HunyuanVideo text to video ComfyUI workflow: model 13B, który zaczął lokalne wideo
Przegląd
HunyuanVideo (grudzień 2024) był pierwszym otwartym modelem wideo o prawdziwej jakości kinowej, a wpis zespołu ComfyUI o uruchomieniu go na 8 GB VRAM jest nadal jednym z najczęściej czytanych. To oficjalny przykład workflow: Załaduj model dyfuzji z wagami 13B 720p, DualCLIPLoader z clip_l i enkoderem LLaVA-Llama 3 fp8, Hunyuan VAE oraz niestandardowy łańcuch samplerów (RandomNoise, BasicGuider, KSamplerSelect euler, BasicScheduler 20 kroków) z FluxGuidance 6 i ModelSamplingSD3 shift 7.
Graf celowo dekoduje z VAE Decode (Tiled): notatka mówi, że większość osób tego potrzebuje, a zmniejszenie tile_size i overlap to sposób na błędy pamięci podczas dekodowania. Sztuczka na 8 GB z wpisu to widget weight_dtype w Load Diffusion Model: ustaw fp8_e4m3fn, a plik 25 GB bf16 ładuje się jako fp8. Domyślnie 848x480 przy 73 klatkach (3 sekundy przy 24 fps).
Dostępne na ModelTrends.ai: przykład workflow hunyuan_video_text_to_video.json, bez zmian. HunyuanVideo 1.5, następca z 2025, ma własne szablony o tym samym kształcie.
Obrazy i klipy
The ComfyUI team's launch clip for this model
HunyuanVideo text to video ComfyUI workflow: an example output of the template
Odniesienie
Nazwa | Typ | Co to jest |
|---|---|---|
hunyuan_video_t2v_720p_bf16.safetensors | models/diffusion_models | Model tekst-do-wideo 13B, bf16 (około 25 GB). Comfy-Org/HunyuanVideo_repackaged. Ładuj jako fp8 na małych kartach. |
clip_l.safetensors | models/text_encoders | Enkoder CLIP-L. comfyanonymous/flux_text_encoders. |
llava_llama3_fp8_scaled.safetensors | models/text_encoders | |
hunyuan_video_vae_bf16.safetensors | models/vae | Hunyuan video VAE. Comfy-Org/HunyuanVideo_repackaged. |
Rozmiar i długość | 848x480, 73 frames, 24 fps | EmptyHunyuanLatentVideo. Klatki 4n+1. |
Sampling | 20 steps, euler, simple, FluxGuidance 6, shift 7 | Domyślne ustawienia przykładu. |
Gdzie trafiają pliki
Włóż każde pobranie do tego folderu w instalacji ComfyUI. Węzeł loadera pokazuje tylko pliki, które są w folderze, który czyta, więc model w złym folderze będzie pokazywał się jako brakujący.
ComfyUI/├── models/│ ├── diffusion_models/│ │ └── hunyuan_video_t2v_720p_bf16.safetensors│ ├── text_encoders/│ │ ├── clip_l.safetensors│ │ └── llava_llama3_fp8_scaled.safetensors│ └── vae/│ └── hunyuan_video_vae_bf16.safetensors
Krok po kroku
- Zaktualizuj ComfyUI (Desktop: Pomoc > Sprawdź aktualizacje; wersja przenośna: uruchom update_comfyui.bat). Te workflow wymagają wersji z 2025 lub nowszej.
- Pobierz plik workflow poniżej i przeciągnij go na płótno ComfyUI lub użyj Workflow > Otwórz. Węzły pojawią się z już wypełnionymi nazwami plików.
- Pobierz każdy plik z tabeli i umieść go w podanym folderze. Jeśli widget modelu ma czerwone obramowanie, nazwa nie pasuje do pliku w tym folderze: kliknij i wybierz pobrany plik.
- Na karcie z mniej niż 24 GB ustaw weight_dtype w Load Diffusion Model na fp8_e4m3fn.
- Napisz scenę jako jedno płynne zdanie, zaczynając od stylu ("anime style", "cinematic film still").
- Naciśnij Run (Ctrl+Enter). Pierwsze uruchomienie ładuje modele i trwa najdłużej; kolejne używają już załadowanych. Kilka minut na karcie 16 GB przy domyślnym rozmiarze.
- Jeśli dekodowanie zabraknie pamięci, zmniejsz tile_size i overlap w VAE Decode (Tiled). Plik mp4 znajdziesz w ComfyUI/output/video.
Przykłady
Przykładowy prompt
anime style anime girl with massive fennec ears and one big fluffy tail, she has blonde hair long hair blue eyes wearing a pink sweater and a long blue skirt walking in a beautiful outdoor scenery with snow mountains in the background
Porady
- HunyuanVideo nie ma pola na negatywny prompt; steruj pozytywnym tekstem i FluxGuidance (5 do 7).
