第一步上手 ComfyUI 超快下载安装下载官方的 Windows 整合包ComfyUI_windows_portable.7z直接解压就行可以放在你原来的 stable-diffusion-webui 平级目录里。共享模型关键步骤这样就不用把模型文件再复制一遍白白浪费上百GB的硬盘空间。找到 ComfyUI 目录下的 extra_model_paths.yaml.example 文件。把它复制一份重命名为 extra_model_paths.yaml。用记事本打开这个文件找到 base_path: 这一行把路径改成你的WebUI 根目录路径比如 E:/stableDiffusion/stable-diffusion-webui然后保存。这样 ComfyUI 就能直接读取你原来所有的模型了。启动 ComfyUI解压后的文件夹里有 run_nvidia_gpu.bat 脚本双击启动等待浏览器自动打开 ComfyUI 界面。 第二步生成你的第一个视频 Demo我们来搭建一个最简单的AnimateDiff 文生视频工作流。清空画布启动后先点菜单栏的 Manager管理器更新 ComfyUI 核心和插件到最新版。然后在画布右键 → 选择 Clear All清空所有节点用一张干净画布开始。安装扩展点击顶部菜单栏的 Manager → Install Custom Nodes安装自定义节点在搜索框中输入并安装以下两个插件ComfyUI-AnimateDiff-EvolvedVideoHelperSuite安装完成后需要重启 ComfyUI。开始搭建工作流在空白画布双击鼠标会弹出搜索框依次搜索并添加下列核心节点CheckpointLoaderSimple → 加载基础模型。CLIPTextEncode →添加两个一个正向提示词一个负向提示词。EmptyLatentImage → 设置视频画幅。ADE_AnimateDiffLoaderGen1 → 选择运动模块如 mm_sd_v15_v2.ckpt。ADE_UseEvolvedSampling → 配置采样参数。KSampler → 核心采样器。VAEDecode → 将潜空间数据解码为图像。VHS_VideoCombine来自VideoHelperSuite → 把序列帧合并成视频。连接工作流每个节点左边是输入接口右边是输出接口按以下顺序把同级接口连起来直接通过鼠标点击后拉取即可连线不要通过节点的下图红框的图标这个不是连线的意思是取消的隐藏节点的意思如果不小心操作了再点击取消即可CheckpointLoaderSimple 的 MODEL → ADE_AnimateDiffLoaderGen1 的 MODELCheckpointLoaderSimple 的 CLIP → 两个 CLIPTextEncode 的 CLIPCheckpointLoaderSimple 的 VAE → VAEDecode 的 VAEADE_AnimateDiffLoaderGen1 的 MODEL → ADE_UseEvolvedSampling 的 MODELADE_UseEvolvedSampling 的 MODEL → KSampler 的 MODELEmptyLatentImage 的 LATENT → KSampler 的 LATENT_IMAGE两个 CLIPTextEncode 的 CONDITIONING 分别连接 KSampler 的 POSITIVE / NEGATIVEKSampler 的 LATENT → VAEDecode 的 LATENTVAEDecode 的 IMAGE → VHS_VideoCombine 的 IMAGES设置参数新手友好值CheckpointLoaderSimple选择你的 SD 1.5 模型比如 v1-5-pruned-emaonly.safetensors。正向提示词 (Positive Prompt)a cute puppy running on a beautiful beach, high quality, smooth motion。负向提示词 (Negative Prompt)low quality, blurry, distorted, deformed, ugly。EmptyLatentImagewidth 填 512height 填 512batch_size 填 16代表生成16帧。ADE_AnimateDiffLoaderGen1在 motion_model 选项中选择 mm_sd_v15_v2.ckpt。ADE_UseEvolvedSampling保持默认即可。KSamplersteps 填 25cfg 填 7.5sampler_name 选 euler_ancestral。VHS_VideoCombineframe_rate 填 8代表每秒8帧会生成2秒视频format 选 video/h264-mp4。参数设置之后将模型文件放到 C:\Users\jiao_\AppData\Local\Programs\ComfyUI\resources\ComfyUI\models目录下修改配置文件保证运动模型可被加载comfyui:base_path: C:/Users/jiao_/AppData/Local/Programs/ComfyUI/resources/ComfyUIanimatediff_models: |如果点击箭头按钮能选择到模型则成功生成在右侧面板点击 Queue Prompt添加任务到队列按钮一个2秒钟的AI视频就开始生成了。