最近在尝试用AI生成视频时发现很多朋友被ComfyUI的安装和配置过程劝退。网上的教程要么版本过时要么步骤零散特别是对Mac和Windows双平台的支持以及插件、节点的部署缺乏一套完整、可复现的解决方案。本文将为你带来一份从零开始的ComfyUI最新版保姆级安装部署指南涵盖Mac和Windows双系统并详细讲解核心插件安装、自定义节点部署最后以“视频漫剧生成”工作流为例带你实战体验AI视频创作的全流程。无论你是刚接触Stable Diffusion的新手还是想从WebUI迁移到ComfyUI的进阶用户都能按照本文步骤成功搭建并运行起来。1. ComfyUI核心概念与优势解析在深入安装部署之前我们有必要先理解ComfyUI到底是什么以及它为何在AI绘画和视频生成领域备受推崇。1.1 什么是ComfyUIComfyUI是一个基于节点式工作流的Stable Diffusion图形用户界面。与Automatic1111的WebUI那种直观的“文生图”单页界面不同ComfyUI将图像生成的每一个步骤——如加载模型、编写提示词、采样、后期处理——都抽象为一个个可连接、可配置的“节点”。用户通过连接这些节点来构建一个完整的生成流水线这类似于在Blender或Unreal Engine中使用节点编辑器进行材质编辑或视觉特效制作。这种设计理念带来了几个根本性的优势极高的灵活性与可控性你可以精确控制生成流程的每一个环节例如在潜空间中对图像进行特定操作或者将多个ControlNet条件以复杂的方式组合。流程的可视化与可复用性整个生成逻辑以流程图的形式呈现清晰直观。构建好的工作流可以保存为JSON文件方便分享和重复使用。出色的性能与低内存占用由于其轻量化的设计和对工作流的优化执行ComfyUI在相同硬件下通常能获得比WebUI更快的推理速度和更低的内存消耗这对于生成高分辨率图像或连续视频帧至关重要。更适合复杂任务与自动化节点式的工作流天生适合处理需要多步骤、有条件分支的复杂任务如视频生成、连环画创作、批量处理等。它也更容易与外部脚本或API集成实现自动化生产。1.2 ComfyUI的核心组件模型、节点与工作流要玩转ComfyUI需要理解其三大核心组件模型Models包括基础的大模型Checkpoint、LoRA、VAE、ControlNet等这些是生成能力的基石。节点Nodes构成工作流的基本功能单元。每个节点都有输入和输出“插座”执行特定功能如CLIP Text Encode编码提示词、KSampler采样器、VAEDecode解码图像等。工作流Workflow由节点通过连线连接而成的完整生成流程图。它定义了数据如图像、潜变量、条件在整个系统中的流动路径。1.3 为何选择ComfyUI进行视频生成对于“视频漫剧生成”这类任务ComfyUI的优势尤为突出。视频生成本质上是生成一系列在时间上连贯的图像帧。在ComfyUI中你可以使用Load Image Sequence节点加载视频帧或图片序列。利用AnimateDiff等特定节点注入运动模型让静态图片“动起来”。通过Video Combine节点将生成的序列图片合成为视频文件。构建复杂的工作流对每一帧应用不同的提示词或ControlNet控制实现镜头语言的变化。接下来我们将进入实战环节从环境准备开始一步步搭建你的ComfyUI创作平台。2. 环境准备与双系统安装指南ComfyUI支持Windows、macOS包括Apple Silicon的M系列芯片和Linux。本节将分别详解Windows和macOS下的安装方法。无论哪种系统都需要先准备好Python环境。2.1 基础环境准备Python与GitWindows系统安装Python访问Python官网下载并安装Python 3.10.x版本3.10.6, 3.10.9, 3.10.11等均可避免使用3.11某些依赖可能不兼容。安装时务必勾选“Add Python to PATH”。安装Git访问Git官网下载并安装Git for Windows。这将允许你使用git命令克隆仓库。macOS系统安装Homebrew推荐打开终端Terminal执行以下命令安装包管理器Homebrew。/bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)安装Python和Git继续在终端中执行以下命令。brew install python3.10 git对于Apple Silicon (M1/M2/M3) MacHomebrew会将Python安装到/opt/homebrew目录下请确保终端使用的是brew安装的Python 3.10。验证安装打开终端Windows为CMD或PowerShellmacOS为Terminal分别执行以下命令确认版本正确。