跳轉到

ComfyUI Z-Image WAN 2.2 Character Animation Pipeline

概念概覽

Z-Image + WAN 2.2 一條龍架構

核心知識

Z-Image + WAN 2.2 一條龍架構

整套 pipeline 在單一 ComfyUI 環境內完成： 1. Z-Image Turbo（文生圖）→ 以同一組 prompt 餵給 WAN 2.2 I2V 做圖生視頻，無需切換工具 2. 模型組合：z_image_turbo_nvfp4（NVFloat4 量化，省 VRAM）+ qwen_3_4b_fp8_mixed（text encoder）+ Flux VAE 3. z_image_turbo_bf16（原始精度）品質略優，但需要更多 VRAM；NVFloat4 在 RTX 4090 / 5070 Ti 16GB 上為最佳平衡點

Workflow 參數化（硬體自適應）

create_workflow() 加入 model_name / clip_name 覆蓋參數，讓同一份 workflow JSON 根據目標硬體自動選擇正確的模型路徑： 

create_workflow(model_name="z_image_turbo_nvfp4", clip_name="qwen_3_4b_fp8_mixed")

部署注意事項

  • RunPod RTX 4090（$0.34/hr 標準 / $0.59/hr Secure + SOC 2）可直接跑 14B 模型
  • RTX 5090 可升跑更大模型，但 14B NVFloat4 在 4090 已夠用
  • 建立 SSH Tunnel 本地預覽：ssh -L 8188:localhost:8188 root@<pod-ip> -p <port>

經驗教訓

  • NVFloat4 量化在 24GB VRAM 是 14B 模型的甜蜜點，品質與速度皆可接受

  • Workflow JSON 應抽出 model_name/clip_name 作參數，避免為不同硬體維護多份 workflow

  • Z-Image Turbo BF16 與 NVFloat4 輸出品質差距不顯著，日常生產建議用 NVFloat4

常見陷阱

  • Workflow 內 hardcode 模型名稱（如 bf16）但朋友機器裝的是 nvfp4，導致節點找不到模型

  • 直接修改已驗證可運行的 URL 配置可能造成模型降級，務必確認新 URL 對應相同規格

最佳實踐

  • 統一 workflow 加 model_name 覆蓋參數，一份 JSON 適配所有硬體

  • RunPod Secure Pod 搭配 SSH Tunnel 兼顧安全性與本地操作便利性

相關概念

來源 Sessions

日期 Session 貢獻摘要

| 2026-04-13 | 6a11d50e-fabd-4e49-90a1-34f9d114caff | 本 session 完整實作了 Z-Image Turbo → WAN 2.2 圖生視頻一條龍 workflow，包含模型變體選擇、硬體自適應參數化，及 RunPod 遠端部署。 |

本概念頁面由 Semi-Brain Wiki 系統自動維護

最後更新: 2026-04-13