ComfyUI 漫剧出片机 v1.0

FLUX 出图 + Wan2.1 图生视频（4 步加速）

免配置、免装模型，开机就能出图出片。

一、镜像介绍

这是一个装好就能用的 ComfyUI 镜像。不用折腾 Python 环境、不用装依赖、不用下模型。

和同类镜像最大的不同：图生视频已经做了 4 步蒸馏加速。Wan2.1 I2V 14B 原生要跑 20-30 步，一条 5 秒视频要 4-5 分钟；这个镜像预装了 LightX2V 的四步蒸馏 LoRA，把步数压到 4 步，实测 81 帧 / 832×480 约 57 秒一条，速度快 5 倍左右。

镜像里预置了两条生成链路：

• FLUX.1 Dev —— 文生图，1024×576 横屏，适合短剧场景图
• Wan2.1 I2V 14B —— 图生视频，上传首帧即可让画面动起来

所有模型都是实体文件打包进镜像，不是软链接，不会出现"打开发现模型没了"的情况。全部使用官方原生节点，没有第三方自定义节点，不会满屏报红。

适合：做竖屏短剧、漫剧分镜、年代剧场景的创作者，以及需要日更量产的小团队。

一个熟练工的实际用法：一集 100 秒的片子，23 张场景图 + 6-8 个动作镜头，图生视频只跑动作镜头，其余用剪辑软件做运镜，一集出片成本能压在十几分钟机时内。

二、功能特性

一句话：同样一条 5 秒视频，别人 4 分钟，你 1 分钟

场景	普通 ComfyUI 环境	本镜像
一条 5 秒图生视频	4-5 分钟	约 57 秒
一集 8 个动作镜头	约 35 分钟	约 8 分钟
一天出 5 集	基本不可能	可以

差距不在显卡，在步数。Wan2.1 I2V 14B 原生要跑 20-30 步；本镜像预装 LightX2V 四步蒸馏 LoRA，把 20-30 步压到 4 步，画质在动画风格下几乎看不出差别，速度直接快 5 倍。

四个真正的优势

1. 快 —— 4 步出片，日更不再是体力活

• 蒸馏 LoRA 已挂好，不需要你自己去 HF 找、去下、去接线
• steps 4 / cfg 1.0 是蒸馏模型的黄金参数，镜像里已经调好
• 视频 81 帧约 57 秒，比原生快 5 倍，一集成本从半小时降到几分钟

2. 稳 —— 模型是实体文件，不是软链接

• 同类镜像常见坑：镜像里只是软链接，开机后模型"消失"
• 这里 FLUX、Wan I2V、文本编码器、VAE 全部实体打包，打开就在
• 全原生节点，零第三方插件，不会满屏报红、不会因为某个插件更新而崩

3. 省 —— 49G，不是 128G

• Wan 的 CLIP Vision 参考通道完整保留，人物长相在长镜头里更稳
• 镜像体积小 → 部署快、系统盘占用少、迁移便宜
• 同类镜像动辄 128G，要求 150G 系统盘；这里 80G 就够

4. 顺 —— 为横屏短剧调过参数

• 出图默认 16:9 横屏 1024×576，正好嵌进横屏剧的画面区
• 出视频默认 832×480，是 480p 模型的最佳工作点，再高只会变慢不变好
• 支持中文提示词（Wan 链路用 umt5_xxl），不用先翻成英文
• 可以传配音，直接输出带音轨的 mp4，省一次合成

适合谁

• 日更短剧团队：一集 6-8 个动作镜头，10 分钟出完，其余镜头用静图 + 运镜
• 漫剧创作者：先出图定人物，再挑几个关键镜头动起来，成本可控
• 预算敏感的个人：24G 卡就能跑，不用上 48G
• 不想折腾环境的人：开机即用，不写一行配置

⚠️ 重要：本镜像不带文生视频（T2V），也不带超分/放大模型。视频原生是 480p，投平台前需要用 ffmpeg 拉到 1080×608，详见「常见问题」。

三、使用教程

步骤 1：创建实例

图片说明：在镜像市场选择本镜像，卡型选 24G 及以上 RTX40 系（4090 足够跑 480p），系统盘填 80G 以上，点击「立即部署」。

• 只是出图，24G 显存完全够
• 要跑图生视频，24G 也能跑，但别同时开两个任务
• 系统盘必须大于镜像体积（约 49G），给少了会创建失败

步骤 2：启动 ComfyUI

在实例终端执行 bash /root/ComfyUI/start.sh，看到 To see the GUI go to: http://0.0.0.0:8188 即启动完成。首次启动要加载模型索引，等 1-2 分钟属正常。

