本ComfyUI教程演示如何用分镜表工作流，将8张有序图片转为结构化分镜和7组相邻关键帧对，供Kling 3.0 FFLF视频生成。流程以LoadImage和BatchImagesNode批量导入图片，严格按从左到右的时间线排序。多个自定义/工具节点（ID：f7abaa3a-5e87-4354-bab6-f43320cd490f、02da9128-7c15-4c46-96bc-1dd68e5bc490、3426003b-7b3a-4d37-8a2f-e0f8adb05712、c61d617f-c72d-4f4c-8659-bd6f884d1a1e、4b301c11-bc16-4096-9441-e0648a04aa4d、2ab1ef49-3518-4f71-b703-f8ef12f32214、b3fe4254-e196-429e-9f45-96c92113e406）负责布局、成对拆分（1-2、2-3……7-8）及下游视频节点的数据打包。PrimitiveNode节点可设置1080p分辨率、帧率、每段时长和可选边距，Reroute节点保持流程图清晰。SaveVideo节点导出1080p预览，便于快速校验顺序和构图。
在FFLF（首/末帧引导）生成阶段，每组相邻图片对输入Kling 3.0节点，合成受首末帧约束的运动，适合实现7段连贯、可控的过渡。如果启用，Gemini-3.1-flsih-lite辅助节点可自动总结每对关键帧间的意图，便于提示词一致（仅元数据，非渲染必需）。最终可高效验证连贯性，并批量生成7段1920×1080的连贯视频片段。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "步骤3：联系表工作流" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("template_contact_sheet-step_3.app_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("224", "image", asset); // LoadImage
const job = await client.run(wf);
await job.getOutputs("308")[0].toFile("output.png"); // SaveVideoSDK 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
