资源描述
Stable Video Diffusion Advanced 是专为 ComfyUI 设计的高性能视频生成工作流，基于 SVD（Stable Video Diffusion）模型，支持精细调节运动幅度（motion magnitude）、分块渲染（tiling）与帧间一致性优化，可稳定输出长达 24–32 帧、高保真度的 576×1024 视频片段。适用于创意视频原型、AI 动画草稿、营销短片生成等场景，显著降低显存压力并提升长序列连贯性，是当前 ComfyUI 生态中面向专业用户的进阶视频生成解决方案。
详细内容
# Stable Video Diffusion Advanced 工作流指南（ComfyUI）
## 工作流概述
本工作流基于 Stable Video Diffusion（SVD）官方权重（`svd_xt.safetensors` 或 `svd_image_encoder.safetensors`），集成运动控制模块、分块渲染（Tiling）、帧缓存（Frame Cache）与光流引导（Optical Flow Guidance）机制，在 ComfyUI 中实现高质量、可控时长（默认24帧，可扩展至32帧）、低抖动的视频生成。相比基础 SVD 工作流，本版显著提升长序列稳定性与运动幅度精准调控能力，适用于需多帧逻辑连贯性的创作任务。
## 分步骤操作说明
### 步骤 1：环境准备与模型加载
- 确保 ComfyUI 版本 ≥ v0.3.10，已安装 `comfyui-svd` 自定义节点（v0.2.3+）及 `comfyui-tilediffusion` 插件；
- 将 `svd_xt.safetensors` 放入 `models/checkpoints/`，将 `svd_image_encoder.safetensors` 放入 `models/svd/`；
- 启动 ComfyUI 后，刷新自定义节点（Ctrl+Shift+R），确认 `SVDModelLoader`、`SVDSampler`、`TiledVAEEncode`、`TiledVAEDecode` 节点可用。
### 步骤 2：配置输入图像与提示词
- 使用 `Load Image` 节点导入单张高清输入图（推荐 1024×576 或 576×1024，宽高比严格匹配 SVD 输入要求）；
- 连接 `CLIPTextEncode` 节点输入正向提示词（如 `masterpiece, best quality, cinematic lighting, dynamic motion`），负向提示词建议包含 `deformed, blurry, low motion, static frame`；
- **关键设置**：在 `SVDSampler` 节点中启用 `enable_optical_flow_guidance: True`，并设置 `flow_threshold=0.3`（增强帧间运动一致性）。
### 步骤 3：设置运动幅度与帧数控制
- 在 `SVDSampler` 节点中调整 `motion_bucket_id`：
- `127`（默认）→ 中等运动；
- `200` → 强烈动态（如飘动旗帜、奔跑）；
- `60` → 微弱运动（如呼吸、光影渐变）；
- 设置 `frames=24`（最大推荐值，超过32帧易出现累积漂移）；
- 启用 `frame_overlap=2`（重叠帧数，提升过渡平滑度）。
### 步骤 4：启用分块渲染与显存优化
- 将 `TiledVAEEncode` 节点接入图像编码路径，设置 `tile_size=64`、`overlap=16`；
- 将 `TiledVAEDecode` 接入采样器输出，保持相同 tile 参数；
- 若显存 < 16GB，额外启用 `SVDSampler` 中的 `use_tiled_vae: True` 与 `max_tile_batch_size=2`；
- 输出前务必连接 `SaveAnimatedWebp` 或 `SaveVideo` 节点（推荐 WebP 格式兼顾质量与体积）。
### 步骤 5：执行与后处理验证
- 点击 Queue Prompt 执行流程；典型耗时：RTX 4090 单帧≈8–12s（24帧总耗时约3–5分钟）；
- 生成后检查首尾帧语义一致性（如物体位置、姿态连续性）；
- 如发现局部抖动，可在 `SVDSampler` 中微调 `noise_aug_strength=0.05`（增加初始噪声鲁棒性）；
- 导出视频后建议用 FFmpeg 转码为 H.264 MP4（`ffmpeg -i output.webp -c:v libx264 -crf 18 -pix_fmt yuv420p out.mp4`）以兼容播放器。
## 注意事项与最佳实践
- ✅ 输入图像必须为静态单帧，避免含动态元素（如视频截图、多动作合成图）；
- ✅ 运动幅度（`motion_bucket_id`）与提示词需协同设计——高 motion 值需搭配明确运动描述（如 `wind blowing hair`），否则易产生伪影；
- ✅ 分块渲染开启时，禁用 `VAEEncode` / `VAEDecode` 原生节点，仅使用 Tiled 变体；
- ⚠️ 不支持插帧或反向生成；不可直接修改帧率（SVD 固定 6fps，导出后可重采样）；
- 🌟 进阶技巧：结合 `ControlNetApplyAdvanced` 加载 `canny` 或 `depth` 图作为条件，可强化结构稳定性（需额外加载 ControlNet 模型）。
## 常见问题提示
- **Q：生成视频出现‘果冻效应’或扭曲？**
A：降低 `motion_bucket_id` 至120以下，并关闭 `optical_flow_guidance`；检查输入图是否含高频纹理（如细密格子），建议预模糊处理。
- **Q：显存溢出（CUDA OOM）？**
A：依次启用：① `use_tiled_vae=True`；② `tile_size=32`；③ `frames=16`；④ 关闭 `frame_overlap`。
- **Q：首帧与输入图差异过大？**
A：确保 `SVDSampler` 中 `denoise=0.95–0.98`（过高导致过度重绘），且未误启 `img2vid` 模式（本工作流为纯 image-to-video）。
- **Q：如何延长视频至48帧？**
A：不推荐直接生成；建议分段生成（24+24）后用 `RIFE` 或 `DAIN` 插帧，或使用本工作流输出中间帧再迭代重采样（需手动对齐 latent seed）。