ComfyUI 教學：正式出圖出片的顯存設定與踩坑實測
重點摘要
跑出第一張圖之後，ComfyUI 正式出圖出片要顧四件事：顯存分配、爆顯存後重啟、INT8 注意力、版本升級。我們在一台 RTX 5090 32GB 實測，升級後影片每步從 116～122 秒降到 85 秒，開 INT8 注意力再從 847 秒降到 405 秒。
跑出第一張圖只是 ComfyUI 教學的起點，正式拿來出圖、出片時，最常卡住的是顯存不夠、爆顯存後服務半死、加速沒開、版本不敢升這四件事。做法很短：一張顯卡一次只跑一種大工作，爆顯存就直接重啟服務，內建的 INT8 注意力打開後用同一個種子對照一次，PyTorch 和 ComfyUI 照官方建議的版本升級。
文中的數字來自 2026 年 9～10 月、本團隊一台 RTX 5090 32GB 實測，屬於我們自己的測試與研究，主機是 64GB 系統記憶體、Windows 11。把 ComfyUI 從 0.35 升到 0.37、PyTorch 從 2.11+cu128 換成 2.14.0+cu132 之後，MiniMax H3 影片每步從 116～122 秒降到 85 秒；再打開 ComfyUI 內建的 INT8 注意力，同一段 15 秒影片從 847 秒降到 405 秒，畫面、台詞、切點都沒變。
ComfyUI 是什麼？用節點拼工作流程的開源 AI 工具
ComfyUI 是開源的生成式 AI 工具，用「節點」拼出產圖、產影片、做聲音的流程，不用寫程式。官方文件把一條工作流程比喻成食譜：每個節點是一個步驟，例如載入模型、把提示詞轉成模型看得懂的指令、取樣、存檔，節點之間用連線傳資料。整條流程可以存成 JSON 檔，用內建存檔節點產出的圖也可以把流程記進檔案，拖回畫布就能還原。
我們自己的測試與研究裡，ComfyUI 跑過四類工作：MiniMax H3（海螺 AI 3.0）影片生成、MiniMax Music 3 配樂、RIFE 4.26 補幀，以及用 Qwen-Image-Edit-2509 加多視角 LoRA 畫角色的多角度參考圖（4 步加速，一張 6 秒）。配樂用的是 ComfyUI 內建節點，每秒約處理 6.5 格（25 格等於 1 秒音樂），一幕 60 秒的配樂約 5 分鐘產完。補幀選內建的 RIFE 4.26，是因為把奇數格藏起來再補回比對，它的 29.94dB 是幾個選項裡最高，單純重複前一格只有 21.98dB。
H3 的模型檔、步數和速度細節，寫在 海螺 AI（MiniMax H3）本地實測；產圖模型的選擇和繁體中文字實測，寫在 Qwen Image 本地產圖實測；補幀和字幕的做法，寫在 AI 字幕與影片補幀。
正式出片的實測數字：升級、加速、重啟各差多少
我們自己測試時量過幾組會直接影響出片時間的數字：升級 ComfyUI 和 PyTorch，H3 影片每步快約 30%；打開內建 INT8 注意力，同一段影片的生成時間少一半；爆顯存後重啟服務，被卡住的顯存從 31,782 MiB 放回 1,217 MiB。下表每一列都附上設定和樣本數，換顯卡或換版本結果會不同。
| 項目 | 設定 | 結果 | 條件／樣本數 |
|---|---|---|---|
| 升級 ComfyUI 與 PyTorch | ComfyUI 0.35→0.37，PyTorch 2.11+cu128→2.14.0+cu132 | H3 每步 116～122 秒→85 秒；文字編碼 12～14 秒→3 秒；顯存峰值 31.9GB→22.6GB | 同一台主機升級前後對照，兩者同時升級 |
| INT8 注意力 | Model Attention Backend 節點選 comfy kitchen attention | 847 秒→405 秒；清晰度 101%、台詞 5/5、切點 8/8 | 1344×768、15 秒、8 步、同種子，1 組對照 |
