ubuntu26.04下7900xtx跑comfyui工作流阶段总结
-
走了些弯路，折腾了一段时间wan模型，听锤哥的果断换了ltx，目前flux和ltx2.3还有数字人都跑通了，数字人是下载刘悦的在本地修改后跑通的，效果还不错。
ComfyUI 工作流成果总结
最后更新：2026-05-18
硬件环境 Hardware
组件 规格 CPU Intel Core i5-12400F (12核) 内存 48GB (MemoryMax,) GPU AMD Radeon RX 7900 XTX (24GB VRAM) 系统盘 Kingston NV2 1TB NVMe (279G分区, 39G余量) 外置盘 zyz盘 448GB exfat (94%满, 已挂载) ROCm ROCm 7.2 PyTorch 2.12.0+rocm7.2 软件环境 Software
组件 版本/配置 OS Linux 7.0.0-15-generic ComfyUI v0.20.1+ (API + 浏览器) ComfyUI 端口 8188 (--listen 0.0.0.0) 启动参数 --disable-async-offload(不加--lowvram)环境变量 TORCH_ROCM_AOTRITON_ENABLE_EXPERIMENTAL=0
工作流总览
共 5 个工作流，全部存在
/root/ComfyUI/workflows_hermes/1. Flux1.dev-fp8 文生图
文件:
flux1_t2i.json模型与位置:
模型 类型 大小 位置 flux1-dev-fp8.safetensors checkpoint (模型+CLIP+VAE) 17GB /root/ComfyUI/models/checkpoints/参数设置:
- 分辨率: 1024×1024
- 采样器: euler
- 调度器: normal
- 步数: 20
- CFG: 3.5
- 去噪: 1.0
节点结构: CheckpointLoaderSimple → CLIPTextEncode×2 + EmptyLatentImage → KSampler → VAEDecode → SaveImage
2. Flux2 Klein 4B 文生图
文件:
flux2_t2i.json模型与位置:
模型 类型 大小 位置 flux-2-klein-4b.safetensors U-Net (diffusion model) 7.3GB /root/ComfyUI/models/diffusion_models/qwen_3_4b.safetensors CLIP/T5文本编码器 7.5GB /root/ComfyUI/models/text_encoders/flux2-vae.safetensors VAE解码器 321MB /root/ComfyUI/models/vae/参数设置:
- 分辨率: 1024×1024
- 采样器: euler
- 调度器: simple
- 步数: 20
- CFG: 3.5
- 去噪: 1.0
节点结构: UNETLoader + CLIPLoader(type=flux2) + VAELoader → CLIPTextEncode×2 + EmptyLatentImage → KSampler → VAEDecode → SaveImage
注意: 文本编码器必须用
qwen_3_4b.safetensors+ CLIPLoader(type="flux2")。不要用DualCLIPLoader或UMT5，那会报错。
3. LTX 2.3 文生视频 Text-to-Video
文件:
ltx23_t2v.json模型与位置:
模型 类型 大小 位置 ltx-2.3-22b-distilled-1.1-Q3_K_M.gguf U-Net GGUF 9.9GB /root/ComfyUI/models/unet/本地gemma-3-12b-it-Q4_K_M.gguf CLIP文本编码器 GGUF 6.8GB /root/ComfyUI/models/clip/本地ltx-2.3_text_projection_bf16.safetensors 文本投影 75B /root/ComfyUI/models/clip/(symlink)LTX23_video_vae_bf16.safetensors VAE 1.4GB /root/ComfyUI/models/vae/参数设置:
- 分辨率: 544×960
- 帧数: 49 (约2秒)
- 帧率: 24fps
- 采样器: euler
- 步数: 8
- CFG: 1.0
- max_shift: 2.05, base_shift: 0.95
- VAE分块: 4×4 tiles, overlap=2
- 输出: MP4 H.264
