16GB VRAM(RTX 5070 Ti + Ryzen 5 7600X)下 ComfyUI 本地视频生成的最佳工作流与模型推荐?
一位用户询问在 RTX 5070 Ti(16GB GDDR7 VRAM)+ Ryzen 5 7600X + 32GB DDR5 配置下,ComfyUI 本地 Text-to-Video 与 Image-to-Video 的最佳模型、量化与工作流方案。
一位用户询问在 RTX 5070 Ti(16GB GDDR7 VRAM)+ Ryzen 5 7600X + 32GB DDR5 配置下,ComfyUI 本地 Text-to-Video 与 Image-to-Video 的最佳模型、量化与工作流方案。
作者用同一 15 秒三人外星村场景测试五种本地 MiniMax H3 配方,图耗时从 95 秒到 843 秒不等。
作者在 RTX 3060 12GB 上用 ComfyUI 运行 MiniMax H3 Singularity V2 Pruned INT8 ConvRot R2,以 1536×864 分辨率、243 帧、4 步采样生成约 10 秒视频,耗时 608 秒。
作者 10 月 25 日晚用 Meta 的 AI 智能体 Muse 为自制的《天下布线》系列生成 30 秒竖屏视频,前三次请求得到 1 条 10 秒试作和 2 条 30 秒版本,最后一条经检查为 720×1280、24fps、30.000 秒且带音轨。
作者在 ComfyUI 中试用了面向 Anima 的 ControlNet-LLLite,可用 3D 姿态指定人物动作、用区域控制指定生成范围。
有用户在 Minimax 上用首尾同图的方式生成循环视频,但动作总在第 1 秒"起步"、最后 1 秒减速,无法做到匀速衔接。以 15 秒锤击循环为例,实际效果是 1 秒起手、13 秒稳定、1 秒收尾后跳回开头。该用户已尝试"视频为动作片段截取"等提示词均无效,正寻求可用的工作流、LoRA 或提示词方案。
一位父亲计划用 ComfyUI 在 Runpod 上制作一部短片,让热爱《权力的游戏》的女儿与伴侣在中世纪城堡、家人环绕的场景中举行婚礼。他表示自己刚接触图像生成与工作流,正边学边试,并预计后续需要用 DaVinci 完成剪辑,公开征求建议。
AIwood 爱屋研究室在 H3 VBVR 测试中发现,加载 VBVR 后效果未达预期甚至更差,改用 ComfyUI 0.38 旧环境与 0.42 对照后,厨师等场景出现明显差异。
作者在 RTX 3060 Ti(8GB 显存)和 16GB 内存的机器上,用 Qwen-Image-2.1 生成海中列车车厢图,再用 MiniMax H3 配合 Veda 和 Endless 逐段续接出 25 秒视频。
PR 视频完成前,把导出文件分 3 次看:先以初次观看者视角看内容,再看文字与下方画面,最后只听音频。发现的问题按「传达不清」「商品变形」「读不出·听不清」分类,在修正笔记中记下秒数与改动点,一次只改一处,改完升版号重新导出并保留旧版。完成后把视频与作品说明笔记一并归档,标注「虚构案例·自主制作」。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成了一位银发红瞳、黑色短角、穿黑橙配色服装并仰视镜头的万圣节小恶魔,成图 1280×1024。
创作者 Naoya 公开了用 MiniMax H3 等工具制作 18 分 24 秒、4K、共 129 个镜头的关原题材历史电影《岛津的退口》的流程。片中武将台词改用日语配音,作者把台词写成不带汉字的平假名、用专用标签包裹并加上说完闭嘴的指令,以减少误读和画面出现文字。全片 129 个镜头逐一看过后重拍,修正了头盔消失、两人同时说话、称呼颠倒和背景像现代公园等问题,结尾改为主题曲 34 秒淡出。
作者在 ComfyUI 中搭建了一套 MiniMax H3 工作流,把 SelfLift 渐进分辨率采样与 DLSS 5 超分节点结合,在 6GB 显存的 RTX 3060 上输出 2K 或 4K 视频。其 6GB 显存环境生成并超分到 4K 约耗时 35 分钟,参数为 8 步、0.6 百万像素,全程无需额外训练模型,工作流与 DLSS5 DLL 均已放出下载链接。
推荐理由:作者在 6GB 显存显卡上实测了从低分辨率渐进采样到 4K 超分的完整流程,并给出耗时与参数,可供低配设备用户参考。
Pollo AI 的 Recast 功能可参考原视频动作与运镜,替换人物和背景,作者用它将真人双人舞转为原创和装动画角色。同一素材分别以 480p 和 720p 生成,480p 消耗 235 credits、720p 消耗 505 credits,相差 270 credits;720p 细节略清晰,但 480p 效果已超出预期,作者建议先试 480p。
