今天给大家演示一个图生视频 + 运镜控制的 ComfyUI 高级工作流——它不仅可以将静态图像转化为动感十足的视频片段，还能结合 Uni3C 控制网络实现流畅自然的镜头运动模拟。这个流程尤其适用于需要从静态画面中制造“拟纪录片”、“角色第一视角”、“电影镜头语言”的场景。通过强大的文本控制、多模型融合与视觉编码器协作，我们得以生成具有电影感、情绪氛围饱满的 AI 生成视频。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WanVideoTextEncodeSingle（正向） 叙事与运镜语义驱动核心WanVideoTextEncodeSingle（负向） 画面稳定度与结构安全阀WanVideoClipVisionEncode 图像视觉嵌入编码器LoadWanVideoT5TextEncoder 文本理解能力加载器使用方法应用场景开发与应用工作流介绍本工作流主要围绕图像生成视频（Image-to-Video, I2V）与 Uni3C 运镜技术展开。通过 WanVideo 系列模型与多模态信息的嵌入协同，该流程可将单帧图像、文本描述与视觉引导综合转译为动态内容，完成从静态画面到动态视频的创意延展。整体流程分为图像编码、文本融合、模型采样和最终视频合成四大模块。其最大特点在于通过加载多个 LoRA、VAE、ControlNet 控制器，对生成风格、时长、运动轨迹实现高度可控。核心模型在核心模型构建方面，本工作流集成了图像编码器、文本编码器与视频采样模型三大主力。图像部分采用 ClipVision 进行特征提取，文本由 T5 文本编码器负责向量转换，最终通过融合多路模型（如 LoRA、Uni3C ControlNet）于 WanVideoSampler 内共同指导视频生成。模型支持精细的样式切换与语义运动控制，生成的视频在保持主体一致性的同时能展现丰富运动逻辑。模型名称说明Wan2_1-I2V-14B-480P_fp8_e4m3fn.safetensors主体视频生成模型，负责从图像嵌入与文本描述中生成动态图像序列