企业官网建设流程全解析

最近后台和评论区经常能看到一类留言：“我用 ComfyUI 做了图生视频，结果人物脸部每 5 帧变一次，这还能救吗？”说实话，这种问题在刚接触图生视频的人里十有八九会出现。你可以把模型调来调去，把采样步数加得很高，但如果工作流里缺少一致性的控制节点，结果依然会漂移。

今天我准备从一套很典型的工作流组合说起：z-image + Wan2.2。你完全可以把 z-image 理解为“参考身份提取器”，Wan2.2 则承担视频生成。两者放进 ComfyUI 里组合成一条可控链路，大多数图生视频里“人物一致性”和“视频转绘”难题都能被系统性地压下去。

这篇文章不是简单地告诉你装哪个插件，而是从原理、环境、节点、参数、排错五个层面展开。读完你会知道：

• Wan2.2 能做什么，不能做什么。
• z-image 在设计上解决哪个环节的问题。
• 如何在本地 ComfyUI 里搭建一条完整工作流。
• 遇到“缺失包”“显存不足”“人物变形”时怎么处理。

1. 先搞清楚：图生视频最怕的“不一致”到底是什么

1.1 三个常见翻车现场

很多人第一次跑图生视频，喜欢直接拿一张角色立绘或真人照片做首帧，然后让模型生成几秒钟动作。前 10 帧效果往往惊艳，可 20 帧以后就开始“换头”。

我把它归纳成三种最常见的翻车现场：

第一种是身份漂移。人物的脸型、瞳色、发型在第 15 帧和第 40 帧发生明显变化，甚至直接变成另一个人。第二种是属性漂移。开头穿黑色夹克，中间变成灰色卫衣，最后又变成深色外套；手里的道具从雨伞变成长剑，毫无逻辑。第三种是纹理闪烁。人物的皮肤纹理、衣服褶皱、背景物体的边缘在相邻帧之间高频跳动，静止不动时尤其明显。放在视频里看，就是画面“脏”“花”“抖动”。

这些问题之所以高频出现，不是模型质量低，而是工作流缺了一个关键能力：把参考图的信息持续约束到每一帧生成过程中。

1.2 一致性可以拆解成四层

当我们在讨论“人物一致性”时，至少需要区分四个层面：

早期图生视频方案只能做到“首帧图控”，也就是用第一张图确定内容起点。之后的帧基本靠模型自动“脑补”，时间一长必然失控。这也是为什么很多人做完以后，总觉得效果像“抽盲盒”。

1.3 为什么图生视频更依赖一致性控制

文生视频没有参考图，观众对身份、服装、场景的约束预期相对宽松。但图生视频不一样，你上传了一张明确的参考图，观众就会默认画面里的“这个人”应该从头到尾保持同一个人。

所以图生视频的工作流，核心不只是生成视频，而是“在每一帧里维持参考图的约束力”。这需要两类技术配合：一类是视频生成模型本身的时序能力，另一类是从参考图里提取特征并注入生成过程的控制节点。Wan2.2 负责前者，z-image 这类参考控制节点负责后者。

2. 认识 z-image 与 Wan2.2：这套工作流的两块基石

2.1 Wan2.2 是做什么的

Wan2.2 是开源视频生成模型 Wan 系列中的 2.2 版本。它可以在本地部署，支持文本生成视频、图像生成视频等常见任务，在动作稳定性、语义跟随和画面细节上做了不少改进。对我来说，它的最大价值是：它是目前能在消费级显卡上跑起来、同时效果比较可控的开源视频模型之一。

在 ComfyUI 里使用 Wan2.2，并不是像普通文生图那样“输入一段文字就出图”，而是需要先加载模型，再接入文本编码器、采样器和视频解码器，最终输出一段连续帧序列。你可以把它理解为一个更重的扩散模型：输入是文本提示词和首帧图，输出是视频帧序列。

Wan2.2 能做的任务很多，但在这个工作流里，我们重点用它做两件事：

• 图生视频：给一张首帧图，生成一段连续视频。
• 视频转绘：把一段参考视频转成新的画风或角色，同时保留运动信息。

2.2 z-image 是做什么的

z-image 并不是某个官方大模型，而是一类参考图控制节点的代称。在 ComfyUI 社区里，这类节点的核心思路是：从参考图中提取人物身份、服装、配色等特征，然后把特征注入到生成模型的去噪过程中，让每一帧都参考这张图。

