Linux系统下安装ComfyUI详细教程

在AI生成内容日益复杂的今天，越来越多的创作者和开发者开始寻求更灵活、更可控的工作流工具。传统的图形界面虽然上手快，但一旦涉及多模型串联、参数微调或自动化流程，就显得力不从心。而ComfyUI正是为解决这类问题而生——它将整个Stable Diffusion推理过程拆解成可连接的节点，让你像搭积木一样构建自己的AI生成流水线。

本文将带你一步步在Linux系统（以Ubuntu为例）中部署ComfyUI，并配置支持文生视频模型Wan_2.1，最终实现文本到视频、图像到视频的完整生成能力。整个过程涵盖环境准备、依赖安装、模型下载与工作流使用，适合有一定命令行基础的技术爱好者和AI应用开发者。

---

系统环境准备

本教程基于 Ubuntu 20.04 LTS 演示，同样适用于 Ubuntu 22.04、Debian 11+ 或 CentOS Stream 等主流发行版。建议使用具备NVIDIA GPU的机器，以便启用CUDA加速。

首先确认系统版本：

cat /etc/issue

输出应类似：

Ubuntu 20.04.6 LTS \n \l

更新软件源并安装必要工具：

sudo apt update && sudo apt upgrade -y
sudo apt install -y git wget curl python3-pip

其中 git 用于克隆项目，wget 和 curl 辅助下载资源，python3-pip 提供包管理支持。如果你打算用 Conda 管理虚拟环境（推荐），还需安装 Miniconda。

💡 若尚未安装 Conda，可前往 Miniconda官网 下载对应版本并执行安装脚本。例如：

bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

安装完成后重启终端或运行 source ~/.bashrc 生效。

---

创建 Python 虚拟环境（Conda）

为了避免Python依赖冲突，强烈建议为ComfyUI创建独立的虚拟环境。我们选择 Python 3.10，因为它是目前PyTorch生态兼容性最好的版本之一。

# 创建名为 comfyui 的虚拟环境
conda create -n comfyui python=3.10 -y

# 激活环境
conda activate comfyui

激活后，你的命令行提示符前通常会显示 (comfyui) 标识，表示当前处于该环境中。

如果之前尝试过安装但失败了，可以先清理旧环境：

# 查看所有已存在的环境
conda env list

# 删除名为 comfyui 的环境（谨慎操作）
conda remove --name comfyui --all -y

⚠️ 注意：此操作不可逆，请确保没有其他项目共用该环境。

---

安装 PyTorch 与 CUDA 支持

ComfyUI的核心是PyTorch，必须正确安装带GPU支持的版本才能发挥性能优势。根据你的显卡驱动情况选择合适的CUDA版本。

推荐方案：CUDA 12.6（适用于较新驱动）

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu126

备选方案：CUDA 11.8（兼容性更强）

若系统驱动较老，无法支持CUDA 12.x，可降级安装：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装完成后验证是否成功识别GPU：

python -c "import torch; print(f'PyTorch Version: {torch.__version__}'); print(f'GPU Available: {torch.cuda.is_available()}')"

预期输出：

PyTorch Version: 2.3.0
GPU Available: True

如果返回 False，说明CUDA未正常加载，需检查：
- 显卡驱动是否安装（nvidia-smi 是否能显示GPU信息）
- 安装的PyTorch版本是否与CUDA匹配
- 当前Python环境是否干净无冲突

---

克隆 ComfyUI 源码

接下来从GitHub获取官方代码库。建议将项目放在用户主目录下的专用文件夹中。

mkdir ~/comfyUI && cd ~/comfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

📌 项目地址：https://github.com/comfyanonymous/ComfyUI

该项目结构清晰，主要包含：
- main.py：启动入口
- nodes/：内置节点逻辑
- web/：前端界面代码
- models/：模型存放路径（需手动创建）
- input/ 和 output/：输入输出目录

---

安装依赖包

ComfyUI 所需的第三方库都列在 requirements.txt 中，直接通过 pip 安装即可：

pip install -r requirements.txt

这个过程可能需要2~5分钟，具体取决于网络速度。常见关键依赖包括：

包名	作用
safetensors	安全加载 .safetensors 格式模型，避免恶意代码注入
transformers	支持HuggingFace风格的Tokenizer和模型结构
accelerate	实现多GPU/混合精度推理优化
onnxruntime	部分插件使用ONNX格式模型时需要

💡 小技巧：国内用户常遇到pip下载慢的问题，可指定清华镜像源加速：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

---

下载模型文件并放置路径

ComfyUI本身只是一个框架，真正的“大脑”是外部加载的模型权重。这里我们以通义实验室发布的 Wan_2.1 文生视频模型为例，展示两种下载方式。

方法一：使用 modelscope 一键下载（推荐）

modelscope 是阿里开源的模型开放平台，提供了便捷的CLI工具。

先安装客户端：

pip install modelscope

然后执行下载命令：

modelscope download --model 'Comfy-Org/Wan_2.1_ComfyUI_repackaged' --local_dir './models/Wan_2.1'

