刷到别人用AI生成的短视频第一反应往往是“这得什么显卡才跑得动”。我一开始也这么想直到自己手头那台 RTX 4060 笔记本跑通了第一条由 ComfyUI LTX-Video 生成的视频才意识到本地玩AI视频的入门门槛其实已经降到了消费级显卡能承受的范围。这篇就把我完整跑通的过程记录下来从装环境、下模型、搭工作流到最终导出成片全部基于 RTX 4060 8GB 显存实测所有步骤免费可复现适合第一次接触 AI 视频创作、以及想在本地部署 ComfyUI 的玩家照着做。先给结论我实测生成的文生视频参数是 512x768 分辨率、49 帧、20 步采样显存峰值约 6.2GB从点击“运行”到视频预览出现大概 4 分多钟。如果算上打开软件、加载模板、粘贴提示词的时间一条成片压进 5 分钟是完全能做到的。关键是这套流程不需要租服务器、不需要充 API模型和工具全部免费开源成本就是一台普通游戏本的电费。1. 为什么选LTX-Video消费级显卡的AI视频突破口1.1 LTX-Video到底是个什么模型LTX-Video 是 Lightricks 团队开源的一个视频生成模型核心架构是 DiTDiffusion Transformer但和市面上那些动辄几十 B 参数的视频大模型不同它只有 0.9B 参数属于轻量级选手。参数小意味着一件事显存占用和计算量都能压到消费级显卡能承受的范围。官方提供了 0.9 和 0.9.1 两个版本0.9 主打文生视频0.9.1 补上了图生视频能力ComfyUI 官方模板里已经内置了对应的节点不需要额外折腾插件。很多人可能会嘀咕参数这么小画质会不会很拉胯我实测下来的感受是LTX-Video 的强项在物体运动和镜头流畅度画面整体动态很自然不会出现早期那种人物一走路就“融化”的诡异效果。它在生成时会把视频压缩到极小的 latent 空间再逐步去噪相当于用更小的“中间画布”做动画最后再放大到目标分辨率。所以同样是 8GB 显存跑其他模型可能只够 14 帧LTX-Video 一次能生成 97 帧差出一个量级。1.2 为什么工作流要用ComfyUI而不是WebUI大多数接触AI绘画的人先用的是 Stable Diffusion WebUI但到了 AI 视频这一步我更推荐 ComfyUI。原因很直接视频生成是一条多阶段链路文本编码、条件对齐、潜在空间采样、Video Decode、视频合成每一环都可能出问题ComfyUI 把所有环节变成一个个可视化节点哪里有错一眼就能定位。举个例子WebUI 里你只能点一个“生成”按钮模型内部发生了什么都被封装起来了ComfyUI 里你可以明确看到采样前后各节点的输出也能自由替换某一个节点而不影响其他部分。这种灵活性在调视频参数时特别重要。比如我发现画面偏糊直接改 KSampler 的步数、换一下采样器类型试起来非常顺手。而且 ComfyUI 社区很活跃GitHub 上有大量别人分享的工作流 JSON下载下来拖进界面就能用“工作流分享”这件事已经成了一个资源生态新手没必要从零开始摸。1.3 RTX 4060 8GB显存真能跑吗直接说实测结论能跑但需要做一点取舍。我手上这台是 4060 Laptop8GB 显存属于当前游戏本里比较主流的配置。文生视频用 512x768竖屏接近手机短视频比例、49 帧、20 步显存峰值大约 6.2GB全程稳定不报错。如果硬拉到 768x768 加 97 帧显存占用会逼近 7.5GB有几次峰值直接顶到接近上限必须关掉浏览器和后台微信才能跑完。所以对这个显存规模我的建议是不要一上来就追求高分辨率大长视频先用低指标跑通流程稳定出片后再往上试探。其他显卡我也对比过朋友的数据3060 12GB 跑同样的流程余量很大帧数可以放心拉到 974060 8GB 做好参数管理完全够用。