你可以把它理解为“一面不会忘记的镜子”。没有这面镜子，模型只能靠提示词猜“这个人长什么样”；有了这面镜子，模型在生成每一帧时都会去比对参考信息，从而大幅度减少身份漂移和属性漂移。

值得注意的是，z-image 类节点有很多变体，不同作者实现方式不同。有的偏重面部特征锁定，有的偏重整体风格迁移。在使用时，不一定非要用某个具体版本，关键是理解它的参数语义：参考权重、注入步数、参考图数量等。

2.3 为什么二者配合能解决“人物一致性”

单独使用 Wan2.2，模型能生成流畅的视频，但人物身份可能不受控；单独使用 z-image，模型能锁定人物特征，但没有视频生成能力。把两者放进同一条 ComfyUI 工作流里，就变成了：

• z-image 负责“锁定参考特征”。
• Wan2.2 负责“生成动态视频”。
• 采样器负责“控制生成过程”。
• VAE 解码负责“把潜空间数据还原成可看帧序列”。

从架构上看，这是个标准的“条件生成”流程。参考图不是用来“看一眼”，而是作为条件输入，直接影响每一步去噪。这样生成出来的每一帧，都会带上参考图的约束信息，一致性自然更强。

3. 环境准备：本机搭建 ComfyUI + z-image + Wan2.2

3.1 硬件门槛与显存判断

在开始之前，先判断自己的硬件能不能跑 Wan2.2。Wan2.2 这类视频模型对显存的要求比较高，不同分辨率和帧数差距很大。通常来说：

• 16GB 显存可以尝试中低分辨率、短片段的生成。
• 24GB 显存会比较从容，可以做更高分辨率。
• 8GB 显存可以做非常小的实验，但容易触发显存不足。
• 12GB 显存建议优先使用低分辨率测试工作流。

具体版本和分辨率组合，请以你的显卡实际显存为准。本文重点演示通用思路，不把某个版本写死，避免误导。

3.2 安装 ComfyUI：整合包与手动安装

ComfyUI 的安装方式主要有两种：整合包和手动安装。

整合包适合新手，把 Python 环境、依赖、常用节点都打包好了，解压就能用。社区里常见的“秋叶整合包”就属于这类。它的优点是省事，适合第一次接触 ComfyUI 的读者；缺点是不够灵活，后续想升级模型或加节点时，需要注意包管理器的版本兼容性。

手动安装适合有一定 Python 基础的读者。核心步骤如下：

git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI python -m venv venv source venv/bin/activate # Windows 使用 venv\Scripts\activate pip install -r requirements.txt

然后启动：

python main.py --listen 0.0.0.0 --port 8188

启动后，浏览器访问http://127.0.0.1:8188，看到默认界面就说明安装成功。

3.3 安装 z-image 和 Wan 相关自定义节点

ComfyUI 支持大量自定义节点，z-image 和 Wan 相关节点通常需要通过 Git 安装或 ComfyUI Manager 安装。

如果你使用整合包，推荐先安装 ComfyUI Manager，然后在 Manager 里搜索节点名称，一键安装缺失节点。如果你手动安装，可以进入custom_nodes目录，使用 Git 拉取节点源码：

cd ComfyUI/custom_nodes git clone <你的 z-image 节点仓库地址> pip install -r requirements.txt

这里的仓库地址以你实际使用的节点文档为准。安装完成后，重启 ComfyUI，如果节点加载成功，界面上会出现新的节点分类。

3.4 下载模型与目录规范

Wan2.2 工作流通常需要三部分模型：

• 视频生成主模型：放在models/diffusion_models目录。
• 文本编码器：放在models/text_encoders目录。
• VAE 模型：放在models/vae目录。
• 如果你还用到参考图控制模型，通常放在models/controlnet或models/zimage目录，具体以节点文档为准。

一个干净规范的模型目录能省很多事。当你打开别人的工作流时，如果节点加载失败，八成是因为模型路径不对。

3.5 环境验证

环境准备好以后，先不要急着跑完整视频。建议先做一次“最小冒烟测试”：导入一个最简单的文生图工作流，确认 ComfyUI 本身能出图；再导入一个 Wan2.2 示例工作流，确认模型能加载。如果这一步报错，先解决环境问题，再继续。

4. 工作流搭建：从参考图到视频的完整链路

4.1 一条能工作的核心链路

在 ComfyUI 中搭建 z-image + Wan2.2 工作流，核心链路如下：

1. 加载参考图（Load Image）。
2. 用 z-image 编码参考图，得到特征条件。
3. 加载 Wan2.2 模型（Load Diffusion Model）。
4. 加载文本编码器，把提示词编码成条件。
5. 设置采样器，设定步数、CFG、种子。
6. 使用 Video VAE 解码输出视频帧。
7. 用 Video Combine 合并帧为视频。