也可以先点击jupyterLab，终端打开后等1分钟左右，点击comfyui启动即可（马上打开可能会没加载出来）

或者先打开终端，再点击8188端口打开

bash /root/ComfyUI/start.sh

步骤 3：出图

打开后左侧双击工作流。

图片说明：在 CLIPTextEncode 节点填入画面描述，参数按上表设置（1024×576 / 24 步 / guidance 3.5 / euler + simple），点运行。

图片说明：生成完成后在右侧预览窗口查看结果，满意再继续。建议先确认人物长相，再批量出场景图，否则脸会前后不一致。

步骤 5：图生视频

直接运行图生视频会出错，因为这个模型需要导入图片，根据图片生成视频，从本地选择文件后生成视频。

图片说明：用 LoadImage 载入首帧，WanImageToVideo 里填 832×480 / 81 帧，LoraLoaderModelOnly 挂上蒸馏 LoRA，KSampler 设 steps 4 / cfg 1.0。

关键参数：

节点	参数	值
LoraLoaderModelOnly	lora	Wan21_I2V_14B_lightx2v_cfg_step_distill_lora_rank64.safetensors
KSampler	steps	4
KSampler	cfg	1.0
WanImageToVideo	尺寸	832×480（16 的倍数）
WanImageToVideo	length	49（3 秒）或 81（5 秒）

视频生成完成后可在预览窗口直接播放，确认人物没有变形、动作幅度合理再保存。

步骤 6：取回结果

图片说明：图片和视频都在 output 目录下，可通过 JupyterLab 文件树批量下载。

ls -lh /root/ComfyUI/ComfyUI/output/

步骤 7：投平台前处理

视频原生 480p、16fps，平台要求 1080 宽、30fps：

ffmpeg -i in.mp4 -vf "scale=1080:608:flags=lanczos,unsharp=5:5:0.8:5:5:0.0,minterpolate=fps=30:mi_mode=mci" \
  -c:v libx264 -crf 16 -preset slow -pix_fmt yuv420p out_1080.mp4

四、环境验证

进入实例终端（可选，仅用于自检），依次执行：

1. 显卡是否挂载

nvidia-smi

通过标准：能看到显卡型号与显存（4090 显示约 24564MiB）。

2. ComfyUI 是否在运行

curl -s --noproxy '*' -o /dev/null -w '%{http_code}\n' http://127.0.0.1:8188/

通过标准：返回 200。

3. 模型是否完整

du -sh /root/ComfyUI

通过标准：约 49G。若只有几个 G，说明镜像不完整。

4. 关键文件是否都在

ls -lh /root/ComfyUI/ComfyUI/models/diffusion_models/
ls -lh /root/ComfyUI/ComfyUI/models/loras/
ls -lh /root/ComfyUI/ComfyUI/models/text_encoders/
ls -lh /root/ComfyUI/ComfyUI/models/vae/
ls -lh /root/ComfyUI/ComfyUI/models/clip_vision/

通过标准：

• diffusion_models 里有 flux1-dev-fp8 和 wan2.1_i2v_480p_14B_fp8_scaled
• loras 里有蒸馏 LoRA，739472104 字节
• text_encoders 里有 clip_l、t5xxl_fp8、umt5_xxl_fp8
• vae 里有 ae、wan_2.1_vae
• clip_vision 里有 clip_vision_h.safetensors，1264219396 字节

5. LoRA 是否可加载

cd /root/ComfyUI/ComfyUI
python -c "
from safetensors.torch import load_file
sd = load_file('models/loras/Wan21_I2V_14B_lightx2v_cfg_step_distill_lora_rank64.safetensors')
print('tensors', len(sd))
"