| 爆顯存後重啟 | 重啟 ComfyUI 服務 | 顯存 31,782 MiB→1,217 MiB | 半死狀態：系統狀態 API 回 500、顯卡 0% |
| 裝外掛後回歸 | 舊片同設定、同種子重跑 | 逐格差 0.0000、聲音雜湊相同 | 裝過 4 種外掛，每次都驗 |
| 換工作的等待時間 | 影片佇列只空 2 分鐘就切去產圖 | 12 張圖只產出 1 張就被打斷 | 1 次；之後改成連續空 10 分鐘 |
| 顯存溢出不報錯 | 文字模型閒置佔 21.6GB 時再開產圖 | 一張 72 秒→571 秒，下一張超過 1,200 秒逾時 | 同一台主機的產圖服務，3.5GB 溢到系統記憶體 |
| 配樂 | 內建 MiniMax Music 3 節點 | 60 秒一幕約 5 分鐘 | 每秒約處理 6.5 格 |
ComfyUI 怎麼安裝？三種版本怎麼選
ComfyUI 官方提供三種安裝方式：Comfy Desktop 桌面版、Windows 免安裝版（Portable）、手動安裝。桌面版最省事，預設跟著穩定版更新；免安裝版解壓縮就能用，自帶一套 Python，一直跟著最新提交；手動安裝支援的顯卡種類最多，用 git 更新。要第一時間用剛支援的新模型，選免安裝版或手動安裝，因為新節點常常要最新版才有。
| 安裝方式 | 支援系統 | 更新跟著哪一版 | 適合誰 |
|---|---|---|---|
| Comfy Desktop | Windows 10 以上、macOS（Apple 晶片）、Linux | 預設穩定版，可切到 GitHub 最新版 | 先試用、不想碰指令的人 |
| 免安裝版（Portable） | 只有 Windows | 最新提交 | 要第一時間用新模型、新節點 |
| 手動安裝 | Windows、macOS、Linux；NVIDIA、AMD、Intel、Apple 晶片等 | 自己 git pull，可切到指定版本 | 要固定版本、自己管環境 |
照哪一篇 ComfyUI 教學裝，裝完都要確認 PyTorch 版本。官方系統需求寫明，NVIDIA 20 系列以上的顯卡要用 CUDA 13.0（cu130）以上的 PyTorch，Windows 免安裝版目前內附 Python 3.13 和 CUDA 13.0 的 PyTorch。我們升級前的 ComfyUI 啟動時一直印著這行：「You need pytorch with cu130 or higher to use optimized CUDA operations」，意思是加速核心沒開，影片照樣跑得完，只是走慢路線。所以每次開機先看一眼啟動訊息，有警告就處理，不要只看能不能出圖。
裝完要確認顯卡真的被用到，官方的疑難排解頁給的檢查方式是讓 torch.cuda.is_available() 回傳 True；回 False 就是裝到不支援 CUDA 的 PyTorch。
工作流程怎麼交給程式跑？存檔格式與送出前檢查
正式出片很少一張一張手動按執行，多半是用程式把工作流程送進 ComfyUI。官方伺服器文件說明，網頁按下執行時，工作流程會送到 /prompt，驗證通過就排進執行佇列，回傳工作編號和排在第幾位。用程式送的時候，要先用「File → Export Workflow (API)」匯出 API 格式，這個格式拿掉節點位置、顏色這些畫面資訊，只留節點和參數。
官方的格式說明把兩種格式並列：一般存檔用 Ctrl+S，節點用標題當鍵、保留版面；API 格式用數字編號當鍵，沒有版面資料，放回網頁打得開，但沒有版面配置。程式要改參數（例如換種子、換解析度），改 API 格式那份最直接。