生成的 .mp4 文件会默认保存在 ComfyUI 的 output 文件夹中。最终生成的视频可以说更像是几张图片的罗列并没有连贯性和故事性。实际上是有点类似于gif图片的感觉。没关系我们先让图片动起来后面的文章我们详细再进行优化逐步优化成一个可以作为动物主播的工作流。 第三步管理你的“黑科技”工作流成功跑通后你肯定想保存这来之不易的成果。保存工作流点击菜单栏的 Workflow → Save把当前画布保存为一个 .json 文件。加载工作流下次使用时直接将 .json 文件拖入 ComfyUI 界面所有节点和参数都会自动还原。保存后所在路径C:\Users\jiao_\Documents\ComfyUI\user\default\workflows之后从该路径加载 第四步原理解析理解为什么这样连接AnimateDiff的核心思想它并不是“先生成很多图再拼起来”而是在采样阶段把一组16帧的潜空间数据latent作为一个整体去生成。这样模型就能“知道”前后帧的关系从而产生平滑的运动。关键节点解密ADE_AnimateDiffLoaderGen1负责将运动模块“注入”到基础模型中赋予其生成连续帧的能力。ADE_UseEvolvedSampling将标准的采样器“升级”为能处理视频序列的“进化版”采样器。VHS_VideoCombine核心任务是把解码后的图像序列组合成一个常见的视频文件如 .mp4。⚡️ 8GB显存生存指南速度与效率拉满对于你的 8GB 显存 RTX 5060用 ComfyUI 玩视频生成有一些优化技巧用FP8精度模型有些模型如 Wan 2.2提供 FP8 精度的版本fp8_scaled相比 FP16 版本能显著降低显存占用而画质损失微乎其微。启用异步卸载在显存不够时自动把部分模型搬到内存里保证不报错。用更高效的新模型除了 AnimateDiff也可以关注一下更新的视频模型比如Wan 2.2和LTX-Video。LTX-Video 效率非常高在 8GB 显卡上几分钟就能出一个视频。导入工作流报错怎么办如果提示“节点缺失”先去 Manager → Install Missing Custom Nodes安装缺失节点通常就能一键解决。目前搭建的最小化工作流还比较基础你可以把这个 .json 工作流发给我看看我能帮你加点高级功能像ControlNet 精准控姿势或者放大输出尺寸一步步把你的 AI 视频做得更炫酷
ComfyUI 如何生成视频，demo
发布时间：2026/5/23 9:26:07
第一步上手 ComfyUI 超快下载安装下载官方的 Windows 整合包ComfyUI_windows_portable.7z直接解压就行可以放在你原来的 stable-diffusion-webui 平级目录里。共享模型关键步骤这样就不用把模型文件再复制一遍白白浪费上百GB的硬盘空间。找到 ComfyUI 目录下的 extra_model_paths.yaml.example 文件。把它复制一份重命名为 extra_model_paths.yaml。用记事本打开这个文件找到 base_path: 这一行把路径改成你的WebUI 根目录路径比如 E:/stableDiffusion/stable-diffusion-webui然后保存。这样 ComfyUI 就能直接读取你原来所有的模型了。启动 ComfyUI解压后的文件夹里有 run_nvidia_gpu.bat 脚本双击启动等待浏览器自动打开 ComfyUI 界面。 第二步生成你的第一个视频 Demo我们来搭建一个最简单的AnimateDiff 文生视频工作流。清空画布启动后先点菜单栏的 Manager管理器更新 ComfyUI 核心和插件到最新版。然后在画布右键 → 选择 Clear All清空所有节点用一张干净画布开始。安装扩展点击顶部菜单栏的 Manager → Install Custom Nodes安装自定义节点在搜索框中输入并安装以下两个插件ComfyUI-AnimateDiff-EvolvedVideoHelperSuite安装完成后需要重启 ComfyUI。开始搭建工作流在空白画布双击鼠标会弹出搜索框依次搜索并添加下列核心节点CheckpointLoaderSimple → 加载基础模型。CLIPTextEncode →添加两个一个正向提示词一个负向提示词。EmptyLatentImage → 设置视频画幅。ADE_AnimateDiffLoaderGen1 → 选择运动模块如 mm_sd_v15_v2.ckpt。ADE_UseEvolvedSampling → 配置采样参数。KSampler → 核心采样器。VAEDecode → 将潜空间数据解码为图像。VHS_VideoCombine来自VideoHelperSuite → 把序列帧合并成视频。