【ComfyUI 实战指南】Wan2.2 入门教程：阿里开源电影级AI视频生成完全指南

neverbiasu大约 12 分钟

【ComfyUI 实战指南】Wan2.2 入门教程：阿里开源电影级AI视频生成完全指南

摘要

Wan2.2 是阿里巴巴通义万相团队开源的电影级视频生成模型，支持文生视频（T2V）、图生视频（I2V）和文图混合生成（TI2V）三种模式。本教程详细介绍 Wan2.2 在 ComfyUI 中的环境搭建、模型配置、工作流使用和实战应用。

初识 Wan2.2

1.1 什么是 Wan2.2

Wan2.2 模型推理示意图

Wan2.2（通义万相2.2）是阿里巴巴达摩院推出的新一代开源视频生成模型，专门用于高质量视频内容创作。作为 Wan 系列的最新版本，它在视频生成质量、运动一致性和内容理解方面都有显著提升。

核心特点：

电影级画质：支持高分辨率视频生成，画面细节丰富
多模态输入：支持纯文本、纯图像、文图混合三种生成模式
运动连贯性：优秀的时序一致性，生成的视频动作自然流畅
开源免费：完全开源，支持商业使用

1.2 Wan2.2 核心能力

三大生成模式：

文生视频（T2V） - Text to Video
- 输入：文本描述
- 输出：根据描述生成的视频
- 适用：创意视频、概念展示
图生视频（I2V） - Image to Video
- 输入：静态图像
- 输出：基于图像的动态视频
- 适用：照片动画化、产品展示
文图混合生成（TI2V） - Text and Image to Video
- 输入：图像 + 文本描述
- 输出：结合两者信息的视频
- 适用：精确控制的视频创作

1.3 应用场景

内容创作领域：

短视频制作：社交媒体内容、营销视频
影视预览：概念验证、故事板动画
电商展示：产品动态展示、广告素材
教育培训：知识可视化、教学动画

技术优势：

生成时长：支持5秒高清视频
分辨率：高清画质输出
帧率：流畅的视频播放效果
一致性：优秀的时序和空间一致性

环境准备与搭建

2.1 硬件要求

配置项目	最低配置	推荐配置	说明
GPU显存	16GB VRAM	24GB+ VRAM	RTX 4090/RTX 6000 Ada 等
系统内存	32GB RAM	64GB+ RAM	视频生成内存需求较大
存储空间	100GB	200GB+	模型文件和生成内容存储
操作系统	Windows 10/11, macOS, Linux	-	支持主流操作系统

显卡兼容性：

NVIDIA RTX 40系列：RTX 4090（推荐）、RTX 4080
NVIDIA RTX 30系列：RTX 3090、RTX 3080（最低要求）
专业显卡：RTX 6000 Ada、A6000 等

2.2 软件环境准备

基础软件要求：

# Python 环境
Python 3.8+ (推荐 3.10)

# CUDA 支持 (NVIDIA GPU)
CUDA 11.8+ 或 CUDA 12.0+

ComfyUI 安装：

# 克隆 ComfyUI 仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 安装依赖
pip install -r requirements.txt

2.3 模型文件概览

Wan2.2 包含以下核心模型文件：

扩散模型（Diffusion Models）：

wan2.2_ti2v_5B_fp16.safetensors - TI2V混合模型（5B参数）
wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors - T2V低噪声模型
wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors - T2V高噪声模型
wan2.2_i2v_low_noise_14B_fp16.safetensors - I2V低噪声模型
wan2.2_i2v_high_noise_14B_fp16.safetensors - I2V高噪声模型

编码器模型：

umt5_xxl_fp8_e4m3fn_scaled.safetensors - 文本编码器
wan2.2_vae.safetensors - TI2V专用VAE
wan_2.1_vae.safetensors - T2V/I2V通用VAE

ComfyUI 配置详解

3.1 更新 ComfyUI 到最新版本

步骤1：更新代码库

# 进入 ComfyUI 目录
cd ComfyUI

# 拉取最新代码
git pull

# 更新依赖包
pip install -r requirements.txt

步骤2：启动验证

# 启动 ComfyUI
python main.py

# 在浏览器中访问
http://localhost:8188

3.2 模型文件下载与配置

官方模型仓库：访问 Comfy-Org/Wan_2.2_ComfyUI_Repackaged 下载重新打包的模型文件。

TI2V 混合版配置：

ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   └───wan2.2_ti2v_5B_fp16.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors 
│   └───📂 vae/
│       └── wan2.2_vae.safetensors

