个人AI视频生成全套工作流方案

先一句话总结：本地方案核心瓶颈是显存，优先N卡；整套标准链路：脚本/提示词 → 生图/参考帧 → 文生视频/图生视频 → 超分、补帧、修复 → 配音音效字幕 → 剪辑调色导出。 有两条路线你可以二选一或者混合：

1. 本地自建（隐私、无额度、长期量大省钱，门槛高）
2. 混合云方案（本地ComfyUI + 云端模型节点，上手快、画质上限高，按量计费）

重点：AI视频优先看显存，其次算力，显存不够直接疯狂爆显存、速度暴跌、频繁崩溃

一、硬件配置（3档，NVIDIA CUDA，AMD显卡不适合本地视频模型）

✅ 入门尝鲜档（预算 6k~9k，适合新手试手、480p短片段，Wan1.3B / LTX 蒸馏版 / CogVideoX）

• GPU：RTX4060Ti 16GB（新卡）/ 二手RTX3080 12GB
• CPU：R5 7600 / i5 13600（8核以上足够，CPU不是瓶颈）
• 内存：32GB DDR5（必须，模型offload要吃大量内存）
• 硬盘：1TB PCIe4.0 NVMe SSD（模型单包几十GB，机械盘加载极慢）
• 电源：650W金牌
• 散热：240水冷 / 高端风冷
• 能跑：Wan2.2 1.3B、CogVideoX、LTX-2量化版；5s 480p，生成偏慢，不能跑14B高质量版本

✅ 主力甜点档（推荐，1.3w~1.8w，个人生产主力，720p稳定出片，Wan2.2 14B FP8、混元视频）

• GPU：RTX4090 24GB（性价比之王，个人本地AI视频公认甜点）；二手3090 24GB便宜30%，慢35%左右，注意避矿卡
• CPU：R7 9700X / i7 14700
• 内存：64GB DDR5（强烈推荐，多模型切换、CPU卸载、批量任务）
• 硬盘：2TB PCIe4.0 NVMe，再加一块4T HDD放素材成片
• 电源：850W金牌全模组
• 散热：360水冷，4090功耗高，过热直接降频
• 能跑：Wan2.2 14B FP8、HunyuanVideo、LTX2.5、Mochi量化版；稳定720p，5s片段4–8分钟，可做图生视频、参考视频、角色一致性

✅ 高端满配档（2.5w+，追求1080p、更长时长、批量挂机）

• GPU：RTX5090 32GB
• CPU：R9 9900X / i9 14900K
• 内存：128GB DDR5
• 硬盘：4TB PCIe4.0 NVMe + 8T仓库盘
• 电源：1000W金牌
• 适合：1080p原生生成、10s+长片段、多LoRA、批量队列渲染

❗避坑提醒：Mac Studio/MacBook 统一内存可以跑，但ComfyUI视频节点兼容性差、速度远不如同价位N卡，不推荐作为主力本地视频机；A10/A100/H100太贵，个人不划算

二、系统 & 基础软件环境

推荐系统：Windows11 + WSL2 Ubuntu 或者直接Ubuntu 22.04

• Windows原生可以跑，但WSL2的CUDA稳定性更好，视频模型报错更少
• 基础依赖：Python3.10、CUDA12.1/12.4、cuDNN、FFmpeg（视频编码、帧合成必备）
• 环境一键工具（新手强烈推荐，不用手动折腾环境）
  • Pinokio：一键部署ComfyUI、各类视频模型，开箱首选
  • ComfyUI Manager：插件、模型、工作流一键安装管理

三、核心软件栈（整套工作流工具）

核心生成层：ComfyUI（整个本地工作流的中枢）

几乎所有开源视频模型都以ComfyUI节点形式运行，可视化节点、支持队列、批量、自定义链路，是行业标准 必装视频相关插件：

1. VideoHelperSuite：视频帧打包、保存、预览
2. ComfyUI-Frame-Interpolation：RIFE插帧
3. ComfyUI-RealESRGAN：视频超分
4. Kijai系列节点：Wan、Hunyuan、LTX、Mochi官方适配节点