这篇教程后面给的那套参数组合就是我反复试出来在 4060 上最稳的“甜点配置”。2. 环境准备从零装好ComfyUI和LTX-Video2.1 ComfyUI安装方式怎么选新手第一道坎基本都是安装环节。ComfyUI 的常见安装方式有三类我分别说下适用人群官方桌面版ComfyUI Desktop一键安装自带 Python 运行环境和依赖图形界面做得不错还能自动更新版本。适合完全不想碰命令行的朋友。官方便携版portable下载解压后运行启动脚本路径干净想自己掌控环境的人会喜欢这个。缺点是要自己装依赖稍微多几步。社区整合包比如“秋叶ComfyUI一键整合包”启动器里集成了模型管理、节点管理、版本切换对新手最友好。网上搜“comfyui秋叶整合包”能直接找到下载入口体积比较大但用着省心。我自己用的是官方便携版因为之前跑 Stable Diffusion 习惯了手动管理环境。如果你是第一次接触直接选整合包或桌面版就行先把流程跑通比什么都重要。无论选哪种有一个原则必须记住安装路径不要带中文和空格尽量放在纯英文目录比如 D:\ComfyUI。这不是玄学很多 Python 项目对中文路径支持不好我见过太多因为装在桌面“新建文件夹”里导致的 C 依赖安装失败问题。2.2 模型文件下载与正确摆放模型是整套方案的关键。LTX-Video 模型需要从 HuggingFace 的 Lightricks/LTX-Video 仓库下载主要文件是一个 safetensors 格式的模型权重同时还需要配套的 VAE 和文本编码器。如果你的整合包自带模型下载功能直接在启动器里搜索 LTXV 就能拉下来用桌面版的话也有内置的模型管理入口。手动下载的话放对目录很关键。ComfyUI 启动后会扫描固定的模型目录文件放错了节点里就找不到扩散模型放ComfyUI/models/checkpoints 或 models/diffusion_modelsVAE 放ComfyUI/models/vae文本编码器放ComfyUI/models/text_encoders版本选择上8GB 显存优先下载 fp8 量化版本显存占用友好很多bf16 原版画质理论更好但 4060 跑起来容易爆显存没必要纠结。国内访问 HuggingFace 有时候比较慢可以用国内镜像站点加速这类镜像在 B 站、知乎的教程里都能找到下载速度能快好几倍。模型放好后不用重启 ComfyUI刷新页面后在节点里重新选一次模型就能扫到。2.3 确认LTX-Video节点已经就绪ComfyUI 从较新的版本开始已经把 LTXV 系列节点内置到内核里了不需要额外装插件。打开界面后用鼠标双击空白处弹出节点搜索框输入 LTXV如果能看到 LTXVSampler、LTXVImageToVideo、LTXVEmptyLatentVideo 这些节点说明内核已经支持。找不到的话先升级 ComfyUI 到最新版本再看。还有一个省事的路径直接在主菜单点“工作流 - 浏览模板”选一个 LTXV 相关的官方模板。模板加载后整条链路已经连好了你要做的只是改模型路径和提示词。这种方式对新手最友好先跑通了再逐步理解每个节点的作用。我这次实测就是从官方模板出发的前后不到两分钟就把节点链路准备好了。3. 文生视频工作流搭建与参数详解3.1 核心节点与连接顺序先讲清楚文生视频工作流最核心的链路节点顺序如下加载模型用 UNETLoader 或 CheckpointLoaderSimple 加载 LTX-Video 模型这一步决定后续所有节点能用的“原料”。文本编码用两个 CLIPTextEncode 节点分别写正向提示词和负向提示词输出的是模型能理解的文本特征。初始化视频 latent用 LTXVEmptyLatentVideo 生成空的视频 latent需要指定宽度、高度和帧数。