如果用一句话概括：参考图和文本提示词共同作为条件，输入到 Wan2.2 的采样过程，最终输出视频。

4.2 模块解析

在 ComfyUI 里，节点就是积木。我们需要理解每一块积木的作用：

• Load Image：读入参考图，一般是角色正面照或场景截图。
• z-image Encode：从参考图中提取身份和风格特征，相当于把“人物特征”转成条件向量。
• Wan2.2 Loader：加载主模型，注意选择正确的主模型和权重路径。
• Conditioning：将文本提示词和 z-image 条件组合在一起。
• KSampler：负责控制采样过程。步数、CFG 和种子都对最终效果有明显影响。
• VAE Encode/Decode：把像素空间和潜空间相互转换。视频模型的 VAE 与图像模型不同，不要混用。

4.3 人物一致性与视频转绘的两条分支

同样是 z-image + Wan2.2，可以演化出两种常见工作流。

第一种是人物一致性生成。输入是单张角色参考图，目标是生成一段围绕该角色的短视频。这时 z-image 的参考权重应该调高一些，让面部特征更稳定；提示词可以偏重动作描述，比如“转身、微笑、镜头缓慢推进”。

第二种是视频转绘。输入是一段参考视频，目标是保留原视频的运动轨迹，但替换角色外观或画风。这时你需要额外加载视频帧序列作为控制输入。有些节点会先提取视频的运动信息，再由 Wan2.2 根据参考图重绘每一帧。由于每一帧都需要计算，显存开销会更大。

4.4 参数设置的基本原则

参数没有万能值，但有几个基本原则值得遵守：

• 分辨率不要一上来就拉满。先用低分辨率跑通链路，再逐步提高。
• 步数不要只盯着质量。步数越高，耗时越长，但超过一定范围后收益递减。
• CFG 不要一直降。CFG 太低，参考图约束变弱；太高，画面容易过饱和。一般从 4 到 7 之间开始调试。
• 种子先固定。调参数时固定种子，才能通过“控制变量法”判断改动是否有效。

4.5 保存与分享工作流

工作流调通以后，建议立即保存一份本地 JSON。ComfyUI 支持将整个工作流导出为 JSON 文件，下次直接拖入界面就能恢复。注意有些节点会携带绝对路径，换机器后需要重新映射模型目录。

5. 关键配置示例与运行命令

5.1 工作流 JSON 示意

下面是一个简化后的工作流片段，用于展示节点连接关系。真实工作流的节点和参数更多，但这个结构代表核心逻辑。

{ "1": { "class_type": "LoadImage", "inputs": { "image": "reference.png", "upload": "image" } }, "2": { "class_type": "ZImageEncode", "inputs": { "image": ["1", 0], "ref_weight": 0.85 } }, "3": { "class_type": "Wan21ImageToVideo", "inputs": { "model": ["4", 0], "positive": ["5", 0], "negative": ["5", 1], "vae": ["6", 0], "start_image": ["1", 0], "ref_condition": ["2", 0], "width": 832, "height": 480, "length": 81, "batch_size": 1 } } }

这段 JSON 表达的意思是：参考图同时连接了 z-image 编码器和视频生成节点，视频生成时既看到原始首帧，也看到 z-image 提取的条件特征。如果你打开别人分享的工作流却显示节点缺失，大概率就是 JSON 里用到的自定义节点没有安装。

5.2 命令行启动 ComfyUI

无论使用整合包还是手动安装，最终都是通过命令行启动 ComfyUI。

cd ComfyUI python main.py --listen 127.0.0.1 --port 8188 --lowvram

--lowvram参数适合显存不够的机器，会限制 GPU 内存使用，但速度会变慢。如果显卡支持半精度计算，可以考虑在环境变量中开启相关优化，具体以官方文档为准。

5.3 安装缺失包的两种方式

使用别人分享的工作流时，最常见的提示就是“请安装缺失的包以使用此工作流”。这句话在 ComfyUI 里通常指两类问题：

第一类是 Python 依赖缺失。解决方案是进入 ComfyUI 的 Python 环境，安装 requirements.txt 里列出的依赖。

pip install -r ComfyUI/custom_nodes/某个节点目录/requirements.txt

第二类是自定义节点缺失。解决方案是打开 ComfyUI Manager，在“Install Missing Custom Nodes”里一键安装。如果不想装 Manager，也可以手动进入 custom_nodes 目录克隆仓库。

