🚀 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-Evolved
- VideoHelperSuite
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 MODEL -
CheckpointLoaderSimple 的 CLIP → 两个 CLIPTextEncode 的 CLIP -
CheckpointLoaderSimple 的 VAE → VAEDecode 的 VAE
-
ADE_AnimateDiffLoaderGen1 的 MODEL → ADE_UseEvolvedSampling 的 MODEL -
ADE_UseEvolvedSampling 的 MODEL → KSampler 的 MODEL
-
EmptyLatentImage 的 LATENT → KSampler 的 LATENT_IMAGE - 两个
CLIPTextEncode 的 CONDITIONING 分别连接 KSampler 的 POSITIVE / NEGATIVE -
KSampler 的 LATENT → VAEDecode 的 LATENT -
-
VAEDecode 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。 - EmptyLatentImage：
width 填 512，height 填 512，batch_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。
- KSampler：
steps 填 25，cfg 填 7.5，sampler_name 选 euler_ancestral。 - VHS_VideoCombine：
frame_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/ComfyUI
animatediff_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！
：蓝牙差分 OTA 升级，传输速度提升 10 倍以上)
