【ComfyUI】Wan2.2 SmoothMix 文生视频自动扩写

今天给大家演示一个基于 Wan2.2 与 SmoothMix 的 ComfyUI 文生视频自动扩写工作流。这个工作流围绕单张图片展开，通过多阶段文本扩写、图像理解、动态脚本生成和视频生成模型协同，让输入画面自动延展成完整的 5 秒镜头脚本，再由 Wan 系列 T2V 模型生成稳定、连贯、细节丰富的视频。整体流程涵盖模型加载、文本编码、参数计算、采样、VAE 解码和视频导出，帮助创作者从一张图快速得到专业级的短视频输出。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Qwen3_VQA 图像语义理解与文本补全CR Prompt Text ① 视频导演规则注入CR Prompt Text ② 主体行为与场景逻辑生成CR Prompt Text ③ 负面提示规则构建使用方法应用场景开发与应用工作流介绍这个工作流以“图像驱动的视频自动扩写”为核心目标。通过 Qwen3-VL 图像理解节点读取参考图，再结合三段 CR Prompt 文案指令，将图像信息、用户设定和视频导演规则拼接为完整的 5 秒分镜脚本。CLIP 文本编码节点将正负提示词处理为可用于 Wan ImageToVideo 模型的条件输入。视频时长与帧数通过 SimpleMath+ 与 ImpactInt 节点自动计算，确保生成长度与帧率精确一致。随后使用 Wan2.2 和 SmoothMix Wan 模型作为高噪与低噪双路径输入，由 WanMoeKSampler 混合采样，得到动态一致的潜空间序列，再经 VAE 解码和最终的视频导出节点生成 H264 视频。整个结构覆盖从素材输入、文本处理、参数配置、模型推理到视频导出的全链路。核心模型该工作流加载了多组模型协同完成从文本理解到视频生成的完整流程。Wan2.2 模型与 SmoothMix 混合模型负责核心的 T2V 结构噪声与细节保持，GGUF 低噪路径与 LoRA 进一步提升精细度。CLIP 和 VAE 则分别承担文本编码和潜空间解码，让脚本描述能被准确转换为运动影像。最终组合实现了画面稳定、动作连贯、时间一致的视频生成效果。模型名称说明