Z-Image

Z-Image + LongCat Video 长视频生成工作流：从静态图像到超长视频的完整指南

jul 13, 2026

Z-Image + LongCat Video 长视频生成工作流：从静态图像到超长视频的完整指南

关键词：z-image longcat video generation, z-image 长视频生成, z-image comfyui 视频工作流, z-image longcat 集成

2026 年的 AI 视频生成正在突破"5 秒短片"的限制。美团的 LongCat Video — 一个 13.6B 参数的开源视频生成基础模型 — 凭借其统一的文本到视频、图像到视频和视频续写能力，正在重新定义长视频生成的可能性。本文将深入讲解如何在 ComfyUI 中将 Z-Image 与 LongCat Video 集成，构建从图像生成到超长视频创作的完整工作流。

LongCat Video 的核心创新

LongCat Video 由美团发布，是首个真正统一的长视频生成模型。与以往需要多个独立模型分别处理不同视频任务不同，LongCat 用一个架构完成了所有任务——文本到视频（T2V）、图像到视频（I2V）和视频续写（Continuation）。

关键技术突破

  • 统一视频生成架构：一个模型原生支持所有三种视频生成任务
  • 视频续写预训练：这是实现长视频稳定生成的关键创新 — 模型在学习阶段就专注于理解"如何延续一个视频"
  • 粗到细生成策略：在时间和空间维度逐步细化帧，实现高效推理
  • 块稀疏注意力（Block Sparse Attention）：大幅提升高分辨率视频的性能
  • 多奖励 RLHF（GRPO）：通过多个奖励信号优化连贯性、真实性和对齐度

为什么 Z-Image + LongCat Video？

将 Z-Image 的图像生成能力与 LongCat Video 的视频生成能力结合，能产生 1+1 > 2 的效果：

能力 Z-Image LongCat Video 组合效果
图像生成 ✅ 高质量 ❌ 不支持 先用 Z-Image 生成高质量关键帧
文本到视频 ❌ 不支持 ✅ 原生支持 Z-Image 描述 → LongCat 生成视频
图像到视频 ❌ 不支持 ✅ 原生支持 Z-Image 图像 → LongCat 动画化
视频续写 ❌ 不支持 ✅ 原生支持 无限延伸视频内容
LoRA 风格控制 ✅ ✅（远端 LoRA） 统一视觉风格从图像延续到视频

环境搭建

1. ComfyUI 基础

确保 ComfyUI 已安装并能正常运行 Z-Image 模型。

# 更新 ComfyUI 和所有自定义节点
# ComfyUI Manager → Update All

2. 安装 WanVideo Wrapper

LongCat Video 基于 Wan 2.2 架构，因此需要 Kijai 的 WanVideoWrapper 自定义节点：

cd ComfyUI/custom_nodes/
git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git

3. 下载 LongCat Video 模型

从 Kijai 的 HuggingFace 仓库 下载模型文件：

模型 VRAM 要求 文件
FP8 量化版 12-16 GB LongCat_TI2V_comfy_fp8_e4m3fn_scaled_KJ.safetensors
BF16 全精度版 24 GB+ LongCat_TI2V_comfy_bf16.safetensors

放入 ComfyUI/models/diffusion_models/ 目录。

4. 下载 LoRA 模型

LoRA 作用 文件
精炼 LoRA 仅需 12 步即可生成优质视频 LongCat_refinement_lora_rank128_bf16.safetensors
蒸馏 LoRA 加速生成速度 LongCat_distill_lora_alpha64_bf16.safetensors

放入 ComfyUI/models/loras/ 目录。

5. 准备基础模型

LongCat 基于 Wan 2.2 TI2V，需要以下基础模型：

  • wan_5b_TI2V_model — 放入 diffusion_models/
  • wan2.1vae — 放入 vae/
  • umt5-xxl — 放入 text_encoders/

Z-Image → LongCat Video 完整工作流

第一步：用 Z-Image 生成高质量关键帧

工作流节点序列：
1. Z-Image Checkpoint Loader → 加载 Z-Image 模型
2. CLIP Text Encode → 输入详细提示词
3. Z-Image KSampler → 生成高质量图像
4. Save Image → 保存为关键帧