5.4 通过 API 调用工作流

如果你已经把工作流导出成 JSON，还可以通过 ComfyUI 的 API 接口提交任务。这对批量生成视频或接入自动化流程很有帮助。下面是一个最小示例：

curl -X POST http://127.0.0.1:8188/prompt \ -H "Content-Type: application/json" \ -d @workflow.json

提交后返回一个 prompt_id，然后在 WebSocket 或轮询接口里查询任务状态。这个玩法适合进阶读者，建议先把可视化界面跑通后再尝试。

6. 运行结果与效果验证

6.1 从“生成完成”到“确认成功”

ComfyUI 显示“生成完成”不代表效果成功。很多工作流跑完以后，视频能播放，但人物已经漂移了。因此，验证阶段非常关键。

建议做法是：把生成的视频拆成帧，每隔 5 帧截一张图，对比人物的面部、服装和背景。如果只有细微光影变化，属于正常；如果五官发生明显形变或服装颜色改变，说明一致性控制不足。

6.2 一致性是否达标的检查清单

我一般会做四个检查：

• 面部检查：脸型、眼型、肤色是否在前中后段保持一致。
• 服装检查：衣服颜色、款式是否稳定，有没有从一种材质变成另一种材质。
• 背景检查：背景物体是否闪烁，边缘是否连续。
• 语义检查：动作是否连贯，道具是否物如其名。

如果四项都没问题，才能算真正跑通。

6.3 效果不理想时的调参顺序

不要一上来就换模型。按照以下顺序调整更有效：

1. 提高 z-image 的参考权重，看看身份是否更稳定。
2. 固定种子，降低 CFG 到 4 左右，观察画面是否更干净。
3. 增加采样步数，一般提高到 30 以上。
4. 降低分辨率，排除显存不足带来的抽帧问题。
5. 检查提示词里是否有冲突描述，比如既说“现代装”又说“古装”。
6. 换一张更清晰的参考图，很多一致性问题其实源自参考图本身模糊。

7. 常见问题与排查思路

8. 最佳实践与工程建议

8.1 用“控制变量法”做实验

调参最忌讳连续改多个参数。我建议每次只改一个变量，记录生成结果和参数，保存成实验台账。这样你会发现哪些参数对一致性影响最大，哪些只影响画风。

8.2 参考图质量决定上限

经常有人说“模型不听话”，但很多时候是参考图本身不够好。建议使用正面、清晰、光照均匀的参考图。人物五官不能被遮挡，背景不要过于复杂，否则 z-image 提取的特征会被干扰。

8.3 固定种子进行对比

在做对比实验时，固定种子能排除随机采样带来的干扰。种子固定以后，参数改动的效果会更直观。找到合适的参数后，再放开种子看多样性。

8.4 注意节点版本和模型路径

ComfyUI 生态更新很快。不同版本的 z-image 节点，参数名和内部逻辑可能不同；不同版本的 Wan2.2 权重，工作流接口也可能变化。遇到问题先看版本再谈调参。

8.5 生产环境要关注版权与合规

如果你生成视频用于商业项目，需要注意训练数据版权、肖像权、品牌标识等问题。人物一致性技术如果应用到真实人物身上，必须获得当事人授权。技术本身没有立场，但使用场景要有边界。

9. 总结与后续方向

z-image + Wan2.2 这套组合，核心价值是把“生成视频”这件事从“碰运气”变成“可控制”。z-image 负责锁住参考特征，Wan2.2 负责生成动态画面，ComfyUI 则是把两者粘合在一起的工作台。如果你正在做视频转绘、角色动画或短视频素材生成，这条链路值得花时间搭出来。

下一步建议不需要急着上高分辨率。先把低分辨率工作流跑通，验证一致性，再逐步提升分辨率、增加帧数、尝试更复杂的镜头语言。之后值得深入的方向包括：

• 在 ComfyUI 中接入更多控制节点，推理运动信息。
• 用 API 批量生成视频素材，搭建半自动流程。
• 对比 Wan2.2 不同版本的风格差异，建立自己的参数模板。
• 尝试多参考图融合，让多个角色同时保持一致性。

这套工作流真正难的不是安装，而是理解“条件控制”的思路：参考图是条件，提示词是条件，运动信息也是条件。把所有条件调度好，视频生成的可控性就会上一个台阶。建议收藏备用，遇到问题时先排查节点和显存，再谈调参。