本地大模型当导演：自己跑 AI 出图与 AI 视频#

2.1 决定性因素是显存，不是内存#

AI 出图吃的是 GPU 显存，不是内存，显存决定了你能跑多大的模型，也决定了会不会跑到一半崩掉。

查显存：

8GB 是门槛线，也是 26 年做本地 AI 出图的实际起步线。

2.2 没有 N 卡怎么办#

三条路：

1. Mac 用户，ComfyUI 支持 Apple 芯片的 MPS 加速，出图能出，就是慢，视频基本别想。
2. 没独显的可以用 CPU 跑，慢到没法用，只适合验证软件装没装对。
3. 用云端服务，官方的 Comfy Cloud、RunComfy 都是浏览器里直接开，算力在人家机房。

2.3 磁盘留够#

这一点特别容易被忽略，模型是真的大。

装之前在空间大的盘上留出 100GB，别装 C 盘，玩得多一点，两三百 GB 很正常。

3.1 三种装法，选哪个#

给小白的建议：用秋叶整合包。理由是它内置了 Python 环境、内置了节点管理器、国内下载快，而且规避掉了一堆手动安装会遇到的报错。

手动装不是不行，但你需要懂 git、懂 Python 环境管理、还得会换源，不适合小白。

3.2 装完立刻做两件事#

第一件：确认节点管理器在

节点管理器叫 ComfyUI Manager，是插件的应用商店。秋叶整合包自带，官方 Desktop 版在菜单里叫管理扩展。

它能干这些活：装和卸自定义节点、一键补齐工作流缺的节点、下载模型、更新 ComfyUI 本体。

后面第 5 章和第 7 章会反复用到它，现在先确认菜单里能找到。

手动安装版没有的话，命令行进 ComfyUI/custom_nodes 目录执行：

1
git clone https://github.com/ltdrdata/ComfyUI-Manager

装完完整重启 ComfyUI。

第二件：切成中文

点设置里的齿轮，找到语言选项，选中文，界面会重新加载。

如果出现只汉化了一半的情况，多半是版本问题，在启动器里退回上一个版本通常就好了。

3.3 模型该放哪个文件夹#

这张表是整篇最该收藏的东西之一。模型放错文件夹，ComfyUI 就是找不到，下拉菜单里空空如也，新手一半的困惑来自这里。

两个提醒：

1. 放完模型如果 ComfyUI 正在运行，要点刷新按钮或者按 R 键刷新，不然识别不到新文件
2. 优先下 .safetensors 格式，部分 .bin 格式不支持

4.1 六个方块，串起来读成一句话#

默认工作流一共六个节点，从左往右读，它就是一句完整的话：

1
加载模型 → 把提示词翻译成信号 → 准备一张空白画布 → 采样出图 → 解码成像素 → 存盘

对应到界面上：

一个常见困惑：怎么知道哪个是正面提示词？

看连线。上面那个框的输出接到了 KSampler 的 positive 接口，它就是正面；下面那个接到 negative，就是负面。

决定它是正是负的是接线，不是位置，也不是颜色。

4.2 真的跑一次#

1. 在 Load Checkpoint 节点点模型名，从下拉里选一个大模型（下拉是空的说明模型没放对目录，回第 3 章）
2. 在正面提示词框里随便写点什么，比如 a cat wearing sunglasses, sitting on a beach, sunset
3. 点右上角的 Run，或者按 Ctrl+Enter