提示词技巧：生成的关键帧应包含明确的场景描述和构图元素，以便 LongCat 理解动画意图。

第二步：加载 LongCat 工作流

拖入 ComfyUI/custom_nodes/ComfyUI-WanVideoWrapper/example_workflows/LongCat_TI2V_example_01.json

工作流包含以下主要节点组：

  1. Load Image — 输入 Z-Image 生成的关键帧
  2. WanVideo Lora Select — 加载精炼 LoRA 和/或蒸馏 LoRA
  3. WanVideo VAE Loader — 加载 wan2.1vae
  4. Wan Video Model Loader — 加载 LongCat 模型（选择注意力模式：flash att / sdpa / sage_atten）
  5. Prompt — 输入详细的正面和负面提示词

第三步：关键参数设置

参数 推荐值 说明
CFG 1 LongCat 推荐使用 CFG=1
Shift 12 调度偏移量
Scheduler LongCat distill Euler 使用蒸馏调度器加速
步数 12（精炼 LoRA） 精炼 LoRA 仅需 12 步
帧数 81（默认） 每段约 3-5 秒

第四步：扩展为超长视频

LongCat 的示例工作流包含 5 个完全相同的工作节点组。要扩展视频长度：

  1. 跳到最后一个节点组
  2. 分离 ImageBatchExtendWithOverlap 和 GetImageSizeAndCount 节点
  3. 复制任意节点组并粘贴到最后一个组之后
  4. 添加新的 Reroute 节点
  5. 连接：上一个组的 ImageBatchExtendWithOverlap 输出 → Reroute → 新组的 ImageBatchExtendWithOverlap 输入
  6. 重连：新最后一个组的 ImageBatchExtendWithOverlap → GetImageSizeAndCount

重复以上步骤可生成任意长度的视频。注意：视频越长，推理时间越长。

低 VRAM 优化

如果 VRAM 不足（12-16 GB），推荐：

  • 使用 FP8 量化版模型
  • 使用 WanVideoBlockSwap 节点（块交换技术，可在更低 VRAM 下运行）
  • 降低输出分辨率（720p 代替 1080p）
  • 减少每段帧数（41 帧代替 81 帧）

实战场景

场景一：产品演示视频

Z-Image 生成高质量产品图 → LongCat 将产品图转为 360° 旋转展示视频
→ 视频续写添加多角度镜头 → 合成完整产品演示

场景二：动态故事板

Z-Image 生成故事板关键帧 → LongCat 将每个关键帧转为短视频片段
→ 视频续写串联所有片段 → 完整的故事板动画

场景三：社交媒体短视频

Z-Image 生成品牌视觉元素 → LongCat 创造动态背景动画
→ 叠加标题和转场 → 发布到社交媒体

常见问题

视频质量不稳定或闪烁

  • 降低 CFG 值到 1.0
  • 确保使用精炼 LoRA
  • 增加步数（16-20 步）
  • 检查基础 Wan 2.2 模型是否完整

长视频颜色漂移或质量下降

LongCat 的预训练视频续写能力大幅减少了颜色漂移问题。如果仍有问题：

  • 使用 ImageBatchExtendWithOverlap 增加重叠帧数
  • 确保 prompt 在续写片段中保持一致

VRAM 不足

  • 切换到 FP8 模型
  • 使用 WanVideoBlockSwap 节点
  • 降低分辨率
  • 减少每段帧数

总结

Z-Image + LongCat Video 的组合为 AI 视频创作带来了前所未有的可能性：

  • 🎬 从静态图像到动态视频：Z-Image 生成的高质量图像成为 LongCat 的完美起点
  • 📏 超长视频生成：突破传统 5 秒短片限制，实现分钟级连贯视频
  • 🎨 风格一致性：LoRA 确保视觉风格从图像无缝延续到视频
  • 🚀 低门槛入门：FP8 量化 + 块交换，12GB VRAM 即可运行

无论你是内容创作者、电商运营还是品牌设计师，这套 Z-Image → LongCat Video 工作流都能帮助你大幅提升 AI 视频创作效率。

Z-Image Team