name: lowvram-ai-video-comfyui slug: lowvram-ai-video-comfyui displayName: 8G顯存跑AI影片·4060實測低顯存文生/圖生影片 description: 網路上AI影片教學動輒要求24GB顯示記憶體，讓人望而卻步——其實8GB的4060也能跑。這套方案是基於RTX 4060 Laptop 8GB顯示記憶體 / 32GB記憶體 / Win11真實測試的配置與調參。
能做什麼：本地生成低解析度、幾秒的短影片（動漫向，自媒體夠用），全程本地、零API費用。
裡面幾條最值錢的，都是踩坑換來的：
- 文生影片和圖生影片是兩套模型，不能互換：Wan2.1-1.3B 只有文生影片，它的圖生影片是14B（8G跑不動）；8G能跑的圖生影片是 LTX-2B fp8
- 人物一致性正解：純文生影片做不到「同一角色多段連續」，要用同一張角色圖做首幀逐段生成再拼接；硬拼 N 段必然人物漂移
- 部署順序不能跳：ComfyUI 便攜版安裝 → 升到最新版（舊版沒有 Wan/LTX 節點）→ 依賴升級 → torch 與 comfy-kitchen 版本匹配
- 國內網路下的 GitHub 鏡像配置、MSYS 路徑把 7z 解壓目標搞壞的坑
- 白下載預警：動手前先驗模型有沒有音訊能力、顯示記憶體裝不裝得下，別下完 20G 才發現跑不動
輸入：一段提示詞（文生）或一張角色圖（圖生） 輸出：本地生成的短影片檔案
觸發詞：本地跑AI影片、低顯存、8G顯存、4060、顯存不夠怎麼跑、ComfyUI影片、Wan2.1、LTX、文生影片、圖生影片、本地影片生成、零成本AI影片。 version: 1.1.0 author: 九品錦锂e summary: 8G 顯存也能跑本地 AI 影片：Wan2.1-1.3B 文生 + LTX-2B 圖生，含模型選型紅線與白下載預警，全程本地零 API 費用。 license: MIT metadata: version: "1.1.0" category: design-media
本機 AI 影片生成（ComfyUI + Wan / LTX）
基線機器：RTX 4060 Laptop 8G 顯存 / 32G 記憶體 / Win11。 定位：本地出低解析度、幾秒的動漫短影片（自媒體夠用）。別把 8G 當 16G 用。
何時用
用戶說「跑影片模型/文生影片/圖生影片」，或要把本地影片生產環境交給執行成員（團隊成員等）繼續實驗時。
先建立認知（選型不走錯）
- 文生影片(T2V) 與 圖生影片(I2V) 是兩套模型，不能互相替代：
- Wan2.1-1.3B 只有 T2V；Wan 的 I2V 只有 14B（8G跑不動）。
- 8G 能跑的 I2V = LTX-2B fp8（另需 t5xxl 編碼器）。
- 長影片/人物一致性：純 T2V 做不到「同一角色多段連續」；正解是 I2V 用同一張角色圖做首幀，逐段生成再拼接。T2V 硬拼 N 段必人物漂移。
- Ollama 與 ComfyUI 模型不通用：Ollama 是語言模型（寫提示詞/劇情），ComfyUI 是擴散模型（出片）。是配合分工，不是替代。
部署順序（按序做；跳步必踩坑）
1) 裝 ComfyUI 便攜版（放 D 槽，勿佔 C 槽）
- 從
Comfy-Org/ComfyUIGitHub release 取ComfyUI_windows_portable_nvidia.7z（自帶 python+torch+CUDA）。 - ⚠️ bash 下
7z x -o"/d/..."的 MSYS 路徑會被轉換壞，產物不落目標目錄（解壓報成功但目錄空）。→ 用 Python subprocess 傳原生 Windows 路徑調 7z。
2) 升級 ComfyUI 到最新版（舊版沒有 Wan/LTX 節點）
- GitHub 直連常
Connection was reset→ 先配鏡像：git config --global url."https://ghfast.top/https://github.com/".insteadOf "https://github.com/"，再git pull --ff-only origin master。
3) 升級 Python 依賴：python_embeded\python.exe -s -m pip install -r ComfyUI\requirements.txt（新版會新增 comfy-kitchen 等）。
4) torch 必須與 comfy-kitchen 匹配（按症狀逐級排）：
| 症狀 | 根因 | 處置 |
|---|---|---|
module 'torch.library' has no attribute 'custom_op' | torch < 2.4 | 升 torch |
infer_schema ... unsupported type list[int] | torch 與 comfy-kitchen 不匹配 | 升到 cu130 的 torch（2.14+） |
cudaErrorNotSupported / likely using older driver | 驅動 CUDA 版本不夠 | 升級 NVIDIA 驅動 |
- 先判驅動上限：
nvidia-smi看CUDA Version；要 CUDA 13 就必須升驅動。 - 取最新驅動：NVIDIA 驅動查詢 API（
AjaxDriverService，RTX40 系筆電 psid=138/pfid=1005）拿DownloadURL；下載需帶瀏覽器 UA + Referer，否則 403。靜默裝-s -noreboot；裝完nvidia-smi確認，通常無需重啟 torch 即可識別 GPU。
5) 模型必須用 ComfyUI 標準格式（最容易踩的坑）