主流开源视频模型（ComfyUI直接加载）

工作流标准模板（直接在ComfyUI模板库搜现成JSON导入）： 文生视频T2V / 图生视频I2V / 首尾帧插值F2F / 视频延长、视频编辑

后处理链路（非常关键，原生生成画面偏糊、帧率低）

1. RIFE：插帧，16fps→30/60fps，让运动丝滑（不要给崩坏严重的视频插帧，会放大畸变）
2. RealESRGAN / UpscaleVideo：视频超分，720p放大到1080p（推荐策略：低分辨率生成，再超分，大幅节省显存）
3. FFmpeg：编码压制、拼接、变速、调色、提取音频（ComfyUI内部调用）

音频层（配音、BGM、音效）

• 本地：FishSpeech（本地TTS，中文强）、CosyVoice
• 云端：ElevenLabs、即梦TTS、豆包语音（音质更好，适合配音）
• 音效：Freesound、Epidemic Sound

剪辑、调色、字幕（最终成片）

• DaVinci Resolve（达芬奇，免费版足够）：剪辑、调色、字幕、音频混音，首选
• 备选：剪映专业版（上手最快，字幕AI识别很强）

辅助工具

• Flux / SDXL：先在ComfyUI生成高质量起始参考图，再丢进图生视频，大幅提升角色、场景一致性（强烈推荐这个子流程）
• Prompt工具：ChatGPT/豆包，生成镜头化提示词（运镜、光影、镜头运动、负面提示词，控制手部崩坏、闪烁）

四、完整闭环工作流（实操版，每天生产短视频用这套）

【前置】剧本/分镜 → 提示词优化 → 生成参考图（Flux）
        ↓
【核心生成】ComfyUI：参考图 → Wan2.2 I2V / LTX2.5 生成5s原视频（480/720p）
        ↓
【后处理节点】RIFE插帧 → RealESRGAN超分 → 简单降噪修复
        ↓
【音频】TTS配音 + BGM + 环境音效
        ↓
【剪辑软件达芬奇/剪映】片段拼接、转场、调色、自动字幕、变速
        ↓
【导出】H.264 / H.265，适配抖音/小红书/B站

进阶玩法：ComfyUI批量队列、API调用、n8n自动化，自动跑一整组分镜；视频延长、镜头过渡、角色LoRA固定人物长相

五、混合云方案（不想买高端显卡、想要Sora/可灵/Kling画质）

ComfyUI同时可以加载云端模型节点，本地只做提示词、参考图、后处理、剪辑，生成调用API：

• 国内：可灵Kling、即梦、海螺Hailuo、Seedance
• 海外：Runway Gen4、Pika 优点：出片几十秒，画质上限高，不用扛电费和散热；缺点：按积分收费、素材上传、有内容限制、批量成本高 适合模式：用本地小卡做试错、参考图、后期；正式成片交给云端大模型

六、常见坑 & 优化技巧

1. 不要直接硬跑1080p原生生成，显存爆炸、巨慢；先生720p及以下，再超分是行业通用方案
2. 视频模型天生容易闪烁、人脸手部崩坏：
   • 用参考图I2V而不是纯T2V
   • 控制提示词，减少快速运动
   • Wan比LTX手部稳定性更强
3. 内存不够64G不要随便开14B模型，会疯狂吃内存swap，速度暴跌
4. 散热一定要做好，4090长时间跑AI很容易撞温度墙降频
5. 商用注意许可证：Wan2.2 Apache2.0放心商用；混元、MiniMax要看社区协议

七、起步建议（新手路线）

1. 先用Pinokio一键装ComfyUI，先跑Wan 1.3B或者LTX蒸馏版熟悉流程，不用急着上4090
2. 先跑通：生参考图 → 图生视频 → 插帧超分 → 达芬奇剪辑 这条链路
3. 试清楚自己每天产出量：每天几条短视频，就本地；一天几十条，本地划算；偶尔玩一玩，直接云端平台，不用买显卡

本作品采用《CC 协议》，转载必须注明作者和本文链接