条件对齐把文本特征和 latent 对齐这一步通常由 LTXVConditioning 或 VideoLinearCFGGuidance 节点完成。采样去噪KSampler 是核心负责在 latent 空间逐步生成视频内容所有关键参数都在这里调整。VAE 解码用 VAEDecode 把 latent 解码成真正的图像帧序列。合成导出用 SaveVideo 或 VideoCombine 把帧序列合成为 mp4 文件。在 ComfyUI 里操作就是在节点右侧的接口拖线到下一个节点左侧接口系统会自动判断类型是否匹配。新手常犯的错误是漏接 VAE或者把文本编码器接到了图像节点上导致运行时报“类型不匹配”。最稳的路线是用官方模板跑通一次然后对照上面的链路理解每一步在干嘛后面想改就改。3.2 参数逐个讲清楚分辨率、帧数、采样器、CFG直接给一套我在 RTX 4060 上实测稳定的参数组合然后解释每个参数为什么这么设参数推荐值说明分辨率512x768 或 768x512能被32整除长边尽量不超过768帧数49起步97进阶帧数直接决定耗时和显存压力采样器EulerLTX官方模板默认兼容性好调度器Beta和Euler搭配最稳画面闪烁少采样步数20步15步出形20步细节够用30步收益很低CFG2.5左右建议控制在2到3之间别调太高batch_size18GB显存别尝试多批量这里解释几个容易踩坑的点。分辨率必须能被 32 整除这是 latent 空间压缩算法的硬性要求比如 512x768、768x512、768x768 都可以你写个 540x960 这种非标准尺寸生成时大概率直接报维度错误。帧数方面 LTX-Video 默认生成逻辑是 49 帧约 2 秒、97 帧约 4 秒24fps想更长就得做多段拼接不要试图一步生成 200 帧显存和耗时都受不了。CFG 是很多人调不明白的参数。LTX-Video 对提示词的响应方式和经典 SD 模型不太一样CFG 太高会出现画面过饱和、边缘发糊、颜色乱跳的问题。我实测 2.5 左右最舒服你如果不确定就从 2 开始往 3 慢慢试找到画面稳定和提示词跟随的平衡点。步数方面 20 步是个甜点15 步画面躁点明显一些30 步耗时多 50% 但画质提升几乎看不出来4060 上没必要浪费这个时间。3.3 一套能直接抄的提示词模板LTX-Video 对提示词的响应比较平稳不需要写太复杂的格式。我实测下来最好用的结构是“主体与环境 运动细节 风格描述”三段式比如正面提示词一个女孩在雨天的街道上撑伞行走霓虹灯倒映在湿漉漉的地面上相机跟随人物缓慢推进雨滴落在伞面溅起水花电影感浅景深低角度灯光超写实风格负面提示词blurry, low quality, distorted, flickering, watermark这里有个小技巧运动描述放在提示词中间偏后的位置视频模型对镜头运动的响应会比纯场景描述更敏感。我试过把“相机跟随缓慢推进”放在开头和放在结尾两种写法放在中后段时镜头运动更明显。网上有人整理的“AI生成视频提示词大全”基本也是这个套路——场景、主体动作、镜头移动、光线氛围、画质关键词五件套缺一不可。再给两套可以直接复制的示例。想要赛博朋克风一个机械义肢改造人站在霓虹闪烁的夜市中镜头从下往上缓慢摇移雨水和蒸汽弥漫荧光紫与青色灯光交错高细节电影级光影。想要自然风景无人机视角掠过雪山湖泊云海翻涌阳光从云层缝隙射下镜头平稳加速前进超清航拍大气磅礴。这两套我都跑成功过按照这个格式去替换自己的场景描述就行。4. 实操过程实录RTX 4060跑通第一条AI视频4.1 完整操作步骤记录下面就是我实际走的流程照做就行。打开 ComfyUI 启动器启动服务后浏览器会自动打开工作台界面。