高级网站开发工信部河南省住房和城乡建设厅新网站

高级网站开发工信部,河南省住房和城乡建设厅新网站,脚本外链生成工具,说说对网站推广的看法和想法Linux 下部署 ComfyUI 并集成 Wan 2.1 视频生成工作流 在 AI 内容创作领域#xff0c;从静态图像到动态视频的跨越正变得越来越重要。传统文生图工具已无法满足对时间维度表达的需求#xff0c;而像 Wan 2.1 这样的视频生成模型#xff0c;配合 ComfyUI 的节点式流程编排能力…Linux 下部署 ComfyUI 并集成 Wan 2.1 视频生成工作流在 AI 内容创作领域从静态图像到动态视频的跨越正变得越来越重要。传统文生图工具已无法满足对时间维度表达的需求而像Wan 2.1这样的视频生成模型配合ComfyUI的节点式流程编排能力为开发者和创作者提供了一套高度可控、可复用的解决方案。本文将带你一步步在 Linux 系统上完成 ComfyUI 的安装与配置并成功运行基于 Wan 2.1 模型的文生视频与图生视频工作流。整个过程涵盖环境搭建、依赖管理、模型部署和实际使用技巧适合有一定命令行基础的技术用户或 AI 工程师参考实践。系统准备确认硬件与驱动支持在开始前请确保你的系统具备以下条件操作系统Ubuntu 20.04 LTS 或更新版本GPUNVIDIA 显卡建议 RTX 3060 及以上CUDA 支持推荐 CUDA 12.x 环境存储空间至少 20GB 可用空间含模型缓存首先检查系统版本cat /etc/issue正常输出应类似Ubuntu 20.04.6 LTS \n \l接着验证 GPU 是否被识别nvidia-smi如果命令未找到说明 NVIDIA 驱动尚未安装若显示 GPU 型号及显存信息则表明驱动已就绪可以继续下一步。 提示如果你使用的是云服务器如阿里云、AWS EC2通常需要手动安装驱动或选择预装 CUDA 的镜像。使用 Conda 管理 Python 环境为了避免全局 Python 环境污染强烈建议使用conda创建独立虚拟环境。这不仅能隔离依赖冲突也便于后续清理和迁移。创建名为comfyui的 Python 3.10 环境conda create -n comfyui python3.10 -y激活该环境conda activate comfyui此后所有操作都应在该环境下进行。你可以通过以下命令确认当前 Python 版本python --version预期输出Python 3.10.x可选删除旧环境如果你之前尝试过安装但失败了可以通过以下命令查看已有环境conda env list若存在名为comfyui的旧环境可执行conda remove --name comfyui --all这样就能彻底清除残留配置重新开始。安装 PyTorch 与 CUDA 支持ComfyUI 依赖 PyTorch 实现 GPU 加速推理。为了充分发挥性能我们需要安装支持 CUDA 的版本。目前推荐使用PyTorch 2.3配合CUDA 12.6pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu126安装完成后在 Python 中测试 CUDA 是否可用import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))理想输出如下2.3.0cu121 True NVIDIA GeForce RTX 4090⚠️ 如果torch.cuda.is_available()返回False请逐一排查NVIDIA 驱动是否最新是否安装了nvidia-cuda-toolkitPyTorch 安装命令中的 CUDA 版本是否匹配常见误区是误用了 CPU-only 版本的 PyTorch务必确保使用--extra-index-url指定 CUDA 构建源。克隆 ComfyUI 主程序进入目标目录并拉取官方仓库mkdir ~/comfyUI cd ~/comfyUI git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI此时你会看到项目的基本结构ComfyUI/ ├── main.py ├── nodes/ ├── web/ ├── models/ └── requirements.txt其中main.py是启动入口models/目录用于存放各类模型文件web/包含前端界面资源。安装 Python 依赖包接下来安装 ComfyUI 所需的第三方库pip install -r requirements.txt这个过程可能耗时几分钟具体取决于网络速度。主要依赖包括numpy,pillow图像处理基础transformersHuggingFace 文本编码器接口onnxruntimeONNX 模型运行时支持accelerate多设备调度与内存优化 若国内网络较慢可更换为清华源加速下载bash pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple注意不要跳过此步骤否则启动时会因缺少模块报错。下载 Wan 2.1 模型文件Wan 2.1 是由 ModelScope 社区发布的高性能 AI 视频生成模型已在 ComfyUI 中实现良好适配。其完整模型包可通过modelscopeCLI 工具获取。