- 544x960 portret przy 49 klatkach to przepis na 8 GB z wpisu na blogu.
- Enkoder LLaVA rozumie długie, naturalne opisy; napisz akapit, nie tagi.
- Istnieją tysiące LoRA do HunyuanVideo (na tej stronie są pod rodziną Hunyuan); LoraLoaderModelOnly idzie między loaderem a ModelSamplingSD3.
Rozwiązywanie problemów
Węzły są czerwone po załadowaniu workflow
Dlaczego tak się dzieje
Twoja wersja ComfyUI jest starsza niż węzły używane w szablonie.
Jak to naprawić
Najpierw zaktualizuj ComfyUI; te szablony używają tylko wbudowanych węzłów, więc nie potrzebujesz pakietu niestandardowych węzłów, chyba że przewodnik mówi inaczej.
"Value not in list" na widgetcie modelu
Dlaczego tak się dzieje
Brakuje pliku lub jest w złym folderze.
Jak to naprawić
Sprawdź tabelę: modele dyfuzji do models/diffusion_models, enkodery tekstu do models/text_encoders, VAE do models/vae, LoRA do models/loras. Naciśnij R, by odświeżyć listy.
CUDA out of memory
Dlaczego tak się dzieje
Model plus latent nie mieści się na karcie.
Jak to naprawić
Najpierw zmniejsz szerokość, wysokość lub liczbę klatek; wybierz wersję fp8 lub GGUF modelu dyfuzji; ustaw weight_dtype na fp8 w Load Diffusion Model; zamknij inne programy GPU. Przewodniki VRAM na tej stronie podają liczby dla kart.
Brak pamięci na samym końcu
Dlaczego tak się dzieje
Dekodowanie VAE 73 klatek nie mieści się.
Jak to naprawić
Zmniejsz tile_size (256) i overlap (32) w VAE Decode (Tiled).
Pytania
Czy działa na 8 GB?
Tak, z weight_dtype fp8, 544x960 lub 480x480 i 49 klatkami, wolno. Opisane w wpisie na blogu.
Obraz na wideo?
Oryginalny HunyuanVideo był tekst na wideo; model I2V pojawił się później, a HunyuanVideo 1.5 ma oba z własnymi szablonami.
HunyuanVideo czy Wan 2.2?
Wan 2.2 jest nowszy, lepiej podąża za promptami i ma model 5B dla kart średniej klasy. HunyuanVideo ma większą bibliotekę LoRA i charakterystyczny wygląd.
Linki i źródła
- The ComfyUI blog post
- The 8 GB VRAM post
- ComfyUI HunyuanVideo examples
- Comfy-Org HunyuanVideo repackaged
- Hunyuan models on ModelTrends.ai
Modele w tym poradniku
Autor
Dowodzi tym statkiem. Ma opinie o czasach dekodowania VAE, o które nikt nie pytał. Wierzy, że wagi chcą być wolne i że każdy model, którego nie możesz pobrać, to subskrypcja z dodatkowymi krokami. Nie będzie odpowiadać na pytania o 400 GB checkpointów na NAS.
Wszystkie poradniki autorstwa Captain
Powiązane poradniki
Wan 2.2 14B tekst na wideo w ComfyUI: dwa modele, 4-stopniowy LoRA, kinowa jakość ruchu
9 Paź 2026
LTX-2 tekst na wideo ComfyUI: obraz i dźwięk z jednego promptu
9 Paź 2026
Ile VRAM potrzebujesz do AI wideo? Wan 2.2, HunyuanVideo 1.5 i LTX-2 według wielkości GPU (2026)
6 Paź 2026
HunyuanVideo 1.5 kontra Wan 2.2: który otwarty model wideo wybrać w 2026
4 Paź 2026
Generowanie wideo AI dla początkujących: obraz na wideo, tekst na wideo i pierwszy klip z Wan, LTX-2 i H3
29 Kwi 2026
Więcej poradników
Wan 2.1 text to video (1.3B) ComfyUI workflow: Twój pierwszy lokalny film na karcie 8 GB
9 Paź 2026
Wan 2.2 5B ComfyUI workflow: 720p tekst lub obraz na wideo na jednej karcie średniej klasy
9 Paź 2026
FLUX.2 [klein] 4B tekst na obraz ComfyUI workflow: obrazy poniżej sekundy na karcie 8 GB
9 Paź 2026
Wan 2.2 14B obraz na wideo w ComfyUI: najlepszy otwarty graf foto-na-clip
9 Paź 2026
LTX-2 obraz na wideo w ComfyUI: animuj statyczne zdjęcie z zsynchronizowanym dźwiękiem
9 Paź 2026