# C · 本地 ComfyUI 复现方案（RTX 5060 Ti 16GB / Blackwell sm_120）

> 调研时间：2026-09-12　目标机：单卡 RTX 5060 Ti 16GB（sm_120，驱动 610.43.02 / CUDA 13.2）、32GB RAM、Linux、ComfyUI 已部署 8189、已有 MiniMax H3 工作流经验。
> 题材：①「仙宫/天宫」宏大场景　②「珠光宝气古风美女」人物特写。
> 文中标注「（未证实）」的为单一来源或推算值，其余尽量给实测出处。

---

## 0. 结论速览（先看这段）

1. **出图主力选 FLUX.1 Krea dev（fp8 或 GGUF Q8）**，992×1440 / 20 步在本卡热启动约 **53 秒**（Aidec 实测）；Qwen-Image Q4_K_S 更适合做「换脸/换镜头」的编辑环节（4 步加速版算图 **21~23 秒**）。
2. **不要碰 FLUX.2 dev**：fp8 版本 33GB，本卡能跑但需要 **83GB 总内存**，GGUF Q5 出 992×1440 要 4 分钟以上、1024×1024 也要 1.5~3 分钟，性价比远低于 Qwen-Image。
3. **视频主力 Wan2.2**：I2V 14B（smoothMix Q8/Q6 + BlockSwap + Sage）在本卡 496×720 / 81 帧热启动 **133 秒**、97 帧 **158 秒**；HunyuanVideo 1.5 同尺寸 97 帧 **198 秒**（稍慢但更省显存、物理更真）。
4. **MiniMax H3 继续保留**：864×480 / 5.17 秒 / 20 步 + EasyCache = **194 秒**（不加缓存 633 秒），是目前唯一能本地出**带同步音频 + 身份保持较好**的路线；Turbo LoRA 可把 20 步 230s 压到 8 步 116s。
5. 古风/仙侠资源以 **SD1.5 / SDXL / Illustrious 老生态最全**（汉服、仙侠、古建 LoRA 绝大多数是这两个底模），Flux 侧靠「通用古风 LoRA + 光影 LoRA + 提示词」补；社区已有人做 **LTXV 2.3 的仙侠 LoRA**，可直接进视频侧。
6. 单条「5 秒 720p 成品」本地链路：关键帧 60s + 放大 30s + I2V 130~200s ≈ **4~5 分钟**；同等质量上云（Kling 2.1 Pro）约 **$0.28/5s**。**建议：本地跑循环试错与关键帧，云端只出终稿镜头。**

---

## 1. 软件底座：sm_120 的四个必踩坑

| 坑 | 现象 | 处理 |
|---|---|---|
| PyTorch CUDA 版本 | 低于 cu128 的轮子无 sm_120 kernel → `no kernel image is available` 或首次 kernel 直接崩 | 必须 `pip install --force-reinstall --index-url https://download.pytorch.org/whl/cu130 torch torchvision torchaudio`（cu128 亦可，cu130 才有 ComfyUI 的量化加速） |
| requirements 顺序 | `torch` 未 pin，**在 cu130 安装之后**再跑 `requirements.txt` 会把 torch 覆盖回默认源，静默失去加速 | 顺序固定：`requirements.txt` 先，CUDA 13 栈最后装；启动日志必须看到 `+cu130` 与 comfy-kitchen CUDA backend `available: True` |
| Triton / torch.compile | sm_120 的 triton 支持滞后，`Cannot find a working triton installation` | 不强求 triton；SageAttention 走源码编译：`TORCH_CUDA_ARCH_LIST=12.0 MAX_JOBS=8 pip install --no-build-isolation "git+https://github.com/thu-ml/SageAttention.git"`（**`--no-build-isolation` 必须**，否则 pip 会拉第二份 torch） |
| 32GB 内存 + pinned memory | H3 这类大模型在 32GB 机器上被 OOM-killer 杀 | 启动加 `--disable-pinned-memory`（3090/32GB 实测：默认 29,866MB 被杀 → 7,508MB 跑通）；另可 `--fast-disk`、`--reserve-vram 0.5`、`--lowvram` |

补充事实：
- **ComfyUI 版本地板**：MiniMax H3 核心节点自 **v0.30.0** 起（`comfy_extras/nodes_minimax_h3.py`），LTX-2.5 自 **v0.32.0**（commit `57ce8e1a`），Krea 2 自 **0.25.0**。建议直接跟 master。
- **SageAttention 在 sm_120 上的已知缺陷**：H3 在 token 数超阈值后出噪点（142k 干净 / 167k 噪点，是"悬崖不是斜坡"）；且 sm_120 上**所有显式模式**（`fp16_cuda` 崩进程、`fp16_triton`/`fp8_cuda` 报 `cudaErrorIllegalAddress`）都会崩，**只留 `auto`**。1024 级画布远在阈值之下（864×480×124 帧仅 12,555 token = 阈值的 8%），实际不用担心。
- PyPI 上 `sageattention` 最新只到 **1.0.6**，2.x 必须自编译；H3 专用 KJNodes 节点在 1.0.6 上会硬失败。
- 缓存加速节点是这块卡最大的杠杆：**EasyCache**（ComfyUI 原生）在 H3 上把 633s → 194s（**3.3×**，同一张 5060 Ti 的两次公开实测差异全部来自它）；FLUX.2 GGUF 上 20 步 181s → 91s。`waveCache`/`TeaCache` 对 FLUX.2 不支持（未证实对 Flux.1 的支持情况）。
- 参考：[ComfyUI-GGUF](https://github.com/city96/ComfyUI-GGUF)、[SageAttention Blackwell 讨论](https://github.com/Comfy-Org/ComfyUI/discussions/11583)、[MiniMax H3 on RTX 5060 Ti 长文实测](https://smeltcore.com/recipes/minimax-h3-on-rtx-5060-ti-16-gb-two-published-runs-and-the-gap-between-them/)。

