作者: Joel Pennington US

预设链接: https://blogs.nvidia.cn/blog/rtx-ai-garage-comfyui-tutorial

+++

AI 驱动的内容生成如今已深度融入 Adobe、Canva 等热门工具，众多机构和职业室也已将该技术纳入职业流。当下的图像模型能够稳定输出逼真的写实效果，视频模型可以生成时长更长、连贯性更强的画面内容，而两者都能够遵循创作指令进行生成。

创作者正越来越多地在本地 PC 上运行这些职业流，以便把控创作素材、节省云服务成本，避免反复修改的阻碍，从而更高效地优化生成结局，满足创意项目的创作时刻需求。

< 插入 LTX-2 视频案例: https://youtu.be/6Iao0Q9cYlA?si=S1YL_PFiM-jNSMYm >

自诞生以来，NVIDIA RTX PC 凭借强大的性能成为运行创意 AI 的首选平台，不仅大幅缩短了迭代时刻，还允许用户不收费在本地运行模型，彻底消除了对 Token 消耗的焦虑。

本月早些时候在 CES 上公开的 RTX 优化和最新放开权重模型让创作者能以更快的速度、更高的效率进行创作，并获取远超以往的创意呈现。

怎样开始

视觉生成式 AI 也许会让新用户感觉复杂且有诸多限制。在线AI生成工具虽然运用简单，但可控性有限。

ComfyUI 这样的开源社区工具简化了顶级创意职业流的搭建，且配置便捷。同时，它们还提供了获取新鲜、强大的模型，如 FLUX.2 和 LTX-2，以及杰出社区职业流的简单途径。

下面内容是怎样在 RTX PC 上运用 ComfyUI 和主流模型，运用视觉生成式 AI 进行本地创作的方式：

1. 访问comfy.org下载并配置适用于Windows的ComfyUI。

2. 启动ComfyUI。

3. 运用入门模板创建第一张图像：

1. 点击“模板”按钮，接着选择“快速开始”，并选择“文本转图片”。

2. 将模型“节点”连接到“保存图像”节点。这些节点以流水线方法协同职业，利用AI生成内容。

3. 点击蓝色的“运行”按钮，观察绿色“节点”高亮显示，RTX PC 将开始生成你的第一张图像。

修改提示词并再次运行，即可进一步深入寻觅视觉生成式AI的创作全球。

下面说明了怎样深入运用更多 ComfyUI 模板，尝试采用更顶级的图像和视频模型的创作流。

模型规模和GPU

当用户逐渐熟悉 ComfyUI 及其支持的模型后，就需要开始思考GPU显存容量，以及某个模型是否能够在显存范围内运行。下面内容是根据不同 GPU 显存容量给出的入门示例：

[1] *为获取最佳效果，提议在 NVIDIA GeForce RTX 50 系列 GPU 上运用 FP4 模型，在 RTX 40 系列 GPU 上运用 FP8 模型。这样可以在占用更少显存的同时提供更高性能。

[2] *为获取最佳效果，提议在 NVIDIA GeForce RTX 50 系列 GPU 上运用 FP4 模型，在 RTX 40 系列 GPU 上运用 FP8 模型。这样可以在占用更少显存的同时提供更高性能。

生成图像

寻觅怎样运用FLUX.2-Dev提高图像生成质量：

在 ComfyUI 的“模板”部分，点击“全部模板”，并搜索“FLUX.2 Dev 文生图”。选择后，ComfyUI 将加载一组已连接的节点，即“职业流”。

FLUX.2-Dev 包含需要下载的模型权重。

模型权重是 AI 模型内部所包含的“姿势”，可以将其领会为大脑中的突触。当像 FLUX.2 这样的图像生成模型被训练时，它会从数百万张图像中进修玩法，而这些玩法会以数十亿个数值的形式存储下来，这些数值就被称为“权重”。

ComfyUI 并未内置这些权重文件，而是在需要时从 Hugging Face 等仓库中按需下载。这些文件体积通常很大（FLUX.2 根据版本不同，大致也许超过 30GB），因此体系需要具备足够的存储空间，并预留相应的下载时刻。

体系会弹出壹个对话框，引导用户下载模型权重。权重文件(filename.safetensors)会自动保存到用户 PC 上 ComfyUI 对应的正确文件夹中。

保存职业流：

在模型权重下载完成后，下一步是将这个新下载的模板保存为壹个“职业流”。

点击左上角的汉堡菜单（三条横线），选择“保存”。该职业流将被保存到用户的“职业流”列表中（按下 W 键可显示或隐藏该窗口）。随后可关闭标签页，在不丢失任何内容的情况下退出该职业流。

如果在模型权重尚未下载完成前意外关闭了下载对话框：

● 按下 W 键可快速打开“职业流”窗口。

● 选择该职业流，ComfyUI 将从头加载，并自动提示下载缺失的模型权重。

此时，ComfyUI 已准备就绪，可运用 FLUX.2-Dev 生成图像。

FLUX.2-Dev提示词诀窍：

● 从清晰、具体的主体、场景、风格和气氛描述开始，例如：“电影感特写，一辆雨中的复古赛车，湿漉漉的柏油路面上映出霓虹反射，高对比度，35mm 摄影。”在入门阶段，简短到中等长度的提示词——一两句聚焦明确的描述——通常比冗长、故事化的提示更容易控制效果。