送出前我們的程式會先比對模型清單和檔案大小，來源不明的檔一律擋下。官方列的 H3 影片模型單檔從 16GB 到 66GB，比對檔案大小，下載不完整或放錯版本的檔在送出前就會被攔下。種子也要寫進設定檔、跟版本號綁在一起，重拍時才不會不小心用回同一個種子。
顯存不夠怎麼辦？一張卡一次只跑一種大工作
顯存（VRAM）不夠有兩種壞法：一種是不報錯、只變慢，Windows 上的 NVIDIA 驅動預設會把放不下的部分搬到系統記憶體繼續跑，速度可以掉十倍；另一種是直接爆顯存（CUDA out of memory），ComfyUI 會進入半死狀態，要重啟才會恢復。預防靠同一條規矩：同一張卡上，文字模型、產圖、影片三種大工作不同時開，換工作前先把上一個放掉。
同一張 32GB 顯卡的顯存帳
不報錯的那種最難發現。我們同一台主機上的產圖服務量過：文字模型閒置也佔 21.6GB，產圖再載入約 24.5GB，合計超過整張卡，3.5GB 溢到系統記憶體，一張圖從 72 秒拖到 571 秒，下一張超過 1,200 秒逾時。另一次用 FLUX 3 Klein 出 2304 像素的圖，每步從 3.5 秒變 30 秒。症狀都是顯卡使用率 100%、顯存剩約 300 MiB、一直跑不完，所以送出工作的程式一定要設逾時，時間到就中止。
量顯存也有陷阱。torch.cuda.mem_get_info() 在 Windows 上不準，我們遇過它說還剩 30.2GB，實際上別的程式已經佔走 7.3GB；要用 nvidia-smi 的實際用量算。會把模型在顯卡和系統記憶體之間搬來搬去的程式，平常看起來只佔 1.4GB、使用率 0%，要在出圖當下密集取樣才量得到真正的峰值。
ComfyUI 自己有幾個跟顯存有關的設定。官方啟動參數說明寫明，NVIDIA 顯卡預設會自動開「動態顯存」；--reserve-vram 可以保留幾 GB 顯存給作業系統和其他軟體。官方的 H3 教學也建議挑塞得進顯存的最小模型檔，顯存吃緊時換小一號，因為把模型卸載到 CPU 的代價比降精度大。真的要讓文字模型跟 ComfyUI 同時開，就換小模型：Qwen3-4B 的 Q4_K_M 版約 3GB，可以跟 ComfyUI 共存，Qwen3-8B 全放顯卡約 6.3GB。文字模型的顯存帳寫在 llama.cpp 本地 LLM 部署，整台主機怎麼配寫在 地端 AI 主機規格。
網路上常見的加速參數，哪些真的有用？
網路上流傳的 ComfyUI 加速設定，有些跟官方說明對不上。我們讀過 ComfyUI 原始碼和自己的執行紀錄，核對了三個常見說法：--highvram 會關掉動態顯存，32GB 卡跑影片時反而容易爆；--force-fp16-vae 這個參數根本不存在；把 CFG 調高約慢一倍，因為 CFG 等於 1 時原始碼會省掉一半運算。下表把官方說明和我們的結論並排。
| 參數或做法 | 官方說明 | 我們的結論 |
|---|---|---|
--highvram |
模型用完留在顯卡，不搬回系統記憶體 | 會關掉動態顯存，影片峰值接近滿卡時反而容易爆，不開 |
--lowvram |
動態顯存開著時沒有作用；沒開時把文字編碼器放到 CPU | NVIDIA 卡預設已開動態顯存，加了等於沒加 |
--force-fp16-vae |
官方參數表沒有這一項 | 不存在；最接近的 --fp16-vae 官方註明可能產出全黑的圖 |
| 調高 CFG | 取樣參數之一 | 約慢一倍；我們測試用的影片工作流程 CFG 等於 1 |
| 升級到 cu130 以上的 PyTorch | NVIDIA 20 系列以上需要 | H3 每步 116～122 秒降到 85 秒 |
| INT8 注意力（comfy kitchen attention） | 需要硬體支援 INT8 核心 | 同一段影片 847 秒降到 405 秒，畫面不變 |