先安装modelscope客户端pip install modelscope然后执行下载命令modelscope download --model Comfy-Org/Wan_2.1_ComfyUI_repackaged --local_dir ./Wan_2.1_ComfyUI_repackaged成功后你将在本地看到以下关键文件wan_2.1.safetensors主模型权重config.json模型配置多个.json示例工作流文件如文生视频、图生视频模板这些文件构成了后续运行的基础尤其是.safetensors权重文件必须正确放置才能加载。配置模型路径以供 ComfyUI 识别ComfyUI 对模型路径有严格规范。我们必须将 Wan 2.1 的组件复制到对应子目录中。首先创建必要的模型目录结构mkdir -p models/checkpoints mkdir -p models/vae mkdir -p models/clip然后分别拷贝核心文件# 主模型 cp Wan_2.1_ComfyUI_repackaged/wan_2.1.safetensors models/checkpoints/ # VAE 解码器 cp Wan_2.1_ComfyUI_repackaged/vae.pt models/vae/ # CLIP 文本编码器 cp Wan_2.1_ComfyUI_repackaged/clip_l.safetensors models/clip/最终结构应如下所示ComfyUI/models/ ├── checkpoints/ │ └── wan_2.1.safetensors ├── vae/ │ └── vae.pt └── clip/ └── clip_l.safetensors✅ 注意文件名无需修改ComfyUI 会自动扫描checkpoints/目录下的.safetensors文件并在 UI 中列出。启动 ComfyUI 服务一切就绪后即可启动主程序python main.py --listen 0.0.0.0 --port 33310 --cuda-device 0参数说明--listen 0.0.0.0允许局域网访问不加则仅限本地--port 33310自定义端口避免与其他服务冲突--cuda-device 0指定使用第一块 GPU多卡时可切换首次运行时系统会自动建立索引并加载模型列表。等待日志出现Startup complete, running on: http://0.0.0.0:33310 To see the GUI go to: http://127.0.0.1:33310表示服务已成功启动。访问 Web 图形界面打开浏览器输入服务器地址http://你的服务器IP:33310例如本地调试可访问http://localhost:33310你会看到一个清晰的节点式编辑器界面左侧是可拖拽的节点面板中间是画布右侧是参数设置区。点击右上角菜单 → Language → 简体中文即可切换为中文界面降低操作门槛。加载 Wan 2.1 预设工作流Wan 2.1 提供了多个开箱即用的工作流模板位于下载目录中ls Wan_2.1_ComfyUI_repackaged/*.json常见模板包括text_to_video_wan.json文生视频image_to_video_wan_480p_example.json图生视频480pimage_to_video_wan_720p_example.json图生视频720p在 Web UI 中点击左上角“Load”加载按钮上传对应的.json文件。加载成功后画布将展示完整流程典型节点链路如下[文本提示] → [CLIP 编码] → [Latent 初始化] → [Wan 2.1 模型] → [采样器] → [VAE 解码] → [视频合成]每个节点均可双击修改参数例如调整提示词、帧数、分辨率等。使用技巧与常见问题处理推荐操作流程在Empty Latent Image节点设置输出尺寸与帧数如 480x480, 16 帧在CLIP Text Encode输入正向/负向提示词支持自然语言描述动作、风格点击顶部“Queue Prompt”提交生成任务观察终端日志跟踪进度模型加载、逐帧推理等完成后视频将保存至ComfyUI/output/目录格式为 MP4 或 GIF常见问题与应对策略问题原因分析解决方法CUDA out of memory分辨率或帧数过高导致显存溢出降低至 480p 或减少帧数如 8~16 帧或启用--gpu-only参数限制内存占用模型无法加载文件未放在models/checkpoints/检查路径和文件名是否准确重启服务刷新索引页面无法访问防火墙或安全组限制开放 33310 端口或使用 SSH 隧道ssh -L 33310:localhost:33310 userserver工作流报错“Node not found”缺少自定义节点插件根据提示安装所需插件如有CustomNode报错进阶建议备份工作流完成调试后点击“Save”将流程导出为.json便于团队共享或批量调用。组织输入输出利用input/和output/文件夹分类管理素材与结果提升工程化水平。自动化生成结合Run Counter节点与脚本调度器实现定时批量生成任务。性能调优对于低显存设备可尝试启用--disable-smart-memory强制释放缓存或使用split attention技术分块计算。这套基于 ComfyUI Wan 2.1 的视频生成方案不仅提供了高质量的时间一致性输出还保留了极高的可定制性。无论是做短视频内容生成、动画原型设计还是构建私有化 AI 视频流水线它都是一个值得投入掌握的工具组合。随着更多视频模型的涌现和节点生态的完善这种“可视化编程”式的 AI 创作方式正在成为连接创意与技术的新桥梁。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考