怎样在搭载NVIDIARTX的电脑上开启视觉生成式AI的使用之旅

如今，AI驱动的内容生成技术已深度嵌入Adobe、Canva等主流工具中，不少机构与工作室也已将其整合到工作流程里。目前的图像模型能够稳定产出逼真的写实效果，视频模型则可以生成更长时长、更具连贯性的画面内容，并且这两类模型都能依据创作指令来完成生成任务。

创作者正越来越多地在本地 PC 上运行这些工作流，以便把控创作素材、节省云服务成本，避免反复修改的阻碍，从而更高效地优化生成结果，满足创意项目的创作时间需求。

自诞生以来，NVIDIA RTX PC 凭借强大的性能成为运行创意 AI 的首选平台，不仅大幅缩短了迭代时间，还允许用户免费在本地运行模型，彻底消除了对 Token 消耗的焦虑。

本月早些时候在 CES 上发布的 RTX 优化与全新开放权重模型让创作者能以更快的速度、更高的效率进行创作，并获得远超以往的创意呈现。

如何开始

视觉生成式 AI 可能会让新用户感觉复杂且有诸多限制。在线AI生成工具虽然使用简单，但可控性有限。

ComfyUI 这样的开源社区工具简化了高级创意工作流的搭建，且安装便捷。同时，它们还提供了获取最新、强大的模型，如 FLUX.2 和 LTX-2，以及优秀社区工作流的简单途径。

以下是如何在 RTX PC 上使用 ComfyUI 和主流模型，使用视觉生成式 AI 进行本地创作的方法：

访问comfy.org下载并安装适用于Windows的ComfyUI。启动ComfyUI。使用入门模板创建第一张图像：

点击“模板”按钮，接着选择“快速开始”选项，再点击“文本转图片”。把“节点”模型与“保存图像”节点连接起来。这些节点通过流水线模式相互配合，借助AI来生成内容。点击蓝色的“运行”按钮，留意绿色“节点”是否亮起，此时RTX电脑就会启动并生成你的首张图像。

修改提示词并再次运行，即可进一步深入探索视觉生成式AI的创作世界。

下面介绍了如何深入使用更多 ComfyUI 模板，体验采用更高级的图像与视频模型的创作流。

模型规模与 GPU

当用户逐渐熟悉 ComfyUI 及其支持的模型后，就需要开始考虑GPU显存容量，以及某个模型是否能够在显存范围内运行。以下是根据不同 GPU 显存容量给出的入门示例：

[1] *为获得最佳效果，建议在 NVIDIA GeForce RTX 50 系列 GPU 上使用 FP4 模型，在 RTX 40 系列 GPU 上使用 FP8 模型。这样可以在占用更少显存的同时提供更高性能。

[2] *为获得最佳效果，建议在 NVIDIA GeForce RTX 50 系列 GPU 上使用 FP4 模型，在 RTX 40 系列 GPU 上使用 FP8 模型。这样可以在占用更少显存的同时提供更高性能。

生成图像

探索如何使用FLUX.2-Dev提升图像生成质量：

在 ComfyUI 的“模板”部分，点击“所有模板”，并搜索“FLUX.2 Dev 文生图”。选择后，ComfyUI 将加载一组已连接的节点，即“工作流”。

FLUX.2-Dev 包含需要下载的模型权重。

模型权重是 AI 模型内部所包含的“知识”，可以将其理解为大脑中的突触。当像 FLUX.2 这样的图像生成模型被训练时，它会从数百万张图像中学习模式，而这些模式会以数十亿个数值的形式存储下来，这些数值就被称为“权重”。

ComfyUI 本身没有内置这些权重文件，而是会在实际需要时从 Hugging Face 之类的仓库里按需进行下载。这类文件的体积一般都比较大（像 FLUX.2 就会因版本差异，大小可能超过 30GB），所以系统得有足够的存储空间，同时也要预留出对应的下载时间。

系统会弹出一个对话框，引导用户下载模型权重。权重文件(filename.safetensors)会自动保存到用户 PC 上 ComfyUI 对应的正确文件夹中。

保存工作流：

在模型权重下载完成后，下一步是将这个新下载的模板保存为一个“工作流”。

点击左上角的汉堡菜单（三条横线），选择“保存”。该工作流将被保存到用户的“工作流”列表中（按下 W 键可显示或隐藏该窗口）。随后可关闭标签页，在不丢失任何内容的情况下退出该工作流。

如果在模型权重尚未下载完成前意外关闭了下载对话框：

按下 W 键可快速打开“工作流”窗口。选择该工作流，ComfyUI 将重新加载，并自动提示下载缺失的模型权重。

此时，ComfyUI 已准备就绪，可使用 FLUX.2-Dev 生成图像。

FLUX.2-Dev提示词技巧：

可以先从清晰具体的主体、场景、风格与氛围描述入手，比如：“电影感特写镜头下，一辆行驶在雨中的复古赛车，湿漉漉的柏油路面倒映着霓虹光影，高对比度，采用35mm摄影风格。”在刚开始尝试时，简短到中等长度的提示词——一两句话且聚焦明确的描述——往往比冗长、带有故事性的提示更便于把控最终效果。还可以添加一些约束条件来引导画面的一致性与质量，像构图方面（“广角镜头”或者“人像构图”）、细节程度（“高细节呈现，清晰对焦”）、写实与否（“写实风格”或是“风格化插画”）。要是画面看起来太过杂乱，建议优先减少形容词的使用，而非继续增添内容。尽量避免使用负面提示词，把注意力放在描述你真正想要的画面上。

