liblibai图生视频需按数据流向搭建：先loadimage上传首帧，再经vaeencodeforinference编码，连videomodelloader加载视频专用模型，cliptextencodesdxl输入提示词，videoksampler配置帧数/帧率/步数，最后savevideo输出；controlnet可单路接入增强动作或构图。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在LiblibAI里把一张静态图变成有动作、有镜头变化的短视频，但面对空白工作流画布和一堆带箭头的节点无从下手——这不是模型不行，是没找准图生视频的数据流向核心：图像必须先被加载、编码、绑定运动控制，再经视频模型逐帧解码输出。
确认入口与基础环境
打开LiblibAI官网 → 登录账号 → 进入「创作中心」→ 点击顶部「视频生成」选项卡 → 切换至「高级工作流模式」。这一步必须做，否则默认模板模式下无法手动连接节点，所有图生视频节点都不可见。
【未开启高级工作流模式就拖节点，节点会显示为灰色不可用状态】。
搭建图生视频主干链路
第一步：拖入LoadImage节点 → 点击节点右上角「choose file to upload」按钮 → 上传你的首帧PNG/JPG图像（建议分辨率≥720×1280，过低会导致视频模糊）。
第二步：拖入CLIPTextEncodeSDXL节点 → 双击 → 在“text”栏输入视频提示词，例如“a cyberpunk woman turning her head slowly, subtle camera dolly-in, cinematic lighting, smooth motion”；再拖一个同名节点填负向提示词“deformed, blurry, text, watermark, static pose”。
第三步：拖入CheckpointLoaderSimple → 双击 → 下拉选择已入库的视频专用模型，如kling3.0_fp16.safetensors或stepvideo_t2v_v2.safetensors（普通SD图像模型不支持图生视频，选错直接报错）。
第四步：将LoadImage的“IMAGE”输出 → 连到VAEEncodeForInference的“pixels”输入 → 再将VAEEncodeForInference的“latent”输出 → 连到VideoModelLoader的“latent”输入；同时把CheckpointLoaderSimple的“clip”连到两个CLIPTextEncodeSDXL的“clip”，再把它们的“conditioning”分别连到VideoKSampler的“positive”和“negative”端口。
接入ControlNet增强动态控制
方法一：OpenPose骨架引导动作
拖入ControlNetLoader → 双击选择controlnet_openpose-fp16.safetensors → 拖入ControlNetApply → 将OpenPose预处理器节点（需提前挂载）的“image”输出连到Apply节点的“image”输入 → 把Apply节点的“control_net”输出连到VideoKSampler的“control_net”输入。
方法二：Canny边缘保持构图稳定
拖入CannyImagePreprocessor节点 → 将LoadImage的“IMAGE”连入其“image”端口 → 调整“low_threshold”为100、“high_threshold”为200（数值过高会丢失细节，过低则噪声干扰） → 输出连入另一个ControlNetApply节点 → 同样接入VideoKSampler的control_net端口。
注意：两个ControlNet不能同时接入同一VideoKSampler，否则会冲突报错；如需多控，须用ControlNetUnion节点合并后再接入。
配置视频输出参数并执行
找到VideoKSampler节点 → 展开参数面板 → 设置“frames”为16（标准短视频长度）、“fps”为24（兼容多数平台）、“steps”为30（低于25易卡顿，高于40无明显提升） → 将其“video”输出连入SaveVideo节点 → 点击SaveVideo右键菜单中「队列提示」。
此时画布右上角出现进度条，约90秒后生成MP4文件，自动弹出下载按钮。
