从静到动的两条路线
ComfyUI 做出图玩熟了，下一步自然是让画面动起来。现在主流两条路线：一是直接文生视频，用 Wan 这类专门的视频扩散模型，一句提示词出几秒动态片段；二是AnimateDiff，把你已经调好的 Stable Diffusion 静态工作流，外挂一个运动模块，让原本的图动起来。前者质量高、显存吃紧，后者复用现有工作流、轻量灵活。
路线一：Wan 视频模型
Wan（万相）是阿里开源的视频生成模型，在 ComfyUI 生态里有对应的官方节点。它的特点是直接生成视频，不是图生视频，动态幅度和连贯性比早期模型好不少。工作流大致是：加载 Wan 的 text-to-video 模型节点 → 正反提示词 → 设定帧数（比如 81 帧，约 5 秒@16fps）和分辨率 → 采样 → VAE 解码输出视频帧 → 用 Video Combine 节点合成 MP4。
关键在显存账：视频模型比图像模型大一个量级，Wan 1.3B 级别的量化版可以在 12-16GB 显存跑短片，完整 14B 级别则要 24GB 以上。帧数越多、分辨率越高，latent 空间的计算量按帧数涨——这是「能出图却出不了视频」的核心原因。
路线二：AnimateDiff 复用 SD 工作流
如果你已经有一套调得很满意的 SD/SDXL 出图工作流，AnimateDiff 的价值是最小改动让它动起来：在 KSampler 之前插一个 AnimateDiff Loader 节点，加载对应的运动模块（mm_sd_v15_v2 之类），再在采样后接一个帧合成节点。你原本调好的提示词、LoRA、采样参数几乎不用动，只是输出从「一张图」变成「一小段动图」。
| 路线 | 适合 | 显存 | 动效质量 |
|---|---|---|---|
| Wan 文生视频 | 要直接出成片 | 较高（16GB+） | 连贯、幅度大 |
| AnimateDiff | 复用现有 SD 工作流 | 中（可沿用原配置） | 小幅运动、风格统一 |
三个实操要点
第一，帧数别贪多：新手先跑 16-24 帧的短片段验证流程，跑通了再加长——视频生成慢，一上来就 81 帧，等半天失败很打击人。第二，提示词写「运动」而非只写「物体」：静态图提示词描述长相，视频提示词要加动作与镜头，比如「镜头缓缓推近，人物头发随风飘动」，否则出了也是几乎不动的伪视频。第三，出帧后再合成：ComfyUI 里视频是一帧帧算出来存进队列的，最后才由 Video Combine 节点编码成 MP4，中间显存和磁盘占用都要预留，别以为它是一次性吐视频。
收束
ComfyUI 的视频能力，本质是把视频生成也拆成节点流水线：Wan 走「直接文生视频」的专业路线，AnimateDiff 走「让旧工作流动起来」的轻量路线。两条路线都绕不开同一个约束——显存和帧数。先用短片段跑通节点连接，再慢慢加长、加质量，是从静态 AIGC 跨到动态 AIGC 的稳当路径。
去论坛讨论
关于「AI视频生成」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。