工作流
来自 Comfy-Org 官方模板库，共 227 个，每个都能直接导入 ComfyUI。
Wan3.0：图生视频
使用Wan万相 3.0从单张图像创建长达30秒的高保真视频，支持文本、图像、音频和文档输入，实现多样化场景生成。一次生成即可呈现真实自然的画面，具有独特的面部细节和可信的动作。非常适合电影叙事、产品可视化和纪录片风格场景再现。
LTX-2.3: 文生视频
根据文本提示词生成视频，可选择使用图像作为参考。获得高质量视频，支持改进的动态、音频和细节，针对竖屏或横屏格式进行了优化。
FastVideo FastH3：文生视频
使用蒸馏八步模型直接从文本生成同步的视频和音频，输出一个视频，无需任何文件输入。非常适合快速文生视频原型设计、音视频内容创作以及创意叙事，在这些场景中，快速生成比最大细节更重要。
图生视频
从一张图像和一个空提示词开始，然后描述你希望 MiniMax H3 生成的动作、镜头和音频。该工作流会生成一段带同步音频的视频，并且在执行前仍可完全编辑。
Seedance 2.0: 参考生视频
根据参考图像和文本提示生成电影级视频。在保留主体身份和构图的同时，通过同步音频添加富有表现力的运动。通过详细提示控制摄像机移动和灯光。
Kling 3.0：视频生成
输入文本或图像提示，生成多镜头构图、复杂摄像机运动和一致主体的15秒视频序列。
Wan万相 2.2 14B 首尾帧生成视频
通过定义开始和结束帧生成平滑的视频过渡。
Wan 2.2 5B视频生成
快速文生视频和图生视频生成，拥有5B参数。针对快速原型设计和创意探索进行了优化。
Kling 4.0：参考生视频
从两张参考图像中选取一个角色和一个地点，在两者之间拍摄一段三镜头时尚片段：一个带快速变焦的极特写、一个带甩镜的中厅转身，以及一个在拱形窗口下120度环绕。每个剪辑都落在同一房间内的新位置，五秒内包含两个硬切，并为该空间生成音频。
Wan万相 2.2 14B 文生视频
使用Wan 2.2通过电影美学控制和动态运动生成从文本提示生成高质量视频。
MiniMax H3 Max：参考生视频
使用MiniMax H3 Max从图像参考生成视频，该模型会为您的静态帧添加动画，同时保留其构图、视觉特性和宽高比。该模型的生成速度快于实时，提示词遵循度高，且具有精致的电影级动态效果。非常适合让角色艺术栩栩如生、为产品镜头制作动画，以及从概念图像创建视频。
Kling 4.0：图生视频
使用 Kling 4.0 将单张静态图像动画化为五秒片段，在一次生成中完成三次剪辑。来源图像锁定主体与风格，默认提示词驱动相机运动和节拍同步的剪辑，模型还会生成立体声音频。非常适合时尚、编辑和产品动态场景，输入画面即可定义整体外观。
Bernini-R：视频编辑
使用 Bernini-R 生成一致重新照明的编辑视频。非常适合肖像和产品重新照明、电子商务目录摄影以及在照片集中创建一致的照明。
Kling 3.0：首尾帧生成视频
输入首帧和尾帧图像，生成连续视频序列，支持多镜头生成、精确元素控制以及多语言提示。
MiniMax H3：多帧参考
使用MiniMax H3从多张静态图像生成视频，可在时间轴任意位置锚定最多四个参考帧，以控制运动和构图。非常适合从现有片段创建视频续集、在特定时刻强制叙事节拍，以及制作带有同步原生音频的电影或社交媒体内容。
Seedance 2.5：文生视频
使用Seedance 2.5从文本提示词生成30秒电影级视频，在生成画面的同时产生同步的声音和音乐。输入单个文本提示词即可创建一段视频，支持精确的相机控制和多镜头叙事。非常适合品牌影片、系列剧集和电商内容，在这些场景中质量比预算更重要。
Grok Imagine Video 1.5 Lite：图生视频
使用 Grok Imagine Video 1.5 Lite 从单张静态图像生成短视频，这是一款更快、成本更低的模型，可将一张图像转换为最长 15 秒、分辨率高达 1080p 的视频片段。非常适合快速社交媒体内容、故事板预览以及大批量创意迭代，在这些场景中，速度和成本比最高保真度更重要。
FLUX 3 Max：图生视频
使用 FLUX 3 Max 将单张静态图像动画化为短视频片段，接收一张输入图像并生成一个视频输出。非常适合让产品图、肖像和概念艺术栩栩如生，生成社交媒体动态内容，以及快速制作动画场景原型。
Seedance2.0：首尾帧生视频
上传视频的首尾帧。使用Seedance2.0模型生成高质量视频序列。
LTX-2.5 DFR：图生视频
用 LTX-2.5 的 DFR（Diffusion Fidelity Rendering）路径，从一张图片生成带声音的短视频：先在半分辨率下生成并携带每秒一个细节关键帧，再做空间 ×2 细节重采样（pixel-spatial IC-LoRA），最后可选地做时间 ×2 上采样。适合镜头感画面、角色动作，以及需要口型与同步音频的「人像说话」片段。
Grok：视频生成
输入文本提示或初始图像帧，使用 Grok 模型生成最长 15 秒的带同步音频的视频。
Gemini Omni 1.2 Flash：图片生视频
让一张静帧动起来：这张图就是首帧，运镜、动作和声音写进提示词。Gemini Omni Flash 画面和音频一次生成，环境声和台词跟着镜头一起出来。
Kling O3：视频编辑
上传视频和参考图，使用Kling O3进行编辑。生成专业编辑的视频，实现精确的主体编辑、场景构图和原生音视频同步。
Higgsfield Genjutsu：动作迁移
使用 Higgsfield Genjutsu 重铸现有视频：来源 CLIP 保留其运动、相机移动、时序和音频，而演员、场景和风格则根据 1 到 8 张参考图像重建。在可选提示词中描述哪张参考图像替换什么内容。输出长度跟随来源 CLIP。非常适合重新设计素材风格、替换镜头中的演员，以及构建拍摄从未覆盖的场景。