摘要
Wan2.2 系列视频模型凭借优秀的人物动态与镜头连续性，成为 AI 漫剧本地量产的主流选择。Wan2.2-ReMixV3.0-SVI2 版本在原生 Wan2.2 基础上做了二次优化，支持图生视频、文生视频、首尾帧续生成，可以实现无限时长视频拼接，解决 AI 漫剧分段渲染后镜头断层的痛点。本文基于该分卷资源包，讲解模型解压、ComfyUI 接入、显存调优、首尾帧续跑整套工程方案，附带批量渲染 Python 脚本、显存控制指令、FFmpeg 片段合并命令，适配 8GB 显存显卡本地部署，用于 AI 漫剧流水线生产。
具体资源包请看：https://pan.quark.cn/s/a91708f0b54c
1 资源包结构说明
整套模型采用7 个分卷压缩包形式分发： Wan2.2_ReMixV3.0_SVI2.part01.rar ~ Wan2.2_ReMixV3.0_SVI2.part07.rar 配套文件清单：
1.软件下载解压安装教程.mp4：分卷解压、ComfyUI 节点部署实操教学视频winrar-x64-700sc.exe：分卷解压工具，用于合并多 part 压缩包Wan2.2-ReMixV3.0-SVI2-VBVR,文生视频,图生视频(NSFW),无限时长,首尾.mp4：模型效果演示视频，展示首尾帧长视频续写能力
解压注意事项：必须把全部 7 个 part 文件放在同一个文件夹，右键点击 part01，使用解压工具提取，程序会自动读取剩余分卷合并完整模型文件；缺少任意一个分卷都会解压失败。
2 环境前置准备（本地部署）
2.1 ComfyUI 自定义节点依赖
Wan2.2-ReMixV3.0 需要配套视频节点，提前部署对应自定义节点，用于加载 SVI2、VBVR 模块。
节点作用：SVI2 模块优化角色时序一致性，VBVR 是显存分片模块，是 8G 显卡运行该模型的核心。
2.2 ComfyUI 低显存启动脚本（bat）
@echo off set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:256 python main.py --lowvram --model-offload --vae-tile pause
参数说明：
max_split_size_mb:256：限制 CUDA 显存分片大小，降低 8G 显卡 OOM 崩溃概率--model-offload：闲置模型自动转移到内存，释放显存空间--vae-tile：VAE 分块解码，减少单次推理显存峰值
3 模型部署目录规范
解压完成后，将模型权重放入 ComfyUI 对应目录：
ComfyUI/ └─ models/ └─ wan2.2/ ├─ remixv3_svi2_model/ └─ vae/
4 Wan2.2-ReMixV3.0 核心工作流原理（AI 漫剧场景）
整套链路： 漫剧分镜参考图 → Wan2.2-ReMixV3.0 图生视频 → 输出短视频片段 → 提取最后一帧作为下一段的首帧 → 循环生成，实现无限时长漫剧镜头续写。 优势：
- SVI2 模块强化人物时序约束，大幅度降低 AI 漫剧人物面部闪烁、五官漂移；
- VBVR 显存虚拟化，8G 显存可以跑更高分辨率竖屏 9:16 漫剧；
- 首尾帧接力生成，解决单段视频时长限制，长镜头漫剧不用硬切镜头；
- 支持文生 + 图生双模式，静态分镜图直接生成动态漫剧视频。
推荐参数（8G 显存，9:16 竖屏 AI 漫剧）
表格
| 参数 | 推荐值 | 说明 |
| 分辨率 | 576 × 1024 | 竖屏 9:16，8G 显存最优尺寸，不建议上调 |
| 采样步数 | 22~26 | 兼顾画质与推理速度 |
| CFG Scale | 6.0 | 提示词遵循度，过高容易画面畸变 |
| 帧数量 | 16~24 帧 | 单段生成片段，之后首尾帧接力续跑 |
| SVI2 权重 | 0.65 | 角色时序一致性权重 |
| VBVR 分片 | 自动 | 显存分片开关保持开启 |
5 代码与指令集
5.1 Python 脚本：首尾帧自动提取，漫剧长镜头续跑
自动读取上一段渲染视频，提取最后一帧，作为下一轮图生视频的输入图，循环生成长镜头漫剧
