Bernini-R + ComfyUI 完整部署使用指南

一、基础介绍

Bernini-R 是字节跳动开源、基于 Wan2.2 DiT 架构的大一统多模态视频生成 / 编辑模型，ComfyUI 由官方 Comfy-Org 原生适配支持，主打指令式视频修改、人物身份锁定、画面运动一致性极强，支持文生视频、图生视频、视频改视频、参考图换脸 / 换装 / 换背景、音频驱动对口型说话视频（S2V）。

核心能力

1. T2V 文生视频：纯提示词生成连贯短视频
2. I2V 图生视频：单张图片一键动起来
3. V2V 视频编辑：原视频保留镜头与动作，仅修改人物、服饰、背景、画风
4. 参考身份锁定：多张参考图固定人物长相，全程不崩脸
5. S2V 语音驱动：输入音频 + 人像，自动生成对口型说话头像视频

二、模型文件与显存需求

1. 模型结构（分两大主干）

Bernini 采用双阶段扩散：

• high_noise：粗构图、大动作、主体结构（高噪主干）
• low_noise：细节细化、贴合原图画面（低噪主干）

2. 权重版本与显存占用

表格

必备全套模型（HuggingFace 官方仓库）

仓库地址：huggingface.co/Comfy-Org/Bernini-R

必须下载：

1. high_noise 文件夹：高噪主干 UNet
2. low_noise 文件夹：低噪主干 UNet
3. wan_2.1_vae.safetensors 专属 VAE
4. umt5_xxl_fp8_e4m3fn_scaled.safetensors 文本编码器 CLIP
5. 可选：LightX2V LoRA 提升参考图人物贴合度

三、ComfyUI 安装配置步骤

步骤 1：安装自定义节点

方案 A（官方核心节点）

ComfyUI 管理器安装 ComfyUI-RH-Bernini，提供核心 BerniniConditioning 条件编码节点，是工作流核心组件。

方案 B（全套拓展）

1. 安装 comfyui-deno-custom-nodes：一键生成指令式正负提示词模板
2. S2V 语音对口版：安装 ComfyUI-WanBerniniS2V 音频驱动专用节点包

步骤 2：放置模型路径

plaintext

ComfyUI/models/
├── unet/bernini/high_noise/  # 放入高噪UNet权重
├── unet/bernini/low_noise/   # 放入低噪UNet权重
├── vae/                      # wan_2.1_vae.safetensors
├── clip/                     # umt5_xxl 大文本编码器
└── loras/                    # LightX2V LoRA

步骤 3：导入现成工作流

主流可直接导入即用的 JSON 工作流：

1. RunComfy 完整版多模态编辑流（最常用，支持视频 + 多参考图 + 文编）标准编辑工作流

来源：RunComfy Bernini 官方工作流RunComfy

2. Floyo 极简一键工作流：轻量化 GGUF 量化版，适合低配显卡

3. Bernini-R-S2V 语音生视频流：音频输入自动唇形匹配

S2V语音驱动工作流

四、常用使用场景写法（提示词模板）

1. 视频换装（保留动作镜头）

正向指令：将人物外套换成黑色皮衣，保持原视频镜头、光影、背景、人物姿势完全不变

负向：脸部变形、五官崩坏、画面闪烁、肢体穿模

2. 换背景

把背景替换成雨夜城市街道，人物和动作完全保留，光影随环境适配

3. 参考图固定人脸

上传 2~3 张正面人像参考图，指令：严格匹配参考图人物五官长相，全程面部不扭曲

五、常见问题优化

1. 画面闪烁、帧间抖动 调高 low_noise 阶段步数，降低 CFG 值，LoRA 权重 0.4~0.6 之间
2. 显存 OOM 爆显存 切换 FP8/INT8 量化权重，分辨率设置 720×480 以下，单次生成帧数≤48 帧
3. 人物脸型跑偏 增大 ref_max_size 参数，多添加不同角度参考图，启用 LightX2V LoRA
4. 导入工作流节点缺失 在 ComfyUI 管理器重装 Bernini 专属自定义节点，重启 UI

六、S2V 语音对口型分支（拓展）

基于 Bernini-R 魔改，接入 Wan2.2 语音驱动模块，导入人声音频即可生成人物说话口播视频，支持 FP8/INT8 压缩，12G 显存可跑，自带音频预处理节点，无需额外剪辑软件处理人声分离。