● 添加约束条件以引导一致性和质量，例如：

○ 构图（“广角镜头”或“人像构图”）

○ 细节水平（“高细节，清晰对焦”）

○ 写实程度（“写实风格”或“风格化插画”）

● 如果画面显得过于杂乱，优先减少形容词，而不是继续添加。

● 避免运用负面提示词，专注描述你想要的内容。

请参见 Black Forest Labs 提供的指导，了解更多关于FLUX.2提示词的运用诀窍。

本地存储途径：

完成图像细化后，右键点击“保存图像”节点，即可在浏览器中打开图像，或将其保存到新的位置。

根据应用类型和操作体系不同，ComfyUI 的默认输出文件夹通常如下：

● Windows（独立版/便携版）：通常位于C:\ComfyUI\output，或程序解压目录下的类似途径。

● Windows（桌面版）：途径通常位于AppData目录中，例如：C:\Users%username%\AppData\Local\Programs@comfyorgcomfyui-electron\resources\ComfyUI\output

● Linux：默认配置途径为~/.config/ComfyUI。

视频生成

以最新的 LTX-2 模型为例，寻觅怎样提高视频生成质量：

< 插入 LTX-2 视频案例: https://youtu.be/ifxOXmL351I?si=xf2_j01BAQlUhfhY >

Lightrick 的 LTX-2 是一款先进的音视频模型，专为在 ComfyUI 中实现可控、分镜式的视频生成而设计。在下载完成LTX-2 图生视频模板及模型权重后，提议将提示词视为简短的镜头描述，而非完整的电影剧本。

和前两个模板不同，LTX-2 图生视频结合了一张图像和文本提示词来生成视频。

用户可以选用在 FLUX.2-Dev 中生成的图像其中一个，并添加文本提示词，让画面“动”起来。

LTX-2 提示词诀窍：

为在ComfyUI中获取最佳效果，提议将提示词用现在时写成壹个连贯的段落，或采用简洁的脚本格式，包括场景深入了解、动作、人物名称和对白。整体以4到6句描述性语句为宜，覆盖全部决定因素要素：

● 确立镜头和场景（远景/中景/特写、光照、色彩、材质、气氛）。

● 将动作描述为清晰的连续经过，定义人物的可见特征和肢体语言，并明确镜头运动方法。

● 最后补充音频元素，如环境音、音乐和对白，并运用引号标注。

细节层级需和镜头尺度相匹配。例如，特写镜头比远景镜头更需要精确的人物和材质细节。要清楚说明镜头和主体之间的关系，而不仅仅是镜头怎样移动。

提示词中可思考加入更多细节，包括：

● 镜头运动语言：明确指定“缓慢推轨前进”“手持跟拍”“过肩镜头”“横给摇摄”“给上俯仰”“推进”“拉远”或“固定镜头”等。

● 镜头类型：清晰说明远景、中景或特写，并结合合适的光照、浅景深和天然运动。

● 节拍：引导运用慢动作、延时摄影、停留镜头、长镜头、定格画面或无缝转场，以塑造节拍和气氛。

● 环境气氛：加入雾气、薄雾、雨水、黄金时刻光线、反射效果和丰盛的表面纹理等场景细节，让画面更具真正感。

● 风格：在提示词开头明确风格，如绘画感、黑色电影、胶片风格、定格动画、像素化边缘、流行大片或超现实风格。

● 光照：运用具体语言描述逆光、特定配色方法、柔和轮廓光、镜头光晕或其他光照细节。

● 心情：重点刻画单一主体的表演，通过清晰的面部表情和细微动作传达情感。

● 声音和音频：提示人物运用不同语言说话或歌唱，并配合明确的环境音描述。

优化显存占用和图像质量

一直以来前沿模型，LTX-2 为了提供高质量效果，需要占用大量显存(VRAM)。随着分辨率、帧率、视频时长或采样步数的提高，显存占用也会随之增加。

ComfyUI 和 NVIDIA 合作优化了一项 weight streaming 功能，当 GPU 显存不足时，可将职业流的部分内容卸载到体系内存中运行——但这会以性能下降为代价。

根据GPU型号和运用场景的不同，用户也许需要对这些影响加以限制，以确保生成时刻保持在合理范围内。

LTX-2 是一款极其先进的模型——但和任何模型一样，参数配置的调整都会对最终质量产生显著影响。

了解怎样在 RTX GPU 上优化 LTX-2，请参考用于 ComfyUI 的 LTX-2 快速入门指导，

运用FLUX.2-Dev 和LTX-2 构建自定义职业流

用户如需简化在不同 ComfyUI 职业流之间来回切换、在本地寻找 FLUX.2-Dev 生成的图片并插入 LTX-2 职业流中的经过，可以将 FLUX.2-Dev 和 LTX-2 组合到壹个新的职业流中：

● 打开已保存的 FLUX.2-Dev 文本转图像职业流。

● 按住 Ctrl 并用鼠标左键点击 FLUX.2-Dev 文本转图像节点。

● 在 LTX-2 图像转视频职业流中，运用 Ctrl+V 粘贴该节点。

● 将鼠标悬停在 FLUX.2-Dev 文本转图像节点的 “IMAGE” 接口点上，按住左键并拖动至 “调整图像/掩码大致” 接口点，蓝色连接线将自动生成。

以新名称保存该职业流，即可在同壹个职业流中同时为图像和视频输入提示词。

顶级3D 生成

在运用 FLUX.2 生成图像、LTX-2 生成视频后，下一步是加入 3D 引导。NVIDIA 的 3D 引导生成式 AI Blueprint 展示了怎样利用 3D 场景和资产，在 RTX PC 上驱动更可控、面给专业制作流程的图像和视频管线——并提供现成的职业流，供用户查看、调整和扩展。

创作者还可以在 Stable Diffusion subreddit 和 ComfyUI Discord 上展示作品、和其他用户探讨并获取帮助。

#别有失— NVIDIA RTX AI PC 的新鲜进展