---

## 2. 出图模型选型（16GB 实际可行配置）

### 2.1 实测对照（均为 RTX 5060 Ti 16GB）

| 模型 | 量化/文件 | 显存占用 | 实测耗时 | 结论 |
|---|---|---|---|---|
| **FLUX.1 Krea dev** | fp8_e4m3fn 或 GGUF Q8_0（约 12.6GB，Q4_K_M 约 7.4GB，**（未证实精确字节）**） | ~13GB | **992×1440 / 20 步 = 53s 纯算图**（冷启含加载 121.7s） | ⭐ 写实古风首选 |
| FLUX.1 dev | 同上 | ~13GB | fp8 下与 Krea dev、Art Fusion **速度无差异**；default 权重下 Krea 稍慢 | 与 Krea 二选一 |
| **Qwen-Image** | 官方 fp8 **20.43GB → 必 OOM**；GGUF `qwen-image-Q4_K_S.gguf` **12.14GB**（Q4_K_M 13.07 / Q5_K_S 14.12 / Q5_K_M 14.93） | ~13GB（Q4_K_S），Q5 需文本编码器 offload | 参考 A4000 16GB：50 步 ≈7min、Lightning 8 步 ≈2min、4 步 ≈1min；**本卡实测 Qwen-Rapid-AIO 4 步：1080×1360 算图 23s（总 36.8s）** | ⭐ 中文提示词/画面内文字最强、编辑首选 |
| Flux.2 dev | fp8 33GB + 16.7GB 文本编码器 | 靠 ComfyUI 分块能塞进 16.5GB，但**吃 83.3GB 总内存** | 1024×1024 / 20 步 = **171.6s** | ❌ 本机不实用 |
| Flux.2 dev GGUF | Q4_K_M / Q5_K_M | Q5 无法完全驻留 | 1024×1024 **>3min**；992×1440 **>4min**；开 EasyCache 后 1024×1024 / 20 步 = **91s** | ❌ 除非只要 1024 且开缓存 |
| **Krea 2 Turbo** | 社区 FP8 `krea2_turbo_fp8.safetensors` **12.01GB** + Qwen3-VL-4B fp8（4.88GB）+ Qwen-Image VAE | 采样期约 12GB + 小 VAE | 无本卡公开实测（`verdict: unknown`） | 备选新秀，8 步 / CFG 1.0 / `er_sde` / 1280×720 |
| SDXL 古风生态 | 见 §3 | 6~8GB | 秒级~十几秒/张 | ⭐ 资源最全，做 2.5D 古风/汉服最省事 |
| NoobAI / Illustrious | 见 §3 | 6~8GB | 秒级 | 二次元仙侠，不适合写实 |

**推荐配置**
- 写实仙宫/古风美女主链路：**FLUX.1 Krea dev fp8**（`weight_dtype: fp8_e4m3fn`），992×1440，20 步，euler+simple，CFG 1.0；加 8 步 Lightning/LoRA 可压到 8 步。大尺寸用 **DyPE** 节点：1440×2560 实测 94s 算图。
- 中文场景/画面内题字/换镜头：**Qwen-Image Q4_K_S + Qwen-Image-Lightning-8steps-V1.0**（或 Rapid-AIO 4 步版）。
- 出图成本对比：Flux 992×1440 = 53s vs Flux.2 GGUF Q5 = 240s+ → Qwen-Image 4 步版在同样时间里能出 5~8 张。

来源：[FLUX.1 dev × 5060 Ti](https://smeltcore.com/check/flux-1-dev/rtx-5060-ti/)、[Qwen-Image × 5060 Ti 配方](https://smeltcore.com/recipes/qwen-image-on-rtx-5060-ti-20b-text-to-image-via-gguf-quantization/)、[Krea 2 配方](https://smeltcore.com/recipes/krea-2-rtx-5060-ti/)、[Aidec 5060Ti 实测](https://blog.aidec.tw/post/rtx5060ti-comfyui-test)、[Aidec Flux2 GGUF 实测](https://blog.aidec.tw/post/flux-dev-gguf)。

---

## 3. 古风 / 仙侠 LoRA 与 Checkpoint 资源清单

> 以下均为 **Civitai 上真实可检索到的条目**（通过 Civitai API 逐条拉取验证，含底模与下载量）。Civitai 官方域名在本网被 DNS 污染，实际下载可用 `civitai.red` 镜像（API key 见 `~/Downloads/civitai_api_key.txt`）；**哩布/LiblibAI（liblib.art）站点可达（HTTP 200），但其搜索 API 返回 500，本次无法程序化枚举，需手工站内搜「古风/仙侠/汉服」**。