节点结构: UnetLoaderGGUF + DualCLIPLoaderGGUF(type=ltxv) + VAELoader → EmptyLTXVLatentVideo → CLIPTextEncode×2 → LTXVConditioning → LTXVScheduler → CFGGuider + RandomNoise + KSamplerSelect → SamplerCustomAdvanced → LTXVCropGuides → LTXVTiledVAEDecode → VHS_VideoCombine
4. LTX 2.3 图生视频 Image-to-Video
文件:
ltx23_i2v.json模型与位置 (同T2V基础上增加):
模型 类型 大小 位置 同上 + ltx-2-19b-lora-camera-control-static.safetensors LoRA 2.1GB /root/ComfyUI/models/loras/本地参数设置:
- 分辨率: 544×960
- 帧数: 49 (约2秒)
- 帧率: 24fps
- 采样器: euler, 8步
- CFG: 1.0
- 静态相机LoRA: strength=0.8
- Inplace注入: strength=1.0
- 输入:
your_photo.png(自动resize到544×960)
节点结构: UnetLoaderGGUF + DualCLIPLoaderGGUF → LoraLoaderModelOnly + LoadImage → ImageResizeKJv2 + EmptyLTXVLatentVideo → LTXVImgToVideoInplace → (同T2V采样→解码→合成)
5. LTX 2.3 数字人 LipSync (图+音频→视频)
文件:
ltx23_lipsync_digitalhuman.json模型与位置 (同I2V基础上增加):
模型 类型 大小 位置 ltx23_q4ks.gguf (LTX-2.3-distilled-Q4_K_S.gguf) U-Net GGUF 16GB /root/ComfyUI/models/unet/软链→zyz盘MelBandRoformer_fp16.safetensors 音频人声分离 436MB /root/ComfyUI/models/diffusion_models/软链→MelBandRoformer/其他模型同I2V 参数设置:
- 分辨率: 544×960
- 帧数: 73 (约3秒)
- 帧率: 24fps
- 采样器: euler, 12步
- CFG: 1.0
- 静态相机LoRA: strength=0.8
- 输入:
your_photo.png+your_audio.wav - 音频处理: MelBandRoFormer 分离人声 → VHS_VideoCombine.audio 直接合并
- 音频时长裁剪: 3.0秒 (匹配73帧@24fps)
重要: 音频不走latent注入（LTXVAudioVAEEncode输出NestedTensor不兼容GGUF），而是走MelBandRoFormer分离后直拼。VHS_VideoCombine的
pingpong为必填参数，缺了会导致静默失败。
VRAM占用估算
工作流 模型 总VRAM 可用 Flux1.dev-fp8 17GB checkpoint ~17GB 
余~7GBFlux2 Klein 4B 7.3G+7.5G+321M ~15GB 余~9GBLTX T2V (Q3_K_M) 9.9G+6.8G ~17GB 余~7GBLTX I2V (Q3_K_M) 9.9G+6.8G+2.1G ~19GB 余~5GBLTX 数字人 (Q4_K_S) 16G+6.8G+2.1G+436M ~23GB 
️ 余~1GBQ4_K_S 数字人峰值 ~23GB 非常紧，建议先用 Q3_K_M 测试再换 Q4_K_S。
最大视频时长 (480p 720×480)
将latent从544×960改为720×480，latent缩小~35%：
- Q3_K_M: ~12秒 (290帧)
- Q4_K_S: ~8秒 (193帧)
已知问题
- 动作迁移 (ICLoRA): 需要原生FP8模型22GB，24GB VRAM装不下。ICLoRA不兼容GGUF路径，当前无法实现完整的动作迁移。
- 音频latent注入: LTXVAudioVAEEncode输出NestedTensor，与GGUF U-Net不兼容。已绕过走MeldBandRoFormer直拼。
- VHS_VideoCombine:
pingpong必填，缺了静默失败。LTXVSeparateAVLatent无音频时访问latents[1]会IndexError——I2V应跳过此节点。 - Flux2文本编码器: 必须用
qwen_3_4b.safetensors+ CLIPLoader(type="flux2")。不能用DualCLIPLoader。 - zyz盘依赖: 数字人工作流的Q4_K_S模型在zyz盘软链，拔盘后工作流不可用。Q3_K_M版在本地可独立运行。
-
T terry 固定了该主题
