首尾幀生影片

官方 Wan2.1 FLF2V

Wan2.1 在 2025-04-17 加入 FLF2V：推理程式碼與 Wan2.1-FLF2V-14B-720P 權重。WanFLF2V 接收 first_frame、last_frame、提示詞，預設 frame_num = 81、max_area = 720×1280、UniPC、50 步、guidance 5.5。兩張圖尺寸不一致時，尾幀會裁切縮放到首幀。

README 寫明主要用中文文字–影片對訓練，建議中文提示詞。ComfyUI 有原生 Wan FLF2V 示例（WanFirstLastFrameToVideo）：編碼兩端靜幀、鋪潛變數畫布、把訂住的幀 mask 掉、去噪中間。

Wan2.2 沒有補的東西

• 2.2 模型表沒有 Wan2.2-FLF2V 這一行。
• I2V-A14B / TI2V-5B 的 --image 只條件化一張靜幀。
• 後續閉源 API（2.5+）會把首尾幀當產品控制元件重新放出——那不是 2.2 開源 ckpt。

和 VACE 的重疊

VACE 也能在 Video Condition Unit 裡用幀參考做插值或擴充套件。那是另一套權重（Wan2.1-VACE-1.3B / 14B），還帶 mask/參考管線。如果只要兩張關鍵幀加提示詞，FLF2V 更窄、更直接。

常見問題

能把 2.2 T2V 微調成 FLF2V 嗎？

社群有嘗試，但不是官方 2.2 釋出物。要文件裡的行為，從 Wan2.1-FLF2V 權重起步。

為什麼常見 81 幀？

Wan 潛變數時間壓縮是 4。幀數取 4n+1 才能對齊 VAE 網格（1 + 4×20 = 81 是常見 720P 預設）。