讓一張圖動起來：用 Wan2.2 做第一段固定鏡頭短片

圖片已放進工作流，為什麼影片卻不像它？

接續第九課的角色主視覺，這次把「一張圖」接到「一段時間」。先練一個小動作與固定鏡頭，學會確認圖片有參與、保存設定，以及檢查角色在後面幾個影格是否變形。完成物是 A／B 兩段約1.71秒的無聲短片、原始圖片、各自的JSON與觀察單；設備還沒準備好時，可以先完成接線與設定核對，生成欄位保留未執行。

先開啟ComfyUI 官方 Wan2.2 教學、ComfyUI 下載及官方重包模型入口。本課選 Wan2.2 TI2V-5B：同一個5B模型可做文字或圖片生影片，使用內建節點，不需要付費API節點。自行執行仍有設備、電力及儲存成本；使用租用主機或 Comfy Cloud，費用依該服務方案另計，本文沒有代為開通或付費。

下載本課 A 組 JSON、官方貓咪起始 JPG及觀察單。JSON 不包含圖片與模型權重；圖片仍要在自己的 Load Image 上傳並選取。為讓每位讀者有相同起點，先用附圖完成一次，再換自己的角色。使用第九課圖片前，仍須遵守其來源模型的使用條件；Wan 的授權不會自動改變上游素材的權利。

第 1 步：先辨認模型版本與設備條件

本課需要三個模型檔。依官方模板指定的來源下載，放到 ComfyUI 的 models 下對應目錄：

• diffusion_models/wan2.2_ti2v_5B_fp16.safetensors：擴散模型下載
• text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors：文字編碼器下載
• vae/wan2.2_vae.safetensors：VAE下載

文字編碼器的下載路徑含 Wan_2.1，這是官方5B模板指定的來源。VAE則是 wan2.2_vae；別拿14B工作流常見的 wan_2.1_vae 替換。5B也不使用14B的 high_noise／low_noise 兩個專家模型。下載前先核對整個檔名與所屬節點，避免為同一課抓下不相干的大檔案。

三個官方檔案頁分別標示約10GB、6.74GB及1.41GB，合計約18.2GB（十進位、依頁面四捨五入值估算）。這是模型下載儲存量，不是所需顯示記憶體；還要為程式、系統記憶體、暫存與影片留空間。官方JSON備註列出的9.31／6.27／1.31較接近二進位容量顯示，勿與檔案頁的十進位GB直接混加。

Comfy 文件表示，5B配合其原生 offloading 機制「應可」適用8GB VRAM；Wan 原始程式的參考命令則標示至少24GB。兩者使用的執行配置不同，不能把數字當作同一套保證。本課沒有硬體實跑，亦不提供生成時間承諾。先確認你能執行該版本與模型；若容量不確定，先停在工作流檢查，不必勉強排程。

Wan2.2-TI2V-5B模型卡標示 Apache-2.0，須遵守授權條件；輸入圖片、人物肖像、商標等權利仍需另外確認。本課保存 Comfy 範例庫的 MIT 授權及 Wan 範例庫的 Apache-2.0 授權文字。

應該看到： 三個模型檔各在正確目錄，Load Diffusion Model、Load CLIP、Load VAE 選單能找到它們；Load CLIP 的 type 是 wan。

第 2 步：匯入 A 組，先解決 Load Image 被略過的陷阱

在 Workflow → Open 匯入 A 組JSON。也可以到模板庫搜尋「Wan2.2 5B」對照，但要注意：本課保存的官方原始模板裡，Load Image 的 mode=4，處於 Bypass（略過）狀態。即使看得到接線或圖片檔名，圖片也未必送進生成流程。

本課A／B已把它改成正常執行的 mode=0。請確認節點沒有被略過，再按圖片上傳按鈕，選取下載的 wan-official-i2v-input.JPG。看到貓咪預覽後，沿著 IMAGE → Wan22ImageToVideoLatent 的 start_image 檢查連線。MASK不接。

如果你開的是官方原始JSON，先選中 Load Image，再依官方教學用 Ctrl+B 切換Bypass狀態，或從節點選單取消略過；不同平台以介面顯示的快捷鍵為準。本課JSON已啟用，別再盲按一次把它關回去。重要的是最後狀態，不是按過某個鍵。

看見缺失節點時，先比對官方更新說明及啟動日誌。本課用的 Wan22ImageToVideoLatent、CreateVideo、SaveVideo 都是核心節點；不要因為找不到就隨意裝同名外掛。JSON內的舊版本註記是範例保存資訊，不代表已驗證你目前的版本相容。

