ComfyUI-HunyuanVideoWrapper
ComfyUI-HunyuanVideoWrapper 是一个为 ComfyUI 图形化工作流平台设计的插件，用于便捷接入腾讯 HunyuanVideo 视频生成模型。它让使用者无需编写代码，就能通过拖拽节点实现文本生成视频（T2V）、图像引导视频（I2V）等复杂任务，并支持加载官方和社区提供的 LoRA 模型，如情感风格增强和关键帧控制模型。此前用户常因 HunyuanVideo 原生接口复杂、文本编码不稳定而难以使用，此插件通过复用 ComfyUI 自带的文本编码器，大幅降低使用门槛，同时兼容 FP8 量化权重与 Enhance-A-Video 质量提升技术，在不增加显存负担的前提下显著提升画质。它特别适合熟悉 ComfyUI 的AI设计师、视频创作者和研究人员，帮助他们快速实验新功能，如基于视觉语言模型（VLM）的图像概念引导生成（IP2V），实现风格迁移与内容控制。虽然部分高级功能如上下文窗口管理仍待原生支持，但当前版本已为非程序员提供了接近专业级的视频生成能力。
使用场景
一位独立动画师正在为独立短片制作一段30秒的动态概念预告片，需要将一张手绘概念图（如“未来都市中的机械猫在雨中漫步”）转化为高质量、风格一致的视频，同时保持原画的细腻光影与艺术风格。
没有 ComfyUI-HunyuanVideoWrapper 时
- 手动将图像输入官方 HunyuanVideo 接口时，无法直接使用图像作为语义提示（IP2V），只能当第一帧，导致画面失去创意控制。
- 文本编码依赖模型内置模块，生成结果与预期文案偏差大，比如“机械猫”常被误生成为普通猫或机器人。
- 无法加载官方发布的 fp8 量化权重，显存占用高，16GB 显卡无法运行 720p 视频生成。
- 缺乏对 Dashtoon 关键帧 LoRA 的支持，难以控制动画节奏，如猫步态不自然、雨滴运动无规律。
- 想用 Enhance-A-Video 提升画质时，需手动拼接多个工作流，流程断裂，耗时超过 3 小时。
使用 ComfyUI-HunyuanVideoWrapper 后
- 可直接通过 IP2V 节点输入概念图，模型自动提取风格与概念，生成的视频中机械猫的形态、材质与原图完全一致。
- 利用 ComfyUI 原生文本编码器替代模型内置编码，精准控制提示词，确保“雨中漫步”“霓虹灯光反射”等细节准确呈现。
- 支持加载官方 fp8 量化权重，显存占用降低 40%，在 16GB 显卡上流畅生成 720p 视频，无需降分辨率。
- 集成 Dashtoon 关键帧 LoRA，可手动设置关键帧控制猫的抬爪、转身节奏，动画流畅度大幅提升。
- 一键接入 Enhance-A-Video 节点，生成后自动增强细节，画质提升明显，总耗时从 3 小时压缩至 45 分钟。
ComfyUI-HunyuanVideoWrapper 让独立创作者无需专业算力或工程背景，就能用一张草图快速产出电影级概念视频，真正实现“灵感即成片”。
运行环境要求
- Windows
- Linux
需要 NVIDIA GPU，显存 24GB+ 推荐，最低 8GB，CUDA 11.7+，推荐使用 torch 2.5.1+cu124
16GB+
快速开始
适用于HunyuanVideo的ComfyUI封装节点
更新5
我知道之前说过要停止开发这个，但最近出了不少新功能，我想先把这些做出来。这次我加入了官方的I2V，也就是“修复版”2.0，还有他们发布的LoRAs。
https://github.com/user-attachments/assets/8ce4b1ee-fb63-49a2-83b4-ba8ef1a8b842
https://github.com/user-attachments/assets/2b6e32e4-470f-4feb-b299-5a453e2b4fa1
另外，由于在使用Transformer模型进行文本编码时遇到了很多麻烦，我找到了一种方法，可以直接使用ComfyUI原生文本编码中的文本嵌入，就像这样：
不过，这样做确实会带来一些不同的结果，因此用这种方式使用这些节点已经不能算是原始实现的封装了。
更新4，非更新内容：
既然原生实现已经存在，并且现在支持大部分功能，我将主要停止对这些节点的开发，除非它们有新的用途——比如早期访问和测试那些难以（至少对我来说）直接实现的新功能。
原生工作流的一些资源：
Flowedit和enhance-a-video可以从这些节点中找到：https://github.com/logtd/ComfyUI-HunyuanLoom
TeaCache等效于FirstBlockCache，以及支持LoRA的torch.compile：https://github.com/chengzeyi/Comfy-WaveSpeed
Sageattention可以通过ComfyUI的--use-sage-attention启动参数启用，或者通过KJNodes中的补丁节点，以及其他一些节点包来启用。
Leapfusion I2V也可以配合我在KJNodes中提供的补丁节点使用，示例工作流：https://github.com/kijai/ComfyUI-KJNodes/blob/main/example_workflows/leapfusion_hunyuuanvideo_i2v_native_testing.json
目前原生实现还缺少以下功能：
- 上下文窗口化
- 通过IP2V直接支持图像嵌入
- 手动内存管理
更新3：
过去几周围绕这个模型忙得不可开交，我都快记不清从一开始发生了什么，不过我会尽量整理一些比较重要的更新：
