ComfyUI 的文生视频，核心思想是在文生图的基础上引入了 “时间”维度。它不再生成一张静态图片，而是一系列连贯的帧（Sequence of Frames），最终合成为视频。
目前主流方案主要有两条技术路径：AnimateDiff 和 SVD (Stable Video Diffusion)。它们的核心差异如下：
路径一：AnimateDiff 工作流
这是最主流的方案，可以看作是在标准文生图工作流中，插入了负责“运动”的模块。
核心节点与工作原理
Checkpoint Loader (模型加载器)：与文生图相同，加载基础大模型（如 SD 1.5），输出 MODEL 和 CLIP。
CLIP Text Encode (文本编码器)：将你的正面/负面提示词编码为语义向量。
AnimateDiff Loader (动态加载器)：这是最关键的节点。它从 Checkpoint Loader 接收基础 MODEL，并为其加载一个预训练的“运动模块”（Motion Module）。这个模块赋予了模型生成动态的能力。
输出：一个“增强版”的模型，同时具备图像生成和运动生成的能力。
参数：可以选择不同的运动模块版本（如 v2, v3），并调整运动幅度（Motion Scale） 来控制动态强弱。
Empty Latent Image (空潜在图像)：与文生图