下载链接：

T2V 文生视频配置：

需要的模型文件：

Diffusion Models：
- wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors
- wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors
VAE：wan_2.1_vae.safetensors
Text Encoder：umt5_xxl_fp8_e4m3fn_scaled.safetensors

文件目录结构：

ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   ├─── wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors
│   │   └─── wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors 
│   └───📂 vae/
│       └── wan_2.1_vae.safetensors

I2V 图生视频配置：

需要的模型文件：

Diffusion Models：
- wan2.2_i2v_low_noise_14B_fp16.safetensors
- wan2.2_i2v_high_noise_14B_fp16.safetensors
VAE：wan_2.1_vae.safetensors
Text Encoder：umt5_xxl_fp8_e4m3fn_scaled.safetensors

文件目录结构：

ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   ├─── wan2.2_i2v_low_noise_14B_fp16.safetensors
│   │   └─── wan2.2_i2v_high_noise_14B_fp16.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors 
│   └───📂 vae/
│       └── wan_2.1_vae.safetensors

ComfyUI 实战操作

4.1 工作流获取

点击左上角"工作流"按钮

再点击"浏览模板"选项

进入模版弹窗，先点击视频tab，最顶上的就是Wan2.2的三个基础工作流模板。我们先选中最后一个。

需要介绍的是，最左边的是TI2V（既能文本也能用图像生成视频），其他两个分别是文生视频和图生视频。

4.2 工作流运行

进入工作流后，我们在CLIP Text Encode（Positive Prompt）输入提示词，下面是个案例

In a bustling mall setting, a white cat stands central in the frame, donning a white strapless gown. With dynamic action, she lands a left hook, toppling a gorilla clad in a blue suit, then swiftly executes a spinning back kick to fell another similarly dressed gorilla. The camera captures the fluidity of her movements and the gorillas' falls from a level angle. The backdrop showcases the mall's decor and passersby.

要用图生视频的话，选中Load Image，Ctrl+B开启，上传你的图片即可。

运行时可能会遇到这个问题，我们删除https://github.com/ty0x2333/ComfyUI-Dev-Utils，参考https://github.com/comfyanonymous/ComfyUI/issues/8884

Prompt 撰写指南

Prompt（提示词）是控制 Wan2.2 视频生成效果的核心要素。本章节基于阿里官方微信推文内容，为你详细介绍提示词的撰写技巧和实战案例。

5.1 官方提示词公式

根据阿里官方使用指南文档，Wan2.2 支持以下三种提示词公式：

基础公式（适合新手）

提示词 = 主体 + 场景 + 运动

主体：视频的主要表现对象（人、动物、植物、物品等）
场景：主体所处的环境（背景、前景、真实或虚构场景）
运动：主体的具体运动和非主体的运动状态

进阶公式（适合有经验用户）

提示词 = 主体（主体描述）+ 场景（场景描述）+ 运动（运动描述）+ 美学控制 + 风格化

主体描述：外观特征细节，如"身着少数民族服饰的黑发苗族少女"
场景描述：环境特征细节的形容词或短句
运动描述：运动特征细节，包含幅度、速率和效果，如"猛烈地摇摆"、"缓慢地移动"
美学控制：光源、光线环境、景别、视角、镜头、运镜等
风格化：画面风格描述，如"赛博朋克"、"勾线插画"、"废土风格"

图生视频公式（I2V 专用）

提示词 = 运动 + 运镜

运动描述：结合图像元素描述动态过程，如奔跑、打招呼
运镜：镜头运动控制，如"镜头推进"、"镜头左移"、"固定镜头"

5.2 官方案例解析

以下为阿里官方微信推文中的真实 Prompt 案例（1:1 提取自官方教程）：

光源类型控制案例

人工光

边缘光，中近景，人工光，侧光，低饱和度，暖色调，右侧重构图，过肩镜头角度拍摄，镜头聚焦一位穿着蓝白格子衬衫的外国女孩。她有着立体的五官，眼神专注明亮，几缕发丝从整齐的马尾辫中垂下，增添了一丝柔和感。女孩微微侧头，嘴唇微启，似乎在倾听对面的人说话。背景为昏暗虚化的房间，一台带有白色灯罩的复古台灯从画面一侧提供柔和光源，照亮人物轮廓。柜子旁的黑色木门隐约可见，强化了场景的神秘感与层次感。