應該看到： 貓咪預覽、正常啟用的 Load Image，以及連到 start_image 的 IMAGE線。三項都確認後，才往下設定。

第 3 步：先配合直式圖片，分清尺寸和影格數

本課A／B的 Wan22ImageToVideoLatent 設為：width 704、height 928、length 41、batch_size 1。這是為練習挑選的配置；官方原始模板則是1280×704、121影格。兩份都提供下載，別把它們混成同一套預設。

附圖是832×1104的直式圖，704×928的比例與它接近，而且寬高都是32的整倍數。已核對的核心節點會依目標尺寸做等比例縮放與置中裁切；比例不同時，邊緣可能被切掉。把直式貓咪直接交給1280×704的橫式設定，裁切會明顯得多，提示詞也不會把被切掉的內容自動「接回原圖」。

若換自己的角色圖，先檢查臉、頭頂、背包與手腳離邊界是否太近。想控制裁切位置，可先回到第七課的尺寸與裁切準備接近目標比例的新圖，保留原檔；不要為塞滿畫面把角色拉長。

length是要生成的影格數。本節點的長度欄位以4為步進，配合時間壓縮方式，先用 4n+1 的值，例如41、81、121。Create Video 保持 24 fps；41影格編成24fps，名義播放時長約41÷24＝1.71秒。從第一個影格到最後一個影格的時間點跨度是40÷24秒，兩個數字的計算定義不同。

不要靠把fps改小來取得更多動作。 同一組41影格若改成12fps，播放時間變長、動作變慢，但沒有多生成中間影格。想生成約5秒的內容，另存新組後，把length改為121並保留24fps；負載也會改變，要重新觀察環境能否執行。

第 4 步：讓提示詞只負責一個小動作

A組的正向 CLIP Text Encode 已換成原創練習句，也可從提示詞文字檔複製：

A white cat wearing amber sunglasses at the seaside. The cat turns its head slightly to its left. The camera remains fixed. One continuous shot, gentle natural movement, consistent lighting.

意思是：海邊戴琥珀色太陽眼鏡的白貓，略向自己的左邊轉頭；鏡頭固定、單一連續畫面、動作輕微、光線一致。這裡的「左」以角色自身為準，通常與觀看者的畫面左右相反。模型仍可能理解錯方向，這正是要記錄的項目，不先把生成結果當成正確答案。

第一段先避免同時要求跑步、轉身、鏡頭繞行和場景切換。短短41影格，先驗收一個看得懂的小動作。負向提示詞沿用官方模板，A／B保持完全相同；本課不把調負向文字也混進比較。

核對 KSampler：seed 20261011、執行後seed行為 fixed、steps 20、cfg 5、sampler uni_pc、scheduler simple、denoise 1。ModelSamplingSD3 的 shift 保留 8。這些取樣條件來自官方模板，seed與固定模式由本課設定；即使名稱有SD3，也不要隨意換成另一類模型節點。

和第九課不同，這裡CFG為5，不要直接套用上一課CFG=1的負向分支結論。固定seed是為減少實驗變因，仍不保證跨版本、不同硬體或所有操作產生相同像素。

第 5 步：先保存設定，再只執行 A 一次

沿主線看一次：起始圖 → Wan22ImageToVideoLatent → KSampler → VAE Decode → Create Video → Save Video。模型、VAE及兩組文字條件也要維持原有接線，不只檢查圖片這一條。

Save Video 的filename_prefix為 video/greenbean-lesson10-A，format與codec沿用 auto。Create Video沒有接入audio，本課輸出不包含聲音；不要把文字描述的海浪或音樂當成音軌已生成。

先另存自己的A組JSON，確認模型與圖片後按Run一次。第一次載入模型及影片生成所需時間依環境而異，沒有固定倒數可保證。若顯示記憶體不足，停止連續送出相同排程，保留錯誤與環境資料；不要把本課「少一點影格」當作所有顯卡都能跑的保證。

輸出出現後，保存實際影片檔，並記下容器／副檔名。auto的實際輸出應以你的檔案為準，不預填成某一種格式。用播放器查看頭、中、尾：

1. 起始構圖： 還看得到原圖中的白貓、眼鏡與海邊嗎？有無意外裁掉頭部？
2. 動作： 貓是否真的略向自己的左邊轉頭？還是只晃動背景？
3. 穩定性： 眼鏡是否融化、耳朵是否多出一隻、臉部紋理是否閃爍？
4. 鏡頭： 明明要求固定鏡頭，是否仍發生推近、平移或切鏡？

