8GB 显存的低配电脑也可以本地生成图片和视频。本文以本机已配置的两份低显存工作流为主要参考：图片使用 Qwen_image_2.1_GGUF_8GB.json，图片转视频使用 04_i2v_fl2v_4step_sla_lowvram.json。本机参考显卡为 RTX 4070 Laptop GPU，约 8GB 显存。
教程分为四个部分：先安装 ComfyUI，再配置 Qwen-Image-2.1 越狱版生成图片，接着配置 MiniMax H3 生成视频，最后介绍使用 SnowLeopard Vision 进行图片与视频超分、补帧。Qwen 与 MiniMax 部分按“下载模型 → 放入文件夹 → 下载并导入工作流 → 生成使用”的顺序操作。低显存方案会用到系统内存卸载和分块处理，首次先完成一个小任务，再增加尺寸和视频时长。
文字教程参考：零度博客：Qwen-Image-2.1、零度博客：MiniMax H3。以下文件夹以 Windows 桌面版路径为例；Linux 使用对应实例的模型与节点目录。
一、ComfyUI 安装方法
1. 下载并安装 ComfyUI
- 打开 Comfy 官方网站，下载适合自己系统的桌面客户端。
- 运行安装程序，选择安装位置，按提示完成安装。
- 启动客户端，创建或打开一个 ComfyUI 安装实例，并按照界面提示完成环境准备。
- 等待启动完成，确认能够进入 ComfyUI 工作流画布。
已经安装的用户，先保存常用工作流，再更新桌面客户端和当前实例中的 ComfyUI。桌面客户端可在设置中的 Updates 页面检查更新，按提示重启，具体见 官方 Windows 安装与更新说明。
2. 确认模型和自定义节点目录
新版 Windows 桌面版通常使用下面的共享模型目录。把路径复制到资源管理器地址栏，即可展开当前用户的实际目录：
%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared\models展开后的路径示例：
C:\Users\你的用户名\AppData\Local\Comfy-Desktop\ComfyUI-Shared\models如果安装时自定义了模型位置，或使用旧版、便携版、手动安装版，以当前实例配置为准。便携版和手动安装版通常使用 ComfyUI\models。桌面实例和共享模型的默认位置可在 官方目录说明中核对。
本机 Linux 桌面环境使用的共享模型目录为 ~/ComfyUI-Shared/models。Linux 用户按自己实例的实际目录放置文件，后续的 diffusion_models、text_encoders 和 vae 子目录对应关系相同。
模型放在 models 下，自定义节点安装在当前实例的 ComfyUI\custom_nodes 下。先找到包含 main.py 的 ComfyUI 根目录，再打开其中的 custom_nodes；不要把节点插件放进共享模型目录。
后续会用到三个模型子目录：diffusion_models 放主模型，text_encoders 放编码器，vae 放自编码器。工作流 JSON 单独保存即可，在 ComfyUI 中导入。
二、Qwen-Image 越狱版图片生成
1. 下载需要的模型
本部分使用社区发布的 Qwen-Image-2.1 Uncensored GGUF，也就是参考文章中的越狱版。打开 模型仓库，准备下面三类文件：
| 文件作用 | 文件名 | 下载入口 |
|---|---|---|
| 越狱版图片主模型 | qwen-image-2.1-UC-Q4_K_M.gguf | 主模型下载 |
| 配套编码器 | qwen3vl_8b_int8_convrot.safetensors | 编码器下载 |
| 图片 VAE | qwen_image_2.1_vae_bf16.safetensors | VAE 下载 |
编码器也可按工作流选择 qwen3vl_8b_bf16.safetensors，但要留意它与 INT8 版本的资源占用差别。首次可先选表中的 INT8 文件。主模型必须选择带 UC 的版本，并保留下载后的完整文件名。文件组合与加载说明依据 模型作者文档。
参考文章另提供 模型网盘入口。下载后仍需核对实际文件名和工作流配置。
2. 把模型放到对应文件夹
在第一部分找到的模型目录中，按下面的结构放置文件：
models/
├── diffusion_models/
│ └── qwen-image-2.1-UC-Q4_K_M.gguf
├── text_encoders/
│ └── qwen3vl_8b_int8_convrot.safetensors
└── vae/
└── qwen_image_2.1_vae_bf16.safetensorsWindows 桌面版的默认目标文件夹分别是：
主模型：
