混元视频是由腾讯开发的开源AI模型，让您可以轻松生成令人惊叹的动态视觉效果。混元模型利用先进的架构和训练技术来理解和生成高质量、运动多样性和稳定性的内容。
关于混元视频到视频工作流程
在ComfyUI中的混元工作流程利用混元模型，通过将输入文本提示与现有驱动视频结合来创建新的视觉内容。利用混元模型的能力，您可以生成令人印象深刻的视频翻译，这些翻译作品无缝地将驱动视频中的运动和关键元素融入其中，同时使输出与您期望的文本提示对齐。
如何使用混元视频到视频工作流程
🟥 步骤1：加载混元模型
- 在HyVideoModelLoader节点中选择"hunyuan_video_720_cfgdistill_fp8_e4m3fn.safetensors"文件来加载混元模型。这是主要的转换器模型。
- 混元视频VAE模型将在HunyuanVideoVAELoader节点中自动下载。它用于编码/解码视频帧。
- 在DownloadAndLoadHyVideoTextEncoder节点中加载一个文本编码器。工作流程默认使用"Kijai/llava-llama-3-8b-text-encoder-tokenizer" LLM编码器和"openai/clip-vit-large-patch14" CLIP编码器，它们将被自动下载。您也可以使用其他与先前模型一起工作的CLIP或T5编码器。
🟨 步骤2：输入提示并加载驱动视频
- 在HyVideoTextEncode节点中输入您想生成的视觉效果的文本提示。
- 在VHS_LoadVideo节点中加载您想用作运动参考的驱动视频。
- frame_load_cap：要生成的帧数。在设置数量时，您需要确保数量减一可以被4整除；否则，会触发ValueError，指示视频长度无效。
- skip_first_frames：调整此参数以控制视频的哪个部分被使用。
🟦 步骤3：混元生成设置
- 在HyVideoSampler节点中配置视频生成的超参数：
- Steps：每帧的扩散步骤数，越高质量越好但生成速度越慢。默认30。
- Embedded_guidance_scale：遵循提示的程度，值越高越接近提示。
- Denoise_strength：控制使用初始驱动视频的强度。较低的值（例如0.6）使输出更像初始视频。
- 在"Fast Groups Bypasser"节点中选择附加组件和切换功能，以启用/禁用额外功能，如对比视频。
🟩 步骤4：生成混元视频
- VideoCombine节点将默认生成并保存两个输出：
调整提示和生成设置可以灵活地创建由现有视频运动驱动的新视频，使用混元模型。尽情探索此混元工作流程的创造性可能性吧！
此混元工作流程由Black Mixture设计。请访问Black Mixture的YouTube频道以获取更多信息。特别感谢Kijai提供的混元包装器节点和工作流程示例。