### 3.1 仙侠 / 国风风格

| 模型名 | 类型/底模 | 下载量 | 链接 |
|---|---|---|---|
| Xianxia Art Style（触发词 `xianxia style`） | LoRA / Illustrious | 759 | https://civitai.com/models/1955005 |
| 仙侠道/xianxia/taoist/法天象地 | LoRA / SD1.5 | 5,099 | https://civitai.com/models/96244 |
| PAseer 的仙侠之境 | LoRA / SD1.5 | 6,613 | https://civitai.com/models/33107 |
| Illustrious Xianxia – v1 | LoRA / Illustrious | 164 | https://civitai.com/models/972599 |
| xianxia | LoRA / **Flux.1 D** | 304 | https://civitai.com/models/821282 |
| Xianxia/wuxia Style | LoRA / Flux.2 Klein 9B-base | 334 | https://civitai.com/models/2503410 |
| **ChineseXianxiaStyle** | LoRA / **LTXV 2.3** | 447 | https://civitai.com/models/2489394 |
| 花想容/Chinese style/古风 | LoRA / SD1.5+Anima | 17,152 | https://civitai.com/models/89348 |
| 国风3 GuoFeng3 | Checkpoint / SD1.5 | 160,805 | https://civitai.com/models/10415 |
| 国风4 GuoFeng4 XL | Checkpoint / SDXL 1.0 | 27,357 | https://civitai.com/models/118009 |
| GuoFeng Photo Realistic XL | Checkpoint / SDXL 1.0 | 626 | https://civitai.com/models/844395 |
| PAseer-SDXL-Immortal Fairy | LoRA / SDXL | 353 | https://civitai.com/models/140768 |

**麦橘 majicMIX 系列（SDXL 写实国风常用底模）本次未在 API 检索中确认具体条目号，标注（未证实），需在 Civitai 站内手搜。**

### 3.2 汉服 / 宫廷服饰

| 模型名 | 底模 | 下载量 | 链接 |
|---|---|---|---|
| hanfu 汉服 | SD1.5 | 106,378 | https://civitai.com/models/15365 |
| hanfu tang 汉服唐风 / song 宋风 / ming 明风 | SD1.5 | 23,684 / 9,000 / 5,232 | 44395 / 47916 / 65314 |
| 漢服/Hanfu(XL,ill,Pony) | Illustrious,NoobAI,Pony | 6,231 | https://civitai.com/models/441397 |
| **汉服合集 [Flux.1] Hanfu Collection [Female]** | **Flux.1 D** | 4,867 | https://civitai.com/models/832674 |
| Hanfu Chinese Girl Flux lora（写实摄影） | Flux.1 D | 700 | https://civitai.com/models/719331 |
| hanfu（palace style）中国宫廷服饰 | SD1.5 | 1,377 | https://civitai.com/models/82535 |
| 汉服服装概念加强 | Illustrious | 714 | https://civitai.com/models/1320362 |
| NSFW汉服_Flux_Lora | Flux.1 D | 13,301 | https://civitai.com/models/730204 |

### 3.3 仙宫 / 古建 / 云海

| 模型名 | 底模 | 下载量 | 链接 |
|---|---|---|---|
| Ancient Chinese architectural style（中国古建筑样式） | SD1.5 | 11,191 | https://civitai.com/models/18679 |
| Chinese architecture SD1.5&SDXL | SD1.5+SDXL | 3,342 | https://civitai.com/models/133096 |
| Chinese Traditional Architecture 中式古建筑 | SDXL | 987 | https://civitai.com/models/236217 |
| 中国天坛 CHINA_temple of heaven | SDXL | 355 | https://civitai.com/models/321431 |
| Chinese architectural style Suzhou gardens | SD1.5 | 5,490 | https://civitai.com/models/24187 |
| A_Guochao Architectural Illustrations_Ancient Style Scene | **Flux.1 D** | 65 | https://civitai.com/models/1870190 |
| DN_Chinese Architectural Design | Flux.1 D | 69 | https://civitai.com/models/1935230 |

**「云海」没有专门的 LoRA**（Civitai 无有效结果），建议走提示词 + 体积光 LoRA：`sea of clouds, cloud ocean, aerial view above clouds, volumetric god rays, mist, atmospheric perspective, ethereal`。

### 3.4 珠光宝气 / 珠宝材质

| 模型名 | 底模 | 下载量 | 链接 |
|---|---|---|---|
| Bracelet Jewelry Gemstone Pearl Diamond Flux1.d Lora | Flux.1 D | 465 | https://civitai.com/models/859143 |
| Love Yourself Jewelry Dazzling Diamond Necklace Flux1.d | Flux.1 D | 455 | https://civitai.com/models/855908 |
| jewelry黄金钻石珠宝水晶翡翠饰品 | SDXL **Checkpoint** | 2,634 | https://civitai.com/models/188730 |
| jewelry Slider - Pony / SDXL | Pony | 4,105 | https://civitai.com/models/535926 |
| GemstoneAI - konyconi | SD1.5 | 9,081 | https://civitai.com/models/49374 |
| gems, crystal art/concept | SD1.5 | 2,840 | https://civitai.com/models/79815 |
| Kanzashi - Japanese Hair Ornament (Illustrious) | Illustrious | 442 | https://civitai.com/models/1084415 |