等几十秒，Save Image 节点里就出图了。生成时间取决于你的显卡，第一次会慢一些，因为要把模型从硬盘读进显存。

看到图，就说明你跑通了 hello world。

4.3 一个必须知道的特性#

ComfyUI 生成的每一张图，都把完整工作流写进了图片的元数据里。

把这张图拖回画布，整条工作流原样恢复，参数、连线、模型选择全都在。

这带来两个实际好处：

1. 你自己存图就等于存工作流，不用另外保存
2. 社区分享工作流最主流的方式就是直接发图，你下载别人的图往画布一拖就能用

前提是图片没被处理过：经过微信压缩、或者被某些平台转存过的图，元数据会被清掉，拖进去没反应。

5.1 26 年的四个主流选择#

怎么选，对着自己的情况找：

FLUX.1 dev 的权重是免费的，但许可证写明非商用。

而 Z-Image Turbo 是 Apache 2.0，这一条在实际工作里价值很大。

5.2 小白第一个该下的：Z-Image Turbo#

这是阿里通义实验室 2025 年 11 月发布的模型，6B 参数。

该模型适合新人练手：

1. 快。官方数据是 RTX 4090 上出一张 1024×1024 大约 2 到 3 秒。对比 FLUX 满精度的 15 到 30 秒，迭代体验是两回事
2. 省显存。FP8 版本 8GB 就能跑，社区的 GGUF 量化版 6GB 也行
3. 可商用。Apache 2.0
4. 中英文字都能写。这是老一代模型的老大难

官方效果图：

中英文字渲染能力：

5.3 Z-Image Turbo 完整配置（照抄即可）#

第一步：下三个文件，放三个文件夹

目录结构确认一下：

1
ComfyUI/models/
2
├── diffusion_models/
3
│   └── z_image_turbo_bf16.safetensors
4
├── text_encoders/
5
│   └── qwen_3_4b.safetensors
6
└── vae/
7
    └── ae.safetensors

第二步：加载官方模板

ComfyUI 里点 Workflow，选浏览模板，进 Image 分类，找 Z-Image Turbo。

第三步：三个加载器分别指向你的文件

显存不够 14GB 的话，把 BF16 那个模型文件换成 FP8 版本（约 8GB）或者 GGUF 量化版（约 6GB）。

用 GGUF 还得先在 Manager 里装 ComfyUI-GGUF 节点，并用它的加载器替换标准的扩散模型加载器。

5.4 显存不够时的通用思路#

模型塞不进显存会发生什么：ComfyUI 会把装不下的部分卸载到内存，走 PCIe 通道读取。这条通道的速度大约是显存带宽的三十分之一。

所以量化版本的价值不在于量化本身更好，而在于它能装得下。

一个能完整放进显存的量化模型，比一个不断在内存和显存之间倒腾的满精度模型快得多，这也是为啥 dgx spark 受追捧的原因，能跑模型能做图。

6.1 做视频和做图差在哪#

本质上是同一套流程，多了一个时间维度。

多出来的核心难点就是”连贯”：相邻两帧不能各画各的，得像是同一个场景在动。这也是视频模型比图像模型吃资源得多的原因。

心理准备：出图是几十秒，出视频是几分钟到几十分钟。

第一次跑别用大分辨率长帧数，先跑通再说。

6.2 5B 还是 14B#

Wan 2.2 有两档，先选对再下模型。

新手一律从 5B 开始。它一个模型同时管文生视频和图生视频，8GB 显存就能跑，跑通的成功率高太多，摸清楚了再上 14B。

6.3 文生视频#

模板加载后，官方把节点分好了组，跟着组名走：

1. Step1 加载模型：三个加载器分别指向刚才那三个文件
2. Video Size & length：设分辨率和帧数。第一次跑往小了设
3. Step3 提示词：写你想要的画面
4. 按 Ctrl+Enter 运行

节点是怎么串的，跟出图对着看就懂：

1
UNETLoader（扩散模型）
2
CLIPLoader → CLIPTextEncode（正负提示词）
3
ModelSamplingSD3（配置采样器，保证帧间连贯）
4
        ↓
5
    KSampler（采样出连贯的潜空间序列）
6
        ↓
7
    VAEDecode（解码成一串 RGB 帧）
8
        ↓
9
    CreateVideo（按帧率和长度组装）
10
        ↓
11
    SaveVideo（存盘）

