Wan2.2 Fun InP ComfyUI 工作流完整使用指南，官方+社区版本（Kijai, GGUF）工作流全攻略

教程总览

本教程将全面介绍 Wan2.2 Fun InP 首尾帧视频生成模型在 ComfyUI 中的各种实现方式和使用方法。Wan2.2 Fun InP 是阿里云推出的专业首尾帧控制视频生成模型，支持输入首帧和尾帧图像，生成中间过渡视频，为创作者带来更强的创意控制力。

本教程涵盖的版本和内容

已完成的版本：

• ✅ ComfyUI 官方原生版本 - 由 ComfyOrg 官方提供的完整工作流
• ✅ Wan2.2 Fun InP 14B 首尾帧版本 - 高质量首尾帧控制视频生成

正在准备中的版本：

• 🔄 Kijai WanVideoWrapper 版本 - 社区开发的便捷包装器
• 🔄 GGUF 量化版本 - 适用于低配置设备的优化版本

模型技术特点

Wan2.2 Fun InP 基于 Wan2.2 架构，专门针对首尾帧控制视频生成进行了优化，具备以下核心特性：

核心优势：

• 首尾帧控制：支持输入首帧和尾帧图像，生成中间过渡视频，提升视频连贯性与创意自由度
• 高质量视频生成：基于 Wan2.2 架构，输出影视级质量视频
• 多分辨率支持：支持生成512×512、768×768、1024×1024等分辨率的视频，适配不同场景需求

Wan2.2 Fun InP 系列模型基于 Apache2.0 开源协议，支持商业使用。Apache2.0 许可证允许您自由使用、修改和分发这些模型，包括商业用途，只需保留原始版权声明和许可证文本。

Wan2.2 Fun InP 开源模型版本概览

官方学习资源

相关代码仓库

• VideoX-Fun GitHub 仓库 - 官方提供的完整实现代码
• Wan2.2 Fun 官方文档 - 详细的模型说明和使用指南

Wan2.2 Fun InP ComfyUI 官方原生版本工作流使用指南

版本说明

ComfyUI 官方原生版本由 ComfyOrg 团队提供，使用重新打包的模型文件，确保与 ComfyUI 的最佳兼容性。该版本支持标准模式和 Lightx2v 4步 LoRA 加速模式。

性能对比测试

下面是使用 RTX4090D 24GB 显存 GPU 测试的结果 640*640 分辨率， 81 帧长度的用时对比：

由于使用了加速 LoRA 后提速较为明显，虽然动态有所损失，但对低显存用户较为友好，所以在提供的两组工作流中，默认启用了使用了加速 LoRA 版本，如果你需要启用另一组的工作流，框选后使用 Ctrl+B 即可启用。

1. Wan2.2 Fun InP 首尾帧视频生成 ComfyUI 工作流

工作流获取方式

使用下面的素材作为首尾帧

模型文件下载

Diffusion Model

• wan2.2_fun_inpaint_high_noise_14B_fp8_scaled.safetensors
• wan2.2_fun_inpaint_low_noise_14B_fp8_scaled.safetensors

Lightning LoRA (可选，用于加速)

• wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors
• wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors

VAE

• wan_2.1_vae.safetensors

Text Encoder

• umt5_xxl_fp8_e4m3fn_scaled.safetensors

ComfyUI/
├───📂 models/
│   ├───📂 diffusion_models/
│   │   ├─── wan2.2_fun_inpaint_high_noise_14B_fp8_scaled.safetensors
│   │   └─── wan2.2_fun_inpaint_low_noise_14B_fp8_scaled.safetensors
│   ├───📂 loras/
│   │   ├─── wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors
│   │   └─── wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors
│   ├───📂 text_encoders/
│   │   └─── umt5_xxl_fp8_e4m3fn_scaled.safetensors 
│   └───📂 vae/
│       └── wan_2.1_vae.safetensors

操作步骤详解

1. High noise 模型及 LoRA 加载

• 确保 Load Diffusion Model 节点加载了 wan2.2_fun_inpaint_high_noise_14B_fp8_scaled.safetensors 模型
• 确保 LoraLoaderModelOnly 节点加载了 wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors

2. Low noise 模型及 LoRA 加载

• 确保 Load Diffusion Model 节点加载了 wan2.2_fun_inpaint_low_noise_14B_fp8_scaled.safetensors 模型
• 确保 LoraLoaderModelOnly 节点加载了 wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors

3. 确保 Load CLIP 节点加载了 umt5_xxl_fp8_e4m3fn_scaled.safetensors 模型
4. 确保 Load VAE 节点加载了 wan_2.1_vae.safetensors 模型
5. 首尾帧图片上传，分别上传首尾帧图片素材
6. 在 Prompt 组中输入提示词
7. WanFunInpaintToVideo 节点尺寸和视频长度调整
   • 调整 width 和 height 的尺寸，默认为 640, 我们设置了较小的尺寸你可以按需进行修改
   • 调整 length, 这里为视频总帧数，当前工作流 fps 为 16, 假设你需要生成一个 5 秒的视频，那么你应该设置 5*16 = 80
8. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行视频生成

Wan2.2 Fun InP Kijai WanVideoWrapper ComfyUI 工作流

这部分教程将介绍使用 Kijai/ComfyUI-WanVideoWrapper 的便捷方式。

相关模型仓库：https://huggingface.co/Kijai/WanVideo_comfy_fp8_scaled

Wan2.2 Fun InP GGUF 量化版 ComfyUI 工作流

GGUF 版本适用于显存有限的用户，提供以下资源：

QuantStack/Wan2.2-Fun-A14B-InP-GGUF

相关自定义节点： City96/ComfyUI-GGUF