通过标准：能打印出张量数量，不报错。

图片说明：截一张终端同时显示 nvidia-smi、curl 200、du -sh 三个结果图，最有说服力。

验证项	通过标准
显卡	nvidia-smi 正常输出
服务	curl 返回 200
体积	du 约 49G
模型	五类文件齐全
LoRA	可正常加载

五、常见问题

Q：生成的视频为什么没有声音？

Wan2.1 是纯视觉模型，只输出画面帧。要么生成时传音频参数把配音烧进去，要么后期在剪映统一铺 TTS 和 BGM。后者更省事，一集只铺一次，避免逐镜 BGM 断裂。

ffmpeg -i 视频.mp4 -i 配音.mp3 -c:v copy -c:a aac -shortest 输出.mp4

Q：57 秒是真实速度吗？

是，但前提是没有命中缓存。ComfyUI 会跳过参数完全相同的节点，这时会显示 0 秒或极短耗时，那不是真实速度。测速要用全新的图或全新 seed，看界面上的 Prompt executed in X seconds。

Q：视频糊、人脸发蜡怎么办？

三个方向：

1. LoRA 强度从 1.0 降到 0.8
2. 摘掉 LoRA，steps 改回 20、cfg 改回 5.0，慢 5 倍但细节更好
3. 首帧图先出好一点，i2v 的质量上限由输入图决定

Q：图生视频人物变形、和首帧不像？

用主体完整、构图清晰的图做首帧；WanImageToVideo 的宽高调到和首帧同比例；length 从 81 降到 49 先试；cfg 保持 1.0（蒸馏模型不建议乱改）。

Q：8188 打不开，返回 502？

实例还活着但服务没起。先看进程：

ps aux | grep main.py | grep -v grep

没有输出就重新启动：

cd /root/ComfyUI/ComfyUI
python main.py --listen 0.0.0.0 --port 8188

Q：报 clip_vision_h.safetensors 缺失 / CLIP Vision Loader 缺少模型文件？

本镜像已内置 clip_vision_h.safetensors（1.26G），正常打开不会报这个错。真遇到了，按顺序排查：

1. 刷新页面（Ctrl+F5）。前端会缓存旧的节点定义，刷新后 CLIP Vision Loader 的下拉里才看得到文件
2. 确认文件在：

ls -lh /root/ComfyUI/ComfyUI/models/clip_vision/

应看到 clip_vision_h.safetensors，大小 1264219396 字节。若目录为空，说明文件没打进来，重新下载：

unset http_proxy https_proxy all_proxy HTTP_PROXY HTTPS_PROXY ALL_PROXY
cd /root/ComfyUI/ComfyUI/models/clip_vision
wget -c https://hf-mirror.com/Comfy-Org/Wan_2.1_ComfyUI_repackaged/resolve/main/split_files/clip_vision/clip_vision_h.safetensors

3. 也可以不用它。WanImageToVideo 的 clip_vision_output 是可选输入，把 CLIP Vision Loader 和 CLIPVisionEncode 删掉照样能出片，只是人物在长镜头里可能稍微漂一点

Q：显存不够、跑到一半崩？

24G 上 480p 是安全区，别直接生 720p。降低办法：帧数 81→49、尺寸 832×480→768×432、一次只跑一条。

Q：下载模型特别慢？

默认会走代理访问海外 CDN。走国内镜像并关掉代理会快很多：

unset http_proxy https_proxy all_proxy HTTP_PROXY HTTPS_PROXY ALL_PROXY
wget -c https://hf-mirror.com/<org>/<repo>/resolve/main/<path>

Q：端口被占用？

pkill -f main.py
bash /root/ComfyUI/start.sh

仍冲突就把启动参数里的 --port 8188 换成 8189。

六、注意事项

1. 本镜像只包含系统盘内容，不含平台预装盘（/cloud）里的文件
2. 视频原生 480p、16fps，投平台前必须放大到 1080×608 并补帧到 30fps
3. 不含 T2V、不含超分、不含换脸锁脸，需要这些要另行安装，建议先基于当前镜像再保存一个新版本，别在原镜像上改
4. 镜像定价与 GPU 租赁费分别计算，计费规则以优云智算平台为准
5. ComfyUI 为 GPL v3 开源协议；模型权重遵循各自许可（FLUX.1 Dev 为非商业许可，商用请自行确认）
6. 素材版权：人物形象、剧本、配音需自有版权或已获授权