- 從
Comfy-Org/Wan_2.1_ComfyUI_repackaged的split_files/下 safetensors：diffusion_models/wan2.1_t2v_1.3B_fp16.safetensors（≈2.8G）text_encoders/umt5_xxl_fp8_e4m3fn_scaled.safetensors（≈6.7G）vae/wan_2.1_vae.safetensors（≈0.25G）
- ⚠️ 用 Wan 官方原始
.pth（如models_t5_umt5-xxl-enc-bf16.pth）→ 報Cannot copy out of meta tensor; no data!（CLIPTextEncode 階段）。這是格式/命名不匹配，不是顯示記憶體問題——別去調顯存參數。 - 國內下載：HuggingFace 直連不通 → 用 hf-mirror.com；
curl -C - --retry 999 --retry-all-errors斷點續傳。 - 落位：
ComfyUI\models\{diffusion_models,text_encoders,vae}\。
6) 裝 ffmpeg（影片編碼必需）：python_embeded\python.exe -s -m pip install imageio-ffmpeg imageio（自帶靜態 ffmpeg）。缺它 SaveVideo 階段報 [Errno 22]。
7) 啟動服務
python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --disable-async-offload > log.txt 2>&1
--disable-async-offload：8G 下避免文本編碼器權重停在 meta device。- ⚠️⚠️ 絕不用
| head/| tee管道啟動這類長駐服務：tqdm 進度條寫已關閉的管道 →[Errno 22] Invalid argument直接中斷 KSampler，看起來像模型報錯，其實是啟動方式問題。用> 日誌 2>&1重新導向。這條坑對任何長駐進程/閘道同樣成立——管道關閉會連帶殺掉進程。 - 判就緒：
netstat -ano | grep :8188有 LISTENING。
跑文生影片（T2V）
- 節點鏈照抄
templates/wan21_t2v_workflow.json：CLIPLoader(type=wan) + VAELoader + UNETLoader + EmptyHunyuanLatentVideo + CLIPTextEncode(正/負) + KSampler + VAEDecode + CreateVideo + SaveVideo- 影片 latent 用 EmptyHunyuanLatentVideo；輸出必須 CreateVideo → SaveVideo。
- ⚠️
VAEDecode輸出是 IMAGE，直連 SaveVideo 會報received_type(IMAGE) mismatch input_type(VIDEO)。
- 提交：
POST http://127.0.0.1:8188/prompt，body{"prompt": {節點id: {class_type, inputs}}}；返回node_errors:{}即通過。 - 查進度：
GET /history/<prompt_id>看status.status_str（running/success/error）；error 時讀messages裡的execution_error（含node_id/node_type/exception_message）。 - 8G 實測可用參數：832×480、length 33（≈2 秒）、steps 15-20、cfg 5.5-6.0、fps 16。超了會 offload 到記憶體，極慢。
- 產物在
ComfyUI\output\*.mp4；用imageio_ffmpeg.get_ffmpeg_exe()調 ffmpeg 驗時長/解析度。
跑圖生影片（I2V）
- 用 LTX-2B：
ltxv-2b-0.9.8-distilled-fp8.safetensors（≈4.5G）→models\diffusion_models\；text encoder 用 t5xxl：t5xxl_fp8_e4m3fn.safetensors（≈4.9G，來自comfyanonymous/flux_text_encoders）→models\text_encoders\。 - ⚠️ LTX 用 t5xxl、Wan 用 umt5，兩者不通用，都要下。
- 一致性打法：固定一張角色圖當首幀逐段生成，或用 IPAdapter/InstantID 注入角色。
跑前準備（8G 顯存）
- 關 Chrome 等佔顯存軟體（系統/桌面常佔 ~1.2G，Chrome 可佔 ~1.9G）。
- 單任務串行，別併發多個生成。
交付給執行成員
交接文件結構（照此寫）：環境路徑 → 啟動命令（含參數）→ 模型清單（檔名+目錄+大小）→ 可複用工作流 JSON → 8G 參數心法 → 踩坑速查 → 下一步待辦。
參考
templates/wan21_t2v_workflow.json— 實測跑通的 Wan2.1-1.3B 文生影片工作流（ComfyUI API 格式，可直接 POST）
關於作者
九品錦锂e ｜ 把踩過的坑封裝成「拿來就能跑」的 skill，不寫教科書。
這個 skill 是我自己在用的版本，裡面每條坑都是真踩過的。用的時候卡住了、想要進階玩法、或者有別的場景想讓我封裝成 skill，直接加我微信說，加時備註「SkillHub」我優先通過：
掃碼添加作者微信 · 備註「SkillHub」優先通過