04 ComfyUI + SVD 系列（二）：最小工作流实现图片生成视频（24 帧 + mp4 合成）

ComfyUI + SVD 系列（二）：最小工作流实现图片生成视频（24 帧 + mp4 合成）

1. 写在前面

上一篇已经把 ComfyUI + SVD 的环境装好了，目标是：

• ComfyUI 能正常启动
• svd_xt.safetensors 能被识别
• 前端界面能打开
• 图片生视频所需的基础节点能正常使用

这一篇就不再讲安装，直接进入最核心的实战部分：

用一张图片，实际跑通一个最小的图生视频工作流。

这次只做一件事：

输入一张图片，输出 24 帧图片序列，再合成 mp4。

不追求复杂动作，不追求剧情，不追求多人物。

先把最小闭环跑通，这才是最有价值的第一步。

B站查看视频(帮忙点赞呗 )：https://www.bilibili.com/video/BV1ayQ4BZECy/?vd_source=3a9dd7a328acafb09dd1b8d05f3e2bf7

---

2. 本文目标

本文完成以下事情：

• 用 ComfyUI 搭建一个最小 SVD 图生视频工作流
• 输入一张图片
• 输出 24 帧图片序列
• 用 ffmpeg 合成 mp4
• 保存前端工作流和 API 工作流，便于后续复用

也就是说，这一篇主要解决的是：

一张图，如何实际生成一段短视频。

---

3. 先看最终工作流

本次实际跑通的最小工作流如下图所示：

这条链路非常清晰，核心就是：

• 加载图像
• 加载 SVD 模型
• 构造图生视频条件
• K 采样
• VAE 解码
• 保存图片

---

4. 这套工作流到底做了什么

工作流中的核心节点如下：

• LoadImage
• ImageOnlyCheckpointLoader
• SVD_img2vid_Conditioning
• KSampler
• VAEDecode
• SaveImage

它们之间的逻辑关系是：

4.1 加载输入图像

LoadImage 节点负责读取输入图片。

当前工作流中使用的输入图像是：

generated_image_08.png

对应 API 工作流中的配置如下 ：

"1": {
  "inputs": {
    "image": "generated_image_08.png"
  },
  "class_type": "LoadImage"
}

4.2 加载 SVD 模型

ImageOnlyCheckpointLoader 节点负责加载图片生视频模型。

当前使用的模型是：

svd_xt.safetensors

对应 API 工作流中的配置如下 ：

"2": {
  "inputs": {
    "ckpt_name": "svd_xt.safetensors"
  },
  "class_type": "ImageOnlyCheckpointLoader"
}

4.3 构造图生视频条件

SVD_img2vid_Conditioning 节点是整个工作流的核心。

它接收：

• clip_vision
• init_image
• vae

然后生成：

• positive
• negative
• latent

这一步决定了图生视频的基本参数 。

4.4 K 采样

KSampler 节点负责真正执行采样生成 latent 序列 。

4.5 VAE 解码

VAEDecode 节点把 latent 解码成图片帧 。

4.6 保存输出

SaveImage 节点负责把生成结果保存为图片序列，当前文件名前缀为：

ComfyUI

对应配置如下 ：

"124": {
  "inputs": {
    "filename_prefix": "ComfyUI"
  },
  "class_type": "SaveImage"
}

---

5. 节点连接关系

如果你要手工搭工作流，按下面这个顺序连就可以：

5.1 输入图像连接到 SVD 条件节点

• LoadImage.image
  ->
• SVD_img2vid_Conditioning.init_image

5.2 模型节点连接到 SVD 条件节点

• ImageOnlyCheckpointLoader.clip_vision

  ->

• SVD_img2vid_Conditioning.clip_vision

• ImageOnlyCheckpointLoader.vae

  ->

• SVD_img2vid_Conditioning.vae

5.3 模型节点连接到 KSampler

• ImageOnlyCheckpointLoader.model
  ->
• KSampler.model

5.4 SVD 条件节点连接到 KSampler

• SVD_img2vid_Conditioning.positive

  ->

• KSampler.positive

• SVD_img2vid_Conditioning.negative

  ->

• KSampler.negative

• SVD_img2vid_Conditioning.latent

  ->

• KSampler.latent_image

5.5 KSampler 输出连接到解码与保存

• KSampler.LATENT

  ->

• VAEDecode.samples

• ImageOnlyCheckpointLoader.vae

  ->

• VAEDecode.vae

• VAEDecode.images

  ->

• SaveImage.images

---

6. 本次实际使用的参数

这次工作流不是随便填的，而是已经实际跑通的那一组。

6.1 输入图片

当前输入图片为：

generated_image_08.png

6.2 模型

当前模型为：

svd_xt.safetensors

6.3 SVD 条件参数

SVD_img2vid_Conditioning 的参数如下 ：

• width = 768
• height = 1024
• video_frames = 24
• motion_bucket_id = 127
• fps = 6
• augmentation_level = 0