Higgsfield 与 Runway 的核心差异在于:前者是模型聚合器,一个订阅内含 Seedance、Kling、Veo、Wan 等约二十个视频模型及 Cinema Studio 4.0,适合从零生成镜头;后者以自研 Gen-4.5 生成、Aleph 2.0 精修已有视频,Max 档支持 ProRes 与 HDR 导出。
Claude 在 M1/16GB Mac 上搭建 ComfyUI 工作流,调整启动选项后把单步生成从 10 分钟压到约 10 秒,并组合水彩 LoRA、黑白漫画切换、局部重绘与超分等流程。
作者用 Animagine XL 4.0 Opt 在 ComfyUI 中生成握麦前倾高歌的摇滚女歌手作例,分辨率 1248×832、Seed 2026101857,Steps 28、CFG 5、euler_ancestral。配布 JSON 仅用 7 个标准节点,无需输入图像、LoRA、ControlNet 或自定义节点,另附去掉前倾与去掉歌唱表情的两份对比 JSON。
有用户用约 1.3k tokens 的提示词在 MOSS SFT 上测试高 token 上限,配合 4-steps turbo LoRA、4MP 分辨率与 Euler/simple 采样,生成一张含 12 个不同人物的照片。各角色的外貌、服装和道具均保持一致,未出现串色或重复。
在本地 MiniMax H3 图生视频流程中,MOSS-Image(5B)原生 4MP 输出配合 3–4 词简单提示词生成约 3 秒短片,细节保留与时序一致性超出预期。麂皮夹克纹理、皮肤毛孔、链条、粗花呢和细镜框均无纹理滑动,第二段视频还保留了风格化的拉长颈部比例而非强行校正。测试基于 NVIDIA RTX PRO 6000,工作流为 ComfyUI 内置 MOSS 模板。
作者分享在 MOSS Image 上训练角色 LoRA 的实测结果,称用 Automagic3 搭配 Sigmoid 与 High 档、学习率从 0.0005 起步并设置最低学习率、不排除 block 22,每次都能得到不错效果。
爱沢あむ在 X 发布 10 月 24 日晨至 25 日深夜的 5 张插画,并免费配布对应的 ChatGPT 图像生成提示词,覆盖早晨、白天、傍晚、夜晚、深夜五个场景。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,保持五官、发型、发色与瞳色,输出 1536:1024 横版单场景动画风插画。作者还建议只改一处细节,例如把白天的格子布样本换成水玉图案。
用户在 Colab 的 80GB A100 上用 ai-toolkit 为 Qwen-image 训练风格 LoRA,但输出背景过于简单、出现随机人物与角色重复,且风格漂移。其配置为 rank 16、1024px、bf16、adamw8bit,学习率 1e-4 跑 500 步无效果后改为 3e-4 训练至 2k 步,12 张图的数据集仍未改善,计划扩至 30-40 张。
用 Animagine XL 4.0 Opt 配合 Control-LoRA Canny rank128 轮廓引导,在 ComfyUI 中生成 1248×832、Seed 2026101813 的拉弓精灵横构图,并公开轮廓 PNG 与含节点配置的 JSON。
面向 ChatGPT、Gemini 等工具的 100 种 AI 美女图像生成提示词集发布,全部为可直接复制的 JSON 格式。每套提示词含 prompt、negative_prompt 与 aspect_ratio 字段,并提供 1:1、9:16、1280×670 三种尺寸及背景、氛围改编版本。题材以世界各地绝景与日常场景中的美女为主,如阿根廷盐湖、京都川床。
作者用 ChatGPT 为原创角色 Popo、Bobo、シュカ 生成万圣节主题图像,结果角色形象频繁走样:Bobo 被加上手脚、シュカ 被戴上歪帽、还出现"枫之谷站"等莫名元素。作者同时展示了成功案例,采用水彩画风格提示词,将水彩晕染效果融入小物与地面,使非人类角色的白色连衣裙设定得以成立。作者还建议修正失败图像时从原始参考图重新生成,成功率高于反复局部修改。
用户称前一晚刚在 PC 上安装 ComfyUI 并下载生成视频所需依赖,随后收到磁盘空间不足提示,但检查发现该应用仅占用 500MB。其困惑于 ComfyUI 的下载文件究竟存放在哪里,发帖求助。
