lowvram-ai-video-comfyui

---

name: lowvram-ai-video-comfyui slug: lowvram-ai-video-comfyui displayName: 8G显存跑AI视频·4060实测低显存文生/图生视频 description: 网上的 AI 视频教程开口就是 24G 显存，一看就把人劝退——其实 8G 的 4060 也能跑。这套是 RTX 4060 Laptop 8G 显存 / 32G 内存 / Win11 上真跑出来的配置与调参。

能做什么：本地生成低分辨率、几秒的短视频（动漫向，自媒体够用），全程本地、零 API 费用。

里面几条最值钱的，都是踩坑换来的：

• 文生视频和图生视频是两套模型，不能互换：Wan2.1-1.3B 只有文生视频，它的图生视频是 14B（8G 跑不动）；8G 能跑的图生视频是 LTX-2B fp8
• 人物一致性正解：纯文生视频做不到"同一主角多段连续"，要用同一张角色图做首帧逐段生成再拼接；硬拼 N 段必然人物漂移
• 部署顺序不能跳：ComfyUI 便携版安装 → 升到最新版（旧版没有 Wan/LTX 节点）→ 依赖升级 → torch 与 comfy-kitchen 版本匹配
• 国内网络下的 GitHub 镜像配置、MSYS 路径把 7z 解压目标搞坏的坑
• 白下载预警：动手前先验模型有没有音频能力、显存装不装得下，别下完 20G 才发现跑不动

输入：一段提示词（文生）或一张角色图（图生） 输出：本地生成的短视频文件

触发词：本地跑AI视频、低显存、8G显存、4060、显存不够怎么跑、ComfyUI视频、Wan2.1、LTX、文生视频、图生视频、本地视频生成、零成本AI视频。 version: 1.1.0 author: 九品锦锂e summary: 8G 显存也能跑本地 AI 视频：Wan2.1-1.3B 文生 + LTX-2B 图生，含模型选型红线与白下载预警，全程本地零 API 费用。 license: MIT metadata: version: "1.1.0" category: design-media

Generación de video AI local (ComfyUI + Wan / LTX)

Máquina base: RTX 4060 Laptop 8 GB de VRAM / 32 GB RAM / Win11. Objetivo: Generar localmente videos cortos de anime de baja resolución y pocos segundos (suficiente para creadores de contenido). No uses 8 GB como si fueran 16 GB.

Cuándo usarlo

Cuando el usuario mencione "ejecutar modelo de video/texto-a-video/imagen-a-video", o cuando necesites delegar el entorno de producción de video local a un miembro del equipo para que continúe experimentando.

Establece las bases cognitivas (evita errores de selección)

• Texto a video (T2V) e Imagen a video (I2V) son modelos diferentes, no intercambiables:
  • Wan2.1-1.3B solo es T2V; la versión I2V de Wan es 14B (no funciona en 8 GB).
  • El I2V que funciona en 8 GB = LTX-2B fp8 (además necesita el codificador t5xxl).
• Video largo/consistencia de personajes: El T2V puro no puede lograr "múltiples segmentos continuos del mismo personaje"; la solución correcta es I2V usando la misma imagen de personaje como primer fotograma, generando segmentos y luego uniéndolos. Forzar la unión de segmentos con T2V provocará desviación del personaje.
• Ollama y ComfyUI no comparten modelos: Ollama es para modelos de lenguaje (escribir prompts/guiones), ComfyUI es para modelos de difusión (generar video). Son roles complementarios, no sustitutos.

Orden de despliegue (seguir el orden; saltarse pasos provoca errores)

1) Instalar ComfyUI versión portátil (en unidad D, no ocupar unidad C)

• Obtener ComfyUI_windows_portable_nvidia.7z del release de GitHub Comfy-Org/ComfyUI (incluye python+torch+CUDA).
• ⚠️ En bash, 7z x -o"/d/..." la ruta MSYS se transforma incorrectamente y el resultado no cae en el directorio destino (la descompresión reporta éxito pero la carpeta está vacía). → Usar subprocess de Python con ruta nativa de Windows para llamar a 7z.

2) Actualizar ComfyUI a la última versión (las versiones antiguas no tienen nodos Wan/LTX)

• La conexión directa a GitHub suele fallar con Connection was reset → configurar espejo primero: git config --global url."https://ghfast.top/https://github.com/".insteadOf "https://github.com/", luego git pull --ff-only origin master.

3) Actualizar dependencias de Python: python_embeded\python.exe -s -m pip install -r ComfyUI\requirements.txt (las versiones nuevas añaden comfy-kitchen, etc.).

4) torch debe coincidir con comfy-kitchen (diagnosticar según el síntoma):

Síntoma	Causa raíz	Solución
module 'torch.library' has no attribute 'custom_op'	torch < 2.4	Actualizar torch
infer_schema ... unsupported type list[int]	torch y comfy-kitchen no coinciden	Actualizar a torch cu130 (2.14+)
cudaErrorNotSupported / likely using older driver	La versión CUDA del driver es insuficiente	Actualizar driver NVIDIA

• Primero verificar el límite del driver: nvidia-smi para ver CUDA Version; si requiere CUDA 13, hay que actualizar el driver.
• Obtener el driver más reciente: API de consulta de drivers NVIDIA (AjaxDriverService, para portátiles RTX 40 series psid=138/pfid=1005) para obtener DownloadURL; la descarga necesita User-Agent y Referer de navegador, de lo contrario 403. Instalación silenciosa con -s -noreboot; después de instalar, verificar con nvidia-smi; normalmente no requiere reinicio para que torch reconozca la GPU.