该命令会自动创建 models/Wan_2.1 目录，并将所有相关组件归类存放，省去手动整理的麻烦。

方法二：手动下载（备用方案）

如果网络限制导致 modelscope 无法使用，可访问魔搭社区页面手动下载：

👉 Wan_2.1模型文件页

你需要获取以下核心文件并放入对应目录：

文件	目标路径
wan_v2.1.safetensors	ComfyUI/models/checkpoints/
adapter_wan_v2.1.safetensors	ComfyUI/models/animatediff_models/
wan-motion-module.pt	ComfyUI/models/animatediff_motion_modules/motion_modules/

创建所需目录并移动文件：

mkdir -p models/checkpoints
mkdir -p models/animatediff_models
mkdir -p models/animatediff_motion_modules/motion_modules

# 假设文件已下载至当前目录
mv wan_v2.1.safetensors models/checkpoints/
mv adapter_wan_v2.1.safetensors models/animatediff_models/
mv wan-motion-module.pt models/animatediff_motion_modules/motion_modules/

注意路径不能出错，否则节点将无法找到模型。

---

启动 ComfyUI 服务

一切就绪后，进入项目根目录并启动主程序：

cd ~/comfyUI/ComfyUI
python main.py --listen --port 33310

常用启动参数说明：

参数	说明
--listen	允许外部设备通过IP访问（默认仅限本地）
--port 33310	自定义端口号，避免与其他服务冲突
--cuda-device 0	指定使用的GPU编号（多卡场景）
--lowvram	启用低显存模式，适用于8GB以下显存的显卡
--disable-smart-memory	强制禁用显存优化策略（调试用）

启动成功后，终端会打印：

To see the GUI go to: http://0.0.0.0:33310

此时服务已在后台运行，不要关闭终端。

---

访问 Web UI 界面

打开浏览器，访问：

🌐 http://<服务器IP>:33310

例如：
- 本地运行：http://127.0.0.1:33310
- 局域网访问：http://192.168.1.100:33310

首次加载稍慢，需等待前端资源初始化完成。页面打开后你会看到一个空白画布，左侧是节点面板，右侧是属性编辑区。

整个界面采用WebGL渲染，拖拽流畅，支持缩放和平移操作。你可以通过鼠标中键拖动画布，滚轮缩放，右键菜单添加节点。

---

加载工作流示例

ComfyUI的强大之处在于其可复用的工作流机制。你可以把一组节点配置保存为JSON文件，在不同项目间共享和复用。

导入文本生成视频工作流

前往 Wan模型页 下载预设工作流：

• text_to_video_wan.json
• image_to_video_wan_480p_example.json
• image_to_video_wan_720p_example.json

选择 text_to_video_wan.json 并导入：

1. 点击顶部菜单栏 “Load”
2. 选择 “From File”
3. 上传下载的 .json 文件

加载后，画布上会出现完整的节点链路，典型结构如下：

[Text Encode] → [Wan Model Load] → [Sampling] → [Video Combine]
                     ↑
              [Motion Module]

你只需修改提示词（positive prompt），点击 “Queue Prompt” 即可开始生成短视频。

图像转视频工作流配置

以 image_to_video_wan_480p_example.json 为例：

1. 准备一张静态图（PNG/JPG格式），上传至 ComfyUI/input/ 目录
2. 在工作流中找到图像输入节点，选择该文件
3. 设置帧数（如16帧）、种子值、正向/负向提示词等参数
4. 提交任务

生成结果将自动保存在 ComfyUI/output/ 目录下，格式为MP4或GIF。

⚠️ 注意：视频生成对显存要求较高，建议使用RTX 3060及以上显卡。若显存不足，可尝试降低分辨率或启用 --lowvram 模式。

---

实用建议与常见问题

• ✅ 每次启动前记得激活环境：
  bash conda activate comfyui

• 💾 磁盘空间预留充足：
  模型文件普遍较大，Wan系列加上VAE、ControlNet等组件总大小可能超过10GB，建议预留至少20GB可用空间。

• 🔄 升级pip以防兼容问题：
  bash pip install --upgrade pip

• 🛠️ 遇到报错怎么办？

• 查看终端日志定位错误类型
• 确认模型路径是否正确
• 检查PyTorch与CUDA版本是否匹配

• 到 GitHub Issues 或 Discord 社区搜索类似问题

• 🧩 扩展建议：

• 安装 ComfyUI Manager 插件，可一键安装自定义节点和模型
• 使用 custom_nodes/ 目录扩展功能，如加入IP-Adapter、Depth Control等高级控制模块

---

ComfyUI不仅仅是一个图形化界面，它代表了一种全新的AI开发思维：可视化即编程。通过节点式的模块化设计，无论是简单的图片生成，还是复杂的多阶段视频合成，都可以被精确控制和反复验证。

对于技术团队而言，这种工作流模式极大提升了实验的可复现性和生产部署的稳定性；对于个人创作者来说，则意味着更高的自由度和更强的表现力。随着更多模型和插件的涌现，ComfyUI正在成为连接创意与工程的桥梁。

现在，你已经拥有了搭建这套系统的完整能力。下一步，不妨试着自己设计一条工作流——也许下一个惊艳的作品，就诞生于你亲手连接的这两个节点之间。