### 3.5 电影感打光 / 逆光轮廓光（仙宫必备）

| 模型名 | 底模 | 下载量 | 链接 |
|---|---|---|---|
| **Backlight (Hair light) cinematic lighting style XL + F1D** | Flux.1 D + SDXL | 3,901 | https://civitai.com/models/380852 |
| Cinematic "Warm Light" 3200k Lighting Style XL + F1D + Illu + Pony | Flux.1 D/SDXL/Illustrious | 12,361 | https://civitai.com/models/290860 |
| Cinematic Volumetric (God Rays) Lighting Style | 同上 | 6,233 | https://civitai.com/models/289500 |
| Cinematic Moonlight "Cool Light" 5600k | 同上 | 3,128 | https://civitai.com/models/290864 |
| Silhouette (cinematic lighting) style XL + F1D + zit | Flux.1 D/SDXL/ZIT | 3,228 | https://civitai.com/models/391031 |
| Cinematic Dark Lighting | Flux.2 Klein 9B, Krea 2 | 2,860 | https://civitai.com/models/2477155 |
| Golden Healing Light Effect / Dreamy Color Palette | Flux.1 D | 446 | https://civitai.com/models/1197893 |

### 3.6 降 AI 味（颗粒 / 色散 / 胶片）

| 模型名 | 底模 | 链接 |
|---|---|---|
| NL2 \| film grain & chromatic aberration | Illustrious | https://civitai.com/models/2670117 |
| Film Grain - CE | Flux.2 Klein 9B / Qwen / ZImage | https://civitai.com/models/693745 |
| FilmGrain.Redmond | Flux.2 / Qwen / SDXL / ZIT | https://civitai.com/models/233140 |
| Film Grain Slider | ZImageTurbo | https://civitai.com/models/2642226 |
| 水墨风格_ink wash painting | Pony / SDXL | https://civitai.com/models/231966 |
| Ink Wash Fusion | Flux.1 D / **Flux.1 Krea** | https://civitai.com/models/993138 |

### 3.7 推荐权重组合（Flux Krea dev 为基准）

```
古风底味：     风格 LoRA (xianxia/古风)        0.5 ~ 0.7
服装：         汉服 Collection [Flux.1]         0.7 ~ 0.9
配饰：         Jewelry Gemstone Pearl Diamond   0.6 ~ 0.8
打光：         Backlight (Hair light)           0.6 ~ 0.8   ← 轮廓光/发丝光
               Cinematic Warm Light 3200k       0.5 ~ 0.7   ← 与上面二选一或叠加降权
氛围：         Volumetric God Rays              0.4 ~ 0.6
质感：         film grain & chromatic aberration 0.3 ~ 0.5  ← 只在这一步加，最后加
加速：         Flux Lightning 8step             0.6 ~ 0.8   （与风格 LoRA 同开时整体再降 0.1~0.2）
换脸：         BFS 换脸 LoRA                    0.8         （实测 1.0 会出画面问题）
```
经验规则：**风格类 ≤0.8、材质/光照类 ≤0.8、加速类 0.6~0.8、颗粒类 ≤0.5**；总 LoRA 数超过 4 个时 Flux 会掉细节，建议串成两级采样（第一级只放风格+服装，第二级只放打光+颗粒）。

---

## 4. 三套节点级工作流

### 工作流 A（主力）：Flux Krea 出关键帧 → 4x 放大 → Wan2.2 5B 图生视频

```
[1] Unet Loader (GGUF)          flux1-krea-dev-Q8_0.gguf        ← city96/FLUX.1-Krea-dev-gguf
[2] DualCLIPLoader              t5xxl_fp8_e4m3fn + clip_l
[3] CLIPTextEncode              中文长句 + 英文材质词（见 §7）
[4] EmptyLatentImage            896 × 1344（或 832×1216，16 的倍数）
[5] LoraLoader 链（顺序即优先级）
      ① 古风/汉服 LoRA 0.80
      ② 珠宝 LoRA 0.65
      ③ Backlight(Hair light) 0.70
      ④ Flux Lightning 8step 0.70
[6] KSampler                    euler / simple / steps 20（无 Lightning）或 8（有 Lightning）
                                cfg 1.0 / denoise 1.0 / 固定 seed
[7] VAEDecode → SaveImage
──────────── 放大（可选，出 2K 关键帧） ────────────
[8] Upscale Image (using Model)  4x-UltraSharp.pth   ← 1024→4096 一次到位
[9] ImageScaleBy                 ×0.5（4096→2048，避免 I2V 吃分辨率）
    备选：Ultimate SD Upscale（tile 1024, denoise 0.20, ControlNet tile）做细节回补
──────────── 图生视频（Wan2.2 5B） ────────────
[10] Wan22ImageToVideoLatent     width 1024 / height 576 / length 121（5s@24fps）/ batch 1
[11] Unet Loader (GGUF)          Wan2.2-TI2V-5B-Q8_0.gguf（QuantStack，5.4GB）
[12] LoraLoaderModelOnly         lightx2v Wan2.2-Lightning 4step（high/low noise 各一）
[13] KSampler                    4 步 / cfg 1.0 / lcm 或 euler
[14] VAEDecode → CreateVideo(24fps) → SaveVideo
```
- Sage：`Patch Sage Attention KJ` 选 `auto`；启用 ComfyUI 原生 **EasyCache**（最大提速杠杆）；`Model Patch Torch Settings` 打开（Aidec 实测明显提速且不掉质）。
- 显存不够时：`WanVideoBlockSwap` 的 `blocks_to_swap` 从 10 起调，换显存换时间。
- 来源：[ComfyUI Wan2.2 官方教程](https://docs.comfy.org/tutorials/video/wan/wan2_2)、[QuantStack/Wan2.2-TI2V-5B-GGUF](https://huggingface.co/QuantStack/Wan2.2-TI2V-5B-GGUF)、[lightx2v/Wan2.2-Lightning](https://huggingface.co/lightx2v/Wan2.2-Lightning)。

