最新新闻 (CN)

ComfyUI 平台利用 GeForce RTX 卡上的人工智能优化图像和视频创建

作者 Redação Mix Vale • 2026年5月22日 • 1 min de leitura

WhatsApp Twitter Facebook 在Google上关注 E-mail

照片: A ComfyUI - Reprodução Youtube

ComfyUI 软件实现了结构更新，通过人工智能修改本地图像和视频生成的动态。该平台引入了直接接口格式并集成了对 NVIDIA 开发的 NVFP4 标准的原生支持。技术变革旨在降低新运营商的进入壁垒。该系统现在需要更少的编程和配置虚拟环境的先验知识。

重新表述解决了生成模型本地处理的两个历史问题：视觉复杂性和高视频内存消耗。新的图形环境将分支工作流程转换为简单、易于导航的屏幕。同时，代码优化使 GeForce RTX 显卡能够以更高的能效和速度执行繁重的任务。这些因素的结合使开源工具更接近云服务提供的商业标准。

简化的界面取代复杂的节点系统

从历史上看，ComfyUI 作为模块化仪表板运行，面向经验丰富的技术研究人员和开发人员。该程序需要手动连接逻辑块来处理稳定扩散等扩散模型。这种架构保证了对视觉生成的每个阶段（从文本解释到最终渲染）的绝对控制。然而，这种格式疏远了普通用户。在第一次点击之前需要配置微小的技术参数，这对初学者来说是一个很大的障碍。

应用模式的推出彻底改变了这种交互逻辑。该工具将连接网络转换为干净直观的屏幕，类似于基于网络浏览器的服务面板。操作员只需在指定字段中输入文本命令或参考图像即可。中央按钮直接触发处理。该功能正处于测试阶段，但已经提供了与设计市场高需求的预配置模型的兼容性。

视觉过渡并不会消除该软件对退伍军人的原始功能。高级用户可以不受限制地访问节点面板，以进行微调和复杂的常规实验。简化的界面充当表面层，将基本命令转换为系统幕后的结构化例程。与直接格式兼容的新模型选项的开发将在接下来的几个月内进行，从而扩大可用的目录。

自主处理的硬件要求

在个人计算机上安装人工智能需要准备虚拟环境并管理大量文件。 ComfyUI 桌面版可自动下载必要的依赖项，例如 Python 语言和特定渲染库。安装程序在 Windows 操作系统中创建直接快捷方式，并方便初始配置，无需手动干预。该程序还兼容 macOS 系统，尽管硬件优化的主要重点仍然是微软生态系统。

本地生成的性能直接取决于用户机器上安装的显卡的容量。 NVIDIA的CUDA架构由于与源代码的深度集成而在生成人工智能行业占据主导地位。专用处理核心（称为 Tensor Core）可加速复杂的数学计算并具有热稳定性。显存的大小决定了计算机可以同时加载的模型的大小。 SSD 驱动器上的存储可加快检查点文件的读取速度。

设备的选择决定了操作员的创意可能性和交付速度：

具有 8 GB 内存的卡支持 SD1.5 和 SDXL 格式的基本创作，速度适中。
12 GB 型号允许使用 AnimateDiff 工具创建短视频并改进视觉质量。
16 GB 的设备使您可以使用 LoRA 训练您自己的风格并同时使用多个模型。
24 GB 的设备运行 Flux.2 等先进系统，并以非常高分辨率执行放大，不会出现任何问题。

自动环境配置可识别可用硬件并调整初始使用参数。操作员可以在完成主包下载后几分钟内生成第一个映像。该过程消除了阅读技术文档和解决软件冲突的时间，而这些冲突过去常常让新采用者感到沮丧。

NVIDIA架构的性能优化

NVFP4 格式的集成代表了加工过程中管理机器资源的技术飞跃。 NVIDIA 在年初公布了该标准，以优化最新显卡的内部数据流量。 ComfyUI 在最近的更新中原生采用了该技术。在运行繁重任务时，这一变化可将内存消耗减少高达百分之六十。在 GeForce RTX 50 系列设备上，速度增益峰值可达两倍半。

最新的人工智能模型，例如 FLUX.2 Klein，已经上市，并为新的压缩格式准备了变体。用户直接从公共存储库（例如 Hugging Face 平台）下载文件，并将它们插入到程序的根文件夹中。系统会识别扩展并在启动期间自动应用硬件加速。无需在操作系统终端中键入命令行即可激活该优势。

上一代设备还可以通过软件更新获得处理优势。对 FP8 格式的支持保证了较旧 RTX 卡的速度提高约 70%。在这些特定场景中，内存消耗的减少达到百分之四十。 Tensor Core 的能源效率可防止您的计算机在长时间的批量成像会话中过热。