--lowvram 那一列，官方原文是「No effect when dynamic VRAM is enabled.」。顯存真的不夠，換小一號的模型檔或調低解析度比較實在。
INT8 注意力怎麼開？同一段影片快一倍
INT8 注意力是 ComfyUI 內建的加速方式，把注意力這段運算改用 8 位元整數來算。我們測試時加上 Model Attention Backend 節點、選 comfy kitchen attention，同一段 1344×768、15 秒、8 步、同種子的影片從 847 秒降到 405 秒；9 個鏡頭並排畫面一樣，清晰度 101%，5 句台詞、8 個切點都對得上。
開法有兩種。依官方 H3 教學，可以在模型接到取樣器的路上加 Model Attention Backend 節點（ComfyUI 0.35.0 起），或啟動時加 --use-ck-attention（0.32.0 起）；兩種都要顯卡支援 comfy-kitchen 的 INT8 核心。
官方同一頁有兩個提醒要先看。第一，官方寫明 Comfy Kitchen 注意力不能跑 int8_convrot 這種壓縮檔，要改用 bf16 版的模型檔；第二，用另一套 Sage Attention 時，片尾變形或畫面上的字變亂碼，常是 INT8 量化造成，官方說在 bf16 檔上改用 Comfy Kitchen 注意力可以消掉這類瑕疵、速度差不多。Sage Attention 官方說約可快 2 倍，要另外安裝。
不管開哪一種，開之前和開之後都用同一個種子各跑一段，逐鏡並排比畫面、比清晰度、把台詞聽寫出來對、看切點有沒有跑掉。這四項都過才算「加速沒有代價」，任何一項變了就退回原本的設定。
升級 ComfyUI 版本，速度差多少？
2026 年 9 月 25 日，我們把 ComfyUI 從 0.35 升到 0.37、PyTorch 從 2.11+cu128 換成 2.14.0+cu132，MiniMax H3 影片每步從 116～122 秒降到 85 秒，約快 30%；文字編碼從 12～14 秒降到 3 秒，顯存峰值從 31.9GB 降到 22.6GB。升級前的啟動訊息就寫了：要 cu130 以上的 PyTorch 才有加速。
這次 ComfyUI 和 PyTorch 是同時升級，分不出各自佔多少。官方更新紀錄裡，0.36.0（2026-09-15）列了 MiniMax H3 影片解碼器加速、用更少顯存；0.37.0（2026-09-21）列了 Qwen 系列文字編碼器加速，以及動態顯存開著時把文字編碼器留在顯卡上。
升級的方法照官方更新說明：
- 免安裝版：
update資料夾裡update_comfyui.bat更新到最新開發版，update_comfyui_stable.bat更新到最新穩定版。 - 同一個資料夾的
update_comfyui_and_python_dependencies.bat會重裝所有 Python 套件，官方標了危險，可能讓自訂節點壞掉，執行前要先備份整個 ComfyUI。 - 手動安裝：進虛擬環境後
git pull，再pip install -r requirements.txt；要退回某一版就git checkout那一版的提交。 - 桌面版：在管理面板的 Update 分頁選穩定版或 GitHub 最新版。
升級完不要只看「能不能跑」。我們每次改流程程式或裝新外掛之後，都拿一段舊片用同設定、同種子重跑，逐格差 0.0000、聲音雜湊相同才算沒影響，裝過 4 種外掛都這樣驗過。在我們的環境裡，同設定、同種子可以完全重現，這是升級敢放心升的前提。
ComfyUI 跑到一半卡住？爆顯存之後要重啟