python --version # 应显示 Python 3.10.x git --version # 应显示 git 版本号 pip --version # 应显示 pip 版本号2.2 方案一手动安装ComfyUI推荐用于学习与自定义这种方式能让你最清楚地了解ComfyUI的依赖和结构方便后续排查问题。克隆官方仓库在你希望安装的目录如D:\AI\或~/AI/下打开终端执行git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI安装PyTorch与依赖这是最关键的一步需要根据你的操作系统和显卡选择正确的PyTorch版本。Windows (NVIDIA显卡)pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121macOS (Apple Silicon)使用Metal Performance Shaders (MPS) 后端以加速。pip install torch torchvision torchaudioWindows/macOS (仅CPU)如果没有独立显卡或NVIDIA显卡。pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu安装ComfyUI其余依赖在ComfyUI目录下运行pip install -r requirements.txt这个过程会下载安装大量Python包请保持网络通畅。下载基础模型ComfyUI本身不包含任何模型。你需要将Stable Diffusion模型文件放入指定文件夹。从Hugging Face或Civitai等网站下载你喜欢的.safetensors格式大模型。在ComfyUI根目录下创建models/checkpoints/文件夹。将下载的大模型文件如sd_xl_base_1.0.safetensors放入models/checkpoints/。同理VAE模型放入models/vae/LoRA模型放入models/loras/ControlNet模型放入models/controlnet/。首次运行在终端中进入ComfyUI目录执行python main.py如果一切顺利终端会输出本地访问地址通常是http://127.0.0.1:8188。在浏览器中打开此地址你将看到ComfyUI的节点编辑器界面。2.3 方案二使用秋叶大佬的整合包Windows快速启动对于Windows用户如果觉得手动安装复杂可以使用国内开发者“秋叶aaaki”制作的整合包它集成了Python环境、常用插件和基础模型解压即用。下载整合包在相关社区或发布页面找到“秋叶ComfyUI整合包”的最新版本并下载。解压与运行将下载的压缩包解压到任意不含中文和空格的路径如D:\ComfyUI_windows\。直接运行目录下的run_nvidia_gpu.batN卡或run_cpu.batCPU。注意事项整合包版本可能不是最新的ComfyUI主程序。如需更新可以按照整合包内的说明或手动进入其内部的ComfyUI文件夹执行git pull。整合包也预置了插件管理器方便后续安装插件。3. 核心插件安装与管理ComfyUI的强大功能很大程度上依赖于社区开发的插件。插件可以为你提供新的节点、模型支持或界面优化。3.1 使用ComfyUI Manager插件管理器这是管理插件最方便的工具强烈建议安装。安装Manager在ComfyUI根目录下打开终端执行cd custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Manager.git cd ComfyUI-Manager pip install -r requirements.txt重启ComfyUI关闭并重新运行python main.py。使用Manager在ComfyUI Web界面中你应该能看到一个新增的“Manager”按钮。点击进入即可在“Install Nodes”标签页中浏览、搜索和安装海量社区插件。在“Update”标签页可以更新所有已安装的插件和ComfyUI本身。3.2 手动安装常用核心插件有些插件可能不在Manager列表中或者你需要更手动地控制安装。以下是视频生成工作流可能需要的几个关键插件的手动安装方法。1. ComfyUI-Impact-Pack (功能强大的工具集)cd custom_nodes git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git cd ComfyUI-Impact-Pack pip install -r requirements.txt这个包包含了许多实用节点如图像预览、工具调用等。2. ComfyUI-AnimateDiff (动画扩散视频生成核心)cd custom_nodes git clone https://github.com/ArtVentureX/comfyui-animatediff.git cd comfyui-animatediff pip install -r requirements.txt安装后你还需要下载AnimateDiff运动模型.pth文件并放入models/animatediff/目录。