连接工作流每个节点左边是输入接口右边是输出接口按以下顺序把同级接口连起来直接通过鼠标点击后拉取即可连线不要通过节点的下图红框的图标这个不是连线的意思是取消的隐藏节点的意思如果不小心操作了再点击取消即可CheckpointLoaderSimple 的 MODEL → ADE_AnimateDiffLoaderGen1 的 MODELCheckpointLoaderSimple 的 CLIP → 两个 CLIPTextEncode 的 CLIPCheckpointLoaderSimple 的 VAE → VAEDecode 的 VAEADE_AnimateDiffLoaderGen1 的 MODEL → ADE_UseEvolvedSampling 的 MODELADE_UseEvolvedSampling 的 MODEL → KSampler 的 MODELEmptyLatentImage 的 LATENT → KSampler 的 LATENT_IMAGE两个 CLIPTextEncode 的 CONDITIONING 分别连接 KSampler 的 POSITIVE / NEGATIVEKSampler 的 LATENT → VAEDecode 的 LATENTVAEDecode 的 IMAGE → VHS_VideoCombine 的 IMAGES设置参数新手友好值CheckpointLoaderSimple选择你的 SD 1.5 模型比如 v1-5-pruned-emaonly.safetensors。正向提示词 (Positive Prompt)a cute puppy running on a beautiful beach, high quality, smooth motion。负向提示词 (Negative Prompt)low quality, blurry, distorted, deformed, ugly。EmptyLatentImagewidth 填 512height 填 512batch_size 填 16代表生成16帧。ADE_AnimateDiffLoaderGen1在 motion_model 选项中选择 mm_sd_v15_v2.ckpt。ADE_UseEvolvedSampling保持默认即可。KSamplersteps 填 25cfg 填 7.5sampler_name 选 euler_ancestral。VHS_VideoCombineframe_rate 填 8代表每秒8帧会生成2秒视频format 选 video/h264-mp4。参数设置之后将模型文件放到 C:\Users\jiao_\AppData\Local\Programs\ComfyUI\resources\ComfyUI\models目录下修改配置文件保证运动模型可被加载comfyui:base_path: C:/Users/jiao_/AppData/Local/Programs/ComfyUI/resources/ComfyUIanimatediff_models: |如果点击箭头按钮能选择到模型则成功生成在右侧面板点击 Queue Prompt添加任务到队列按钮一个2秒钟的AI视频就开始生成了。生成的 .mp4 文件会默认保存在 ComfyUI 的 output 文件夹中。最终生成的视频可以说更像是几张图片的罗列并没有连贯性和故事性。实际上是有点类似于gif图片的感觉。没关系我们先让图片动起来后面的文章我们详细再进行优化逐步优化成一个可以作为动物主播的工作流。 第三步管理你的“黑科技”工作流成功跑通后你肯定想保存这来之不易的成果。保存工作流点击菜单栏的 Workflow → Save把当前画布保存为一个 .json 文件。加载工作流下次使用时直接将 .json 文件拖入 ComfyUI 界面所有节点和参数都会自动还原。保存后所在路径C:\Users\jiao_\Documents\ComfyUI\user\default\workflows之后从该路径加载 第四步原理解析理解为什么这样连接AnimateDiff的核心思想它并不是“先生成很多图再拼起来”而是在采样阶段把一组16帧的潜空间数据latent作为一个整体去生成。这样模型就能“知道”前后帧的关系从而产生平滑的运动。关键节点解密ADE_AnimateDiffLoaderGen1负责将运动模块“注入”到基础模型中赋予其生成连续帧的能力。ADE_UseEvolvedSampling将标准的采样器“升级”为能处理视频序列的“进化版”采样器。VHS_VideoCombine核心任务是把解码后的图像序列组合成一个常见的视频文件如 .mp4。⚡️ 8GB显存生存指南速度与效率拉满对于你的 8GB 显存 RTX 5060用 ComfyUI 玩视频生成有一些优化技巧用FP8精度模型有些模型如 Wan 2.2提供 FP8 精度的版本fp8_scaled相比 FP16 版本能显著降低显存占用而画质损失微乎其微。启用异步卸载在显存不够时自动把部分模型搬到内存里保证不报错。用更高效的新模型除了 AnimateDiff也可以关注一下更新的视频模型比如Wan 2.2和LTX-Video。LTX-Video 效率非常高在 8GB 显卡上几分钟就能出一个视频。导入工作流报错怎么办如果提示“节点缺失”先去 Manager → Install Missing Custom Nodes安装缺失节点通常就能一键解决。目前搭建的最小化工作流还比较基础你可以把这个 .json 工作流发给我看看我能帮你加点高级功能像ControlNet 精准控姿势或者放大输出尺寸一步步把你的 AI 视频做得更炫酷
