Flux de lucru HunyuanVideo text to video ComfyUI: modelul 13B care a început video local
Prezentare generală
HunyuanVideo (decembrie 2024) a fost primul model video deschis cu calitate cinematică reală, iar postarea pe blog a echipei ComfyUI despre rularea lui pe 8 GB VRAM este încă una dintre cele mai citite. Acesta este fluxul de lucru oficial: Încarcă modelul de difuzie cu greutățile 13B 720p, DualCLIPLoader cu clip_l și encoderul LLaVA-Llama 3 fp8, VAE-ul Hunyuan și un lanț sampler personalizat (RandomNoise, BasicGuider, KSamplerSelect euler, BasicScheduler 20 pași) cu FluxGuidance 6 și ModelSamplingSD3 shift 7.
Graficul decodează intenționat cu VAE Decode (Tiled): nota spune că majoritatea au nevoie de asta, iar scăderea tile_size și overlap este soluția pentru erorile de memorie la decodare. Trucul pentru 8 GB din postarea de pe blog este widgetul weight_dtype pe Load Diffusion Model: setează fp8_e4m3fn și fișierul bf16 de 25 GB se încarcă ca fp8. 848x480 la 73 cadre (trei secunde la 24 fps) este implicit.
Găzduit pe ModelTrends.ai: exemplul de flux de lucru hunyuan_video_text_to_video.json, neschimbat. HunyuanVideo 1.5, succesorul din 2025, are propriile șabloane cu aceeași formă.
Poze și clipuri
The ComfyUI team's launch clip for this model
HunyuanVideo text to video ComfyUI workflow: an example output of the template
Referință
Nume | Tip | Ce este |
|---|---|---|
hunyuan_video_t2v_720p_bf16.safetensors | models/diffusion_models | Modelul text-to-video 13B, bf16 (aproximativ 25 GB). Comfy-Org/HunyuanVideo_repackaged. Încarcă ca fp8 pe plăci mici. |
clip_l.safetensors | models/text_encoders | Encoderul CLIP-L. comfyanonymous/flux_text_encoders. |
llava_llama3_fp8_scaled.safetensors | models/text_encoders | |
hunyuan_video_vae_bf16.safetensors | models/vae | |
Dimensiune și durată | 848x480, 73 frames, 24 fps | EmptyHunyuanLatentVideo. Cadre 4n+1. |
Sampling | 20 steps, euler, simple, FluxGuidance 6, shift 7 | Valorile implicite din exemplu. |
Unde se pun fișierele
Pune fiecare descărcare în acest folder din instalarea ta ComfyUI. Un nod loader listează doar fișierele din folderul pe care îl citește, așa că un model în folderul greșit apare ca lipsă.
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
Pas cu pas
- Actualizează ComfyUI (Desktop: Help > Check for updates; portabil: rulează update_comfyui.bat). Aceste fluxuri de lucru au nevoie de o versiune 2025 sau mai nouă.
- Descarcă fișierul de flux de lucru de mai jos și trage-l pe canvasul ComfyUI, sau folosește Workflow > Open. Nodurile apar cu numele fișierelor deja completate.
- Descarcă fiecare fișier din tabel și pune-l în folderul indicat. Dacă un widget de model are o margine roșie, numele nu corespunde unui fișier din acel folder: dă click pe el și alege fișierul descărcat.
- Pe o placă cu mai puțin de 24 GB, setează weight_dtype în Load Diffusion Model la fp8_e4m3fn.
- Scrie scena ca o propoziție curgătoare cu stilul la început („stil anime”, „cadru cinematic de film”).
- Apasă Run (Ctrl+Enter). Prima rulare încarcă modelele și durează cel mai mult; rulările următoare le refolosesc. Câteva minute pe o placă de 16 GB la dimensiunea implicită.
- Dacă decodarea rămâne fără memorie, scade tile_size și overlap pe VAE Decode (Tiled). Fișierul mp4 este în ComfyUI/output/video.
Exemple
Promptul exemplu
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
Sfaturi
- HunyuanVideo nu are input pentru prompt negativ; controlează cu textul pozitiv și FluxGuidance (5 până la 7).
- 544x960 portret la 49 cadre este rețeta pentru 8 GB din postarea de pe blog.