请参见 Black Forest Labs 提供的指南，了解更多关于FLUX.2提示词的使用技巧。

本地存储路径：

完成图像细化后，右键点击“保存图像”节点，即可在浏览器中打开图像，或将其保存到新的位置。

根据应用类型和操作系统不同，ComfyUI 的默认输出文件夹通常如下：

Windows（独立版/便携版）：一般在C:\ComfyUI\output，或是程序解压所在目录下的相近路径。Windows（桌面版）：路径常处于AppData目录里，比如：C:\Users\%username%\AppData\Local\Programs\@comfyorg\comfyui-electron\resources\ComfyUI\outputLinux：默认的安装路径是~/.config/ComfyUI。

视频生成

以全新的 LTX-2 模型为例，探索如何提升视频生成质量：

Lightrick 的 LTX-2 是一款先进的音视频模型，它专为在 ComfyUI 里实现可控、分镜式的视频生成而打造。在下载好 LTX-2 图生视频模板与模型权重之后，建议把提示词当作简短的镜头描述，而不是完整的电影剧本。

与前两个模板不同，LTX-2 图生视频结合了一张图像与文本提示词来生成视频。

用户可以选用在 FLUX.2-Dev 中生成的图像之一，并添加文本提示词，让画面“动”起来。

LTX-2 提示词技巧：

为在ComfyUI中获得最佳效果，建议将提示词用现在时写成一个连贯的段落，或采用简洁的脚本格式，包括场景标题、动作、角色名称和对白。整体以4到6句描述性语句为宜，覆盖所有关键要素：

确立镜头与场景（远景/中景/特写、光照、色彩、材质、氛围）。将动作描述为清晰的连续过程，定义角色的可见特征与肢体语言，并明确镜头运动方式。最后补充音频元素，如环境音、音乐和对白，并使用引号标注。

细节层级需与镜头尺度相匹配。例如，特写镜头比远景镜头更需要精确的角色与材质细节。要清楚说明镜头与主体之间的关系，而不仅仅是镜头如何移动。

提示词中可考虑加入更多细节，包括：

镜头运动语言：需清晰指定“缓慢推轨前进”“手持跟拍”“过肩镜头”“横向摇摄”“向上俯仰”“推进”“拉远”或“固定镜头”等具体方式。镜头类型：要明确说明是远景、中景还是特写，并搭配适宜的光照、浅景深效果与自然动态元素。节奏把控：可借助慢动作、延时摄影、停留镜头、长镜头、定格画面或无缝转场等手法，来塑造独特的节奏与氛围。环境氛围营造：融入雾气、薄雾、雨水、黄金时刻光线、反射效果以及丰富的表面纹理等场景细节，增强画面的真实感。风格设定：在提示词开头明确标注风格，例如绘画感、黑色电影、胶片风格、定格动画、像素化边缘、时尚大片或超现实风格。光照运用：采用具体表述描绘逆光、特定配色方案、柔和轮廓光、镜头光晕或其他光照细节。情绪传递：着重刻画单一主体的表现，通过清晰的面部表情与细微动作来传达情感。声音与音频设计：提示角色使用不同语言进行对话或歌唱，并配合明确的环境音描述。

优化显存占用和图像质量

作为一款前沿模型，LTX-2 为了提供高质量效果，需要占用大量显存(VRAM)。随着分辨率、帧率、视频时长或采样步数的提升，显存占用也会随之增加。

ComfyUI 与 NVIDIA 合作优化了一项 weight streaming 功能，当 GPU 显存不足时，可将工作流的部分内容卸载到系统内存中运行——但这会以性能下降为代价。

根据GPU型号和使用场景的不同，用户可能需要对这些因素加以限制，以确保生成时间保持在合理范围内。

LTX-2 是一款极其先进的模型——但与任何模型一样，参数设置的调整都会对最终质量产生显著影响。

了解如何在 RTX GPU 上优化 LTX-2，请参考用于 ComfyUI 的 LTX-2 快速入门指南，

使用 FLUX.2-Dev 与 LTX-2 构建自定义工作流

用户如需简化在不同 ComfyUI 工作流之间来回切换、在本地寻找 FLUX.2-Dev 生成的图片并插入 LTX-2 工作流中的过程，可以将 FLUX.2-Dev 与 LTX-2 组合到一个新的工作流中：

打开已保存的FLUX.2-Dev文本转图像工作流，按住Ctrl键同时用鼠标左键点击该工作流中的FLUX.2-Dev文本转图像节点。切换到LTX-2图像转视频工作流后，按下Ctrl+V组合键粘贴刚才选中的节点。接着把鼠标移到FLUX.2-Dev文本转图像节点的“IMAGE”接口处，按住左键并拖动到“调整图像/掩码大小”节点的对应接口点，此时会自动生成蓝色的连接线。

以新名称保存该工作流，即可在同一个工作流中同时为图像和视频输入提示词。

高级 3D 生成

在利用FLUX.2生成图像、LTX-2生成视频之后，接下来的步骤是融入3D引导技术。NVIDIA推出的3D引导生成式AI蓝图，演示了如何借助3D场景与资产，在RTX PC上构建更具可控性、适配专业制作流程的图像与视频管线，同时还提供了现成的工作流，方便用户进行查看、调整和拓展。

创作者还可以在 Stable Diffusion subreddit 和 ComfyUI Discord 上展示作品、与其他用户交流并获取帮助。