LongCat-Video 是美团 136 亿参数的视频基础模型,支持文生视频、图生视频和视频续写。模型的权威来源是官方仓库和它的 Python 推理脚本;ComfyUI-WanVideoWrapper 是另一套社区集成,额外提供节点、显存换出、检查点格式和示例工作流。
最省时间的做法是先做出一个很小的结果。在确认模型适不适合你的任务之前,先把所有检查点、LoRA、VAE 和工作流都下完,只会扩大失败面,并不会让结果更好。
三条路,三种契约
| 路径 | 适合 | 你要自己负责什么 |
|---|---|---|
| 托管生成器 | 先出结果、偶尔用 | 积分、服务可用性、输入输出审核 |
| 官方 LongCat 仓库 | 复现与模型研究 | CUDA 环境、权重、存储、运行时长 |
| ComfyUI-WanVideoWrapper | 可视化工作流与社区格式 | 封装版本、自定义节点兼容性、回归测试 |
别在这三条路之间盲搬命令和检查点。社区加载器能吃下的文件不一定是官方上游产物,官方的 Diffusers 目录也不一定等于一个 ComfyUI 检查点。
装社区封装,先留回滚点
cd ComfyUI/custom_nodes
git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git
cd ComfyUI-WanVideoWrapper
pip install -r requirements.txt
git rev-parse HEAD把最后一条命令打印的提交号和工作流 JSON 存在一起。封装维护者自己就说了这是进行中的项目:模型代码、LoRA 加载、PyTorch、Triton、block swap 任何一处变化都可能改变显存行为。升级请在第二个目录或 git worktree 里做,同一个样本跑通之前,保留上一个能用的提交。
从一个已知工作流开始
- 把 ComfyUI 和封装更新到一对经过验证的提交。
- 从封装仓库里挑 LongCat 示例,别用来路不明的下载镜像。
- 文本编码器、扩散模型、VAE 和可选 LoRA 只放进该工作流要求的目录。
- 重启 ComfyUI,把每个红节点都解决掉再排队。
- 先用示例自带的输入和尺寸跑通,再换自己的素材。
如果节点报「找不到模型」,就停在这里。把不相干的文件改名去凑下拉菜单只会掩盖原因,后面通常会以 shape 或架构错误的形式再炸一次。
第一次图生视频测试
用一张干净、主体完整可见的图,和一条很短的运动提示词。第一次跑得足够小,能马上结束,然后记录:
- 封装提交号与模型文件名;
- 输入尺寸与输出尺寸;
- 帧数、步数、种子、注意力后端、block swap 值;
- 峰值显存、峰值系统内存、实际耗时;
- 结果是否保住了身份、几何、背景和预期的运动。
提示词先写场景、再写运动,例如:「一只陶瓷机器人站在工作台上,柔和的棚拍光。它慢慢把头转向镜头,机位固定不动。」一句有边界的话,比塞了好几个转场的一整段更容易判断好坏。
显存:按阶梯试,别找魔法数字
官方没有「LongCat 在 8GB 上能跑」这种通用承诺。峰值占用会随检查点精度、注意力后端、分辨率、帧数、模型驻留、LoRA、封装提交和换出设置变化。block swap 是拿显存换系统内存和时间,它不能把资源变成无限。
按这个顺序试:
- 降帧数。
- 在保持宽高比的前提下降低宽高。
- 用封装文档里写明的 offload 或 block swap 路径。
- 换一个来源可追溯、精度更低的检查点。
- 一次只改一个设置,然后用同一个输入重跑。
如果机器开始大量换页,那么即便没有触发 CUDA OOM,这一单在工程上也已经不可用了。记录总耗时和内存,而不是只记录「有没有出文件」。
续写:别信「无限长」
官方模型确实是为视频续写预训练的,也描述了分钟级的生成能力。但可落地的续写流程仍然是「生成有边界的段落,再拼接」。每接一段,漂移都有机会被放大。
用这个验收循环:
- 生成第一段短片。
- 检查它最后几帧的主体和背景是否稳定。
- 用一个简单动作续写一次。
- 逐帧检查接缝。
- 当身份、颜色、几何或运动不再达到同一条质量线时停下。
不要说「无限」或「零漂移」。这两个词把模型能力变成了保证,而官方仓库和社区工作流对任意输入都给不出这种保证。
故障对照表
| 现象 | 先查什么 | 有边界的处理 |
|---|---|---|
| 节点红色或缺失 | ComfyUI 与封装的提交组合 | 重启、看启动日志、恢复锁定的提交 |
| 模型 shape 不匹配 | 确切的检查点与加载器类型 | 用该加载器对应的、有来源的产物 |
| CUDA 显存不足 | 帧数、尺寸、模型驻留 | 先减一个变量,再加 offload |
| 首次运行很慢或卡住 | 编译、下载、磁盘、系统内存压力 | 看日志、设超时、别重复排队 |
| 续写处跳变 | 末帧稳定性与重叠/上下文设置 | 缩短段落,简化下一步动作 |
| 主体或肢体重复 | 提示词复杂度、参考姿势难度 | 退回「一个主体一个动作」 |
产出质量闸门
按正常速度看一遍,再逐帧看一遍。核对提示词意图、主体身份、人体结构、物体数量、文字、颜色、机位运动、接缝帧和播放兼容性。把种子和工作流 JSON 跟通过的成片一起存档。如果是商用,模型、素材、音乐、配音、肖像和依赖的授权要分别确认,不能一句「开源」就跳过。
结论
如果本地成本还是个未知数,就先跑一次托管视频测试,把它的成片质量和积分成本,跟你量出来的本地耗时摆在一起比较。那才是能不能上生产的判断依据,而不是一张安装成功的截图。
相关内容
- ComfyUI 超长视频与显存:重叠、shift 与 12GB 档位。
- LongCat Avatar 本地部署:音频驱动数字人的独立路径。
- LongCat Video 完整指南:三条路线与硬件边界。
- 查看积分方案:托管生成的现价。