ComfyUI 遇到 CUDA 爆顯存之後，常常不會自己恢復，而是進入半死狀態：系統狀態 API 回 HTTP 500，佇列還顯示「執行中」，顯卡使用率卻是 0%。這時候等它沒有用，正解是重啟 ComfyUI 服務。我們實測重啟前顯存還被佔著 31,782 MiB，重啟後降到 1,217 MiB，降一級設定再把工作送回佇列就好。
判斷有沒有卡住，用 ComfyUI 自己的幾個網址就夠。下表是官方伺服器文件列的用途，和我們測試時怎麼用：
| 網址 | 官方用途 | 長時間跑工作時怎麼用 |
|---|---|---|
GET /system_stats |
取得系統資訊（Python 版本、裝置、顯存等） | 回 HTTP 500 就是半死的訊號 |
GET /queue |
取得執行佇列目前的狀態 | 顯示執行中、顯卡卻是 0%，就有問題 |
POST /interrupt |
停止目前正在跑的工作流程 | 想中斷一般工作時用；半死狀態直接重啟 |
POST /free |
卸載指定的模型、釋放記憶體 | 換去跑別的大工作之前先放掉 |
爆顯存之後的處理順序
- 看狀態系統狀態 API 回 500，佇列顯示執行中但顯卡 0%
- 重啟服務不等它自己恢復，直接重啟 ComfyUI
- 確認顯存放掉用 nvidia-smi 看實際用量回到低點
- 降一級再送調低解析度或換小一號的模型檔，重新排進佇列
「降一級」要降什麼，官方 H3 教學寫得很直接：長片段在原生解析度下最先耗盡的是顯存，要塞得下就先調低畫素數。我們測試時先用小畫面生成、再用 RTX VSR 放大兩倍，就是這個思路，細節在 海螺 AI 本地實測；多段影片怎麼分段生成、怎麼接，寫在 ai生成影片的流程與實測。
佇列怎麼排？共用一張顯卡的開工檢查
ComfyUI 收到工作流程後會排進執行佇列依序跑，但它只看得到自己的佇列。一張顯卡同時被影片、產圖、文字模型好幾個服務共用時，開工前要自己實查：先看顯卡使用率和每個服務的佇列，有工作在跑就等它跑完，不同時跑；用完當天切回原本的服務，再實查一次各服務都起來了。
我們吃過一次虧：影片佇列只連續空了 2 分鐘就切去產圖，結果那只是兩段影片之間的空檔，幾分鐘後影片工作切回來，12 張圖只產出 1 張就被打斷。之後規矩改成影片佇列連續空 10 分鐘才切。
一般 ComfyUI 教學只示範在網頁按執行，佇列在網頁上也看得到：官方的工作紀錄面板會列出執行中和排隊中的工作數，「Clear queue」會取消所有還沒開始跑的工作，執行中的工作可以單獨取消。用程式送工作時，從 GET /queue 讀到的是同一份狀態。
正式出片踩過的坑：現象、原因、怎麼修
這些坑都發生在我們的 RTX 5090 測試主機上，每一個都讓影片或圖片白跑過一輪。共通點是 ComfyUI 和顯卡驅動不一定會報錯，畫面看起來還在跑、佇列看起來還在排，要靠實際量顯存、量時間、看啟動訊息才抓得到。照下面的「現象」對照自己的狀況，比從頭重裝快得多。
佇列顯示執行中，顯卡卻是 0%
- 現象：系統狀態 API 回 HTTP 500，佇列卡在執行中，顯卡使用率 0%。
- 原因：前一個工作 CUDA 爆顯存，ComfyUI 進入半死狀態，顯存沒放掉。
- 怎麼修：直接重啟服務。重啟後顯存從 31,782 MiB 降到 1,217 MiB。
不報錯，一張圖從 72 秒拖到 571 秒
- 現象：顯卡使用率 100%、顯存只剩約 300 MiB，工作一直跑不完。
- 原因：Windows 的 NVIDIA 驅動預設把放不下的部分搬到系統記憶體繼續跑，不會報錯。
- 怎麼修：同一張卡不同時開大工作；送出工作的程式一定要設逾時。
程式說還剩 30.2GB，其實已經被佔走 7.3GB
- 現象：量出來顯存很夠，一開工就溢出。
- 原因：
torch.cuda.mem_get_info()在 Windows 上不準。 - 怎麼修：用 nvidia-smi 的實際用量算，並在出圖當下密集取樣量峰值。