也就是说，这次生成的是：

24 帧、6 fps、纵向 768×1024 的短视频帧序列。

6.4 KSampler 参数

KSampler 的参数如下 ：

• seed = 966310185011160
• steps = 20
• cfg = 2.5
• sampler_name = euler
• scheduler = simple
• denoise = 1

6.5 输出参数

输出通过 SaveImage 节点保存，前缀是：

ComfyUI

---

7. 为什么宽高设置成 768 × 1024

很多人第一次做图生视频时会问一个问题：

输入图多大，工作流里的宽高就一定要一样吗？

不一定。

当前输入图像文件是 generated_image_08.png ，

而工作流里实际生成时使用的是：

• width = 768
• height = 1024

这样做的目的主要是：

• 保持竖图方向
• 控制显存占用
• 让第一轮验证更稳定

如果你一上来就用过大的分辨率，再叠加 24 帧，很容易显存压力上升。

所以第一轮最推荐的策略是：

先用相对稳妥的尺寸，把工作流跑通。

---

8. 为什么先输出图片，而不是直接输出 mp4

当前工作流最后接的是：

• VAEDecode
• SaveImage

也就是说，先输出的是一组图片，而不是直接输出视频 。

这样做有几个好处：

• 更容易排查问题
• 能确认到底生成了多少帧
• 能观察每一帧是否连续
• 即使视频插件有问题，也不影响核心验证

所以对于第一轮验证来说：

先输出图片序列，再合成视频，是最稳妥的路线。

---

9. 运行后输出在哪里

运行成功后，图片通常会保存在 ComfyUI 的输出目录：

/work/animateDiff/ComfyUI/output/

而且因为 SaveImage 的前缀是 ComfyUI ，所以你会看到类似文件：

ComfyUI_00001_.png
ComfyUI_00002_.png
ComfyUI_00003_.png
...
ComfyUI_00024_.png

这 24 张图就是后续合成视频的素材。

---

10. 如何把 24 帧图片合成 mp4

前一篇已经装过 ffmpeg，所以这里可以直接合成视频。

先进入输出目录：

cd /work/animateDiff/ComfyUI/output

然后执行：

ffmpeg -framerate 6 -i ComfyUI_%05d_.png -c:v libx264 -pix_fmt yuv420p svd_24f.mp4

这里参数的含义是：

• -framerate 6：按 6 fps 读取图片
• ComfyUI_%05d_.png：匹配 ComfyUI_00001_.png 到 ComfyUI_00024_.png
• -c:v libx264：使用 H.264 编码
• -pix_fmt yuv420p：保证兼容性更好
• svd_24f.mp4：输出视频文件名

因为当前工作流里 fps = 6 ，所以这里 ffmpeg 的 -framerate 也应该对应设置为 6。

---

11. 如何确认这次最小验证已经成功

这一轮验证成功的标准其实很简单：

• ComfyUI 能正常执行工作流
• svd_xt.safetensors 能被正确加载
• 输入图片能正常读取
• 输出目录里成功生成 24 张图片
• 图片之间有连续变化
• 最终能顺利合成 mp4

只要满足这几点，就说明：

单图生成短视频的最小闭环已经跑通。

---

12. 这套工作流为什么适合作为"最小案例"

因为它足够简单，但链路完整。

当前工作流只包含 6 个关键节点：

• LoadImage
• ImageOnlyCheckpointLoader
• SVD_img2vid_Conditioning
• KSampler
• VAEDecode
• SaveImage

这意味着它具备几个优势：

• 新手容易照着搭
• 出错点少
• 参数少，容易复现
• 后续方便导出 API JSON
• 方便改造成 Python 后端调用

这也是为什么我建议：

第一轮不要一上来追求复杂视频，而是先拿下这个最小闭环。

---

13. 建议顺手保存两份工作流

既然已经跑通了，建议你顺手保存两份：

13.1 前端工作流

用途：

• 下次直接在 ComfyUI 界面打开
• 保留节点位置、连线和参数

13.2 API 工作流

用途：

• 后续 Python 调用
• 自动提交任务
• 批量替换输入图和参数

这两份都很重要。

尤其是 API 工作流，后面如果要做后端调用，会非常方便。

---

14. 本文小结

这篇文章实际跑通了一个 ComfyUI + SVD 最小图生视频工作流，流程如下：

• 加载输入图 generated_image_08.png
• 加载模型 svd_xt.safetensors
• 设置 768×1024、24帧、6fps 的 SVD 条件
• 使用 KSampler 执行 20 步采样，CFG 为 2.5
• 解码并保存 24 张图片帧
• 最后通过 ffmpeg 合成 mp4

如果你现在已经生成出了图片序列，并顺利合成视频，那么就说明：

ComfyUI + SVD 的最小图生视频案例已经成功跑通。

---