5) Los modelos deben estar en el formato estándar de ComfyUI (el error más común)

• Obtener safetensors de Comfy-Org/Wan_2.1_ComfyUI_repackaged en la carpeta split_files/:
  • diffusion_models/wan2.1_t2v_1.3B_fp16.safetensors (≈2.8 GB)
  • text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors (≈6.7 GB)
  • vae/wan_2.1_vae.safetensors (≈0.25 GB)
• ⚠️ Usar el .pth oficial de Wan (ej. models_t5_umt5-xxl-enc-bf16.pth) → produce error Cannot copy out of meta tensor; no data! (en la etapa CLIPTextEncode). Esto es un error de formato/nombre, no de VRAM — no ajustes parámetros de VRAM.
• Descarga desde China: HuggingFace directo no funciona → usar hf-mirror.com; curl -C - --retry 999 --retry-all-errors para reanudar descargas.
• Ubicación: ComfyUI\models\{diffusion_models,text_encoders,vae}\.

6) Instalar ffmpeg (necesario para codificación de video): python_embeded\python.exe -s -m pip install imageio-ffmpeg imageio (incluye ffmpeg estático). Si falta, la etapa SaveVideo reporta [Errno 22].

7) Iniciar el servidor

python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --disable-async-offload > log.txt 2>&1

• --disable-async-offload: evita que los pesos del codificador de texto se queden en meta device con 8 GB de VRAM.
• ⚠️⚠️ Nunca usar pipe | head / | tee para iniciar servicios de larga duración: la barra de progreso tqdm escribe en una tubería cerrada → [Errno 22] Invalid argument interrumpe directamente KSampler, parece un error del modelo pero es un problema de inicio. Usar redirección > log 2>&1. Esta trampa aplica también a cualquier proceso/gateway de larga duración — cerrar la tubería mata el proceso.
• Verificar disponibilidad: netstat -ano | grep :8188 debe mostrar LISTENING.

Ejecutar texto a video (T2V)

• La cadena de nodos se copia de templates/wan21_t2v_workflow.json: CLIPLoader(type=wan) + VAELoader + UNETLoader + EmptyHunyuanLatentVideo + CLIPTextEncode(positivo/negativo) + KSampler + VAEDecode + CreateVideo + SaveVideo
  • El latent de video usa EmptyHunyuanLatentVideo; la salida debe pasar por CreateVideo → SaveVideo.
  • ⚠️ La salida de VAEDecode es IMAGE, conectarla directamente a SaveVideo da error received_type(IMAGE) mismatch input_type(VIDEO).
• Envío: POST http://127.0.0.1:8188/prompt, body {"prompt": {id_nodo: {class_type, inputs}}}; si devuelve node_errors:{}, está correcto.
• Ver progreso: GET /history/<prompt_id> para ver status.status_str (running/success/error); en caso de error, leer messages para execution_error (incluye node_id/node_type/exception_message).
• Parámetros probados en 8 GB: 832×480, length 33 (≈2 segundos), steps 15-20, cfg 5.5-6.0, fps 16. Superar estos valores descargará a RAM, haciendo extremadamente lento.
• Los archivos de salida están en ComfyUI\output\*.mp4; usar imageio_ffmpeg.get_ffmpeg_exe() para verificar duración/resolución con ffmpeg.

Ejecutar imagen a video (I2V)

• Usar LTX-2B: ltxv-2b-0.9.8-distilled-fp8.safetensors (≈4.5 GB) → models\diffusion_models\; el text encoder usa t5xxl: t5xxl_fp8_e4m3fn.safetensors (≈4.9 GB, de comy-anonymous/flux_text_encoders) → models\text_encoders\.
• ⚠️ LTX usa t5xxl, Wan usa umt5, no son intercambiables, hay que descargar ambos.
• Estrategia de consistencia: fijar una imagen de personaje como primer fotograma y generar segmentos, o usar IPAdapter/InstantID para inyectar el personaje.

Preparación antes de ejecutar (8 GB de VRAM)

• Cerrar Chrome y otros programas que consuman VRAM (el sistema/escritorio suele ocupar ~1.2 GB, Chrome puede ocupar ~1.9 GB).
• Ejecutar tareas en serie, no en paralelo.

Entregar al miembro ejecutor

Estructura del documento de traspaso (seguir este esquema): ruta del entorno → comando de inicio (con parámetros) → lista de modelos (nombre de archivo + directorio + tamaño) → flujo de trabajo JSON reutilizable → parámetros clave para 8 GB → guía rápida de errores → próximos pasos pendientes.

Referencias

• templates/wan21_t2v_workflow.json — Flujo de trabajo de texto a video con Wan2.1-1.3B probado y funcionando (formato API de ComfyUI, se puede enviar directamente con POST).

---

Acerca del autor

九品锦锂e ｜ Convierte los errores que he sufrido en skills "listos para usar", no escribo libros de texto.

Este skill es la versión que uso yo mismo; cada trampa aquí ha sido realmente experimentada. Si te quedas atascado, quieres variantes avanzadas, o tienes otros escenarios que quieras que empaquete como skill, agrégame directamente a WeChat diciendo "SkillHub" y te daré prioridad:

Escanea para agregar al autor · menciona "SkillHub" para prioridad