啟動訊息一行警告，加速整個沒開
- 現象：影片照樣跑得完，只是每步 116～122 秒。
- 原因：PyTorch 是 cu128 版，啟動訊息寫明要 cu130 以上才能用加速過的 CUDA 運算。
- 怎麼修：升級到 cu132 版 PyTorch 和 ComfyUI 0.37，每步降到 85 秒。
照網路說法加了 --highvram，反而更容易爆
- 現象：網路說法建議加
--highvram加速，但影片峰值本來就接近滿卡。 - 原因：官方說明它只是讓模型用完留在顯卡；讀原始碼可以看到它會關掉動態顯存，峰值接近滿卡時反而容易爆。
- 怎麼修：不加這個參數，讓 ComfyUI 用預設的動態顯存。
只等 2 分鐘就換工作，12 張只產出 1 張
- 現象：切去產圖沒多久，就被切回影片的工作打斷。
- 原因：把兩段影片之間的空檔誤認成影片工作結束。
- 怎麼修：影片佇列連續空 10 分鐘才切；開工前先實查顯卡和各服務佇列。
重拍出來跟上一版一模一樣
- 現象：換了一版重拍，錯的地方原樣重演，白拍 4 分鐘。
- 原因：準備程式的預設種子只看段號，B 版跟 A 版用到同一個種子。
- 怎麼修：種子要含版本號，送出前確認種子真的換了。
裝了新外掛，不知道舊片會不會跟著變
- 現象：裝完外掛一切正常，但說不出畫面有沒有被悄悄改到。
- 原因：外掛可能動到共用的節點或套件，光看「能跑」驗不出來。
- 怎麼修：舊片同設定、同種子重跑，逐格差 0.0000、聲音雜湊相同才算過。
我們的 AI 影片方案與自動化開發
要做廣告或社群用的 AI 影片，但不打算自己裝工具、寫提示詞、一段一段檢查，可以直接看我們的 AI 影片方案。方案按片長計價，單支 15 秒 $100 USDT、30 秒 $180 USDT、60 秒 $300 USDT，另有月包 Starter $350 USDT；需要的是客製工具或自動化流程，則依功能報價，評估不收費。
| 方案 | 價格 |
|---|---|
| 單支 15 秒 | $100 USDT |
| 單支 30 秒 | $180 USDT |
| 單支 60 秒 | $300 USDT |
| 月包 Starter | $350 USDT |
方案內容和製作流程在 AI 影片服務。需要客製工具或自動化流程的，看 自動化程式開發，依功能報價，評估不收費。
常見問題
comfyui 教學要從哪裡開始？ 從官方範本開始。裝好 ComfyUI 後到「Workflow → Browse Workflow Templates」開一個範本，照提示下載模型，按執行就能跑出第一張圖。先把範本跑通再改節點，比從空白畫布開始接線快；要正式出片前，再檢查顯存、佇列和版本。
ComfyUI 要多少顯存才夠？ 要看跑哪個模型。官方 H3 教學列的影片模型檔，最小 16GB、最大 66GB，官方建議挑塞得進顯存的最小版本。我們 32GB 的卡在升級後跑一段 H3 影片，峰值是 22.6GB。
ComfyUI 跑到一半卡住不動怎麼辦？ 先確認是不是爆顯存後半死。系統狀態 API 回 HTTP 500、佇列顯示執行中但顯卡 0%，就直接重啟服務；我們實測重啟後顯存從 31,782 MiB 降回 1,217 MiB。
加 --lowvram 有用嗎？
多半沒有。官方啟動參數說明寫明，動態顯存開著時 --lowvram 沒有作用，而 NVIDIA 顯卡預設會自動開動態顯存。顯存真的不夠，官方建議換小一號的模型檔。
ComfyUI 要多久更新一次？ 要用新模型、新節點就要更新，桌面版預設跟穩定版，免安裝版跟最新提交。升級也可能直接加速：我們 0.35 升 0.37 加上換 PyTorch，影片每步快約 30%。每次升級後用同一段舊片、同種子重跑，逐格差 0.0000 才算沒影響。