秋叶 ComfyUI-v9.5 本地部署教程|整合包安装、显存优化与批量出图代码实战

简介: 本教程详解秋叶ComfyUI-v9.5本地部署:涵盖NVIDIA显卡硬件要求、英文路径解压、一键启动、OOM显存优化(lowvram/fp16/xformers)、Python API批量绘图及插件安装,4G显存亦可流畅运行。

一、前置硬件环境要求

表格

硬件 最低配置 推荐配置
显卡 NVIDIA 4G 显存 NVIDIA RTX 3060/4060 及以上,≥6G 显存
系统 Windows10/11 64 位 Windows11 64 位
硬盘 剩余空间 20G NVMe 固态硬盘,预留 50G 以上(存放模型)

⚠️重要限制:AMD 显卡可以运行,但需要额外修改环境;本文教程基于 NVIDIA 显卡 CUDA 环境。 ❗解压路径禁止包含中文、空格、特殊符号,例如D:\AI\秋叶ComfyUI 正确;D:\AI工具\ComfyUI秋叶 错误。

二、整合包安装部署步骤

  1. 下载资源打开夸克网盘链接,下载秋叶 ComfyUI-v9.5 完整压缩包。下载完成后,关闭杀毒软件(部分杀毒会误隔离依赖文件)。
  2. 解压文件使用 WinRAR 或 7-Zip 解压到纯英文路径。解压完成,进入根目录。
  3. 启动 WebUI双击根目录 start_comfyui.bat 启动脚本。 首次运行会自动校验依赖、加载环境,等待终端日志输出 To see the GUI go to: http://127.0.0.1:8188复制地址在浏览器打开,即可进入 ComfyUI 节点画布界面。

手动启动指令(CMD 终端方式,适合调试)

cd /d D:\AI\ComfyUI
python main.py

三、显存优化配置(解决 OOM 显存溢出)

显存不足是本地部署最常见问题,分两种优化方式:修改启动脚本参数。

方案 1:修改 start_comfyui.bat 增加启动参数

右键编辑start_comfyui.bat,在启动命令后追加参数:

python main.py --lowvram --cuda-malloc --disable-xformers

参数说明:

  • --lowvram:低显存模式,适合 4G-6G 显卡,模型显存分片加载
  • --cuda-malloc:启用 CUDA 内存分配优化,减少内存碎片
  • --disable-xformers:关闭 xformers 加速,部分老显卡兼容报错时开启

显存≥8G 推荐参数(速度优先)

python main.py --xformers

方案 2:模型精度优化

在 ComfyUI 节点中,加载 Checkpoint 模型时,将模型加载类型设置fp16,不要使用 fp32,显存占用直接减半。

四、Python API 批量出图代码实战

适用场景:批量生成漫剧配图、批量测试提示词,无需手动点击生成按钮。 前提:ComfyUI 保持运行(http://127.0.0.1:8188),提前保存好工作流 JSON 文件。

import requests
import json
import os
# ComfyUI服务地址
COMFYUI_URL = "http://127.0.0.1:8188"
# 读取已经导出的工作流json
with open("workflow.json", "r", encoding="utf-8") as f:
    workflow = json.load(f)
# 批量提示词列表
prompt_list = [
    "masterpiece,best quality,girl,outdoor,sunset",
    "masterpiece,best quality,boy,forest,soft light",
    "masterpiece,best quality,modern house,night scene"
]
for idx, pos_prompt in enumerate(prompt_list):
    # 修改正向提示词节点,根据你自己工作流的节点ID替换
    workflow["6"]["inputs"]["text"] = pos_prompt
    payload = {"prompt": workflow}
    res = requests.post(f"{COMFYUI_URL}/prompt", json=payload)
    print(f"任务{idx}提交成功,任务ID:{res.json()['prompt_id']}")
print("全部绘图任务提交完成,请在ComfyUI查看生成结果")

使用说明:

  1. 在 ComfyUI 画布做好工作流,点击保存,导出为workflow.json放到脚本同目录;
  2. 修改代码里的节点 ID(示例中节点 6 是正向提示词节点);
  3. 直接运行脚本,批量提交绘图任务。

五、常用插件安装指令

ComfyUI 插件存放在 ComfyUI\custom_nodes可以用 git 命令快速拉取插件(需要提前安装 git)

cd custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git

ComfyUI-Manager 是插件管理器,重启 ComfyUI 之后,可在网页端一键安装各类节点插件。

六、常见问题排查

  1. 启动闪退
  • 检查路径是否存在中文;
  • 关闭杀毒软件,重新解压整合包;
  • 更新 NVIDIA 显卡驱动。
  1. OOM 显存不足添加--lowvram启动参数,使用 fp16 模型,降低图片分辨率。
  2. 网页打不开 127.0.0.1:8188查看 CMD 终端日志,如果端口占用,可以更换端口启动:
python main.py --port 8189
  1. 图片生成慢显卡显存充足时,开启--xformers加速,更换 SSD 存放模型文件。

七、小结

秋叶 ComfyUI-v9.5 整合包极大降低节点式 AI 绘图的本地部署门槛,不需要复杂的环境配置。配合 API 脚本可以实现自动化批量出图,非常适合 AI 素材批量生产。合理使用显存启动参数,4G 显存显卡也可以正常运行出图。后续可以搭配自定义工作流、ControlNet 插件,实现人物固定、姿态控制等高级 AI 绘图能力。

完整资源教程https://pan.quark.cn/s/75c13845410f

相关文章
|
4天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1233 3
|
27天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9726 32
|
13天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
8天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
12天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
880 1
|
5天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
570 1
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
8天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
575 0
|
9天前
|
存储 人工智能 自然语言处理
千问办公官网入口链接在哪?2026年最新QwenWork测评、千问办公怎么样?一文看懂
千问办公(QwenWork)是阿里云推出的AI智能办公平台,提供网页端和阿里云官网双入口。支持PPT/Word/Excel生成、多模态处理、网页全栈搭建、钉钉深度集成等6大核心能力。个人版免费可用,高级版198元/月;企业版198元/人/月。新用户注册即赠2000积分。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
1156 0