提示词怎么写才有用

视频提示词和出图提示词最大的区别：你得描述运动。

写”一个女孩站在海边”，模型不知道要发生什么，出来可能就是一段几乎静止的画面。

要写清楚动作和镜头：

1
一个女孩站在海边，海风吹动她的长发，她缓缓转过头看向镜头，
2
镜头慢慢推近，夕阳的光打在脸上

有用的描述维度：主体在做什么动作、镜头怎么运动（推、拉、摇、跟）、光线和氛围怎么变化。

6.5 图生视频：让一张图动起来#

这是更实用的玩法，因为你可以先用第 5 章的方法把图做到满意，再让它动。

5B 模板里图生视频是默认关掉的，藏在一个分组里。

打开方式：选中那个写着”For i2v, use Ctrl + B to enable”的分组，按 Ctrl+B。

Ctrl+B 是禁用和启用节点的快捷键。官方默认把它关掉，是为了让你打开模板就能直接跑文生视频。

启用之后：

1. 在 LoadImage 节点上传你的图
2. 提示词写你希望它怎么动
3. 在 Wan22ImageToVideoLatent 节点调分辨率和帧数
4. 运行

这里的原理是：Wan22ImageToVideoLatent 这个节点把你那张图的结构和运动线索注入进去，作为整段视频的起点。所以出来的视频第一帧会很接近你的原图，然后开始动。

6.6 首尾帧：指定开头和结尾#

进阶玩法，给两张图，让 AI 补中间的过渡。

用 14B 的首尾帧工作流，模型文件跟 14B 图生视频那套一样。

1. 第一个 LoadImage 传起始帧
2. 第二个 LoadImage 传结束帧
3. 在 WanFirstLastFrameToVideo 节点调分辨率（官方默认给的是小尺寸，防止爆显存，显存够可以上 720P）
4. 提示词写这个过渡应该怎么发生
5. 运行

这个玩法做转场、做变身效果特别好用。

6.7 显存和参数的现实建议#

Wan 2.2 原生是 720P、24 帧每秒。

6.8 关于 MiniMax H3#

MiniMax H3（也叫海螺 3.0）在 2026 年 8 月开源了权重，ComfyUI 从 0.30.0 版本起原生支持本地运行。它的能力确实是另一个档次：

ComfyUI 团队为了让它跑得动做了不少工程优化：把大约 40% 的调制参数剪枝换成查找表、上 int8 量化、写专门的算子，把显存占用从 123.6GB 压到 42.5GB，降了 66%。

但”能跑”和”跑得动”是两回事。42.5GB 的模型塞进十几 GB 的卡，靠的是不断在内存和显存之间倒腾，速度会掉下来。而且它的文本编码器是个 32B 的大家伙，光这一个文件就比整个 Wan 2.2 5B 还大。

所以建议新手还是 wan2.2 开始，熟悉以后才上 minimax h3。

7.1 官方模板库#

最该先逛的地方。侧边栏点模板图标，或者菜单里 Workflow，浏览工作流模板。

里面按任务分好类了：图像生成、视频、放大等等。每个模板都嵌了所需模型的下载链接，第一次加载时如果检测到文件缺失，会直接弹窗提示你下载。

Desktop 版点下载会自动帮你下好放对位置；其他版本会用浏览器下载，你需要自己放进对应的 models 子目录。

7.2 三种加载别人工作流的方式#

7.3 工作流去哪找#

下几个功能相近的工作流，对着看它们哪里一样哪里不一样，比通读节点文档快得多。

7.4 存自己的工作流#

两种方式：

1. Ctrl+S 存成 JSON 文件
2. 出的图本身就带工作流，存图等于存工作流

搭出满意的流程之后，习惯性 Ctrl+S 存一份，可以随时发给需要的人。

ComfyUI 的核心思路就一句话：把 AI 出图的流程可视化成数据流，每个节点是一个函数，连线是输入输出。

“加载模型、编码提示词、采样、解码、输出”理解这条主线，不管模型怎么换，思路不会变。