- Encoderul LLaVA înțelege descrieri lungi, naturale; scrie un paragraf, nu doar taguri.
- Există mii de LoRA-uri HunyuanVideo (acest site le listează sub familia Hunyuan); LoraLoaderModelOnly se pune între loader și ModelSamplingSD3.
Depanare
Nodurile sunt roșii după încărcarea fluxului de lucru
De ce se întâmplă
ComfyUI-ul tău e mai vechi decât nodurile folosite de șablon.
Cum se repară
Actualizează mai întâi ComfyUI; aceste șabloane folosesc doar noduri încorporate, deci nu e nevoie de pachete de noduri personalizate decât dacă ghidul spune.
"Value not in list" pe un widget de model
De ce se întâmplă
Fișierul lipsește sau e în folderul greșit.
Cum se repară
Verifică tabelul: modelele de difuzie în models/diffusion_models, encoderii text în models/text_encoders, VAE-urile în models/vae, LoRA-urile în models/loras. Apasă R pentru a reîmprospăta listele.
CUDA out of memory
De ce se întâmplă
Modelul plus latentul nu încap pe placă.
Cum se repară
Scade mai întâi lățimea, înălțimea sau numărul de cadre; alege o versiune fp8 sau GGUF a modelului de difuzie; setează weight_dtype la fp8 în Load Diffusion Model; închide alte programe GPU. Ghidurile VRAM de pe acest site dau cifre pe placă.
Memorie insuficientă la final
De ce se întâmplă
Decodarea VAE pentru 73 cadre nu încap.
Cum se repară
Scade tile_size (256) și overlap (32) pe VAE Decode (Tiled).
Întrebări
Rulează pe 8 GB?
Da, cu weight_dtype fp8, 544x960 sau 480x480 și 49 cadre, lent. Postarea de pe blog explică.
Imagine la video?
HunyuanVideo original a fost text la video; modelul I2V a venit mai târziu, iar HunyuanVideo 1.5 are ambele cu șabloanele lor.
HunyuanVideo sau Wan 2.2?
Linkuri și surse
- The ComfyUI blog post
- The 8 GB VRAM post
- ComfyUI HunyuanVideo examples
- Comfy-Org HunyuanVideo repackaged
- Hunyuan models on ModelTrends.ai
Modele din acest ghid
Scris de
Conduce această navă. Are opinii despre timpii de decodare VAE pe care nimeni nu le-a cerut. Crede că greutățile vor să fie libere și că orice model pe care nu îl poți descărca este un abonament cu pași suplimentari. Nu va răspunde la întrebări despre cele 400 GB de checkpoint-uri de pe NAS.
Toate ghidurile de Captain
Ghiduri conexe
Flux de lucru Wan 2.2 14B text la video ComfyUI: două modele, un LoRA în 4 pași, mișcare de calitate cinematografică
9 Oct 2026
Flux de lucru LTX-2 text la video ComfyUI: imagine și sunet dintr-un singur prompt
9 Oct 2026
Cât VRAM îți trebuie pentru video AI? Wan 2.2, HunyuanVideo 1.5 și LTX-2 după mărimea GPU-ului (2026)
6 Oct 2026
HunyuanVideo 1.5 vs Wan 2.2: care model video open să folosești în 2026
4 Oct 2026
Generarea video AI pentru începători: de la imagine la video, de la text la video și primul clip cu Wan, LTX-2 și H3
29 Apr 2026
Mai multe ghiduri
Wan 2.1 text to video (1.3B) flux de lucru ComfyUI: primul tău video local pe un card de 8 GB
9 Oct 2026
Flux de lucru Wan 2.2 5B ComfyUI: text sau imagine 720p către video pe un singur card mid-range
9 Oct 2026
FLUX.2 [klein] 4B text to image ComfyUI workflow: imagini în subsecunde pe un card de 8 GB
9 Oct 2026
Flux de lucru Wan 2.2 14B de la imagine la video în ComfyUI: cel mai bun grafic foto-to-clip open source
9 Oct 2026
Flux de lucru ComfyUI LTX-2 imagine către video: animează o imagine fixă cu sunet sincronizat
9 Oct 2026