数字人选型：本机环境核查（2026-09-22）

一、目标硬件（GPU 机 192.168.31.31 / zywpc）

项目	实测值	命令
GPU	NVIDIA GeForce RTX 5060 Ti，16311 MiB（sm120 / Blackwell）	nvidia-smi
系统盘	/dev/sda5 1.2T，已用 950G，可用 138G（88%）	df -h /home
ComfyUI 版本	commit c194dd00，2026-09-20（很新，原生支持 Wan 全系节点）	git log -1
Python 环境	torch 2.11.0+cu130（CUDA 13.0）	venv/bin/python -c ...

与数字人相关的已装自定义节点（有用于推理加速/量化）

ComfyUI-GGUF（GGUF 量化加载）、ComfyUI-KJNodes、comfyui-KJNodes、comfyui-VideoHelperSuite（视频合成/导出）、ComfyUI-INT8-Fast、ComfyUI-SolAttn_triton、Nvidia_RTX_Nodes_ComfyUI、ComfyUI-MiniMaxH3-Director、ComfyUI-Florence2。

当前 models/diffusion_models/ 占用（无任何 Wan 模型）

• MiniMax H3 系列 ×5（11.7G～21G，共约 88G）
• LTX-2.5-22B ×2（约 40G）、Boogu-Image ×4（约 37G）、Krea2 turbo fp8（13G）、JANK2 (14G)、qwen_image_2.1 int8 (7.3G)
• 结论：要跑 Wan-S2V / LongCat-Avatar 需另行下载 15～35 GiB，磁盘 138G 可用，够但要清理旧 H3 备份才宽裕。

配套服务（同机）

ComfyUI :8189（手动启停，与 LLM 互斥）；LM Studio :1234；Ridge / KO-Ridge LLM :8080；相册 :8900。

二、候选模型权重体积（经 hf-mirror API 实测，2026-09-22）

模型	许可证	关键文件	体积
Wan-AI/Wan2.2-S2V-14B	Apache-2.0	DiT bf16 四片 9.28+9.21+9.27+2.58 GiB；umt5-xxl enc 10.58 GiB；wav2vec2-large-xlsr-53-english 1.18 GiB；Wan2.1 VAE 0.47 GiB	仓库共 45.8 GiB（ComfyUI 用 fp8_scaled DiT + fp8 umt5 约 23 GiB 可跑）
meituan-longcat/LongCat-Video-Avatar-1.5	MIT	base bf16 六片 ≈29.5 GiB；base_model_int8 四片 = 14.81 GiB；dmd_lora 2.35 GiB；whisper-large-v3 2.88 GiB	仓库共 69.7 GiB（int8 路线约 20 GiB 可用）
MeiGen-AI/InfiniteTalk	Apache-2.0	comfyui/infinitetalk_single.safetensors 2.53 GiB（挂 Wan2.1-I2V-14B 之上）；fp8/int8 全量 18.16 GiB ×N	仓库共 157 GiB（ComfyUI 只取 2.5 GiB 的 LoRA/补丁）

注：OmniAvatar/OmniAvatar-14B 仓库当前只有 1.15 GiB 的 pytorch_model.pt，其余权重已下架/迁移，已不推荐作为首选。

三、官方自述的硬门槛（重要）

• Wan2.2-S2V-14B 官方 generate.py：单卡需 ≥80GB 显存（--offload_model True --convert_model_dtype）；要落地 16GB 只能走 ComfyUI 原生 fp8 / GGUF 量化 + 分层 offload 路线（社区已大量验证）。
• LongCat-Video-Avatar-1.5 官方脚本：torchrun --nproc_per_node=2（默认双卡 context parallel），但提供 --use_int8 + --use_distill（8 步 DMD2 蒸馏）——int8 权重 14.81 GiB 是它有望压进 16GB 单卡的关键。官方明确：--use_int8 仅支持 --model_type avatar-v1.5，且 v1.5 必须配 --use_distill。
• 两者许可证都允许商用（Apache-2.0 / MIT）。

四、对「离线口播」最关键的差异点

维度	Wan2.2-S2V-14B	LongCat-Video-Avatar-1.5
音频编码器	wav2vec2-large-xlsr-53-english → 中文口型是弱项（社区靠中文语料微调/LoRA 补救）	Whisper-large-v3（多语言，原生中英双语评测）
长视频	ComfyUI「Video S2V Extend」子图，每片 77 帧（≈4.8s，16fps）拼接	原生 --num_segments 视频续写（Video Continuation）
多人	弱	原生单/多人、说话人区分
速度	fp8 + Lightning LoRA 4 步	8 步 DMD2，官方称 10 秒视频约 1 分钟
ComfyUI 生态	官方原生工作流，教程最丰富	社区节点 rookiestar28/ComfyUI-LongCat-Avatar（36 star）、smthemex/ComfyUI_LongCat_Avatar（6 star），不成熟
16GB 可行性	社区验证较多	需实测（int8 14.81 GiB + 编码器，靠 offload）