火光

火光，过肩镜头角度拍摄，一个穿着白色衬衫和棕色背心的男人站在壁炉前，看着镜头右边的一个人。

月光

月光，一个年轻女子站在一间旧式房间中，背景为斑驳的瓷砖墙与一扇老旧的木门。她拥有一头利落的黑色短发，眉毛细长，蓝色眼眸在微弱的月光下显得格外深邃，神情专注而沉思。她身穿黑色上衣，配以干净的白色衣领，双手自然垂落，身体微微侧向一边，目光凝视着镜头外的某处，嘴角紧绷，透露出一丝压抑的情绪。室内光源来自窗外的月光，光线从一侧斜射入内，在她的面部形成柔和的阴影，强化了画面中的静谧与张力。镜头聚焦于她的神态，营造出一种私密、凝固且充满故事感的画面。

实用光

实用光，底光，高对比度，夜晚，暖色调，低角度拍摄，中近景，双人镜头。在昏暗的灯光下，一位外国白人女子坐在床边，她穿着一件白色T恤衫，上面印有黑色字母“HUMMER & ELLIS”。她的头发披肩而下，脖子上戴着一条项链。近景仰拍镜头下，她的面前有一盏白色的灯泡照亮了周围的环境。在背景中，可以看到另一位外国白人女子的身影，她穿着黑色的衣服，正在看着前方的女子。

荧光

荧光，一个年轻女子站在室内走廊中，背景为蓝色调的金属柜门。女子有着长长的黑发和刘海，穿着格子衬衫，双手垂在身侧，表情由平静逐渐转向轻微焦虑，眼神略带不安地望向镜头一侧。光线来自顶部的线性灯管和侧面的窗户，在她的面部形成柔和的阴影，墙壁与地面呈现出灰蓝色，空间狭长，增强了静谧感。

阴天光

中焦距，柔光，低对比度，边缘光，低角度拍摄，阴天光，低饱和度，中近景，干净的单人镜头，冷色调，中心构图。镜头仰拍拍摄外国男子在户外的近景，他穿着黑色的衣服和灰色的毛衣，白色的衬衫，戴着黑色的领带，眼睛看着镜头，身体向前移动，后面是棕色的建筑上面有窗户，窗户里面有黄色的灯光，前面有黑色的门，镜头向前移动，镜头的右侧有一个虚化的黑色的物品前后晃动，背景是黑色的。

景别控制案例

特写

平拍一个外国男人的面部特写，他有着蓝色的眼睛和光头，他的脸上布满了汗水，他盯着镜头，随后低下头。画面下方出现白色英文字幕“My little Max...”。背景虚化，模糊不清。镜头向上移动，俯拍男人后脑勺的特写。

中近景

中近景，平拍近景镜头中，一位外国白人老年男性坐在室内与另一位人物进行对话。他穿着深蓝色的外套，内搭白色衬衫和黑色毛衣，戴着眼镜，头发花白。虚化的前景中有一个穿着棕色衣服的人背对着镜头。背景是一面白色的墙壁，上面有着一扇窗户，窗外可以看到模糊的景色。随后，老人身后的一扇门被打开，一个穿着黑色衣服的人走了进来。

全景

暴风雪肆虐的夜晚，便利店里温暖而宁静。年轻的收银员穿着简单的工作服，冻得通红的双手哈着热气，认真整理着货架上的商品。冷柜的LED灯光线清冷，将冰淇淋包装纸映出不自然的青白色调。全景镜头下，可以看见店外风雪交加，与店内形成鲜明对比。

5.3 提示词撰写技巧

实用建议：

层次清晰：按主体→场景→运动→美学→风格的顺序组织
具体描述：用具体的形容词替代抽象概念
适量控制：避免过长的描述，重点突出核心信息
风格统一：确保各部分描述风格协调一致

常用专业术语：

光线控制：柔光、硬光、侧光、背光、边缘光、底光
色彩控制：暖色调、冷色调、高饱和度、低饱和度、高对比度、低对比度
镜头控制：特写、近景、中景、全景、广角、长焦、中焦距
构图控制：中心构图、对称构图、平衡构图、左侧重构图、右侧重构图

常见问题与解决

6.1 环境配置问题

问题：模型加载失败

检查文件路径是否正确
确认模型文件完整性
验证显存是否充足

问题：生成速度慢

降低分辨率设置
减少采样步数
使用量化版本模型

问题：显存不足

使用FP8量化模型
降低批次大小
关闭其他GPU程序

6.2 生成质量问题

视频闪烁抖动：

检查提示词一致性
调整CFG参数
尝试不同采样器

动作不自然：

优化动作描述词
调整噪声强度
使用更合适的参考图

画质模糊：

增加采样步数
提升输入分辨率
使用质量增强词汇