%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared\models\diffusion_models
编码器：
%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared\models\text_encoders
VAE：
%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared\models\vae下载全部完成后再复制文件。放置完成后刷新模型列表或重启当前实例，确保加载节点能够选到它们。
3. 下载并导入越狱版工作流
先安装 GGUF 加载节点。在当前实例的 custom_nodes 文件夹打开终端，执行：
git clone https://github.com/leejet/ComfyUI-GGUF然后在这个 ComfyUI 实例的 Python 环境中安装依赖。仍在 custom_nodes 目录时，执行：
python -m pip install -r ComfyUI-GGUF/requirements.txt这里的 python 要对应运行 ComfyUI 的环境；便携版使用自带 Python，桌面版使用实例的环境终端。完成后重启 ComfyUI。已装旧版同名节点时，先备份，再按 GGUF 节点仓库说明更新或替换，避免重复安装。
8GB 显存主推荐下载：
下载 Qwen_image_2.1_GGUF_8GB.json 后，直接把 JSON 拖入 ComfyUI 画布。这份工作流使用 UC Q4_K_M 主模型、8B INT8 编码器和分块 VAE 解码，作为本文文生图的主要推荐。
原文越狱工作流作为补充，尤其是多图片编辑需求：
原文下载页包含文生图和多图片编辑两个文件：
| 工作流文件 | 用途 |
|---|---|
（越狱版）image_qwen_image_2_1_t2i_gguf.json | 输入提示词生成图片 |
（越狱版）Qwen image 2.1 多图片编辑模型.json | 上传参考图片并编辑 |
下载 JSON 后，直接拖入 ComfyUI 空白画布，或使用打开工作流功能导入。若下载的是压缩包，先解压，导入其中的 JSON。不要把网页 HTML 当成工作流文件。
导入后，依次检查三个加载节点：
Unet Loader (GGUF)：选择qwen-image-2.1-UC-Q4_K_M.gguf。CLIPLoader：选择配套 8B 编码器，类型设为qwen_image。VAELoader：选择qwen_image_2.1_vae_bf16.safetensors。
网盘工作流可能保留旧文件名，导入后手动重新选择自己下载的文件即可。如果节点封装在子图中，先打开相应子图。出现缺失节点时，按节点名称安装对应插件，并检查启动日志。
本机 8GB 图片工作流的主要参数如下，导入后先按这套配置使用：
| 项目 | 本机参考配置 |
|---|---|
| 主模型 | UC Q4_K_M GGUF |
| 编码器 | Qwen 8B INT8 ConvRot |
| 图片尺寸与数量 | 1024 × 1024，每次 1 张 |
| 采样步数 / CFG | 25 / 1 |
| 采样器 / 调度器 | euler / simple |
| 图片解码 | VAEDecodeTiled，分块大小 256，重叠 64 |
保留分块解码节点，先让这套低显存配置正常输出图片，再调整画幅和批量数量。
4. 图片生成使用方法
文生图操作顺序：
- 打开
Qwen_image_2.1_GGUF_8GB.json，确认主模型、编码器和 VAE 已选中。 - 在
TextEncodeQwenImage21节点填写主体、场景、构图与光线要求。 - 先使用工作流默认的采样参数，每次生成一张图片。
- 点击运行或加入队列，等待预览和保存节点输出结果。
- 保存图片与这份工作流，成功后再调整尺寸、随机种子和提示词。
可以使用下面的提示词测试：
清晨的江南小镇，一位25岁左右的成年中国女性站在青石桥上，身穿浅青色汉服，手持油纸伞，微微侧身看向镜头，神态自然。
采用腰部以上的中近景人像构图，人物是画面的主要主体，占画面约三分之二，面部足够大且清晰，伞沿不遮挡面部。
精确对焦双眼，清晰呈现眼睛、眉毛、鼻子和嘴唇，五官自然协调，保留真实皮肤纹理、发丝和衣料细节。
人物旁边可见青石桥栏杆，背景是安静的河道、白墙黛瓦的老屋和薄薄的晨雾，水面有细微倒影。
柔和晨光均匀照亮面部，自然人像摄影质感，背景轻微虚化，人物面部保持锐利清晰。
头部和油纸伞周围留出适当空间，避免拥挤构图，不出现文字或水印。要突出人脸细节，先让人物在画面中占据足够大的比例。本例使用腰部以上的中近景并对焦双眼，避免把人物放成远景中的小主体。