一份汇总 18 个 ComfyUI 配置的免费对比页上线,可按 GPU、模型和精度筛选并计算节省秒数。在 3090 Ti 上,MOSS BF16 从 71.98 秒降至 45.40 秒,而 MOSS INT8 仅从 27.31 秒变为 27.23 秒;H3 INT8 ConvRot 则从 155.07 秒降至 118.21 秒。
面向 AI 音乐初学者的 3 步法:先定一个曲的主题,再把主人公、场景、情感连成开头—中段—结尾的叙事,最后把内容交给 ChatGPT 生成制作笔记。制作笔记包含 3 行故事、5 个原创曲名、主歌与副歌要点、80 字以内的氛围描述,以及公开前的自查项;ChatGPT 只负责整理叙事与制作笔记,完成音频还需另外的音乐生成工具,公开或商用前须核对服务条款。
一位 49 岁创作者把 AI 视频生成模型从 Adobe Firefly Video 换成 Google Veo 3.1 Fast 后,无需重做就完成了贴合指定首尾图的子猫短片。
有用户分享了一套万圣节主题的 ComfyUI 创作工作流,用 MOSS-Image 生成极端丑陋面容的人像,再配合 MiniMax H3 Ref2VA 的参考生成能力,把同一张脸迁移到全身模特身上。示例提示词详细描述了疣、痘痘、龅牙、双下巴等特征,并给出从全身推镜到脸部特写的连续镜头设计。
Higgsfield 发布 AI 电影制作完整指南,以海边车站 10 秒场景为例,演示用 Seedream 5.0 Pro 生成角色、Soul Cinema 生成场景参考图,再由 Supercomputer 扩写分镜提示词、Cinema Studio 4.0 以 multishot 模式一次生成带声音的多镜头片段。
作者在 ComfyUI 中用 MOSS-Image 的 JSON bbox 指定逐人排布,测试 3 人、6 人、10 人三组画面,10 人时人数、排列顺序与各自发色衣装基本符合指定,仅 LoRA 关闭时一人未画出眼睛。
作者公开了一套用于 AI 图像生成的单眼皮(一重まぶた)提示词,要求双眼均为自然单眼皮、无上睑褶皱,并附上生成出双眼皮时的修正提示词。实测中 ChatGPT 普通 Chat 能隐约呈现单眼皮,ChatGPT Work 6Astra 反而生成双眼皮,作者称上位模型成功率体感更高但无法保证。
用户在 3090ti 上运行 flux2Klein_9bKv_pruned_fp8 与 flux-2-klein-9b-fp8(配 qwen_3_8b_fp8mixed 和 flux2-vae)生成一致角色,单参考图无 LoRA 约 30 秒,双参考图约 2 分钟,但一旦加载 LoRA 就会在 KSampler 70% 处卡死,GPU 占用高达 96-97%。
ComfyUI 用户在 Load Image 节点手动蒙版时帧率仅 1 到 4 fps,配置为 RTX 4090 加 Ryzen 9900X,用户认为并非硬件瓶颈。该用户表示今年早些时候某次大版本更新前操作流畅,目前使用 ComfyUI_frontend v1.53.6、PyTorch 2.9.1+cu130,并已启用 Firefox 硬件加速,同时也在用 SAM 文本选择方式。
MOSS-Image 在原生 4MP 下用 Krea 2 提示词实测,单图约 25 秒,RTX PRO 6000 上占用 16~24GB VRAM,基于 ComfyUI 官方内置模板工作流,全部为首跑未挑选结果。模型对随手闪光灯质感、皮肤微纹理和风格化比例响应良好,但种子方差极大,每个种子都会显著改变构图,需要特定构图时须筛种子。
有用户在 ComfyUI 中制作海报与信息图时,希望借助多个模型原生的 Bounding Box 能力完成布局与局部重绘(inpainting),因选择过多陷入分析瘫痪,向社区征集实际用过多种模型或节点的经验与技巧。
用 AI 插画营造雨天空气感,关键在于用透视管理光线方向,并加入雨粒等粒子杂质作为适度噪点。作者以车灯逆光照射雨幕为例,指出光带与方向性越清晰越好,但实际效果只是光从后方微微透入。他还强调表情与情绪应先于天气设定,雨天配笑脸会显得诡异。
有用户在 ComfyUI 社区求助漫画风格重绘方案,遇到两个核心问题:漫画含文字,直接重绘会导致文字变形;单张图可能包含多个角色,难以控制其表情与原图基本一致。其尝试过一些方法,但最多只能改颜色、无法改动原有线稿,因此寻求工作流或模型建议。
有用户在 AI toolkit 中为 MOSS 训练 LoRA 时结果完全崩坏,由此质疑新模型(Qwen 2.1、LLaMA 2、MOSS)该用 shift 还是 sigmoid 参数。该用户提到 sigmoid 在 Krea 2 和 Qwen 2.1 上可用,并询问是否应先从 shift balanced 开始、在训练后期切换到 shift low noise。