3. ComfyUI-VideoHelperSuite (视频处理套件)cd custom_nodes git clone https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite.git这个插件提供了加载视频、拆分帧、合并帧等节点是处理视频输入输出的利器。安装任何插件后都需要重启ComfyUI服务才能生效。4. 节点部署与工作流基础操作安装好插件后新的节点就会出现在节点列表中。理解如何操作节点是构建工作流的关键。4.1 节点的基本操作添加节点在空白处右键 -Add Node然后在分类中寻找或在搜索框输入节点名称。连接节点拖动一个节点的输出“插座”圆圈到另一个节点的输入“插座”。节点参数每个节点都有可调整的参数如采样步数、CFG Scale等直接在节点框体内修改。组织工作流使用CtrlG可以将选中的节点编组方便管理复杂流程。使用W键添加注释框用于说明。4.2 解决“缺失节点”错误在导入他人分享的工作流时最常见的错误就是“Missing Nodes”缺失节点。这是因为你的环境中没有安装工作流所依赖的插件。错误提示通常会直接显示缺失的节点名称例如“MissingImpactPacknodes”。解决方案通过Manager安装如果提示的节点属于已知插件如ImpactPack可以直接去ComfyUI Manager中搜索并安装对应插件。手动查找安装根据缺失的节点名去ComfyUI的GitHub社区或相关插件网站搜索其所属的插件仓库然后按照上述手动安装步骤进行安装。使用安装命令有时错误信息会直接给出安装命令如“要安装缺失的节点请先在你的 python 环境中运行pip install -u --pre comfyui-m”。这时只需在ComfyUI的终端环境中执行该命令即可。4.3 保存与加载工作流保存点击界面上的Save按钮可以将当前的工作流保存为一个.json文件。加载点击Load按钮选择之前保存的.json文件即可完整还原整个工作流包括所有节点、连线和参数。加载图片附带工作流ComfyUI生成图片时可以将完整的工作流信息嵌入到PNG图片的元数据中。在“Save Image”节点生成的图片上拖入ComfyUI界面即可自动重建该图片的工作流这是学习和复现他人成果的绝佳方式。5. 实战构建视频漫剧生成工作流现在我们将利用已安装的环境和插件构建一个能够生成短视频片段的“漫剧”工作流。这个工作流将结合文生图、图生图、AnimateDiff运动控制等功能。5.1 工作流设计思路我们的目标是输入一段描述性提示词如“一个武士在樱花雨中缓缓拔刀”生成一个约3秒的短视频。流程大致如下使用大模型生成一张高质量的关键帧静态图。利用AnimateDiff为这张静态图注入合理的运动。使用Video Helper Suite将生成的图像序列编码为视频文件。5.2 分步构建工作流步骤1加载模型与提示词编码添加节点Load Checkpoint选择你的基础大模型。添加两个CLIP Text Encode (Prompt)节点分别连接到大模型的clip输出。一个输入正面提示词positive一个输入负面提示词negative。添加Empty Latent Image节点设置生成图像的宽高如512x768。步骤2生成初始静态图像添加KSampler节点。将Load Checkpoint的model连接至KSampler的model。将Empty Latent Image的latent连接至KSampler的latent_image。将正面和负面的CLIP Text Encode输出分别连接到positive和negative。设置采样器sampler如dpmpp_2m、调度器scheduler如karras、步数steps如20、CFG值如7.5。添加VAE Decode节点。将KSampler的LATENT输出连接至其输入将Load Checkpoint的vae输出连接至其vae输入。输出即为第一张静态图。步骤3注入动画AnimateDiff添加AnimateDiff Loader节点来自AnimateDiff插件。选择你下载的运动模型如mm_sd_v15_v2.ckpt设置总帧数如16和帧率如8fps这将生成2秒动画。我们需要将静态生成流程“动画化”。这里需要一个关键技巧使用AnimateDiff Uniform Context Options节点来设置动画上下文。将其连接到AnimateDiff Loader。修改KSampler我们需要使用支持动画的采样器。将原来的KSampler替换为AnimateDiffKSampler或类似名称取决于插件版本。这个节点会接收AnimateDiff Loader提供的运动参数。