如果工作流提供独立负面提示词输入，可以填写：
人脸模糊，失焦，远景小人物，重复主体，肢体畸形，多余手指，扭曲建筑，过度磨皮，文字，水印下面是本机 8GB 显存配置的完整工作流截图，以及使用上述提示词实际生成的图片。所有模型加载、采样、解码和保存节点均已展示，点击配图可以查看原图。
图像编辑时，打开多图片编辑工作流，在图片输入节点上传素材，再用文字说明修改要求。例如：
保留人物的面部、姿态和摄影构图，把外套改成深蓝色牛仔夹克。
保持自然光照和衣料纹理，背景不变，不增加新的配饰或人物。下面使用本机此前生成的人像作为编辑素材，展示同一台 8GB 显存电脑的编辑工作流与前后对照。本次编辑使用 CFG 4；文生图示例使用 CFG 1，两种场景的参数请分别参考图注。
这个低显存编辑示例沿用同一套 GGUF 主模型、INT8 编码器和图片 VAE。在工作流中增加 LoadImage，把素材连接到 TextEncodeQwenImage21 的 images.image_1 输入，并接入 VAE；KSampler 的 Latent 输入改接该编码节点的 latent 输出。先用一张素材测试，其他图片输入可以留空。
使用多张图片时，分别说明每张图提供什么参考，例如第一张提供人物、第二张提供服装。先测试单张图片和一处修改，成功后再增加素材。
如果模型列表看不到文件，检查目录和下载完整性；如果 GGUF 提示不识别架构，检查 ComfyUI 与 GGUF 节点版本；如果显存不足，先减少画幅和生成数量，再检查编码器卸载与低显存设置。
三、MiniMax H3 视频生成
1. 下载视频模型及配套文件
视频部分采用参考文章提供的 MATLOWAI INT8 ConvRot 加速主模型。需要下载主模型、视频编码器、视频 VAE 和音频 VAE；这四类文件要与工作流配套。
| 文件作用 | 文件名 | 下载入口 |
|---|---|---|
| 视频生成主模型 | minimax_h3_fused_refdelta_r1024_turbo8_mystic07_int8_convrot.safetensors | 加速主模型下载 |
| 工作流默认编码器 | qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors | 编码器下载 |
| 视频 VAE | minimax_h3_video_vae_int8_convrot.safetensors | 视频 VAE 下载 |
| 音频 VAE | minimax_h3_audio_vae_fp32.safetensors | 音频 VAE 下载 |
文件组合依据 加速模型作者说明。视频 VAE 也可从参考文章链接的 Kijai 实验模型仓库获取。
如果需要使用原文中的越狱版编码器，下载 Momoking Heretic NVFP4 编码器：
qwen3vl_32b_heretic_minimax_h3_nvfp4.safetensors它替换的是上表中的编码器，主模型和两个 VAE 仍要保留。NVFP4 要匹配硬件与软件支持；如果改用其他精度，按对应作者说明调整编码器和工作流。
原文中的备用资源入口：加速主模型网盘、VAE 网盘、越狱版编码器网盘。
2. 把模型放到对应文件夹
默认编码器组合的文件结构如下：
models/
├── diffusion_models/
│ └── minimax_h3_fused_refdelta_r1024_turbo8_mystic07_int8_convrot.safetensors
├── text_encoders/
│ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
└── vae/
├── minimax_h3_video_vae_int8_convrot.safetensors
└── minimax_h3_audio_vae_fp32.safetensorsWindows 桌面版默认放置位置：
视频主模型：
%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared\models\diffusion_models
视频编码器或越狱版编码器：
%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared\models\text_encoders
视频 VAE 和音频 VAE：
%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared\models\vae使用 Heretic 编码器时，把它放入同一个 text_encoders 文件夹，随后在工作流中选择它。视频模型使用的 32B 编码器和两个 VAE，与第二部分的图片模型文件不同，不能互换。
