今天展示的案例是一个基于Wan2.2 相机模型的 ComfyUI 图生视频工作流，它能够将静态图像转换为具有镜头感的视频片段。整个流程通过加载高噪声与低噪声的扩散模型、结合 LoRA 插件进行轻量化推理，再配合 CLIP 文本编码、相机条件控制与多阶段采样，生成具有强烈动态表现的短视频。通过对比不同噪声水平与推理路径，读者能直观感受到 ComfyUI 在视频生成方面的表现力与灵活性。文章目录工作流介绍核心模型Node节点工作流程大模型应用CLIPTextEncode（Positive Prompt） 场景与镜头语义驱动编码CLIPTextEncode（Negative Prompt） 杂质抑制与质量控制编码WanCameraImageToVideo 镜头运动 + 图像到视频的多维生成控制使用方法应用场景开发与应用工作流介绍该工作流的目标是利用Wan2.2 系列扩散模型配合相机嵌入条件控制，实现从单张图像扩展到动态视频的生成效果。模型加载部分涵盖高噪声与低噪声的两种版本，并在推理时可灵活调用 LoRA 插件以缩短生成时间。配合 CLIP 文本编码对提示词的正负面约束，以及 VAE 负责潜变量的编码解码，最终生成的视频通过 CreateVideo 与 SaveVideo 节点完成拼接与输出，整体流程层次清晰，便于理解与扩展。核心模型工作流中涉及的核心模型包含扩散模型、LoRA、VAE 与文本编码器。扩散模型分为高噪声和低噪声两个版本，分别适用于不同阶段的采样，保证视频既有细节表现也具备动态流畅度。LoRA 模型提供了轻量化的快速生成方案，在牺牲部分动态性的同时显著缩短计算时间。VAE 用于潜变量与图像间的转换，保持生成结果的稳定性，而文本编码器则负责解析提示词，保证正负面约束在视频生成过程中有效传递。模型名称说明wan2.2_fun_camera_high_noise_14B_fp8_scaled.safetensors高噪声扩散模型，用于