镜像社区

部署GPU实例

模型与Agent

控制台

立即注册

0.05元/时

罗辑喵图乐声影全流程工作站

Name: 罗辑喵图乐声影全流程工作站
Price: 0.05 CNY
Author: lgkt

图乐声影六件套，开机自己起床。H3 约 40 秒出一条 5 秒 124 帧带音轨的片子，出图 4-6 秒、配乐 12 秒、配音 7 秒，图音视频全能。

镜像大小

86 GB

当前版本

v1.0

累计部署

0 次

累计运行

0 h

运行环境

框架版本

PyTorch-2.13.0

CUDA版本

13.2

应用

JupyterLab: 8888

支持卡型

RTX50系

#罗辑喵图乐声影 · 六引擎 AI 创作工作站（ComfyUI 整合镜像）

一个镜像，从「一张图」到「一条带原生音轨的 5 秒竖屏镜头」，全流程装好、调通、实测过。开机它会自己起来，你只需要打开浏览器。

实测环境：RTX 5090 32 GB / 优云共享镜像 / ComfyUI 0.42.0 / PyTorch 2.9.1+cu130 全部数字为 2026-11-01 / 11-02 两次本镜像实测，口径见文末「参数与口径」。

一、开机之后你什么都不用做

实例启动后 约 15–30 秒，ComfyUI 自动就绪（接在平台 /start.d 自启链上，不需要任何人登录；带幂等锁，不会起第二份抢显存）。

第一步：拿到你的 ComfyUI 网址（30 秒）

方法一（最简单）：控制台 → 我的实例 → 点你的实例 → 找到 8188 端口那一行 → 点「访问」/「打开」。浏览器会打开 ComfyUI，地址栏里那一串就是你的 ComfyUI 网址，复制下来。

方法二：实例卡片上直接点「打开 ComfyUI」之类的按钮，同样看地址栏。

复制下来的样子大致是：

https://8188-cpod-1x9osx8fkudy-s1.pod.compshare.cn/

这串里的实例 ID 和 s1 是平台按你的可用区生成的，每个人的都不一样，不要照抄，以你自己地址栏里的为准。

第二步：所有文档和接口都在这个网址后面接路径

<ComfyUI网址>/docs/index.html      ← 三合一网页（总说明 + AI 手册 + API）
<ComfyUI网址>/docs/README.md       ← 人读版总说明
<ComfyUI网址>/docs/AI-USAGE.md     ← 给 AI agent 的操作手册
<ComfyUI网址>/docs/API.md          ← HTTP API 完整示例

具体例子（假设你的 ComfyUI 网址是上面那一串）：

打开网页文档：https://8188-cpod-1x9osx8fkudy-s1.pod.compshare.cn/docs/index.html
看接口怎么调：https://8188-cpod-1x9osx8fkudy-s1.pod.compshare.cn/docs/API.md
调 API 提交任务：在同一个网址后面接 /prompt，即 https://8188-cpod-1x9osx8fkudy-s1.pod.compshare.cn/prompt

❌ 不要写成 https://<实例ID>-s1.pod.compshare.cn:8188/... —— 那种带 :8188 的写法连不上（实测 HTTP 000）。平台是把 8188 映射成 https 域名的，地址栏里给什么就用什么，别再自己拼端口。

服务	容器端口	买家怎么打开
ComfyUI	8188	就是上面那个「ComfyUI 网址」。主工作台，12 个现成工作流在这里；文档、API、取产物也走同一个网址
JupyterLab	8888	同样点「8888」拿网址。若实例开启「仅应用访问」则 8888/8889 不开放
FileBrowser	8889	同样点「8889」拿网址。同上，仅应用访问下不开放

打开 ComfyUI 网址 → 左侧「工作流」面板 → 先开 00_工具/★ 工作流清单（从这里开始），里面列了全部工作流和各自的用法。

然后打开任意工作流 → 改提示词 → 点「运行」。每个工作流的默认输入都已备好（input/ 里有 5 张测试图 + 1 段参考音，配音克隆那条直接可用），不改任何东西也能直接跑出结果。

