अंत शामिल हैं
आम ग़लतियों की चेतावनी
❌ दोनों चित्रों का अनुपात अलग है, परिणाम विकृत आता है
नोड दोनों चित्रों को width / height के अनुसार बाइलीनियर स्केल करके, केंद्रित करने के बाद एनकोड करता है; अनुपात अलग होने पर खिंच जाता है।
सही तरीका: दोनों चित्रों का अनुपात पहले समान करें; या चित्रों के अनुपात के अनुसार नोड की चौड़ाई-ऊँचाई बदलें — जैसे दोनों 3:4 वर्टिकल चित्र हैं, तो 576×768 जैसे 16 के गुणज वाले 3:4 आकार सेट करें।
❌ Lightning समूह सक्रिय किया, स्टैंडर्ड समूह को बायपास करना भूल गए
टेम्पलेट में दो पूर्ण वर्कफ़्लो हैं। टेम्पलेट नोट के मूल शब्दों में याद दिलाया गया था: अगर दोनों समूह एक साथ नहीं चलाने हैं, तो एक समूह सक्रिय करने के बाद दूसरे को Ctrl+B से बायपास करना न भूलें।
सही तरीका: स्विच करने के बाद कैनवास़ पर एक नज़र डालें और पुष्टि करें कि केवल एक समूह सक्रिय स्थिति में है।
❌ फ्रेम संख्या 80 भरी, चौड़ाई-ऊँचाई 641 भरी
length का स्टेप 4 है, वैध मान 4n+1 हैं (49, 81, 121……); width / height का स्टेप 16 है। इंटरफ़ेस में स्टेप के अनुसार चलने पर ग़लती नहीं होगी, लेकिन दूसरे नोड से मान आते समय नियम स्वयं मानना होगा।
सही तरीका: फ्रेम संख्या 49 / 81 / 121 में से चुनें, चौड़ाई-ऊँचाई 16 के गुणज में से चुनें; 640×640 टेम्पलेट डिफ़ॉल्ट है, 1280×720 720P का वैध संयोजन है।
❌ ग़लत वेट डाउनलोड किया: FLF2V I2V की फ़ाइलें उपयोग करता है
पहले-आख़िरी फ्रेम टेम्पलेट wan2.2_i2v_*_14B_fp8_scaled दो फ़ाइलें लोड करता है, न किWan2.2 14B टेक्स्ट-टू-वीडियो पाठ की wan2.2_t2v_* फ़ाइलें। आधिकारिक ट्यूटोरियल के मूल शब्द: पहले-आख़िरी फ्रेम वर्कफ़्लो I2V अनुभाग जैसे ही मॉडल स्थान उपयोग करता है।
सही तरीका: चारों लोडर की फ़ाइल नाम एक-एक करके जाँचें, जो पिछले पाठ के इमेज-टू-वीडियो से बिल्कुल समान हैं।
उन्नत तकनीकें (वैकल्पिक)
प्रॉम्प्ट में एक «स्थिरता बाधा» खंड जोड़ें
टेम्पलेट के Lightning समूह में शामिल अंग्रेज़ी उदाहरण प्रॉम्प्ट दो खंडों में है: पहला खंड बदलाव की प्रक्रिया लिखता है (वैन गॉग सेल्फ़-पोर्ट्रेट शैली का दाढ़ी वाला आदमी धीरे-धीरे अंतरिक्ष यात्री बनता है — दाढ़ी के बाल एक-एक करके फीके पड़ते हैं, पुआल की टोपी हेलमेट में घुलती है, पृष्ठभूमि के ब्रशस्ट्रोक धीरे-धीरे तारों भरे आकाश में बदलते हैं); दूसरा खंड विशेष रूप से कैमरा और स्थिरता को बाध्य करता है (कैमरा स्थिर, हल्का स्लो पुश-इन, नरम प्रकाश, कंपोज़िशन केंद्र में अपरिवर्तित)।
पहले-आख़िरी फ्रेम वाले वीडियो में कैमरे का अव्यवस्थित हिलना विशेष रूप से हानिकारक है — इसी संरचना के अनुसार अपने प्रॉम्प्ट में भी एक स्थिरता बाधा खंड जोड़ें।
बदलाव की दिशा कुछ भी रखें
शुरुआत और अंत का कोई निश्चित नियम नहीं है: अनबॉक्सिंग वीडियो «सुरक्षित पैकेजिंग → हाथ में थमा उत्पाद» हो सकता है, या उल्टा «री-पैकिंग प्रक्रिया» भी शूट कर सकते हैं। Load Image में दोनों चित्रों की स्थिति आपस में बदल दें, बस।
और लंबी कथा चाहिए
Wan2.2 का सिंगल-सेगमेंट वीडियो यहीं तक है। मल्टी-शॉट नैरेटिव और लंबी अवधि चाहिए तो देखें LTX-2.5: मल्टी-शॉट नैरेटिव, 4K HDR और DFR——LTX-2.5 भी फर्स्ट-लास्ट फ्रेम (FLF2V) वर्कफ़्लो टेम्पलेट देता है।
इस पाठ का सारांश
✅ इस पाठ ने वीडियो को "अंत नियंत्रण अधिकार" दे दिया, Wan2.2 फर्स्ट-लास्ट फ्रेमसे वीडियो सफलतापूर्वक चला:
- ✅ फर्स्ट-लास्ट फ्रेम से वीडियो:
WanFirstLastFrameToVideoपहला फ्रेम और अंतिम फ्रेम दो इमेज अपलोड करें, बीच का हिस्सा मॉडल प्रॉम्प्ट के अनुसार भरता है - ✅ मॉडल में कुछ भी नया नहीं: पिछले पाठ के I2V के डुअल-एक्सपर्ट वेट ही पुनः उपयोग किए गए, सिर्फ़ दो वैकल्पिक एक्सेलेरेशन LoRA अतिरिक्त
- ✅ पैरामीटर नियम: चौड़ाई-ऊँचाई स्टेप 16, length मान 4n+1; डिफ़ॉल्ट 640×640, 81 फ्रेम, 16fps यानी लगभग 5 सेकंड
- ✅ दो स्पीड में आउटपुट: 20 स्टेप स्टैंडर्ड संस्करण (संदर्भ समय लगभग 536 सेकंड) ↔ 4 स्टेप Lightning संस्करण (लगभग 108 सेकंड), Ctrl+B से स्विच
मुख्य कॉन्फ़िगरेशन फ़ील्ड की समीक्षा:
| फ़ील्ड | अनुशंसित मान | विवरण |
|---|---|---|
| Load Diffusion Model ×2 | wan2.2_i2v_high/low_noise_14B_fp8_scaled.safetensors | इमेज-टू-वीडियो पाठ के समान |
| Load CLIP | umt5_xxl_fp8_e4m3fn_scaled.safetensors | type में wan चुनें |
| Load VAE | wan_2.1_vae.safetensors | |
| WanFirstLastFrameToVideo | 640×640 / length 81 / batch 1 | चौड़ाई-ऊँचाई स्टेप 16, length मान 4n+1 |
| KSampler ×2 | 20 स्टेप / cfg 4 / euler + simple | हाई-नॉइज़ 0–10 स्टेप, लो-नॉइज़ 10–20 स्टेप |
| ModelSamplingSD3 ×2 | shift 8 (Lightning समूह के लिए 5) | |
| CreateVideo | fps 16 | 81 फ्रेम ≈ 5 सेकंड |
| Lightning LoRA ×2 | तीव्रता 1, 4 स्टेप / cfg 1 | डिफ़ॉल्ट बायपास्ड, Ctrl+B से सक्रिय; हाई-नॉइज़ 0–2, लो-नॉइज़ 2–4 स्टेप |
अगले पाठ की झलक
Wan2.2 यहीं समाप्त होता है, अगले पाठ में एक ऐसा मॉडल जो खुद आवाज़ भी देता है: LTX-2/2.3: एक बार में आवाज़ सहित वीडियो जनरेशन। आप सीखेंगे:
- LTX-2 के छह प्रकार के वर्कफ़्लो: T2V, I2V, FLF2V, IA2V, IC-LoRA, ID-LoRA
- ऑडियो-वीडियो सिंक्रनाइज़्ड वीडियो जनरेशन का अनुभव कैसा होता है
- डिस्टिल्ड संस्करण 8 स्टेप, CFG=1 की एक्सेलेरेटेड ट्रिक
परिशिष्ट: सोर्स कोड संदर्भ
पर क्लिक करके सोर्स कोड स्थान देखें
अपडेट समय: 2026-11-06 (टेम्पलेट लाइब्रेरी टेम्पलेट video_wan2_2_14B_flf2v, आधिकारिक रूप से चिह्नित न्यूनतम ComfyUI संस्करण 0.3.31)
| सामग्री | स्थान |
|---|---|
| आधिकारिक ट्यूटोरियल (Wan2.2, FLF2V अनुभाग सहित) | https://docs.comfy.org/tutorials/video/wan/wan2_2 |
| वर्कफ़्लो टेम्पलेट JSON | https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_wan2_2_14B_flf2v.json |
| वेट रिपॉज़िटरी (Hugging Face) | https://huggingface.co/Comfy-Org/Wan_2.2_ComfyUI_Repackaged |
| वेट रिपॉज़िटरी (ModelScope मिरर) | https://modelscope.cn/models/Comfy-Org/Wan_2.2_ComfyUI_Repackaged |
WanFirstLastFrameToVideo नोड सोर्स कोड | comfy_extras/nodes_wan.py (L188 से, पैरामीटर स्टेप L198–L201) |
WanImageToVideo नोड सोर्स कोड | comfy_extras/nodes_wan.py (L18 से) |
इस पेज के पैरामीटर (640×640 / length 81 / fps 16, 20 स्टेप cfg 4 euler + simple, हाई-नॉइज़ 0–10 / लो-नॉइज़ 10–20, shift 8, Lightning 4 स्टेप cfg 1 / shift 5, मॉडल फ़ाइल नाम और आकार, RTX 4090D संदर्भ समय और VRAM उपयोग) टेम्पलेट JSON video_wan2_2_14B_flf2v.json के वास्तविक नोड मानों और अंतर्निहित नोट से सत्यापित हैं; 720P सुझाव और "मॉडल स्थान I2V के समान" आधिकारिक ट्यूटोरियल से हैं; नोड पैरामीटर स्टेप comfy_extras/nodes_wan.py सोर्स कोड से सत्यापित हैं।