点击顶部菜单“工作流 - 浏览模板”找 LTXV 相关的官方模板加载界面会展开一串已经连好的节点。检查模型选择器里的模型名确保和本地已经下载的 LTX-Video 文件一致。不一致就重新选一遍。把提示词粘贴到正向提示词节点负面提示词留默认即可。参数调整分辨率 512x768帧数 49步数 20CFG 2.5。点击右侧“运行”按钮观察底部日志输出每经过一个节点都会打印一行状态。等待生成完成画面预览区域会直接播放视频。满意就点 SaveVideo 节点保存或者从预览上右键另存为。打开 ComfyUI/output 目录检查文件默认生成的 mp4 就在那里。第一次跑的时候最容易卡的是第二步和第三步。模板加载进来后默认引用的模型名可能和你本地的不一样一定要去模型选择器里手动切换一次。我第一次没注意点了运行直接报“model not found”找了半天才发现是这个问题。另外帧数设置后要确认节点里没有残留的旧参数ComfyUI 有缓存改动后最好点一下“重置”再运行。4.2 实测数据与效果观察给一组我这台 RTX 4060 的实际数据给大家参考显卡RTX 4060 Laptop 8GB显存占用峰值约 6.2GB视频参数512x76849帧约2秒20步CFG 2.5生成耗时4分12秒导出格式H.264 编码 mp424fps我也做了几组对比测试感受挺直观。帧数从 49 升到 97 时显存占用能到 7.5GB 左右耗时长了一倍不止接近 9 分钟而且中途浏览器必须完全关掉否则大概率 OOM。步数从 20 降到 15 时耗时能压到 3 分钟出头但画面里的躁点能明显看出来。所以我现在的工作习惯是先用 49 帧、20 步反复调提示词和镜头把画面效果确认了再升到 97 帧出正式版。4.3 图生视频玩法让照片动起来0.9.1 版本支持图生视频之后LTX-Video 的玩法一下多了一个维度。工作流和文生视频很接近只要把 LTXVEmptyLatentVideo 节点换成 LTXVImageToVideo 节点再加一个 LoadImage 节点加载起始图片就行。图生视频适合拿现成的照片或者 AI 生成图片做“动态化”画面构图有了图片打底生成时不会像文生视频那样出现主体乱跑的问题。我第一次试用图生视频时把自己画的一张赛博朋克城市概念图变成了镜头缓缓扫过的航拍片段虽然原图是静态的但生成的水面倒影和云层流动让整张图“活”了。这里提醒一个关键点输入图片的尺寸必须能被 32 整除否则节点会报维度错误。我习惯先用 Python 脚本或在线工具把图片统一处理成 512x768 或 768x512 再丢进去。5. 翻车现场新手最容易踩的坑5.1 问题速查表我把自己实际遇到和帮朋友排查过的问题整理成一张速查表遇到问题先对着看现象原因应对方案运行一会提示 CUDA out of memory显存不够降分辨率、降帧数、换fp8模型、关掉占显存的后台程序生成画面纯黑或全是噪点VAE加载异常或提示词为空检查VAE是否接入正面提示词写一句最简单的描述视频闪烁、颜色乱跳CFG过高或采样器不匹配CFG降到2-3采样器用Euler加Beta调度器点击生成报 model not found模型文件放错目录或没下完整检查文件是否在 models/checkpoints重新下载生成时间异常长PyTorch装了CPU版确认安装的是CUDA版pytorch跑起来差十几倍视频文件保存不了输出目录无写入权限检查 ComfyUI/output 路径权限5.2 显存不足的标准处理流程显存不足是所有 8GB 显卡玩家最常碰到的敌人。我总结了一个按顺序排查的方法能解决 90% 以上的 OOM 问题先降分辨率从 512x768 降到 512x512再降帧数从 97 降到 49不行就检查模型是不是 fp8 版本bf16 换成 fp8 能省出接近 1GB 显存最后关浏览器、关录屏软件、关掉各种后台管家。