ComfyUI 跑通 Wan2.2 完整教程：5B 单卡起步到 14B 双专家工作流
万相 3.0 旗舰版只能在网页和 API 上用，但开源的 Wan2.2 是可以完整跑在自己显卡上的，而且 ComfyUI 在它开源当天就给了官方支持。这篇带你跑通官方四条工作流：5B 混合版（8GB 显存起步）、14B 文生视频、14B 图生视频、14B 首尾帧，把模型清单、参数入口、量化加速和常见坑一次说全。前置知识：提示词写法见万相提示词指南，整条制作流程见七步流水线总纲。
先搞清楚 Wan2.2 的"双专家"架构
Wan2.2 的 14B 模型用了 MoE 双专家设计：去噪的前半段（画面大结构）由"高噪声专家"负责，后半段（细节收尾）由"低噪声专家"负责。所以在 ComfyUI 里你会看到 两个 Load Diffusion Model 节点、加载两个模型文件——这不是下错了，是设计如此。5B 版（TI2V）则是单模型混合架构，文生视频和图生视频一个工作流通吃。
模型下载清单（官方 Repackaged 版）
全部文件来自 Hugging Face 仓库 Comfy-Org/Wan_2.2_ComfyUI_Repackaged，按用途分三个目录存放：
| 工作流 | 文件 | 存放目录 |
|---|---|---|
| 5B 混合版 | wan2.2_ti2v_5B_fp16.safetensors | models/diffusion_models/ |
| 14B 文生视频 | wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors + wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors | models/diffusion_models/ |
| 14B 图生/首尾帧 | wan2.2_i2v_high_noise_14B_fp16.safetensors + wan2.2_i2v_low_noise_14B_fp16.safetensors | models/diffusion_models/ |
| 文本编码器（共用） | umt5_xxl_fp8_e4m3fn_scaled.safetensors | models/text_encoders/ |
| VAE | 5B 用 wan2.2_vae.safetensors；14B 系用 wan_2.1_vae.safetensors（兼容） | models/vae/ |
别装混：14B 的 t2v 和 i2v 权重不通用（一个只会文生、一个只会图生）；5B 和 14B 的 VAE 也不同。fp8 版比 fp16 省一半显存，优先下 fp8。
四条官方工作流
ComfyUI 模板库搜"Wan"即可找到，或从 GitHub 仓库 Comfy-Org/workflow_templates 下载 JSON：
- video_wan2_2_5B_ti2v：5B 混合版，文生视频和图生视频同一模板（图生视频用 Ctrl+B 启用 Load Image 节点）。官方口径 8GB 显存即可跑，入门首选
- video_wan2_2_14B_t2v：14B 文生视频，双专家
- video_wan2_2_14B_i2v：14B 图生视频，双专家
- video_wan2_2_14B_flf2v：14B 首尾帧生成，上传首、尾两张图自动补中间过程
图生视频：输入与输出对照
输入：一张静态图（官方演示素材）
输出：14B i2v 官方工作流生成结果——镜头自动环绕推进，主体保持稳定（视频来自 ComfyUI 官方模板库）
首尾帧：两张图补出转场
首尾帧工作流官方演示：从首帧人物平滑过渡到尾帧花海场景（视频来自 ComfyUI 官方模板库）
关键参数在哪改
- 提示词：正向写进 CLIP Text Encoder 节点，负向提示词（模糊、变形、低画质等兜底词）写在旁边的负向节点，模板默认已填
- 尺寸与时长：5B 工作流改
Wan22ImageToVideoLatent节点的 size 与 length（帧数）；14B 工作流改EmptyHunyuanLatentVideo节点。帧数 ÷ 16 ≈ 秒数（16fps） - 首尾帧：在
WanFirstLastFrameToVideo节点上传两张图；显存充足可以把分辨率拉到 720P - 采样参数：steps / cfg 保持模板默认即可出片，想提速先看下面的 LoRA 加速
- 跑起来：Ctrl/Cmd + Enter
显存不够与速度不够：两条加速路线
量化减显存。14B fp8 版配合 ComfyUI 原生 offload 已经很省；还能更低就换 GGUF 量化版（Hugging Face 搜 bullerwins 或 QuantStack 的 Wan2.2 GGUF），配合 city96 的 ComfyUI-GGUF 自定义节点加载；Kijai 的 WanVideoWrapper 是另一个社区主流封装，优化激进。
LoRA 提速。社区 Lightx2v 4 步 LoRA 能把采样步数压到 4~8 步，速度提升数倍，画质损失在可接受范围，是目前最常用的加速方案。
常见问题
OOM 显存溢出：确认用的是 fp8 而非 fp16；降分辨率（14B 先跑 480P）；换 GGUF 量化版；关闭后台占显存的程序。
提示节点缺失：把 ComfyUI 更新到最新版；检查自定义节点是否导入失败（启动日志里看红字）。
想跑语音驱动、角色动画：官方还有 video_wan2_2_14B_s2v（语音驱动）和 video_wan_animate2（角色动画/替换）模板，模型另下，玩法同理；不想折腾就等本地化，或直接用 wan.video 网页版。
更想用命令行：官方 Python 仓库支持全部任务和低显存参数，见Wan2.2 命令行生成教程。
系列导航
- 总览：Wan 3.0 上手指南：30 秒一镜到底、文档直出视频，三条路径怎么选
- 万相视频提示词写作指南：主体+场景+运动公式（附 8 个可抄模板）
- 本篇：ComfyUI 跑通 Wan2.2 完整教程
- Wan2.2 命令行生成教程：generate.py 全家桶与低显存方案
- 流程通用总纲：从一句话到成片：MiniMax H3 完整制作流程
- 站内产品页：Wan（通义万相）
本文模型清单与参数说明整理自 ComfyUI 官方文档 docs.comfy.org/tutorials/video/wan/wan2_2，演示素材取自 ComfyUI 官方模板库，仅供学习演示，版权归原作者所有；教程整理为原创内容。模型文件名与显存表现可能随版本更新变化，以官方仓库为准。
官方资源：ComfyUI 文档 docs.comfy.org/tutorials/video/wan/wan2_2 ｜ 模型仓库 Comfy-Org/Wan_2.2_ComfyUI_Repackaged ｜ 开源仓库 github.com/Wan-Video/Wan2.2