随着AI生成技术的发展，视频创作正成为继图像生成后的新风口。Stable Video Diffusion（SVD）作为 Stability AI 推出的视频生成模型，在ComfyUI中能实现高质量的文生视频与图生视频创作。本文将从应用场景到具体工作流，带进阶用户掌握SVD的核心用法。

一、工作流生成视频的应用与未来趋势

SVD模型通过扩散过程生成连续帧视频，其工作流在以下场景已展现强大潜力：

应用场景	典型案例	技术优势
创意原型	广告分镜、动画草稿	快速将文字描述转化为动态视觉
内容创作	短视频片段、社交媒体素材	降低视频制作门槛，无需专业设备
教育演示	科学原理动画、流程演示	直观呈现抽象概念
游戏开发	角色动作预览、场景动画	辅助游戏原型设计

未来趋势：

• 分辨率提升：当前SVD主流输出为576×1024，未来将支持4K级视频生成
• 时长扩展：从目前的4-14秒向分钟级视频演进
• 交互增强：结合ControlNet实现动作精准控制
• 多模态融合：支持文本、图像、音频协同生成视频

对于进阶用户，提前掌握SVD工作流将在AI视频创作领域占据先机。

二、SVD模型下载与放置位置

（一）模型下载渠道

SVD包含基础模型和升级模型，推荐下载以下版本：

模型名称	特点	下载地址
stabilityai/stable-video-diffusion-img2vid（基础版）	生成14帧，速度快	Hugging Face
stabilityai/stable-video-diffusion-img2vid-xt（增强版）	生成25帧，细节更丰富	Hugging Face
stabilityai/stable-video-diffusion-img2vid-xt-1-1	xt最新版	同上

提示：国内用户可通过hf-mirror等镜像站加速下载，需注册账号并同意模型使用协议。

（二）文件放置规范

下载后需按以下结构放置，确保ComfyUI能正确识别：

ComfyUI/
├─ models/
│  └─ stable_video_diffusion/  # 手动创建该文件夹
│     ├─ svd.safetensors       # 基础模型文件
│     ├─ svd_xt.safetensors    # XT增强模型文件
│     └─ svd_xt_1_1.safetensors # XT最新版

注意：模型文件较大（基础版约2.8GB，XT版约5.2GB），需预留足够存储空间，且确保文件完整未损坏。

三、文生视频工作流创建

文生视频（Text-to-Video）通过文字描述直接生成动态视频，核心是将文本信息转化为时间序列的视觉内容。

（一）核心节点组成

基于效率节点的精简工作流：

关键节点解析：

1. Checkpoint加载器（仅图像）：

   • 作用：加载SVD模型
   • 节点介绍：仅图像检查点加载器
     

2. 线性CFG引导：

   • 作用：跨帧缩放CFG进行视频采样
   • 参数：min_cfg-中文意思为最小无分类器指导，默认值为1。SVD在绘制视频第一帧内容时运用最小CFG，之后逐渐增大，到最后一帧内容时变为K采样器里面的最终CFG。
     

3. SVD_图像到视频_条件：

   • 作用：核心节点，用于将图片转换为视频。
   • 参数1：width：生成视频的宽度。
   • 参数2：heigth：生成视频的高度。
   • video_frames：生成的运动总帧数，使用原版模型，建议最大设置为14；使用XT版本模型，建议最大设置为25。
   • motion_bucket_id：控制生成视频的运动幅度，数值越大运动幅度越大，默认值为127。
   • fps：帧率，代表视频每秒播放的帧数，默认值为6，一般设置为6或8。
   • augmentation_level：控制添加到图像的噪声量，数值越大视频与初始帧的差异就越大，一般设置不超过1。

（二）工作流展示

（三）提示词撰写技巧

文生视频提示词需包含时空信息，结构公式：

[主体]，[动作描述]，[环境]，[时间变化]，[风格]

示例：

a cute cat, jumping over a rainbow, blue sky background, sunlight shining, smooth animation, 8k resolution, realistic fur details

提示：避免过于复杂的动作描述（如"同时跑跳+转头"），当前模型对复合动作支持有限。

四、图生视频工作流创建

图生视频（Image-to-Video）以静态图像为基础生成动态扩展，适合让插画、照片"动起来"，是进阶用户创作的重点方向。

（一）核心节点组成

在文生视频基础上增加图像输入与处理节点：

（二）实战技巧

1. 静态照片动起来：

   • 输入：风景照
   • 提示词：gentle wind blowing leaves, clouds moving slowly, sunlight changing gradually
   • 参数：Motion Bucket Id=127（轻微运动）
     

2. 插画转动画：

   • 输入：二次元角色插画
   • 提示词：character blinking, hair swaying, subtle smile change
   • 参数：Init Strength=1（保留角色特征）

总结

SVD模型在ComfyUI中的应用标志着AI创作从静态向动态的跨越。文生视频适合从零开始的创意生成，图生视频则擅长让现有图像焕发动态生机。作为进阶用户，建议先掌握基础参数组合，再尝试结合ControlNet等工具实现精准控制。

随着模型迭代，视频生成的质量和可控性将持续提升，提前布局的创作者将在内容生产领域获得显著优势。如果本文对你有帮助，欢迎点赞收藏，评论区可分享你的SVD创作经验！