Wan 2.2 S2V 实战教程
CryptoCatatonic · reddit · 2026-07-16
这是一篇关于 **Wan 2.2 S2V（Sound/Image to Video）** 的 ComfyUI 实战教程。 作者主要演示了如何把图片和视频作为参考，结合 **Kokoro TTS** 生成并同步角色声音，还加入 **DW Pose** 来更精细地控制动作。教程重点不只是“能跑起来”，还包括如何让角色做出参考图里没有的动作，同时尽量不破坏 Wan S2V 的口型同步效果。 整体来看，这是一个偏实操的多模态视频生成工作流，适合想把图像、视频、配音和姿态控制串起来做可控生成的人。