### 工作流 B：Qwen-Image 出图 → Qwen-Image-Edit 2509 改镜头/换脸 → I2V

```
[1] Unet Loader (GGUF)     qwen-image-Q4_K_S.gguf (12.14GB)
[2] CLIPLoader             qwen_2.5_vl_7b_fp8_scaled.safetensors（type: qwen_image）
[3] LoraLoaderModelOnly    Qwen-Image-Lightning-8steps-V1.0.safetensors
[4] KSampler               8 步（或 Rapid-AIO 4 步）/ cfg 1.0 / euler
[5] VAEDecode → SaveImage
──────── 生成角色三视图（用于身份锚定）────────
[6] TextEncodeQwenImageEdit  "character turnaround sheet, front / side / back view,
                              same person, plain background, full body"
[7] TextEncodeQwenImageEdit  + BFS 换脸 LoRA 0.80
    提示词模板（实测有效）：
      "head swap from Image 1 to Image 2, keep all facial details and hair from
       Image 1, blend naturally with Image 2's body, keep the same expression and
       head proportion as in Image 2"
[8] 输出：同一人 × N 个镜头/角度 → 交给工作流 A 的第 10 步
```
来源：[Qwen-Image Edit 2509 换脸实例（含 BFS LoRA 提示词与 0.8 权重）](https://blog.aidec.tw/post/qwen-image-edit-2509-face-swap-comfyui)、[city96/Qwen-Image-gguf](https://huggingface.co/city96/Qwen-Image-gguf)。

### 工作流 C：仙宫航拍长镜头（全本地）

```
Flux Krea（云海+仙宫+God Rays LoRA 0.55）
  → 4x-UltraSharp 放大到 2560×1440
  → Wan2.2 I2V 14B（Q8 High + Q6 Low，BlockSwap 10~16）
     496×720 / 97 帧 / sage auto / EasyCache
  → RIFE/FILM 插帧 24→48fps（可选）
  → 胶片颗粒 + 色散 LoRA 或后处理滤镜
```
与已有 H3 的分工：**H3 出「有人物 + 要说话/有音效」的镜头，Wan2.2 出纯场景/运镜镜头**。

---

## 5. 视频侧横向对比（16GB 实测优先）

| 模型 | 配置 | 分辨率 / 帧 | 5060 Ti 实测 | 来源可信度 |
|---|---|---|---|---|
| **Wan2.2 I2V 14B** | smoothMixWan22 High Q8 + Low Q6 + BlockSwap + Sage + TorchPatch | 496×720 / 81f | 冷启 222.8s → **热启 133.2s** | Aidec 本卡实测 ⭐ |
| 同上 | 同上 | 496×720 / 97f | **158.6s** | Aidec 本卡实测 ⭐ |
| 同上（另一篇） | 同工作流 | 496×720 / 97f | **131.7s** | Aidec 本卡实测 ⭐ |
| **Wan2.2 TI2V-5B** | Q8_0 GGUF + SageAttention 2.2 | 1024×574 / 5s | **≈7 分钟** | HF 讨论区单条二手数据（未证实） |
| Wan2.2 14B GGUF Q4 | + T5 CPU offload | 480p | 显存 6~8GB，时长 20min+/条（未证实） | 估算 |
| **HunyuanVideo 1.5** | 720p i2v cfg-distilled fp8，cfg 1，euler beta，ModelSamplingSD3=5 | 496×720 / 97f | **198.0s**（比 Wan 慢些，显存更省，物理更好，24fps） | Aidec 本卡实测 ⭐ |
| **LTX-2.5 22B** | Q3_K_M GGUF（10.73GB）+ conv VAE | 1920×1088 / 97f | **183.1s**；0.97 s/megapixel-frame；峰值 14.1~15.5GB | 单机 15 次实测，confidence 0.6 ⭐ |
| LTX-2.5 | 同上 | 1664×960 / 193f | 294.1s | 同上 |
| **MiniMax H3** | pruned int8-convrot + qwen3vl-32b nvfp4，20 步 + EasyCache | 864×480 / 5.17s | **194s**（热 185s）；**无 EasyCache 633s** | 两篇公开实测 ⭐ |
| MiniMax H3 | 同上 | 0.9MP / 10s | ≈20 分钟（用户报告） | 讨论区 |
| MiniMax H3 + Turbo LoRA | 8 步 | — | 20 步 230s → **8 步 116s**（未标 GPU） | 讨论区（未证实） |
| CogVideoX 5B | — | — | 已明显落后于 Wan/Hunyuan，**不建议新上** | 共识 |

