Comfyui_turbodiffusion：本地高效图生视频模型TurboDiffusion节点，支持双专家采样与 SLA 加速

Comfyui_turbodiffusion 是一个专为 图生视频模型TurboDiffusion 设计的 ComfyUI 自定义节点集合，支持 双专家采样、稀疏线性注意力（SLA）加速、int8 量化模型，并在 RTX 3090/4090 级别显卡上实现 720p、77 帧视频 60–90 秒内生成。

• GitHub：https://github.com/anveshane/Comfyui_turbodiffusion

TurboDiffusion：视频扩散模型提速 100–200 倍，质量几乎无损

核心功能

✅ 端到端图转视频流程

单一采样器节点完成：文本编码 → VAE 编码 → 双模型采样 → 视频解码

✅ SLA 稀疏线性注意力

推理速度提升 2–3 倍，显存占用更低（RTX 3090 实测 12–15GB）

✅ 双专家采样机制

• 高噪声模型：处理前期粗略运动结构
• 低噪声模型：优化后期细节与画质
• 自动切换：在采样 90% 处（如 4 步中的第 3.6 步）无缝交接

✅ 智能内存管理

• 自动加载/卸载模型，避免显存溢出
• 与 ComfyUI 原生模型管理系统深度集成
• VAE 支持时序视频帧（B, C, T, H, W），非普通图像 VAE

✅ 无需外部依赖

TurboDiffusion 代码已集成，无需单独安装，开箱即用

系统要求

• GPU：NVIDIA RTX 3090 / 4090 或更高（12GB+ 显存）
• 软件：Python ≥ 3.9，PyTorch ≥ 2.0，ComfyUI（最新版）

低显存用户建议使用 480 分辨率 + 49 帧；24GB+ 显存可尝试 720p + 77 帧以上

安装步骤

cd ComfyUI/custom_nodes/
git clone https://github.com/anveshane/Comfyui_turbodiffusion.git

重启 ComfyUI 使节点生效。

模型准备

将以下文件放入对应 ComfyUI 目录：

模型：

• Hugging Face：https://huggingface.co/TurboDiffusion/TurboWan2.2-I2V-A14B-720P
• 魔塔：https://www.modelscope.cn/models/TurboDiffusion/TurboWan2.2-I2V-A14B-720P

标准工作流（8 个节点）

1. TurboWanModelLoader → 加载高噪声模型（带 SLA）
2. TurboWanModelLoader → 加载低噪声模型（带 SLA）
3. CLIPLoader → 加载 umT5-xxl 文本编码器
4. CLIPTextEncode → 输入提示词
5. TurboWanVAELoader → 加载 时序 VAE（⚠️ 非标准 VAE）
6. LoadImage → 上传起始图像
7. TurboDiffusionI2VSampler → 执行完整推理
8. TurboDiffusionSaveVideo → 导出 MP4/GIF/WebM

完整流程示例见项目中的 turbowan_workflow.json。

关键节点说明

TurboDiffusionI2VSampler（核心采样器）

重要参数：

• num_frames：必须为 8n+1（如 49, 77, 121）
• num_steps：1–4 步，推荐 4
• resolution："480"（低显存）、"480p"（平衡）、"720p"（高画质）
• boundary：模型切换点，默认 0.9
• use_ode：设为 false（使用 SDE，更稳定）

TurboWanVAELoader

⚠️ 注意：此 VAE 专为视频时序设计，输入/输出为 (B, C, T, H, W)，
不能与 ComfyUI 默认 VAE 节点混用。

性能实测（RTX 3090）

加速模式建议（实测经验）

经多环境测试，最稳定配置为：

• attention_type = "sla"
• 执行模式 = layerwise_gpu

其他选项（如 sagesla、original）在部分 Windows + CUDA 环境下可能报错或崩溃。
建议优先使用 sla，确保稳定性。

故障排查