RTX 3090 本地 AI 视频生成入门（ComfyUI + AnimateDiff）

定位：24GB 显存意味着什么

RTX 3090 的 24GB 显存是本地 AI 视频的关键分水岭。4060/4070 虽然架构更新， 但 8G/12G 显存在跑 AnimateDiff 视频或 SDXL 1024 级分辨率时经常爆显存（OOM）。

24GB 可以做到：

• SDXL + AnimateDiff 同时加载，不用降分辨率妥协
• 开 Hi-Res Fix 高清修复
• 同时挂多个 ControlNet 节点
• 长序列一次跑 64–128 帧（小显存卡通常只能 16 帧）

两个目标玩法，共用同一套底层模型库：

1. 文生动画：纯提示词/图片直接生成全新动画
2. 视频转动漫（Vid2Vid）：导入实拍视频，用 ControlNet 提取动作骨骼，重绘成二次元风格

---

第一步：环境搭建（Windows 整合包）

不要自己配 Python / Anaconda，版本冲突很折磨人。直接用一键整合包：

1. B 站搜 「秋葉aaaki ComfyUI 整合包」，在视频简介里下载最新版
2. 解压到 NVMe SSD，预留 200GB 以上空间（模型非常吃硬盘）
3. 双击 A启动器.exe（绘世启动器）→ 右下角「一键启动」→ 自动弹出浏览器页面，即 ComfyUI 操作界面

---

第二步：模型配置（关键：分清两条生态路线）

SD1.5 和 SDXL 两套生态不能混用

网上攻略常把两条路线的组件混在一起写。实际上动画模块和 ControlNet 都必须与底模同代：

• v3_sd15_mm.ckpt、control_v11p_sd15_* 只配 SD1.5 底模
• Pony V6 是 SDXL 架构，必须配 mm_sdxl_v10_beta.ckpt 和 SDXL 专用 ControlNet

混用会直接报错或出废片。

路线 A：SD1.5 —— 视频转动漫首选，生态最成熟

组件	存放路径	推荐
底模 Checkpoint	ComfyUI/models/checkpoints/	Civitai / LiblibAI 上的二次元 SD1.5 底模
动画模块 Motion Module	ComfyUI/models/animatediff_models/	v3_sd15_mm.ckpt（AnimateDiff v3）
ControlNet	ComfyUI/models/controlnet/	control_v11p_sd15_openpose（骨骼）＋ control_v11f1e_sd15_tile（细节过渡）

分辨率 512–768 起步，动作还原最稳，vid2vid 的现成工作流和教程也最多。

路线 B：SDXL / Pony —— 画质上限高，动画模块偏弱

组件	存放路径	推荐
底模 Checkpoint	ComfyUI/models/checkpoints/	Pony Diffusion V6 XL 及其二次元/写实衍生模型
动画模块 Motion Module	ComfyUI/models/animatediff_models/	mm_sdxl_v10_beta.ckpt（beta 版，动态质量一般）
ControlNet	ComfyUI/models/controlnet/	xinsir 等 SDXL 专用 openpose 版本

Pony 系模型两个特点

• 对人体结构、动作姿态的理解在社区公认最强，衍生模型极多
• 提示词需要加质量前缀才能出好图：以 score_9, score_8_up, score_7_up 开头

旧版 AnimateDiff-Evolved 插件也认 custom_nodes/ComfyUI-AnimateDiff-Evolved/models/ 这个路径，模型放任意一处即可。

---

第三步：跑通第一个视频

不要从零连节点（密密麻麻像蜘蛛网，纯劝退）。直接复用现成工作流：

1. 拿工作流：Civitai / LiblibAI / OpenArt 搜 AnimateDiff Workflow 或 Video to Video openpose
   • 下载 .json 工作流文件，拖进 ComfyUI 网页；
   • 或者直接把别人生成的 AI 图片原图拖进去 —— ComfyUI 会自动读取图片内嵌的节点信息，一键还原整张图的连线
2. 填提示词：在 Prompt 节点写画面描述（服装、场景、风格）
3. 点 Queue Prompt 排队生成，1–3 分钟后在 Save Video / Video Combine 节点看结果

3090 参数速查

参数	建议值	说明
总帧数	64–128	约 4–8 秒 @16fps；小显存卡通常只能跑 16 帧（1–2 秒）
Context Options	16 帧滑动窗口	AnimateDiff-Evolved 靠上下文窗口实现长视频
采样步数 Steps	25–30
分辨率	SD1.5：512–768 / SDXL：1024	24GB 才敢在长序列上开这么高
后处理插帧	RIFE / FILM	8/16fps 插到 24–30fps，观感立刻顺滑

素材合规

Vid2Vid 只用自己拍摄或明确授权的素材。拿他人真人视频做换脸或性化处理， 涉及肖像权、名誉侵权和各平台封号红线，法律风险很高，不要碰。

---

2026 视角补充：AnimateDiff 之外的选择

AnimateDiff 是 2023–24 世代的技术，胜在生态成熟、二次元风格化可控、动作可精确控制。 但纯文生视频的画质上限已被新一代 DiT 视频模型拉开：

• Wan 2.1 / 2.2、HunyuanVideo、LTX-Video 等开源视频模型， 24GB 显存跑 fp8 / GGUF 量化版正合适，ComfyUI 已原生支持
• 选型建议：
  • 风格化 vid2vid、需要精确控制动作 → AnimateDiff + ControlNet（本笔记路线）
  • 纯文生视频、追求画质 → 直接上 Wan 系新模型