**选型建议**
1. **主力 = Wan2.2**：I2V 14B 质量最好（496×720 / 4 秒热启 130~160s）；追求速度/省显存用 **5B TI2V + Lightning 4 步**（显存仅需 8GB 级）。
2. **要音效/对白 → MiniMax H3**（已有，唯一本地同步出音频；注意 768p 是本地上限，2K 阶段未开源）。
3. **要长镜头 + 音频的快速草稿 → LTX-2.5 Q3_K_M**（1080p / 4 秒 183s，且它能跑到 1920×1088 还有 1.8GB 余量）。
4. HunyuanVideo 1.5 作为 Wan 的对照：更省显存、物理更真，但略慢、动作偏"过动"。
5. 14B 的 T2V/I2V 官方文档写「单卡至少 80GB」，**那是 FP16 全量**；社区 GGUF + T5 offload 才是本卡的可行路径。

来源：[Wan2.2 VRAM 全档位表](https://willitrunai.com/blog/wan-2-2-vram-requirements)、[HunyuanVideo 1.5 VRAM 表](https://willitrunai.com/blog/hunyuanvideo-1-5-vram-requirements)、[Wan2.2 5B on 5060 Ti 配方](https://smeltcore.com/recipes/wan-2-2-ti2v-5b-on-rtx-5060-ti-720p-text-image-to-video-in-comfyui/)、[LTX-2.5 15 次仪器化实测](https://smeltcore.com/recipes/ltx-2-5-on-rtx-5060-ti-22b-audio-video-in-16-gb-via-a-community-q3-k-m-gguf/)。

---

## 6. 一致性技术（同一个人出现在多个镜头）

按「成本 / 效果」排序：

| 方案 | 底模 | 16GB 可行性 | 用途 |
|---|---|---|---|
| **三视图 + ref2v** | 已有 H3 工作流 | ✅ 已在用 | 最强的身份锚定；配 `h3-turnaround-autoprep` 技能先裁出正面图 |
| **Qwen-Image-Edit 2509 + BFS 换脸 LoRA(0.8)** | Qwen-Image | ✅ 4 步加速后 20~35s/张 | 把已定妆的脸批量贴到不同镜头/角度，v1 保脸型、v2 换整头 |
| **PuLID for FLUX**（`PaoloC68/ComfyUI-PuLID-Flux-Chroma`） | FLUX.1 / Chroma | ✅（约 +2~3GB） | 单张参考图锁脸，比 InstantID 轻 |
| PuLID ✦ Flux.2 | Flux.2 | 需先解决 Flux.2 内存问题 | 未来路线 |
| **InstantID** | SDXL | ⚠️ 需 `insightface`，Py3.13 上编译常失败 | SDXL 老工作流可用 |
| **IP-Adapter FaceID** | SDXL | ⚠️ 同样依赖 insightface | 同上报错 `No module named insightface` 是常见坑 |
| **FLUX Redux** | FLUX.1 | ✅ | 保风格/构图/服装，**不保脸**；权重 0.4~0.6 用 |
| **FLUX.1 Kontext dev** | FLUX.1 | ✅（GGUF 有量化版） | 指令式编辑：「同一个人换到侧脸/换背景」 |
| 固定 seed + 同 LoRA 组合 | 全部 | ✅ | 免费的一致性基础，务必先做 |

**跨镜头实操配方**
1. 用 Qwen-Image 或 Flux 出一张「定妆照」，锁定 seed；
2. 走 Qwen-Image-Edit 2509 + BFS(0.8) 生成 3~5 个角度的同人图（或直接出一张三视图）；
3. 每个镜头：`参考图 + 服装 LoRA 0.8 + 打光 LoRA 0.7 + Redux 0.5`；
4. 视频阶段统一用同一参考图走 Wan2.2 I2V，或走 H3 ref2v（身份保持是 H3 的强项，实测"比 LTX 好很多"）；
5. LTX-2.5 上要注意：**身份漂移与分辨率绑死**——640×320 会明显漂，768×448 以上才稳（未证实是否可外推到其它模型）。

---

## 7. 「珠光宝气」质感 + 降 AI 味的具体手段

### 7.1 材质与光照（LoRA + 提示词）

- 叠加顺序：**服装/配饰 LoRA（0.6~0.8）→ 打光 LoRA（0.6~0.8）→ 颗粒 LoRA（0.3~0.5）**。
- 提示词关键词（Flux 用自然语言长句，Qwen-Image 中英混写也行）：
  `pearlescent sheen, iridescent highlights, subsurface scattering, specular micro-highlights,
   gold filigree, jadeite, carved jade, ruby, diamond sparkle, silk with woven gold thread,
   rim light outlining the hair, backlit halo, volumetric god rays, lens bloom, shallow DOF`
- **逆光/轮廓光**：`Backlight (Hair light)` LoRA 0.7 + `backlight, hair rim light, golden halo,
  silhouette edge light` 提示词；想要纯剪影用 `Silhouette (cinematic lighting)` LoRA。
- **IC-Light V2**（lllyasviel，已支持 FLUX）做「重打光 + 换背景」，比堆提示词稳；本地跑 512~1024 无压力（未证实 16GB 下具体显存占用）。