还有一个经常被忽略的点确认 PyTorch 版本是 CUDA 版。很多整合包默认装的是 CPU 版能跑但速度慢十几倍有的人跑一条几分钟的视频要等一小时还以为是显卡不够好。查看方法很简单在 ComfyUI 日志的启动信息里看有没有 CUDA 字样或者用 nvidia-smi 确认驱动正常。5.3 视频画质不够好怎么优化生成出来的视频觉得糊、细节差先别急着怪显卡多数是生成策略的问题。我按照这几个顺序调先把步数从 20 提到 25 到 30画面锐度会有改善再检查提示词里有没有写清楚光线和镜头运动这两个信息对画质影响比想象中大最后考虑降总帧数同样分辨率下帧数越低每帧分配到的计算资源越充足画面会更稳定。另外要认清 LTX-Video 的模型特性。它的强项是运动和镜头流畅度弱项是精细纹理比如画面里的小字、密集的人群、远处的树叶这类元素容易糊成一团。我实测生成一个满是霓虹灯招牌的夜市场景时远距离招牌文字几乎全糊了这属于模型能力上限不是参数问题。想要这类细节就得借助后期插帧、超分模型或者分段拆开生成。6. 在4060上还能再榨出多少性能6.1 让显存更省的小技巧除了换 fp8 版本和调参ComfyUI 的设置里也藏着一些省显存开关。在设置中开启低显存相关选项后系统会自动清理不再使用的中间节点把显存释放给后续计算。另外生成过程中尽量避免同时开视频网站、直播软件这些程序在显卡上都有显存占用叠加起来一下子就超了。如果你是笔记本用户还有两个特别提醒一定要插电源跑别用电池模式否则独显性能和显存频率都会被限制去显卡驱动设置里把 ComfyUI 指定为“高性能”模式避免系统默认用集显。这两个细节我注意到之后同参数生成耗时能差出将近一分钟。6.2 提速参数组合低参开路、高参定稿想要“快速出片”做验证我用过一套极限参数组合分辨率 512x512、帧数 33、步数 15。这套配置在 4060 上能把生成时间压到 1 分半左右虽然画质粗糙一点但用来验证提示词和镜头设计完全够用。等画面方向确定了再切回 49 帧、20 步出正式版。这种方式我称之为“低参开路、高参定稿”是一个人单卡用户非常实用的工作流策略。AI 视频生成不像渲染单个图片可以疯狂试错每一次完整生成都要等几分钟十分钟内能试多少套提示词基本决定了你的创作效率。用低参数快速迭代创意用高参数保证最终输出是我踩了很多次“硬等 10 分钟结果发现提示词写歪了”的坑之后总结出来的。6.3 还能往哪个方向进阶跑通基础流程后可以玩的进阶方向其实很多。社区里已经有不少复杂的工作流分享比如多镜头拼接、首尾帧控制、提示词动态变化这些都是在基础链路上加节点实现的。你也可以把生成的素材丢进剪映、Premiere 里做二次剪辑配音我认识的几个做短视频的朋友就是用本地 ComfyUI 生成素材加手动剪辑的流程把一条 30 秒口播号的素材成本压到了几乎为零。ComfyUI 还提供了 API 接口可以把生成流程封装成 HTTP 服务写个小工具批量生成视频素材相当于自己搭了一个小型的 AI 视频创作平台。这个方向需要一点代码基础但真做出来之后实用性很强不需要每次都在图形界面里手动操作。最后说点个人体会。我刚开始玩 ComfyUI 的时候最崩溃的半小时就是研究模型路径和节点连接总觉得自己是不是少装了什么东西后来发现其实流程特别直接——装环境、下模型、加载模板、改参数、点生成。这个东西真正卡人的地方是“第一次是不是有人把路径讲清楚”所以我写下这篇希望你能少走我走过的弯路。AI 视频创作发展到今天工具层面已经非常便宜了剩下的就是你的想法和耐心。你现在拿着这台 4060按这篇教程的节奏跑通一遍后面就会发现做自己的第一条 AI 视频真的没那么难。