官方发布了缩放后的fp8权重：
即使这个文件是.pt格式，它完全安全，加载时使用了weights_only选项，比例映射也随节点一起提供。要使用这个模型，必须在模型加载器中选择fp8_scaled量化选项。
这些权重的质量非常接近原始的bf16，缺点是目前还不支持fp8快速模式，也不支持LoRAs。
通过Enhance-A-Video几乎免费地提升画质：
这会对推理速度有一点点影响，但内存占用完全不受影响，初步测试表明绝对值得使用。
https://github.com/user-attachments/assets/e19b30e1-5f67-4e75-9c73-716d4569c319
https://github.com/user-attachments/assets/083353a2-e9aa-43e9-a916-ff3af1d581c1
更新2：实验性IP2V——通过VLM实现图像提示转视频，由@Dango233开发
正在开发中——但现在应该能用了！
现在你可以把图像作为条件输入到VLM中，用于生成！这与image2video不同，后者会把图像作为视频的第一帧。IP2V则把图像作为提示的一部分，提取图像的概念和风格。 所以——很像IPAdapter，只不过VLM会帮你完成繁重的工作！
目前这是一种无需调优的方法，但通过进一步针对特定任务的调优，我们可以拓展更多应用场景。
使用xtuner/llava-llama-3-8b-v1_1-transformers进行图文任务的指南
第一步：模型选择
使用原版的xtuner/llava-llama-3-8b-v1_1-transformers模型，它包含了视觉塔。你有两种选择：
- 下载模型并放到
models/LLM文件夹中。 - 或者依赖自动下载机制。
注意： 建议卸载文本编码器，因为视觉塔需要额外的显存。
第二步：加载并连接图像
- 使用Comfy原生节点加载图像。
- 将加载的图像连接到
Hunyuan TextImageEncode节点。- 你可以最多连接2张图像到这个节点。
第三步：用图像进行提示
- 在你的提示中引用图像，加入
<image>标签。 <image>标签的数量应与提供给采样器的图像数量一致。- 示例提示：
详细描述这张<image>。
- 示例提示：
你也可以选择给CLIP一个不单独引用图像的提示。
第四步：高级配置——image_token_selection_expression
这个表达式面向高级用户，是一个布尔掩码，用来选择图像隐藏状态的哪一部分用于条件控制。以下是一些细节和建议：
- llava-llama-3每张图像的隐藏状态序列长度（或标记数量）为576。
- 默认设置是
::4，即每四个标记选一个标记用于条件控制，交错后每张图像有144个标记。 - 一般来说，标记越多越倾向于条件图像。
- 不过，标记太多（尤其是整体标记数超过256）会降低生成质量，建议不要使用超过一半的标记（
::2）。 - 交错标记的效果通常更好，但你也可以试试以下表达式：
:128——前128个标记。-128:——后128个标记。:128, -128:——前128个和后128个标记。
- 如果策略得当，甚至不传入任何图像标记（留空表达式），也能取得不错的效果。
更新
缩放点积注意力（sdpa）现在应该可以正常工作了（仅在Windows上进行了测试，使用的是torch 2.5.1+cu124，在4090显卡上运行）。尽管仍推荐使用sageattention以获得更快的运行速度，但现在已经不再必要，这使得安装过程变得简单许多。
Vid2vid测试： 源视频
https://github.com/user-attachments/assets/12940721-4168-4e2b-8a71-31b4b0432314
text2vid（旧测试）：
https://github.com/user-attachments/assets/3750da65-9753-4bd2-aae2-a688d2b86115
Transformer和VAE（单个文件，无需自动下载）：
https://huggingface.co/Kijai/HunyuanVideo_comfy/tree/main
前往常规的ComfyUI文件夹（diffusion_models和vae）
LLM文本编码器（支持自动下载）：
https://huggingface.co/Kijai/llava-llama-3-8b-text-encoder-tokenizer
文件放置于ComfyUI/models/LLM/llava-llama-3-8b-text-encoder-tokenizer
Clip文本编码器（支持自动下载）
您可以选择以下两种方式之一：
- 使用ComfyUI支持的任意Clip_L模型。具体做法是，在文本编码器加载器中禁用clip_model，并将ClipLoader节点连接到文本编码器节点；
- 或者让自动下载功能从以下地址获取原始Clip模型：
https://huggingface.co/openai/clip-vit-large-patch14（只需下载权重文件中的.safetensor格式文件以及所有配置文件），并将其放置于：ComfyUI/models/clip/clip-vit-large-patch14
显存占用完全取决于分辨率和帧数，即使在24GB显存的设备上，也不太可能支持很高的分辨率和帧率。
好消息是，即使在极低分辨率下，该模型也能生成功能正常的视频。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。