复制完成后刷新模型列表或重启实例，确认文件能被相应加载节点识别。
3. 下载、选择并导入视频工作流
8GB 显存主推荐下载：
直接下载 04_i2v_fl2v_4step_sla_lowvram.json，它是本文图片转视频的主要推荐。导入后上传一张图片作为首帧，并保留 MiniMaxChunkFeedForward 分块节点。
如果需要其他生成方式，再按显卡和显存情况选择对应目录：
AMD 工作流要配套 ROCm 环境和对应节点，具体见作者提供的 ComfyUI ROCm 分支。仅导入 AMD 工作流不能替代运行环境配置。
再按照生成目标选择具体文件：
| 工作流文件或前缀 | 用途 |
|---|---|
01_reference_4step_sla.json | 基础文生视频 |
04_i2v_fl2v_4step_sla.json | 图片转视频，也可配置首尾帧 |
05_ref2va_4step_sla.json | 参考素材生成视频 |
02_derope_4plus4_sla.json | 基础流程成功后，处理快速运动拖影 |
03_derope_dyrope_pb3049_warm375.json | 进一步运动修复，需要额外运动适配器 |
低显存和 ROCm 文件可能带相应后缀，按用途选择。8GB 电脑优先使用本文的 04_i2v_fl2v_4step_sla_lowvram.json；需要文生视频时，再选择对应的 01 低显存版本。下载用于画布导入的普通 .json；.api.json 用于脚本提交任务。压缩包先解压，再将 JSON 拖入 ComfyUI 画布。
本机主推荐工作流需要 CUDA 版 SLA 注意力节点和 ComfyUI-KJNodes，其中 MiniMaxChunkFeedForward 来自 KJNodes。使用其他运动处理工作流时，按缺失节点提示补齐 ComfyUI-MAINodes等插件。通过节点管理功能安装，或按仓库说明在当前实例的 custom_nodes 中安装，依赖装入实例 Python 环境，完成后重启。
如果使用 03，还需从 运动适配器仓库下载 minimax_h3_temporal_expansion_step375_r16.safetensors，放入 models/loras，并在 LoRA 加载节点中选中它。
最后核对加载节点：
UNETLoader：选择加速视频主模型，weight_dtype保留default。CLIPLoader：选择默认编码器或 Heretic 编码器，类型设为minimax。- 视频
VAELoader：选择minimax_h3_video_vae_int8_convrot.safetensors。 - 音频
VAELoader：选择minimax_h3_audio_vae_fp32.safetensors。
完整文件名以下载的工作流与模型仓库为准。文件放在子目录时，在加载节点中重新选择实际路径。
本机低显存视频工作流的主要参数如下：
| 项目 | 本机参考配置 |
|---|---|
| 采样步数 | 4 |
| 采样器 / 调度器 | res_multistep / simple |
| 画面比例 / 默认画幅 | 16:9 / 0.7MP |
| 默认时长 / 帧率 | 约 10 秒 / 24fps |
| 前馈分块 | MiniMaxChunkFeedForward，chunks 4，seq threshold 4096 |
| SLA 注意力 | sparsity 0.90，block size 64 |
首次测试可以先把画幅降到 0.3～0.5MP、时长设为约 3～5 秒，确认整条流程成功后再逐步提高。保留分块节点，避免首次直接叠加长视频、高分辨率和其他显存任务。
4. 视频生成使用方法
8GB 低配主推荐先走图片转视频：用第二部分生成一张图片，再把它交给 MiniMax H3。输入图片已经确定主体和构图，提示词重点描述动作与镜头变化。
图片转视频操作顺序：
- 在第二部分的 Qwen 图片工作流中生成并保存一张图片。
- 打开
04_i2v_fl2v_4step_sla_lowvram.json。 - 在
LoadImage上传图片，确认它连接到首帧输入。 - 输入动作与镜头变化要求，然后点击运行。
- 检查视频开头、人物一致性和运动方向，保存结果。
如果使用前面的江南场景图片，可以填写：
以输入图片作为首帧，保持人物面部、汉服、油纸伞和桥梁结构一致。
人物缓慢转头看向河面，衣袖与伞边随微风轻轻摆动。
镜头向前推进少许，河面泛起自然涟漪，背景薄雾缓慢流动。
全程使用一个连续镜头，动作克制流畅，不增加人物，不改变服装。下图为本文主推荐的 MiniMax H3 低显存图生视频完整工作流：左侧填写动作提示词并上传首帧，中间为模型加载、低显存分块、SLA 注意力与四步采样，右侧完成音视频解码和保存。