### 7.2 ControlNet

| 用途 | 模型 | 说明 |
|---|---|---|
| 锁构图 | Flux: ControlNet-Union / SDXL: controlnet-depth、canny | 放大前锁结构 |
| 锁姿势 | SDXL openpose / Flux 的 pose 适配 | 多镜头保持一致姿态 |
| 放大细节回补 | **controlnet-tile** | Ultimate SD Upscale 标配 |
| 建筑结构 | 古建 LoRA + depth | 仙宫柱廊/飞檐不走形 |

### 7.3 降 AI 味（四步走）

1. **加颗粒**：film grain LoRA 0.3~0.5，或后期节点（ComfyUI 的 滤镜调节 / AdvancedImageFilter）加 **grain + 轻微 chromatic aberration**；
2. **破完美**：提示词加 `skin texture, pores, slight asymmetry, film scan, imperfect focus, motion blur`；降低 cfg（Flux cfg 固定 1.0，则靠降 LoRA 权重）；
3. **胶片 LUT**：本地用 `ColorCorrect` / `Image Filter Adjustments` 节点套胶片 LUT，或在 DaVinci Resolve 里统一调（推荐：本地方案的最后一步统一走 Resolve，输出更"人味"）；
4. **混入噪点/压缩痕迹**：轻微 JPEG 或 8-bit 量化，能显著降低"过于干净"的 AI 感（谨慎，容易过头）。

---

## 8. 时间与成本估算：本地 vs 云

### 8.1 单件耗时（本卡，热启动）

| 环节 | 模型/配置 | 耗时 |
|---|---|---|
| 关键帧出图 | FLUX.1 Krea dev fp8，992×1440 / 20 步 | **≈53 秒** |
| 关键帧出图（大尺寸） | 同上 + DyPE，1440×2560 | **≈94 秒** |
| 关键帧出图（快速迭代） | Qwen-Image 4 步/Rapid-AIO，1080×1360 | **≈21~23 秒** |
| 放大 | 4x-UltraSharp 1024→4096 | 数秒~十余秒（未证实） |
| 放大（高质量） | SUPIR 单张 1024 级 | 1~3 分钟（未证实） |
| 视频 5 秒 720p | Wan2.2 I2V 14B（496×720 / 97f ≈ 4 秒） | **130~160 秒** |
| 视频 5 秒 720p | Wan2.2 5B TI2V Q8 | **≈7 分钟**（未证实） |
| 视频 5 秒 720p | HunyuanVideo 1.5 i2v fp8 | **≈198 秒** |
| 视频 4 秒 1080p | LTX-2.5 Q3_K_M | **≈183 秒** |
| 视频 5 秒 480p 带音频 | MiniMax H3 + EasyCache | **≈194 秒** |

**成品链路预算**：关键帧 60s + 放大 30s + I2V 150s ≈ **4 分钟/条 5 秒 720p**；一天 8 小时可出约 **100~120 条**（含试错迭代会打 5~8 折 → 实际 **15~30 条可用**）。

### 8.2 与云 API 对比（2026-05 公开价）

| 供应商 | 模型 | $/秒 | 5 秒成本 | 生成时长 |
|---|---|---|---|---|
| 快手 | Kling 2.1 Standard（720p） | 0.014 | **$0.07** | ~60s |
| 快手 | Kling 2.1 Pro（1080p） | 0.056 | **$0.28** | ~90s |
| Google | Veo3（1080p，上限 8s） | 0.10 | **$0.50** | ~150s |
| Runway | Gen 4 Turbo / Standard | 0.10 / 0.05 | $0.50 / $0.25 | 30~60s |
| OpenAI | Sora | 0.12 | $0.60 | ~120s |
| 字节 | Seedance 2.0 | 0.06 | $0.30 | ~80s |

关键修正：**失败率 10~15%、平均需 2~3 次迭代**，所以真实成本要乘 **2.5×**，加上抽卡损耗，行业实测「一条能用的 AI 视频，实际成本是标价的 **5~20 倍**」。

本地成本：5060 Ti 满载约 180W × 4 分钟 ≈ 0.012 kWh ≈ **电费不到 1 分钱/条**（不含硬件折旧与时间）。

### 8.3 「哪些放本地 / 哪些上云」

| 环节 | 建议 | 理由 |
|---|---|---|
| 概念探索、构图、风格试错 | **本地**（Flux Krea 8~20 步 / Qwen-Image 4 步） | 秒级反馈，零边际成本 |
| 古风 LoRA 调权重、打光试错 | **本地** | 需要几十次快速迭代 |
| 关键帧定稿 + 放大 | **本地**（+ 放大） | 2K 出图本地已够用 |
| 人物一致性镜头（同一人多角度） | **本地**（Qwen-Image-Edit + BFS / H3 ref2v） | 云端无对应开源级控脸能力 |
| 纯场景/运镜镜头（仙宫航拍、云海） | **本地 Wan2.2 / LTX-2.5** | 130~200s/条可接受 |
| 带对白/音效的镜头 | **本地 MiniMax H3**（已有） | 唯一本地同步音频方案 |
| 复杂多人交互、需要 1080p 物理正确 | **上云 Kling 2.1 Pro / Veo3** | 本地 16GB 做不到稳定 |
| 商业终稿、客户交付素材 | **上云**（Kling Pro 或 Veo3） | 质量与一致性上限更高 |
| 快速打样给客户看 | **上云 Kling Standard（$0.07/5s）** | 便宜到接近电费 |

