ComfyUI 官方文档和模型卡给出的显存、内存或磁盘数字很少,而且这些数字都带有卸载、精度或特定运行方式等前提。本文汇总 SD1.5、SDXL、FLUX.1、Qwen-Image、Wan 2.2 与 LTX-Video 的官方表述,标出空缺,并给出记录你自己实测结果的步骤。
- Wan 2.2
- FLUX.1
- Qwen-Image
已发布的参考资料、来源身份和关联阅读。
ComfyUI 官方文档和模型卡给出的显存、内存或磁盘数字很少,而且这些数字都带有卸载、精度或特定运行方式等前提。本文汇总 SD1.5、SDXL、FLUX.1、Qwen-Image、Wan 2.2 与 LTX-Video 的官方表述,标出空缺,并给出记录你自己实测结果的步骤。
ComfyUI 的引用来源记载了监听地址、TLS 和 Manager 安全级别,但没有描述任何内置登录,所以共用服务器需要由你自己的网络层提供身份验证。本文涵盖访问策略、自定义节点风险、存储分离、备份以及云端方案的取舍,并写明各项限制。
把 ComfyUI 的成果交给客户,意味着要保留素材、两种格式的工作流 JSON、版本与模型身份、种子以及许可证记录。无法承诺逐像素一致的重新运行,因此请在交付说明中写明交付包支持什么、不支持什么。
给人看的标注、ComfyUI 写入文件的工作流,以及签名的 C2PA Content Credentials 是三件不同的事。本文归纳所列来源(含截至 2026-10-06 的 EU AI Act 第 50 条)并给出记录步骤,不构成法律意见。
不同模型家族的许可证差异很大,LoRA 或微调模型还可能附带自己的条款。本文提供一份记录清单,并概述 SDXL、FLUX.1、Qwen-Image(含 Qwen-Image-2.1)、Wan 2.2 和 ComfyUI 的许可证文本所述内容,不构成法律意见。
美国版权局表示,版权保护的是人类作者身份,要求披露超过最低限度的 AI 生成材料,并认为仅靠提示词不足以构成控制。本文把这些要点整理成面向插画师和出版方的记录流程,并说明此类记录无法证明什么;本文不构成法律意见。
使用 ComfyUI 和 Wan 模型做预演(previs)与动态分镜的团队,需要符合模型卡所述能力的镜头计划、清晰的剪辑交接格式,以及逐片段的溯源记录。本文依据所引官方页面,给出一套编辑流程。
编辑类节点可以为服装换色或改变风格,但所引用的页面并不保证产品被准确呈现。本文涵盖产品还原度核对、真人模特授权,以及欧盟 AI 法案、纽约模特授权条文和 FTC 指引下的披露问题,仅为编辑研究,不构成法律意见。
基于草图、平面图或 3D 截图的概念效果图可以使用 ComfyUI 的控制图和遮罩编辑,但结果仅为示意,尺寸并不精确。本指南介绍如何选择控制图、对照源图纸检查输出、为客户标注图像,以及记录许可与出处。
网店商品图的背景可以在 ComfyUI 中替换,但商品必须与实物保持一致。本指南涵盖遮罩决策、通过 API 批量提交、销售渠道要求核对,以及修改图片带来的准确性风险。
生成的游戏美术需要逐个资产建档,涵盖模型身份与许可、版本、透明通道处理、人工修改和商店披露。本文引用 Steamworks、Unity Asset Store 和模型许可文本,给出编辑核对清单,不构成法律意见。
通过 ComfyUI API 生成大量变体的广告团队,需要为每个变体建立一条记录,把参数、prompt_id、输出文件和审批人关联起来。本文给出这套结构,并列出与 AI 生成或编辑的广告图像相关的 FTC、Google 和 Meta 页面(均于 2026-10-06 阅读);本文不构成法律意见。
报错截图往往只有最后一行。完整但经过脱敏的错误报告,应该让接手的人能识别实例、版本、节点、输入条件和第一处异常,而不是猜测你刚才安装了什么。
明确终端、解释器与当前目录,用本机实际路径执行检查,避免把安装命令输入 Python 提示符。
同一个模型名称可能对应整包 checkpoint、分体权重、量化版、文本编码器和 VAE。此文提供下载记录与核对步骤,避免文章只留一个搜索链接,后来无法确定实际使用哪个文件。
多个 ComfyUI 实例可以按支持的配置引用已有模型目录,但共享文件不代表共享了 Python 环境、节点安装和工作流版本。本页重点解决“模型明明在磁盘上,当前实例却找不到”。
这是一份从原生工作流加入单个 LoRA 的操作指南。先建立明确的底模兼容性和对照,再探索强度及组合,不以“下拉框能选”代替真正生效。
本页整理没有额外硬件时如何建立可比较的小任务基线。目标是找到某个具体环境的可运行范围,而不是从模型名字推测一个对所有人有效的最低显存数字。
收到 JSON、图片或视频示例时,先识别格式和出处,再核对节点、模型与环境。这份检查清单用于降低盲目安装成本,但静态读取并不能替代在目标环境执行。
本指南用于在更新前建立恢复条件。能够 git checkout 旧代码,不等于 Python 依赖、前端、节点和配置也恢复到了旧状态;真正可回退需要记录整个环境的关键组成。
当不知道哪一个扩展造成报错、白屏或更新故障时,用可复核的分组对照替代随机卸载。目标是定位最小触发集合,而不是把所有第三方节点都判定有问题。
从工作流里发现一个缺失节点后,需要确定它来自哪个项目、安装代码和依赖,并检查服务端注册。下载仓库成功只是其中一步,不应直接当成节点已经可用。
Portable 包含自己的 Python 与 ComfyUI 目录。最容易出错的操作,是把依赖安装到系统 Python,却期待嵌入式 Python 可以自动使用。此文按进程和路径解释如何避免两套环境混用。
这份指南用于规划一个可识别、可回退的手动安装环境。重点不是给所有机器同一条 pip 命令,而是先确定设备后端、受支持 Python 与独立工作目录。Desktop 和 Portable 用户不应直接照搬手动环境命令。