文生视频操作顺序：
- 打开
01对应的低显存工作流，确认加载节点和依赖完整。 - 在 PROMPT 文本框填写主体、动作、镜头、环境和声音要求。
- 先保留模板采样参数，使用较短片段与较小画幅测试。
- 点击运行，等待采样、音视频解码和保存节点完成。
- 检查输出视频；成功后固定随机种子，再逐项调整尺寸、时长和动作描述。
示例提示词：
一段连续镜头：雨后的青石小巷，一只橘猫坐在窗边，抬头看向飘落的树叶。
镜头缓慢向前移动，橘猫轻轻眨眼，耳朵有自然的小幅动作。
窗台的积水反射柔和光线，远处有轻微雨声，整体安静、自然。
保持同一只猫的外观和体型，避免突然切镜、重复主体和剧烈镜头晃动。首尾帧生成时，按模板把第二张图片连接到尾帧输入。参考素材生成视频时，使用 05_ref2va，按模板的引用方式说明哪张图提供哪个主体，再补充动作和场景。
遇到显存不足，先确认已使用本文的低显存工作流并保留分块节点，再降低画幅和视频时长，关闭其他占用显存的任务。8GB 方案通过系统内存卸载与分块处理运行，生成速度会受系统内存、存储速度和任务规模影响。相关配置见 作者低显存说明。
出现缺失节点或 IMPORT FAILED，先检查启动日志和节点依赖；缺少 ResolutionSelector、ComfyMathExpression 时先更新 ComfyUI 核心。如果有画面但音频步骤失败，检查音频 VAE、音频节点和输出连接。生成成功后保存一份工作流 JSON，并记录模型文件名和节点版本。
四、SnowLeopard Vision：图片与视频超分、补帧
1. 软件介绍与主要用途
SnowLeopard Vision（雪豹视觉）由雪豹·Elysia开发，是一款免费使用的本地 AI 图片与视频增强工具。本文可把它接在 Qwen 和 MiniMax H3 的生成流程之后：先生成构图和动作满意的素材，再提高分辨率或画面流畅度。功能与版本信息依据项目说明，核对日期为 2026 年 10 月 6 日。
| 功能 | 处理内容 | 在本文中的用途 |
|---|---|---|
| 图片超分 | 放大图片并增强可见细节 | 处理 Qwen 生成的人像、插画或封面 |
| 视频超分 | 逐帧增强画面，再合成高分辨率视频 | 提升 MiniMax H3 小画幅成片的清晰度 |
| 视频补帧 | 使用 RIFE 生成中间帧 | 改善人物动作与镜头移动的流畅度 |
| 超分并补帧 | 先超分，再补帧 | 同时调整成片的分辨率与帧率 |
2. 下载与启动
目前官网提供 V2.2，可从官网下载区域选择夸克、迅雷、百度网盘，或使用GitHub V2.2 发布页备用下载。安装版与免安装版选一种即可：安装版按提示安装，免安装版完整解压后启动。当前发布包为 Windows 应用，在用于素材处理的 Windows 电脑上运行。
GitHub 的安装版和免安装版都采用两卷下载。下载所选版本的 .001、.002 两卷，以及发布页提供的 Restore-Packages.cmd、Restore-Packages.ps1，放在同一个文件夹，再按发布页说明还原完整包。V2.2 附件在 2026 年 10 月 3 日更新过，下载时使用同一批次文件。希望直接获取完整包的用户可选官网网盘入口。
3. 配合前面生成的素材使用
- 在 ComfyUI 中保存满意的 Qwen 图片或 MiniMax H3 视频。
- 打开 SnowLeopard Vision，拖入图片、视频或素材文件夹，确认输出目录和文件名。
- 按目标选择图片超分、视频超分、视频补帧，或超分并补帧。
- 检查环境是否准备完成、当前使用的显卡，以及任务提供的模型、放大倍数、目标帧率和输出设置。
- 开始处理，观察进度；完成后对比原素材与结果，重点检查人脸、衣料纹理、运动边缘和音画同步。
例如，前面的江南人像可以先尝试 2× 图片超分；MiniMax H3 成片若清晰度满意而动作稍显跳动，可先单独补帧。既要放大又要补帧时，再选择组合任务。
V2.2 增加了 GPU 性能测试、AV1 与部分处理路径的 HDR 输出，并改进多音轨、字幕和章节保留。RIFE 补帧目前不支持 HDR 输出。若最终合成失败，软件支持调整输出格式后重新合并，相关说明见V2.2 更新说明。
4. 8GB 显存电脑的起步建议
结合本文低配用途，建议先用一张图片或一个短视频片段测试，从 2× 超分、单项任务开始，再根据效果和资源占用提高设置。2× 指宽高各放大两倍，像素量变为四倍；4× 的像素量变为十六倍，处理负担会明显增加。生成任务结束后先释放 ComfyUI 占用的显存，再开始增强处理。
这些是低配起步建议，SnowLeopard Vision 的具体运行表现取决于所选模型、画幅、时长与设备。前面的人脸清晰度首先依靠中近景构图和正确对焦；超分有助于改善观感，但原图缺失的真实五官细节，仍应优先通过重新生成获得。
