news 2026/8/7 11:56:35

ComfyUI从零安装到视频生成：双系统部署与节点工作流实战指南

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
ComfyUI从零安装到视频生成：双系统部署与节点工作流实战指南

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ComfyUI？

ComfyUI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：

  1. 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。
  2. 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。
  3. 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。
  4. 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Git

Windows系统：

  1. 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”。
  2. 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：

  1. 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)"
  2. 安装Python和Git：继续在终端中执行以下命令。
    brew install python@3.10 git
    对于Apple Silicon (M1/M2/M3) Mac，Homebrew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PowerShell，macOS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。

  1. 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

  2. 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/cu121
    • macOS (Apple Silicon)：使用Metal Performance Shaders (MPS) 后端以加速。
      pip install torch torchvision torchaudio
    • Windows/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

  3. 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。

  4. 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/。

  5. 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。

  1. 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。
  2. 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.bat（N卡）或run_cpu.bat（CPU）。
  3. 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。

  1. 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
  2. 重启ComfyUI：关闭并重新运行python main.py。
  3. 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Ctrl+G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。

  1. 错误提示：通常会直接显示缺失的节点名称，例如“MissingImpactPacknodes”。
  2. 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：

  1. 使用大模型生成一张高质量的关键帧（静态图）。
  2. 利用AnimateDiff为这张静态图注入合理的运动。
  3. 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

  1. 添加节点Load Checkpoint，选择你的基础大模型。
  2. 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）。
  3. 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

  1. 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）。
  2. 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）

  1. 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）。
  2. 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。
  3. 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。
  4. 连接AnimateDiff Loader的motion_module到AnimateDiffKSampler的对应输入。
  5. 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

  1. 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）。
  2. 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）。
  3. 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,accelerate）Python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_FALLBACK=1。
  • 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 --lowvram

6.4 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。

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/8/7 11:53:52

缓存机制，同样的问题不要让大模型回答两次

缓存机制，同样的问题不要让大模型回答两次 上一篇聊异步，把执行速度提上去了。速度提上去，账单也跟着涨。每个请求都打到大模型，哪怕问的是一模一样的问题，模型还是老老实实算一遍，token照烧。这篇就聊缓存…

作者头像 李华
网站建设 2026/8/7 11:53:07

5分钟快速找回Navicat数据库密码：开源解密工具完全指南

5分钟快速找回Navicat数据库密码：开源解密工具完全指南 【免费下载链接】navicat_password_decrypt 忘记navicat密码时,此工具可以帮您查看密码 项目地址: https://gitcode.com/gh_mirrors/na/navicat_password_decrypt 你是否曾经因为忘记Navicat中保存的数…

作者头像 李华
网站建设 2026/8/7 11:52:55

阿里云域名与HTTPS配置全攻略：从零到一搭建安全网站

1. 从零到一：为什么你需要一个带HTTPS的域名最近帮几个刚入行的朋友处理服务器上线的事情，发现一个挺普遍的现象：很多人代码写得不错，服务也跑起来了，但一到要对外发布，在域名和HTTPS配置这块就卡壳了。要么…

作者头像 李华
网站建设 2026/8/7 11:51:50

终极网盘下载加速指南：9大平台直链下载助手完整教程

终极网盘下载加速指南：9大平台直链下载助手完整教程 【免费下载链接】Online-disk-direct-link-download-assistant 一个基于 JavaScript 的网盘文件下载地址获取工具。基于【网盘直链下载助手】修改 ，支持 百度网盘 / 阿里云盘 / 中国移动云盘 / 天翼云…

作者头像 李华
网站建设 2026/8/7 11:46:28

RISC-V MCU开发实战：从GD32VW553评估板到无线物联网应用

1. 项目概述：从一块评估板开始的RISC-V探索之旅 最近在捣鼓一块新板子——兆易创新的GD32VW553H-EVAL评估板。这玩意儿挺有意思，它搭载的GD32VW553系列MCU，是兆易创新基于RISC-V内核的无线微控制器。对于习惯了ARM Cortex-M生态的开发者来说&…

作者头像 李华
网站建设 2026/8/7 11:46:04

【免费下载】数学与应用数学领域的书籍

代数学 四元数代数： https://link.springer.com/book/10.1007/978-3-030-56694-4 分析学 https://math-books.github.io/theory/(Math%20Book)%20Mathematical%20Analysis%2C%202nd%20Edition%20(Tom%20M.%20Apostol)%20(1974).pdf https://invent.ilmkidunya.com/i…

作者头像 李华