连接AnimateDiff Loader的motion_module到AnimateDiffKSampler的对应输入。AnimateDiffKSampler的输出将是一个包含多帧的“批处理”latent。步骤4解码视频帧并保存添加VAE Decode节点连接AnimateDiffKSampler输出的动画latent和VAE模型。这个节点会输出一个图像列表每帧一张图。添加Video Combine节点来自VideoHelperSuite插件。将VAE Decode输出的图像列表IMAGE连接至Video Combine的images输入。设置输出视频的帧率fps需与AnimateDiff设置一致如8。设置输出格式如mp4。指定输出文件名如samurai_blade.mp4。为了预览单帧可以从VAE Decode输出的图像列表中接一个Image Select节点来自Impact Pack或其他工具集选择其中一帧再连接到Preview Image节点。5.3 完整工作流示意图与排错由于无法直接展示图形界面上述流程的节点连接逻辑是关键。构建时请耐心遵循“数据流”从模型加载 - 提示词 - 潜空间 - 采样 - 解码 - 输出的顺序。常见问题与排错问题现象可能原因解决思路启动时提示缺少模块如cv2,acceleratePython依赖未安装完整在终端ComfyUI目录下尝试pip install opencv-python accelerate加载工作流后大量节点标红“Missing”缺少对应插件根据缺失节点名称使用ComfyUI Manager安装或手动安装对应插件。生成视频时爆显存OOM分辨率太高、帧数太多、运动模型太大降低Empty Latent Image的尺寸减少AnimateDiff总帧数尝试使用轻量版运动模型。生成的视频闪烁或不连贯CFG值过高、提示词冲突、运动模型不适配降低CFG值如从7.5降到5简化提示词尝试不同的运动模型。AnimateDiff节点找不到插件未正确安装或未重启确认comfyui-animatediff文件夹在custom_nodes内并已重启ComfyUI。6. 高级技巧与最佳实践掌握基础后这些技巧能帮助你提升效率和质量。6.1 工作流优化与模块化使用自定义节点组对于经常重复使用的节点组合如一个完整的LoRA应用流程可以将它们选中后右键选择Collapse to Group将其折叠为一个自定义节点方便复用。利用工作流模板将稳定可靠的工作流保存为模板。针对不同任务人像、风景、视频创建不同的基础模板在此基础上修改事半功倍。6.2 模型与文件管理规范目录结构在models目录下清晰分类存放各种模型。例如models/ ├── checkpoints/ # 大模型 ├── vae/ # VAE模型 ├── loras/ # LoRA模型 ├── controlnet/ # ControlNet模型 ├── animatediff/ # 运动模型 └── upscale_models/ # 超分模型定期清理缓存ComfyUI会在temp或output文件夹生成缓存文件。定期清理可以释放磁盘空间。6.3 性能调优Windows NVIDIA用户在extra_model_paths.yaml可能需要从示例文件复制创建中配置vae_path将VAE放在GPU上解码可以提升速度。macOS Apple Silicon用户确保PyTorch使用了MPS后端。如果遇到MPS相关错误可以尝试在启动命令前设置环境变量PYTORCH_ENABLE_MPS_FALLBACK1。使用--lowvram参数如果显存较小可以在启动命令中加入--lowvram或--gpu-only 0来优化显存使用。python main.py --lowvram6.4 视频生成专项优化控制网络ControlNet的应用对于视频可以使用ControlNet Apply节点对每一帧应用相同的姿势或边缘检测以保持角色或场景的一致性。这需要将图像序列连接到ControlNet处理器。提示词调度使用Prompt Schedule节点可以为不同的帧区间设置不同的提示词实现视频中场景或角色的渐变。帧间插值与补帧生成低帧率视频后可以使用FILM或RIFE等插值节点进行补帧使运动更加平滑。从手动安装环境、部署插件节点到构建出完整的视频生成工作流我们走完了ComfyUI从入门到实战的全过程。关键在于理解其节点化的工作流思想这不仅是工具的使用更是一种可视化编程的思维。遇到问题时善用ComfyUI Manager和社区资源如GitHub Issues、Discord频道大部分难题都能找到解决方案。下一步你可以探索更多高级插件如ComfyUI-Advanced-ControlNet、ComfyUI-InstantID等来增强控制能力也可以深入研究工作流的共享社区学习他人精妙的工作流设计。记住最好的学习方式就是动手复现、修改并创造属于自己的工作流。希望这份指南能成为你探索AI生成视觉世界的坚实起点。