核心用法
Image-to-Video — Pro Pack on RunComfy 是面向RunComfy模型API的图像转视频统一入口，通过 runcomfy run <model>/image-to-video 命令将单张静态图像转换为3-15秒短视频。该技能根据用户意图自动路由至三个专用端点：
1. 通用图像转视频（默认）：使用 HappyHorse 1.0 i2v 模型，适用于人像漂移、产品揭示、环境运动等场景，支持1080P输出与同步音频生成
2. 口型同步图像转视频：调用 Wan 2.7 模型，接受自定义音频驱动人物嘴部动作，适合多语言配音场景
3. 多模态图像转视频：采用 Seedance 2.0 Pro，支持最多9张参考图像+3段参考视频+3段参考音频的融合输入
用户需提供源图像URL（JPEG/PNG/WebP，≥300px，≤10MB）及动作描述prompt，CLI自动轮询状态并下载结果至指定目录。
显著优点
- 身份稳定性强：HappyHorse 1.0 在Arena i2v榜单Elo 1392排名第一，面部/产品特征保持能力突出
- 零基础设施：RunComfy托管GPU，无需本地部署或租赁计算资源
- 多模态原生支持：单一技能覆盖纯图像动画、语音驱动、复杂场景融合三种模式
- 规模化友好：支持批量任务、多语言配音序列生成，通过锁定seed实现视觉一致性
- 专业输出规格：最高1080P分辨率，输出宽高比自动匹配输入图像
潜在缺点与局限性
- 时长硬性限制：单次调用最长15秒，更长内容需多段生成后拼接
- 宽高比锁定：默认路由输出比例强制等于输入图像，独立重构需预处理裁剪
- 路由隔离：多模态与口型同步功能无法在一次调用中叠加，复杂需求需多轮处理
- 外部依赖风险：图像/音频/视频URL由RunComfy服务器拉取，第三方内容存在可用性与安全风险
- 成本累积：高频或批量调用可能产生显著API费用，无本地降级方案
适合人群
- 内容创作者与营销团队：需快速将产品图、品牌素材转化为动态广告
- 本地化团队：构建多语言视频配音流水线
- AI影视制作：批量生成角色一致的分镜序列
- 开发者与自动化工程师：通过CI/CD集成图像转视频能力
常规风险
- Token安全：API令牌存储于
~/.config/runcomfy/token.json（权限0600），CI环境建议改用RUNCOMFY_TOKEN环境变量 - 提示注入：基于图像的提示注入是已知风险，外部URL应视为不可信输入
- 网络超时：生成任务可能因队列拥堵触发75状态码（可重试），需实现指数退避
- 数据隐私：输入图像上传至RunComfy服务器处理，敏感内容需评估合规性