二、六个引擎，各管一段（含产物规格）

引擎	干什么	产物规格	冷启	热跑
Qwen-Image 2512	文生图（4 步 Lightning）	1328×1328 PNG	40–42 s	4–6 s
Qwen-Image Edit 2511	参考图编辑 / 锁人物换景	随参考图尺寸 PNG	37 s	3.3 s
ACE-Step 1.5	BGM / 配乐	120 秒 MP3（V0）	39 s	11.9 s
YuE2	出歌 + 白盒 ABC 谱	约 120 秒 FLAC（+ 谱面 txt）	23 s	14.5 s
Qwen3-TTS	配音（VoiceDesign，无需 key）	24 kHz 单声道 FLAC，一句 4–5 秒	28 s	6.7–7.6 s
MiniMax H3	视频 + 原生音轨同出	768p（1376×768）/ 124 帧 / 5.167 s MP4，带音轨	78–94 s	≈40 s（39.8–42.4，视机器）

H3 是这套镜像的主角：一条 5.17 秒、124 帧、24 fps 的竖屏镜头，画面、对白口型、环境音、背景音乐一次生成，不用另外配音配乐再对齐。

冷启那几十秒在把 20 GB 权重从公共库读进显存，不是机器慢。铺量时同一个引擎连着跑，别来回切。

三、12 个工作流（打开就能跑）

00_工具/   一键清内存（跑视频前释放显存）
01_图像/   Qwen-Image 2512 文生图（4步 Lightning）
           Qwen-Image Edit 2511 - 参考图编辑
02_音乐/   ACE-Step 1.5 - BGM 配乐
           YuE2 出歌 无ABC 谱
           YuE2 出歌+ABC 谱（同出）
03_视频/   FastH3 V2 NVFP4 - 文生视频（最速）
           FastH3 V2 NVFP4 - 图生视频（最速）
           FastH3 V2 NVFP4 - 首尾帧生视频（最速）
           FastH3 OmniRef - 参考图生视频
04_配音/   Qwen3-TTS 配音（本地·无需key）
           Qwen3-TTS 音色克隆（参考音频）

另有 3 个说明页（不是工作流，双击即可阅读）：★ 工作流清单（从这里开始）、★ 使用说明（双击打开）、04_配音/★ 配音用法（双击打开）。它们不占上述 12 个之列，加起来左侧共显示 15 个 .json。

另外内置 659 个官方模板（ComfyUI 前端自带全套），可在侧栏「模板」里搜索调用。

四、参数与口径（很重要，别乱改）

四条 H3 工作流已经按统一配方预调好，照着点就行：

参数	值	说明
步数	8 步（蒸馏权重内置）	改高只会更慢，画面不会更好
注意力	`comfy kitchen attention`	cu130 专用内核，换成别的会慢 2–3 倍
稀疏注意力	VSA `keep 10% / start 0`	别设 `start 0.2`，会慢约 9% 且清晰度下降
SigmaShift	全部四条视频线统一视频 10 / 音频 3	OmniRef 官方模板原为 12/3，本镜像 A/B 实测两者速度无差别、10 略锐 2–3%，统一取 10
采样器	`euler` + `simple`
帧数	124 帧 @ 24 fps = 5.167 秒	默认就是它；别用 107 帧（4.46 秒）当默认，那不是 5 秒片

分辨率默认 16:9 / 1.0 MP（1376×768）；要竖屏就在 ResolutionSelector 里选 9:16（768×1344，速度基本一样）。

所有工作流的种子都是 randomize：连着点「运行」每次结果都不同。想看同样的输入第二次会不会更快？会——ComfyUI 会命中缓存直接返回 0.0 秒，那不是真的快，是没重算。测速请改提示词或换种子。

五、许可（按模块分列，可商用）

模块	权重 / 组件	许可	商用注意
Qwen-Image 2512	`qwen_image_2512_fp8_e4m3fn`	Apache-2.0	可商用
Qwen-Image Edit 2511	`qwen_image_edit_2511_int8_convrot`	Apache-2.0	可商用
ACE-Step 1.5	`acestep_v1.5_xl_turbo_bf16`	MIT	可商用
Qwen3-TTS	`Qwen3-TTS-12Hz-1.7B-*`	Apache-2.0	可商用
MiniMax H3	`fastvideo_fasth3_8step_v2_pruned_nvfp4` 等	H3 Community License	可商用；年营收 > 2000 万美元需向 MiniMax 申请授权；生成内容界面/宣发须标注 "MiniMax H3"
YuE2	`yue2_3b_int8_convrot`	个人创作者许可	商用属灰区，接商单前请自行确认