**一句话策略**：本地承担 **80% 的迭代 + 所有关键帧 + 所有身份一致性工作**；云端只买 **"复杂动作 + 1080p 终稿"** 这两个本地做不到的能力。

---

## 9. 落地检查清单

- [ ] 确认启动日志含 `+cu130`（或 `+cu128`）+ comfy-kitchen CUDA `available: True`
- [ ] 32GB 内存机器：启动参数加 `--disable-pinned-memory`
- [ ] 装 ComfyUI-GGUF（`Unet Loader (GGUF)` 在 `bootleg` 分类）
- [ ] SageAttention：sm_120 只选 `auto`；别 pin kernel 模式
- [ ] 打开 EasyCache（本卡最大提速杠杆，3× 级别）
- [ ] 下载：FLUX.1 Krea dev fp8/GGUF Q8、Qwen-Image Q4_K_S + Lightning、Wan2.2 14B Q8/Q6 + 5B Q8、4x-UltraSharp、lightx2v Wan2.2-Lightning
- [ ] Civitai 走 `civitai.red` 镜像下载（官方域名被污染）
- [ ] LoRA 权重按 §3.7 起手，再用 §7.3 四步降 AI 味
- [ ] 每类题材固定一套 seed + LoRA 组合，写进工作流模板

---

### 主要来源

- Smeltcore 本卡实测系列：[MiniMax H3](https://smeltcore.com/recipes/minimax-h3-on-rtx-5060-ti-16-gb-two-published-runs-and-the-gap-between-them/) · [LTX-2.5（15 次仪器化）](https://smeltcore.com/recipes/ltx-2-5-on-rtx-5060-ti-22b-audio-video-in-16-gb-via-a-community-q3-k-m-gguf/) · [Wan2.2 5B](https://smeltcore.com/recipes/wan-2-2-ti2v-5b-on-rtx-5060-ti-720p-text-image-to-video-in-comfyui/) · [Qwen-Image](https://smeltcore.com/recipes/qwen-image-on-rtx-5060-ti-20b-text-to-image-via-gguf-quantization/) · [Krea 2](https://smeltcore.com/recipes/krea-2-rtx-5060-ti/) · [Chroma V48](https://smeltcore.com/recipes/chroma-v48-on-rtx-5060-ti-uncensored-8-9b-flux-1-schnell-de-distillation-via-gguf-in-comfyui/)
- Aidec 本卡实测：[RTX5060Ti 16GB ComfyUI 测试（Wan2.2 I2V / Flux / Qwen Image Edit）](https://blog.aidec.tw/post/rtx5060ti-comfyui-test) · [HunyuanVideo 1.5 测试](https://blog.aidec.tw/post/hunyuanvideo1.5) · [Flux2-dev fp8 测试](https://blog.aidec.tw/post/flux2-dev-fp8-comfyui) · [Flux2 GGUF 详细测试](https://blog.aidec.tw/post/flux-dev-gguf) · [Qwen Image Edit 2509 换脸](https://blog.aidec.tw/post/qwen-image-edit-2509-face-swap-comfyui)
- VRAM 档位表：[Wan 2.1/2.2](https://willitrunai.com/blog/wan-2-2-vram-requirements) · [HunyuanVideo 1.5](https://willitrunai.com/blog/hunyuanvideo-1-5-vram-requirements)
- 官方/仓库：[Wan2.2](https://github.com/Wan-Video/Wan2.2) · [ComfyUI Wan2.2 教程](https://docs.comfy.org/tutorials/video/wan/wan2_2) · [lightx2v/Wan2.2-Lightning](https://huggingface.co/lightx2v/Wan2.2-Lightning) · [city96/ComfyUI-GGUF](https://github.com/city96/ComfyUI-GGUF) · [city96/Qwen-Image-gguf](https://huggingface.co/city96/Qwen-Image-gguf) · [Comfy-Org/MiniMax-H3](https://huggingface.co/Comfy-Org/MiniMax-H3) · [Tencent/HunyuanVideo-1.5](https://huggingface.co/tencent/HunyuanVideo-1.5) · [Lightricks/LTX-2.5](https://huggingface.co/Lightricks/LTX-2.5)
- 一致性：[ComfyUI-PuLID-Flux-Chroma](https://github.com/PaoloC68/ComfyUI-PuLID-Flux-Chroma) · [ComfyUI-SUPIR](https://github.com/anthonyyuan/ComfyUI-SUPIR) · [IC-Light V2 (FLUX)](https://huggingface.co/Amitmahata/iclight-v2)
- 云价格：[AI Video Generation API Pricing 2026](https://crazyrouter.com/zh/blog/ai-video-generation-api-pricing-may-2026-comparison) · [本地 vs 云抽卡成本](https://post.smzdm.com/p/a03drlv0/)