赛博视频指北

早在一年前我做电商的时候，我就接触了AI生成，之前用来生成产品图，我个人称之为洗图，正常我从1688上采购的产品自己有图，但是那些图被很多店铺用了，一旦找下同款就很容易被找到别的便宜商家，其次是那些图片的审美更侧重实用，而不是好看。

当时我更多的是借用comfyui的工作流，我有一张产品图，想要融入我给他的另外一张背景图内，这些工作在PS上也可以完成，但是过程和复杂度很高。使用AI是一个成本和效果妥协。那时候我就已经明白文生图，还是图片修改，这些都是可以通过别的工具实现的，AI的作用是快速的实现一个效果差不多的产品，如果你对结果不是那么严苛要求的话，那么它是可以满足的。不少精益求精的商家是AI生成之后，在通过人工修改细节等问题。
我从来不相信网络上说的替代会计，替代画家，替代设计等说法，但是它是一个可以提升效率的工具，如果你的要求并不高，那么他确实解决了一些起步阶段修图工作量不大的网店痛点。这点毋庸置疑的的，阿里的店铺都是自带AI生成工具给你生成推广图的。AI的出现有点类似之前现实世界的工业革命，将高端的事物，简单化，平民化，让普通人也能成为PS高手，成为一个设计师，成为一个剪辑师，一个画家，类似软件或者说是互联网上的工业革命。
接下来说下视频，我之前还没有可以生成视频的模型，更多的是文生图，图生视频或者文生视频，只是有几个模型，不多，而且很多操作还比较复杂，后面电商做不下去了，我就没去了解，这次捡起来更多的是在JAVBUS上看到有人用AI生成的瑟瑟视频，从效果上来看，真心不错。

硬件

CPU：i5 以上即可，不是重点。
内存：32G打底，64G为佳，再往上的土豪随意，越高越好，内存在跑AI的时候会被占满，所以越大越好。
显卡：大显存的N卡，16g的最好，实在没有8g的也行。也有那种魔改矿渣22g的2080 ti，会比8g的4060ti更合适。如果你想又玩游戏偶尔跑AI的话，那还是常规款的8g版本4060ti。算力不足的话，我们可以通过时间弥补，但是显存不够的话，有些东西是没办法的，比如无法生成分辨率过大的图片，时长超过10秒的高分辨视频，然后一些效果比较好的模型无法载入等等。

硬盘：1T以上的SSD固态，最好是PCIE 4.0以上的，一个是因为那些模型文件动不动的就是20g打底，你需要很多，其次就是硬盘读取的快慢影响生成的速度，我试过机械硬盘和固态，机械硬盘的读取速度确实会成为瓶颈。

软件

当前主流模型：现在的主流的模型是wan2.2，就是阿里的模型，无论是文生视频，还是文生图，它都是有不错的效果。但是我们使用的是别人蒸馏【Distill】过的，大佬们在蒸馏的同时会附上一些自己的训练数据，使效果更符合我们的审美或者破除一些原版在瑟瑟的限制，现在比较流行的是：lightx2v和smoothmix两个魔改的模型。模型一般会附上使用说明，但是需要注意，有一些模型他没有适配comfyui的node节点，这时候要么等待大佬开发，要么可以使用命令行，一般会有py文件。
插件：comfyui是一个图形化界面，底层是python，很多模型或者操作我们还是依赖于插件，这边必须安装插件
ComfyUI-Manager，用来管理插件，你可以通过其中node安装对应插件，一般模型下面会列出工作流内使用插件。而你要做的就是通过ComfyUI-Manager进行安装。

工作流：工作流是comfyui的核心，它给予一条条工作的流程，大部分的流程都遵循着下面的逻辑：

模型——lora——clip【文本描述】——Latent ——Ksampler【采样器】——vae解码——SS输出结果

其中Ksampler【采样器】是我们的核心，你可以看到左边有四个输入，右边有一个输出，我们的目的简单说就是要将输入填满，然后拉出输出即可。

当然，如果你是纯小白，你可以使用comfyui自带的工作流模板即可，然后系统会提示你缺少哪些模型，哪些插件。你只要补足即可。

调优：经常能听见别人说的数据调优等操作，但是实际上我们能做的就是采样器上的那几个数据：步数和cfg，两者增加会使效果优化，但是过高对显卡性能要求就会比较高，高手这会通过其他插件的权重调整进行优化一些细节，包括一开始被人诟病的手，脸崩坏问题。
至此，你就对comfyui有个初步的了解，可以简单的跑跑工作流，测试一下生成的图片等等。

基础概念

这里简单描述下一些基础的概念名词：
checkpoint：就是模型，这里需要注意的，模型的大小，一般8g显存的推荐4bit-6bit的模型，在模型下载的地方他们一般会有标注，别下了太大的最后跑不起来，现阶段官方模型不会主动蒸馏的。现阶段模型一般去：https://huggingface.co/ 下载，腾讯，阿里，deepseek也在上面发布，模型会有说明的，记得看。
Lora：类似补丁，用来调整模型生成的效果，可以通过权重来微调，在初期阶段模型生成出来的图像bug太多太明显，于是就有人通过自己训练一些专门的数据，来修补这些bug，一般是手部，脸，身材之类的，这块可以去https://www.liblib.art/ 上下载，国内网站，但是商业气息很浓厚，动不动就是会员，不喜欢可以去：https://civitai.com/ 上看下，要翻墙而且很乱。我两个都不怎么用。
clip：文本，分为正向积极【positive】和反向消极【negative】，这块可以去：https://opennana.com/awesome-prompt-gallery/ 上模仿他们的文本，反向消极【negative】这块可以网络上找下，以前还需要翻译软件，现阶段的wan模型是可以直接识别中文的。
latent：我称之为空间/画布，用来配置生成的图像的分辨率，视频也是，你可以输入数值让系统自动生成空的Latent，
vae：用来编解码的，比如一张图片编码成模型认识的数据流，跑完了之后，还要解码成我们认识的图片，这种的一般都是官方模型带的，不同模型不能共用，魔改的模型用的也是官方的。