权重多数是软链，指向平台公共模型库 /model（零下载）。
例外（务必知悉）：fasth3_omniref_qad_nvfp4_comfy（13.7 G）与 fastvideo_fasth3_8step_v2_pruned_nvfp4（13.6 G）这两个 NVFP4 权重公共库里没有，已随镜像打包在 /root/models/models/，镜像体积因此约 30 G。它们受 MiniMax H3 Community License / FastVideo 条款约束，二次分发或转售前请自行核对许可并取得授权。
权重许可由使用者与各模型方之间成立，本镜像只做集成与调优。

六、性能与显存注意事项

H3 常驻显存约 31 GB / 32 GB，跑视频时不要同时开第二个视频任务，会 OOM。
跑视频前建议先点一次 00_工具/一键清内存，把出图/音乐模型从显存赶走。
同一进程连跑 5–6 个引擎后，H3 会从 40 秒掉到 50–60 秒（模型驻留挤占），重启 ComfyUI 即恢复。
TTS 用独立 venv 与常驻 worker（模型只加载一次），它不吃 ComfyUI 缓存：同一句台词重跑仍要 6–7 秒，这是正常的。

七、把它交给 AI 工具（龙虾 / Claude Code / 任意 agent）

给三样东西，它就能自己干活：ComfyUI 网址、文档链接、两条注意。

这台机器上跑着一个 ComfyUI（MiniMax H3 视频 / Qwen-Image 出图 / ACE-Step 与 YuE2 出音乐 / Qwen3-TTS 配音）。

地址：<ComfyUI网址>   ← 就是浏览器里打开 ComfyUI 后地址栏那一串，直接复制过来
（形如 https://8188-cpod-1x9osx8fkudy-s1.pod.compshare.cn/ ；你的实例 ID 和可用区后缀跟这个不同，别照抄）
容器内端口：8188（平台已经映射进上面那个网址，调用时不要再拼 :8188）

先读这份文档，按它来，不要靠猜：
  <ComfyUI网址>/docs/AI-USAGE.md      ← 给 agent 的操作手册
  人读版：<ComfyUI网址>/docs/README.md
  网页版三合一：<ComfyUI网址>/docs/index.html

现成的 API 格式工作流（取下来改 prompt / seed / 输入图名即可直接 POST）：
  <ComfyUI网址>/docs/api/ref2va.json
  <ComfyUI网址>/docs/api/fl2va.json

提交 POST /prompt → 轮询 GET /history/<prompt_id> → 取文件 GET /view?filename=.. → 传图 POST /upload/image

两点注意：
1) 别用界面「导出」的普通格式，要用 API 格式；自己导出的图要展平 DynamicCombo（文档 §6 给代码）。
2) 一次只跑一个视频任务，H3 常驻显存约 31 GB。

agent 不会主动猜你的机器上有什么，上面这段粘一次即可。开「仅应用访问」也通——文档和 API 都走 8188 这个映射域名，不需要 SSH、不需要文件管理。

八、HTTP API（给买家和 AI 工具用）

ComfyUI 自带标准 HTTP API，走同一个 8188 映射域名，无需另开 MCP、无需装任何东西。把下面所有端点前面加上 base URL <ComfyUI网址>：

用途	端点
提交任务	`POST /prompt`（body 为「导出 (API)」格式的工作流）
查结果	`GET /history/`
取文件	`GET /view?filename=..&subfolder=..&type=output`
传参考图	`POST /upload/image`
队列控制	`GET /queue`、`POST /interrupt`
释放显存	`POST /free`
实时进度	`WS /ws?clientId=xxx`

