🫧 Image-to-Video — Pro Pack on RunComfy

核心用法

该技能作为智能路由层，根据用户意图自动匹配 RunComfy 目录中的最佳 I2V 模型：

• 肖像/产品动画 → HappyHorse 1.0 I2V（Artificial Analysis Arena #1，Elo 1392）
• 原生音频合成，面部保真度极佳
• 输入：单张图片 URL + 运动提示词
• 输出：3-15秒视频，保持输入宽高比

• 自定义配音口型同步 → Wan 2.7 + audio_url
• 接受 3-30 秒 MP3/WAV（≤15MB），驱动精准 lip-sync
• 支持多语言版本批量生成（同 prompt 换 audio_url）
• 需描述镜头、灯光、景别，音频驱动口型

• 多模态融合 → Seedance 2.0 Pro
• 最多 9 张参考图 + 3 段参考视频（2-15s）+ 3 段参考音频
• 用于品牌一致性叙事：人物身份 + 场景氛围 + 声音特征

调用统一格式：runcomfy run <vendor>/<model> --input '{...}' --output-dir <path>

显著优点

1. 零模型选型成本：内置决策表自动匹配意图，避免用户在不同模型间试错消耗迭代
2. Arena 榜首背书：默认路由 HappyHorse 为当前公开评测最强 I2V 模型
3. 原生音频能力：HappyHorse 单 pass 生成同步环境音；Wan 2.7 支持任意自定义音轨
4. 多模态组合灵活性：Seedance 的图+视频+音频引用模式业内领先
5. CLI 原生集成：npm 全局安装，支持 CI/CD 环境变量注入（RUNCOMFY_TOKEN）

潜在缺点与局限

• 单模型单调用：无法在一次生成中融合 HappyHorse 的动画质量 + Wan 的口型同步，需后期拼接
• 分辨率天花板：Seedance Pro 模板限 720p，HappyHorse/Wan 限 1080p
• 宽高比锁定：HappyHorse 输出强制匹配输入比例，无独立 reframing
• 参考媒体规格严格：视频/音频必须 2-15 秒，音频 <15MB，超规即失败
• 美学一致性风险：若参考图（水彩）与参考视频（写实）风格冲突，输出会漂移

适合人群

| 场景 | 推荐路由 |

|:---|:---|

| 社交媒体头像动效 / 虚拟主播 | HappyHorse |

| 电商产品 360° 展示 / 包装动画 | HappyHorse |

| 多语言营销视频（同画面换配音）| Wan 2.7 |

| 品牌 IP 一致性短片（角色+场景+声线）| Seedance 2.0 Pro |

| 自动化视频工作流 / CI 集成 | 全栈（支持 `RUNCOMFY_TOKEN`）|

常规风险

• API 令牌泄露：~/.config/runcomfy/token.json 权限为 0600，但 CI 环境建议使用环境变量隔离
• 外部 URL 注入：图片/视频/音频 URL 由 RunComfy 服务器拉取，存在图像提示词注入风险（行业共性问题）
• 下游服务可用性：exit code 69（上游 5xx）、75（超时/限流）需调用方实现指数退避重试
• 生成内容合规：输出可能含合成人物，需遵守平台 deepfake 披露政策与地域法规
• 存储爆破防护：CLI 单文件下载硬限 2 GiB，防止恶意模型输出占满磁盘

核心用法

Image-to-Video — Pro Pack 是 RunComfy 平台的官方智能路由 Skill，通过语义分析自动为用户意图匹配最优图像转视频模型，无需手动比对技术参数。

三路线由策略：

• HappyHorse 1.0 I2V（默认）：针对肖像动画、产品展示、通用动态场景。Artificial Analysis Arena 排名第一（Elo 1392），原生支持环境音频生成，输出身份保持度高。
• Wan 2.7 + audio_url：针对自定义配音口型同步场景。接受用户上传的 MP3/WAV（3–30 秒，≤15MB），驱动人物口型与音频精确对齐，支持多语言版本批量生成。
• Seedance 2.0 Pro：针对复杂多模态合成。可同时输入最多 9 张图像、3 段参考视频、3 段参考音频，实现「人物身份 + 场景风格 + 声音特质」的三重融合。

调用方式为本地 CLI runcomfy run <vendor>/<model>， Skill 自动封装对应 JSON 参数体。

显著优点

1. 意图驱动的零损耗路由：用户无需理解模型差异，Skill 自动匹配最优路径，避免在错误模型上浪费迭代。
2. Arena 榜首质量：HappyHorse 1.0 在第三方评测中保持领先，面部保真度与几何稳定性双优。
3. 原生音频一体化：HappyHorse 单遍生成同步音频，Seedance 支持语音/SFX/音乐同步合成，减少后期合成成本。
4. 多语言配音工业化：Wan 2.7 路线支持同视觉素材替换 audio_url，配合锁定 seed 实现多语言口型一致输出。
5. 多模态可控合成：Seedance 的「图像 + 视频 + 音频」三元引用机制，适合品牌角色跨场景迁移。

潜在缺点与局限

1. 单模型调用限制：每次仅能路由至一个模型，无法单条流水线融合 HappyHorse 的动画质量与 Wan 的口型精度，复杂需求需多段调用后手动拼接。
2. 分辨率与时长硬顶：HappyHorse 与 Wan 最高 1080P/15 秒，Seedance 此模板限 720P，商业长片需分段处理。
3. 输出比例锁定：HappyHorse 输出比例强制等于输入比例，无独立画幅重构图能力。
4. 外部 URL 依赖：图像/音频/视频引用需可公网访问，私有资产需预上传。
5. 成本模型差异：三路线由对应 RunComfy 平台不同定价档位，Seedance Pro 多模态调用成本显著高于单图像动画。

适合人群

• 电商运营：产品 360° 展示、动态主图生成
• 内容创作者：口播视频多语言版本批量生产
• 品牌方：虚拟代言人跨场景一致性素材库建设
• 广告代理：快速概念验证、动态分镜预演
• 开发者：通过 CLI 集成至自动化内容流水线

常规风险

• API Token 管理：需妥善保管 RUNCOMFY_TOKEN，建议使用环境变量注入而非硬编码
• 生成内容合规：AI 视频生成存在肖像权、版权、深度伪造政策风险，需遵守平台 AUP 及当地法规
• 输入 URL 安全：避免提交包含敏感个人信息的可公开访问 URL
• 输出文件存储：下载至本地目录，建议配合后续清理策略防止磁盘溢出（CLI 已内置 2GiB 单文件上限）