今天介绍的 Wan-To-All Animation 模型在姿势迁移 (Pose Transfer) 方面表现惊人。相比 Wan Animate，它不仅伪影更少，而且最大的特点是支持无限扩展——视频越长，画质依然清晰，不会崩坏。
本期视频将带大家在 ComfyUI 中实操，使用 FP8 模型配合 Light X2V 加速 Lora。我会详细讲解如何提取姿势、设置 Reference/Pose Embed，并分享一套我自制的全自动循环工作流，让你彻底告别手动拼接，一键生成任意长度的稳定视频！
📌 本期视频核心内容：
模型优势： 为什么 Wan-To-All 比 Wan Animate 更适合做跳舞视频？
核心技术： 姿势提取 (Pose Extraction) 与 Reference Embed 的原理。
实战演示： 从 81 帧基础视频到 480 帧 (28秒) 长视频的生成过程。
工作流详解： Kijai 官方手动流 vs 我的自动循环流 (For Loop)。
避坑指南： 风格化图片（如皮影戏）的重绘问题及人物一致性分析。
------------------------------------------------------------------------------------------------------------------------
github-code
https://github.com/ssj9596/One-to-All-Animation
WanVideoWrapper
https://github.com/kijai/ComfyUI-WanVideoWrapper
model download
https://huggingface.co/Kijai/WanVideo_comfy/blob/main/OneToAllAnimation/Wan21-OneToAllAnimation_fp16.safetensors
https://huggingface.co/Kijai/WanVideo_comfy_fp8_scaled/blob/main/OneToAllAnimation/Wan21-OneToAllAnimation_fp8_e4m3fn_scaled_KJ.safetensors
工作流与提示词工程下载
https://github.com/amao2001/ganloss-latent-space/tree/main/workflow/2025-12-11%20onetoallanimation
在线工作流
1：Wan21_OneToAllAnimation_basic
体验地址：https://www.runninghub.cn/post/1998642568097357826/?inviteCode=kol01-rh107
2：Wan21_OneToAllAnimation_automatic
体验地址：https://www.runninghub.cn/post/1998679386968743937/?inviteCode=kol01-rh107
runninghub粉丝福利 注册送1000点算力
国外用户
https://www.runninghub.ai/?utm_source=kol02-RH021
国内用户
https://www.runninghub.cn/?utm_source=kol01-RH107
------------------------------------------------------------------------------------------------------------------------
背景音乐由 AI 生成