能做什么？

在简单的了解了部署和基础概念之后，我们能说下目前比较实际的东西，应用：
PS：大部分的应用工作流都可以在comfyui的[官方文档] (https://docs.comfy.org/zh-CN/tutorials/controlnet/mixing-controlnets)内找到。

1. 文生图：最基础的应用，根据你的文本生成写实或者符合你审美的图片。
2. 图生视频：根据一张图，生成几秒视频：本质是生成16张图片然后拼凑成16祯的小视频。
3. 文生视频：这个就是生成多张图片，然后拼凑成一个视频。
4. 图片修改/视频修改：允许你在图片上增加/删除文，或者进行一些其他操作。
5. 3D建模：根据模型生成3D，用在游戏建模师的日常中
6. 音乐生成：根据你给定的歌词+音乐风格，会生成一段音乐，效果会比较雷同，但是如果你歌词写的好，很棒的。

好了，上面是官方文档，现在说是比较实际的应用，或者我目前使用的及其效果:

1. 瑟瑟：直接图片转视频，postive里面写点不可描述。有时候看见一些擦边，擦了半天让人心急燎肝的，这时候可以使用。效果一般，可以实现简单的脱衣，但是时间长度无法完成太复杂的操作，其次就是太短了，每次可以通过最后一帧图片进行下次生成，从而无限延长，但是几次之后就脸会和初始版本差距很大。
2. 换脸：换脸，换衣服，换某个部分，本质是通过遮罩，重新生成某些部位，好处是最大程度的保留原视频，缺点是生成出来的东西摆脱不了遮罩的限制，比如：长裙换短裤，还是会保留长裙的一些细节特征，包括飘起来等。

进阶

在进阶之前，你要先解决一个问题：你准备用comfyui做什么？
无论你的答案是什么，我想说的是comfyui很强大，无论是换脸，换服装，换动作，还是搞瑟瑟，做电影，它都能胜任。但是方向不同导致所需要的插件也不一样，以我为例，我拿来瑟瑟之后，发现原来生成的视频分辨率为480p的，于是我找到图像放大的节点，放大，然后又找到视频合成的节点，进行二次合成，同时插帧，增加观看的舒适性。

将一系列图像合并成一个输出视频。
如果提供了可选的音频输入，则音频也会合并到输出视频中。
frame_rate：每秒显示的输入帧数。帧速率越高，输出视频播放速度越快，持续时间越短。对于 AnimateDiff 节点，帧速率通常应保持在 8，或者与 Load Video 节点的 force_rate 值相匹配。
loop_count：视频需要重复播放多少次。
filename_prefix：用于输出的基本文件名。您可以将输出保存到子文件夹：subfolder/video与内置的“保存图像”节点类似，您可以添加时间戳。例如，时间戳%date:yyyy-MM-ddThh:mm:ss%可能会变成 2023-10-31T6:45:25。
format：要使用的文件格式。有关配置或添加其他视频格式的更多详细信息，请参阅“视频格式”部分。
pingpong：使输入内容反向播放，从而创建一个干净的循环。
save_output：图像应保存到输出目录还是临时目录。返回值：一个VHS_FILENAMES布尔值，指示是否启用 save_output，以及按创建顺序排列的所有已生成输出的完整文件路径列表。因此，output[1][-1]将保存最完整的输出。
根据所选格式，可能会出现其他选项，包括
crf：描述输出视频的质量。数值越低，视频质量越高，文件越大；数值越高，视频质量越低，文件越小。缩放比例因编解码器而异，但通常在 20 左右可以实现视觉上无损的输出。
save_metadata：在输出视频中包含工作流程的副本，可以通过拖放视频来加载，就像加载图像一样。
pix_fmt：更改像素数据的存储方式。yuv420p10le具有更高的色彩质量，但并非在所有设备上都有效。

根据你使用的目的不同，需寻找不同的节点工具，你学习别人的时候，更多可以看下别人怎么处理工作流的手法，毕竟核心工作流大家都是一样，细节上不同：

1. 关键词的使用
2. Lora权重
3. 图像的放大：有多种不同的算法，也有多种不同的方式，比如VAE解码前就放大图像等等

这些方法没有最佳的，更多时候是作者经过测试，这么做生成的效果最好，在这个模型下。现阶段的AI生成更多是一个经验工程，我们需要不断的去验证试错，然后才可以找到一个满意的结果，这需要花费你大量的时间，以4060ti为例，生成一个5秒的1080p视频，我需要30分钟。如果不是相关行业或者爱好者不是很建议在上面花费大量时间，因为你调整一个参数测试下就是半小时起步，如果你有具体的需求，可以先去看看网络上有没有已经完善的工作流，然后在那个基础上进行更改。
其次，需要注意的是：由于小概率存在工作插件之间互相冲突，所以一般不是很建议你大杂烩，最好还是某个模型用的插件就不要再修改，可以复制出一份干净的comfyui便携版再去配置新的。

总结

相比较于这些概念和入门，对于我来说更重要的是，我想做什么：瑟瑟视频，还是生产力。很多时候我拿着一把马良神笔，但是不知道想要画什么，这也许就是这设计师说的没有灵感。
如果你说你目的性明确，就想要做出个什么，那么就简单了，只要学习这一条线上的知识即可，抱着目的去学习会比过来参观更加的有优势。