大家好，我是小肥肠，专注 智能体干货教程分享！今天手把手教你用 Coze+ComfyUI实现高质量视频制作，全流程保姆级拆解，哪怕是新手也轻松学会，赶紧码住跟练！
1. 前言
最近有朋友总跟我吐槽在Coze里面制作视频的成本有点高，有没有别的办法可以把成本降低一点。我找到了一个办法：用Coze+ComfyUI制作视频，经过我一周的可行性研究找到以下几个方案：
| 方案序号 | 方案名称 | 核心说明 | 成本情况 | 实测情况 |
|---|---|---|---|---|
| 1 | 基于仙宫云的成品ComfyUI工作流接入Coze制作视频 | 云端租用装有ComfyUI镜像的算力（你可以理解为云端的一个电脑），与Coze组合生成视频，仙宫云开机即产生费用 | 按照仙宫云算力每小时单价计算 | 已接入Coze实测，1分钟左右视频成本几毛钱，比之前降低10倍不止，效果较好，缺点是只要开机就会产生费用，不适合个人用户 |
| 2 | 调用Running hub上的成品ComfyUI工作流接入Coze制作视频 | 调用云端的ComfyUI工作流，与仙宫云不同，仅在调用工作流时产生费用，一个5秒的分镜4分钱 | 一个5秒分镜4分钱 | 已接入Coze实测，1分钟左右视频成本几毛钱，比之前降低10倍不止，效果较好，调用才会产生费用，适合个人用户 |
| 3 | 基于本地ComfyUI接入Coze制作视频 | 需要本地硬件显存在24G以上，可在本地部署工作流，封装为API后接入Coze | 需要自己准备硬件，主要是硬件的成本 | 没测，我显存就8G |
下面视频就是Coze结合ComfyUI制作的独居女孩vlog视频，可以看出效果比之前的版本好很多：
之前的版本： Coze实战：一分钟生成10w+独居女孩Vlog动画，零基础也能日更！
2. Coze中ComfyUI插件使用示例
几个方案测下来，我个人是更偏向用Running Hub，于是我们封装了一套对接Running Hub上的ComfyUI工作流生成视频的工具插件。工具涵盖文生图，图生视频、首尾帧视频这几个插件，大家需要可以直接使用：
插件调用很简单，核心分为两大步骤，第一个步骤为提交任务，这个任务可以是文生图、也可以是图生视频和文生视频等，第二个步骤就是查询这个任务的执行进度和结果，我写了几个简单的调用示例给大家参考使用。
2.1. 文生视频插件
2.1.1. 工作流搭建
文生视频插件调用的完整工作流如下：
开始： 开始节点主要输入文生视频提示词和Running Hub的key。
因为Running Hub一个时间只能跑一个任务，故需要工作流来实现排队逻辑逻辑，查询任务队列是否满了，如果满了则延迟几秒后再重新创建文生视频任务，这个功能基于循环节点来实现。
create_text_2_video创建任务：这个节点的作用是创建文生视频任务，填入的参数有prompt（文生视频提示词），height（视频高），width（视频宽），plugin_key（插件key），plugin_uuid（插件的uuid），plus（是否启用plus模式，建议启用），rh_key(Running Hub的key)。
ps：无论宽高，最长边不要超过1024，否则容易爆 显存
选择器： 这个节点的作用的用来进行判断的，如果create_text_2_video 节点输出的err_msg 的值为TASK_QUEUE_MAXCED则代表队列已满，则需要进入排队进程，间隔几秒后再次创建文生视频任务，如果队没有满就可以获取任务id正式进入文生视频任务来获取视频地址了。
下图为选择器_2出来后的衔接节点，delay_2为延时节点，这个节点的作用是延时59秒，59秒后继续发起文生视频任务。
前面我们通过排队机制拿到了文生视频任务id，之后的步骤就是基于这个任务id来查询视频生情况，获取视频地址，这部分的工作流如下：
提取提取有效的任务id（代码）： 在前面的工作流流程中，我们经过排队进程获取了任务id，下述代码的作用是把任务id提取到task_id参数中。
源代码：
csharp
async def main(args: Args) -> Output:
params = args.params
task_ids = params['task_ids']
msg_ids = params['msg_ids']
for i in task_ids:
if i is not None and i != '':
return { "task_id": i }