现成的 API 格式图可直接取用（改 prompt / seed / 输入图名即可）：

<ComfyUI网址>/docs/api/ref2va.json
<ComfyUI网址>/docs/api/fl2va.json

完整示例见 <ComfyUI网址>/docs/API.md。龙虾（OpenClaw）的 comfy 插件里填 base URL <ComfyUI网址>（不要带 :8188）。

九、访问口令（可选，默认关闭）

默认状态：域名直达、无鉴权，和普通 ComfyUI 一样，开箱即用。

若要把这个实例的 API 开放给别人，建议加口令：

bash /root/comfy_token.sh on MySecret123   # 开启（口令至少 8 位）
bash /root/comfy_token.sh status           # 查看
bash /root/comfy_token.sh off              # 关闭，完全恢复出厂状态

开启后：ComfyUI 退到内网 127.0.0.1:18188，对外 8188 由口令代理接管；浏览器首次访问用 ?token=<口令>，API 调用带 Authorization: Bearer <口令>。关闭后代理退出、启动脚本还原，不留中间层。

十、附带的命令行工具

工具	版本	用途
`ffmpeg` / `ffprobe`	7.0.2（静态编译，/usr/local/bin）	抽帧、拼接、压制、提取音轨、查看时长帧数

常用示例：

ffprobe -v error -show_entries stream=width,height,nb_frames,duration -of csv=p=0 out.mp4
ffmpeg -i out.mp4 -vf fps=1 frames/%03d.png        # 每秒抽一帧
ffmpeg -f concat -i list.txt -c copy merged.mp4    # 多段拼接

十一、常见问题

Q：点运行没反应 / 页面打不开？ A：等 30–60 秒再刷新；实例刚启动时 ComfyUI 还在拉起。仍不行看 <ComfyUI网址>/system_stats 是否返回 200（有 JupyterLab 权限的可看 /root/comfy130.log）。

Q：第二次运行显示 0.0 秒，是坏了吗？ A：不是，缓存命中。改提示词或种子才会真算。

Q：能改成 10 秒、15 秒的镜头吗？ A：H3 支持到 362 帧（15 秒），但耗时近似线性、且长镜头动作容易崩。生产建议 4–6 秒一镜，剪起来更稳。

Q：权重会不会被平台下架？ A：权重来自平台公共模型库，若某模型被下架，对应工作流会报缺文件；届时可自行上传到 ComfyUI/models/ 对应目录。

十二、目录速查

/root/ComfyUI/                     主程序（0.42.0）
  user/default/workflows/          12 个现成工作流（按 00~04 分类）
  input/                           5 张测试图 + 1 段参考音（默认输入）
  output/                          产物输出（video/ audio/ qwen3tts/ abc/）
/root/ttsvenv/                     Qwen3-TTS 独立环境
/root/torch130/                    cu130 PyTorch（PYTHONPATH 覆盖用，别删）
/root/restart_comfy.sh             重启 ComfyUI（约 2 秒）
/root/free_memory.sh               释放显存

十三、速度口径说明

只写秒数没有意义，所以本镜像所有速度都带标的：

写什么	必须一起写清
出图多少秒	分辨率（2512 固定 1328×1328；2511 随参考图）
出视频多少秒	分辨率档 + 帧数 + 成片时长（H3 默认 768p / 124 帧 / 5.17 秒）
出音乐多少秒	音频时长（ACE-Step 与 YuE2 默认都是 120 秒曲）
出配音多少秒	采样率 + 单句时长 + RTF（24 kHz；一句 5 秒 ≈ 7.9 s，RTF ≈ 0.65）

关于配音测试句长：没有行业统一标准。业界通行做法是自选固定文本集 + 报 RTF（生成时长 ÷ 音频时长）；Artificial Analysis 的 TTS 榜只排音质 Elo，速度指标要求有 serverless API，开源权重模型没有速度数据。所以本镜像一律自报「句长 + 音频长度 + RTF」，不冒称行业口径。

同一台机器换档位速度会差 20% 以上，脱离标的的数字不可比。

版本：2026-11-02 · 六引擎全部冷/热实测通过（12 工作流，产物逐项核验；含 TTS 显存自动回收修复）

llgkt

个人主页

0 个镜像 · 被使用 0 次