觀察單先填實際影片檔名、尺寸、影格數與fps；播放器沒有顯示的項目填unknown，別把設定值冒充檔案實測。尚未成功生成就保留not_run。第一個影格也不保證和原JPG逐像素一致，因為已經過裁切、VAE及生成處理。

第 6 步：B 只改方向，才知道提示詞改了什麼

保留A，另開B組JSON，重新確認同一張起始圖。B只把提示詞中的 to its left 改成 to its right；輸出前綴改成B方便保存，其餘生成條件完全相同。

先另存B的JSON，再執行一次。把兩段從頭播放到尾，分開記「要求的方向是否出現」與「角色／背景是否穩定」。B不是在A影片上修改，而是從同一張JPG重新生成，因此同seed也不保證只改頭部方向、其他像素都不動。

如果兩段都不太動，先確認Load Image有啟用，實際輸入與正向文字正確，再看整段影片而非只看縮圖。仍沒有方向變化就如實記錄，下一輪只調整一個條件。不要同時改seed、影格數、CFG和鏡頭，否則無法說清楚是哪一項帶來差異。

完成A／B後，才選做自己的角色版本：用你有權使用的角色原圖、改成符合該圖的主體描述、選近似比例尺寸，另存為新實驗。它同時更換輸入圖片及描述，不能當作A／B的第三組單一變因比較。本課不承諾一張角色圖能在所有鏡頭中維持身份一致。

卡住時，先依現象排查

• 成功生成，卻像重新畫了一個場景： 檢查Load Image是否Bypass、預覽是否正確，以及IMAGE有沒有進start_image
• 模型選單找不到檔案： 核對三個資料夾、完整檔名及下載是否完成；不是把所有模型都放checkpoints
• 畫面被裁掉： 檢查輸入比例與width／height，不要只看檔案大小；這個節點會置中裁切
• Missing Nodes： 先查核心版本與啟動匯入錯誤，本課不需要WanVideoWrapper等第三方節點
• 輸出只有約1.7秒： 本課是41影格／24fps；這是預定短測，不是輸出少了五秒
• 影片變慢，卻沒有新動作： 檢查是否只改Create Video的fps；它不會幫你補出新影格
• 每次比較差異很大： 檢查KSampler是否仍是fixed、起始圖是否同一檔，以及版本與取樣設定是否被改動
• 沒有聲音： 本課audio未連線，須日後另外製作或加入音軌

完成檢查與小練習

保存一個資料夾，包含原JPG、A影片＋A JSON、B影片＋B JSON，以及你填好的觀察單。紀錄實際ComfyUI版本、模型檔名、圖片檔名和未解決問題，才方便下次延長影片或更換鏡頭。

1. Load Image有圖片檔名，是否代表一定用了它？不一定，還要確認沒有Bypass、預覽正確且接到start_image
2. 為什麼本課不用官方1280×704的預設？為了配合附圖的直式比例，減少裁切；這是教學配置，未做GPU實跑
3. 把41影格從24fps改成12fps，會多出41張新影格嗎？不會，只會改播放速度與名義時長
4. A／B應保持哪些條件相同？起始圖、seed及其fixed模式、尺寸、影格數、fps、模型、取樣與負向條件；只改正向動作方向
5. 兩次都沒按照方向轉頭，能填「比較完成，效果成功」嗎？應記錄已執行但未達動作目標，將操作完成與生成品質分開

下載、版本與來源

• 官方原始5B工作流：原始位元組保留，Load Image仍為Bypass、1280×704、121影格及randomize seed
• A：略向左轉頭、B：略向右轉頭：已啟用Load Image，改用704×928、41影格、固定seed
• 提示詞、空白觀察單、使用與授權說明、來源及SHA256
• Comfy範例MIT授權、Wan範例Apache-2.0授權
• 固定版本官方模板、Wan22ImageToVideoLatent核心實作、影片編碼核心節點

查核日期：2026年10月11日（台灣）。本站原創提示詞、觀察單與兩張示意圖採CC0；衍生JSON保留原工作流授權。已檢查JSON可解析、節點及連線、圖片解碼、資源雜湊及A／B單一變因，沒有執行模型推論、沒有本課生成結果或GPU計時，也未完成ComfyUI介面匯入與手機瀏覽實測。請把本頁當成有來源與可下載練習檔的操作指引，生成是否成功仍要以自己的實際執行紀錄判斷。