今天给大家演示一个双人场景动作迁移的视频生成工作流。它把角色重绘、动作捕捉、图像编辑和视频生成串在一起，用一条完整链路实现从输入图像到最终双人舞蹈视频的效果。整个流程依靠 Qwen Image Edit 系列模型和 WanVideo 视频生成体系，并结合多路图片编码、文本提示、姿态关键点与面部遮罩的综合处理，让角色既能保持风格，又能自然跟随目标动作。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TextEncodeQwenImageEditPlus 图像编辑语义控制编码WanVideoTextEncodeCached 视频语义文本编码WanVideoClipVisionEncode 多图视觉语义融合编码使用方法应用场景开发与应用工作流介绍这个工作流基于 ComfyUI 搭建，核心思路是通过 Qwen Image Edit 模型完成场景与人物重绘，再用 WanVideo 的多模态编码器与视频生成模块进行动作迁移和最终视频输出。整套体系包含模型加载、文本与视觉编码、姿态关键点与面部遮罩生成、图像预处理、潜空间采样以及 WanVideo 视频渲染等环节。它通过多节点协作，把输入的两张人物图像转化为可控的动作视频。以上关键能力都来自模型和节点组合的共同作用。核心模型核心部分使用 Qwen Image Edit UNet 和其 Lightning 版本进行图像编辑，再结合 Wan2.1 系列 VAE、WanVideo 文本编码器和 CLIP Vision 编码器生成视频所需的多模态特征。模型之间通过 LoRA、采样器、潜空间等机制建立衔接，确保角色重绘精准、动作迁移自然。模型名称说明qwen_image_edit_2509_bf16.safetensors主体图像编辑 UNet 模型，用于重绘场景与角色风格保持Qwen-Image-Edit-Lightning-8steps-V1