return {"task_id": None}当任务id成功获取后，我们就拿到了制作文生图视频任务的任务编号，要注意这里依然不是即时获得视频任务的结果，需要写一个循环每个几秒去文生视频插件产生的视频地址。
query_task_status（获取任务状态）： 这个节点可以获得任务执行的状态，如果返回的参数中status为SUCCESS就代表视频制作完成了
query_task_result（获取视频地址）： 在确认query_task_status 插件返回的status为SUCCESS 时就可以基于query_task_result插件获取视频地址了。
另一边，如果query_task_status 不为SUCCESS就需要进入二级判断，我们需要判断err_msg是否等于APIKEY_TASK_STATUS_ERROR，如果等于就代表工作流出错了，直接结束循环，否则延迟30秒继续获取视频状态。
取结果图片地址（代码）： 在退出循环后我们需要用代码来获取成果视频地址。
源代码：
ini
import json
async def main(args: Args) -> Output:
params = args.params
# Get the first item from the result_url_list
result_url_json_string = params['result_url_list'][0]
# Parse the JSON string to get the dictionary
result_url_dict = json.loads(result_url_json_string)
# Extract the fileUrl from the dictionary
file_url = result_url_dict['fileUrl']
# Build the output object
ret: Output = {
"result_url": file_url
}
return ret2.1.2. 效果演示
以上就是Running Hub视频调用插件的完整流程，我基于这个做了一个动物世界的视频效果很不错，给大家展示一下：
2.2. 图生视频
2.2.1. 工作流搭建
图生视频的完整工作流如下，它与文生视频插件调用的区别就在于多了一个图片上传的步骤：
开始节点： 在开始节点中需要输入以下参数，rh_key为Running Hub的key，prompt为图生视频的提示词，img为图生视频流程所需要的图片，plugin_key为插件调用所需要的key。
upload_file： 这个节点的作用是用于上传图片，rh_key对应开始节的Running Hubkey，url对应开始节点的图片。
由于Running Hub执行任务的机制是一个时间段只能执行一个任务（作图或做视频），所以在基于Running Hub的图生视频工作流中也要有排队逻辑，工作流排布节点如下：
CreateImage2Video（创建图生视频任务）： 这个节点的作用是用于在Running Hub中创建一个图生视频任务，
imagePath对应upload_file节点输出的图片地址，prompt参数对应图生视频提示词，rhKey对应开始节点输入的Running Hub的key，height对应视频的最长边（不要超过1024，容易爆显存），plugingKey对应插件使用的key，plus参数代表是否开启plus模式，推荐选true。
选择器： 在选择器_2 中需要判断CreateImage2Video 输出中列队有没有满了，如果err_msg 参数为TASK_QUEUE_MAXED 则代表队列已满，需要等待几秒后继续调用CreateImage2Video创建任务，否则直接获取任务id进去正式图生视频任务。
退出循环后，获得了任务id就能基于这个任务id来获取视频生产结果了，相关工作流节点排布如下：
这部分和文生视频章节的步骤是一样的，不再赘述。
2.2.2. 效果演示
基于Running Hub插件我这边制作了橘猫视频，效果也很好：
以上就Running Hub插件文生视频和图生视频插件调用的完整演示，有不清楚的可以评论区留言，博主看见后会一一回复。如果想直接获取 工作流 ，可以加入社群后我拉你进Coze空间直接学习使用。
3. 结语
其实做内容创作，成本和效率一直是大家头疼的事，这次摸索出的这些法子，能实实在在帮着把视频制作的门槛降一降。要是你在试的过程中遇到啥卡壳的地方，随时来交流，毕竟实操里的小细节还挺多的，多聊聊总能找到更顺的路。往后有新的玩法，我也会接着分享，咱们一起在低成本做优质内容的路上慢慢琢磨，慢慢进步。