import cv2 import os def get_last_frame(video_path, save_img_path): cap = cv2.VideoCapture(video_path) total_frame = int(cap.get(cv2.CAP_PROP_FRAME_COUNT)) cap.set(cv2.CAP_PROP_POS_FRAMES, total_frame - 1) ret, frame = cap.read() if ret: cv2.imwrite(save_img_path, frame) print(f"成功提取尾帧，保存至 {save_img_path}") cap.release() return save_img_path if __name__ == "__main__": # 漫剧视频输出目录 last_video = "./output_scene/scene_segment_01.mp4" next_seed_img = "./input_ref/next_start_frame.png" get_last_frame(last_video, next_seed_img)
5.2 ComfyUI API 批量渲染脚本，串行提交漫剧镜头任务
串行执行，一次只跑一个视频推理任务，防止多任务抢占显存溢出
import requests import torch import gc COMFYUI_URL = "http://127.0.0.1:8188/prompt" def clear_gpu(): torch.cuda.empty_cache() gc.collect() print("✅显存碎片清理完成") def send_workflow(workflow_json): res = requests.post(COMFYUI_URL, json=workflow_json) return res.json() # 漫剧镜头任务列表 scene_list = [ {"ref_img":"./scene_ref/scene_01.png","prompt":"9:16竖版，女性缓慢转头，柔和室内光，写实画风，人物五官稳定"}, {"ref_img":"./scene_ref/scene_02.png","prompt":"男女半身对话，轻微肢体动作，画面稳定无抖动"} ] for scene in scene_list: clear_gpu() print(f"开始渲染镜头：{scene['ref_img']}") # workflow = build_wan_workflow(scene) # send_workflow(workflow)
5.3 FFmpeg 指令：拼接多段续写的漫剧视频片段
生成多段首尾接力视频后，合并为完整长镜头 先新建 filelist.txt
file 'scene_segment_01.mp4' file 'scene_segment_02.mp4' file 'scene_segment_03.mp4'
执行合并命令：
ffmpeg -f concat -safe 0 -i filelist.txt -c copy full_comic_scene.mp4
统一调色版本，消除不同片段亮度色差：
ffmpeg -f concat -safe 0 -i filelist.txt -vf "eq=brightness=0.04:contrast=1.08" -crf 23 full_comic_fixed.mp4
5.4 FFmpeg 提取首帧（校验参考图是否正常）
ffmpeg -i input_scene.mp4 -vf "select=eq(n\,0)" -vframes 1 first_frame.png
6 常见坑点与 8G 显存排错
- 解压失败：7 个 part 文件必须全部下载放在同一文件夹，不要分开存放；优先使用配套 winrar 工具解压。
- 显存溢出 OOM
- 降低分辨率，优先使用 576×1024；
- 单段帧数不要超过 24 帧；
- 开启 VBVR 模块，启动命令添加
--lowvram； - 每轮渲染完成执行显存清理脚本。
- 人物画面闪烁：调高 SVI2 权重，参考图固定角色人设，搭配 IPAdapter 锁定角色特征。
- 首尾帧衔接断层：不要大幅度改变提示词，两段之间画面描述、光影、画风保持一致。
总结
Wan2.2-ReMixV3.0-SVI2 结合 SVI2 时序约束与 VBVR 显存分片技术，让 8G 显卡本地部署长片段 AI 漫剧视频成为可行方案。依托首尾帧接力生成方式，突破原生模型单段时长限制，完美适配 AI 漫剧流水线。整套资源包包含分卷模型、解压工具、实操教学视频，从解压部署到漫剧长镜头续写全流程覆盖，本地生成无水印、无平台次数限制，适合批量生产漫剧短视频素材。
