Stable Video Diffusion本地部署教程：开源AI视频生成入门

看着云端生成视频按秒计费，或者担心上传的素材泄露隐私，是不是有点头疼？其实，只要你的显卡够力，完全可以在自己电脑上跑通 Stable Video Diffusion（SVD）。这不仅是省钱，更是把控制权拿回自己手里。

很多新手被“本地部署”四个字吓退，觉得要敲一堆代码。但实际上，现在最友好的方式是通过 ComfyUI 这个节点式界面来运行。它虽然看起来像连电线，但逻辑清晰，而且社区里有很多现成的工作流可以直接拖进去用。今天我们就聊聊怎么把这套环境搭起来，让第一张图动起来。

检查你的硬件门槛

在动手之前，先确认一下家底。SVD 对显存的要求比较硬性，这不是靠耐心能弥补的。

如果你使用的是 NVIDIA 显卡，建议显存至少在 8GB 以上，12GB 或更高会从容很多，能支持更高分辨率或更长帧数的生成。AMD 显卡用户理论上可以通过 DirectML 或 ROCm 支持，但配置复杂度较高，新手建议暂时观望或使用云算力。内存方面，16GB 是起步，32GB 会更稳妥，因为加载模型和处理帧缓存都很吃内存。

另外，确保你的硬盘有足够的空间。SVD 的模型文件加上 ComfyUI 的基础环境，预留 20GB 以上的空闲空间是比较安全的做法。

一键安装 ComfyUI

别去手动配置 Python 环境和 Git 克隆了，对于 Windows 用户，最直接的方式是使用整合包或官方提供的便携版本。

访问 ComfyUI 的 GitHub 页面，下载最新的 portable 版本（通常是一个压缩包）。解压到一个非中文、无空格的路径下，比如 D:\AI\ComfyUI。双击 run_nvidia_gpu.bat，如果一切正常，浏览器会自动弹出一个界面，这就是你的操作台。

ComfyUI 启动成功后的空白节点画布界面

第一次启动可能会花几分钟下载一些基础依赖，耐心等待。看到黑色的命令行窗口不再滚动新文字，且浏览器界面加载出节点画布，就说明环境就绪了。

获取 SVD 模型文件

ComfyUI 只是个壳，核心大脑是 SVD 模型。你需要去 Hugging Face 或 Civitai 下载 Stable Video Diffusion 的 checkpoint 文件。

通常有两个版本：svd_xt.safetensors 和 svd.safetensors。XT 版本支持更多帧数（最高可达 25 帧），效果更细腻，但显存占用也更高。新手建议先下载 svd_xt.safetensors。

下载完成后，将文件放入 ComfyUI 目录下的 models\checkpoints 文件夹中。注意，有些工作流可能需要将模型放在 models\unet 或特定子文件夹，具体要看你加载的工作流要求，但大多数现代工作流都支持从 checkpoints 直接读取。

加载工作流并生成视频

这是最关键的一步。你不需要自己从头连线，去 ComfyUI 的官方示例库或社区论坛找一个标注为“SVD”或“Stable Video Diffusion”的 JSON 工作流文件。

打开 ComfyUI 界面，将下载的 JSON 文件直接拖入浏览器窗口。你会看到画布上出现了一堆连接好的节点。

典型的 SVD 视频生成工作流节点连接

找到“Load Checkpoint”节点，点击下拉菜单，选择你刚才放入的 svd_xt 模型。接着，在“Load Image”节点上传一张你想要让它动起来的静态图片。建议使用横构图、主体清晰的图片，这样生成的视频稳定性更好。

调整参数时，重点关注 motion_bucket_id（运动幅度）和 cond_aug（条件增强）。motion_bucket_id 默认值通常在 127 左右，数值越大动作越剧烈，但也容易变形；cond_aug 一般设在 0.02 到 0.1 之间，能帮助模型更好地理解图像内容。

点击右侧菜单栏的“Queue Prompt”，等待进度条走完。生成的结果会以视频形式出现在预览区。如果显存报错，尝试降低视频帧数（frames）或分辨率。

关键参数 motion_bucket_id 和 cond_aug 的设置位置

优化与常见问题

第一次生成的视频可能只有几秒，甚至有点模糊，这很正常。SVD 擅长的是微动效，比如头发飘动、水流变化或镜头缓慢推拉，而不是大幅度的角色位移。

如果生成速度极慢，检查是否开启了其他占用显存的程序。如果视频出现闪烁或撕裂，尝试调整 seed 值重新生成，或者稍微降低 motion_bucket_id。记住，本地部署的优势就是可以无限次低成本试错，直到调出满意的效果。

生成完成的短视频预览窗口

当你能稳定跑出流畅的短视频后，就可以尝试结合 ControlNet 或 IP-Adapter 来更精确地控制视频内容了。不过那是进阶玩法，先把这第一步走稳，你已经比大多数只会在云端排队的人领先了一个身位。