一、工作流简介：字节 Bernini 视频编辑一站式管道
Bernini完整工作流总图
本次分享的 RunComfy/Bernini-Video-Workflow 是适配 ComfyUI 的 ByteDance Bernini 专用多模态视频生成 / 编辑工作流，Workflow ID：0000…1442，完美解决 AI 视频两大痛点：人物身份漂移、画面运动闪烁。
核心优势
- 开箱即用：完整可运行 JSON 工作流，无缺失节点、无需手动配置模型路径；
- 身份精准锁定：支持 1~ 多张参考图，全程保留人物五官、穿搭特征；
- 运动一致性：两阶段高低噪点采样 + LightX2V LoRA，镜头运镜、肢体动作不崩坏；
- 双输出对比：自动生成成片 MP4 + 原图 vs 成片并排对比视频，调试效率翻倍；
- LLM 提示词辅助：内置本地 LLM 模块，自动提取参考人物特征优化提示词。
适用场景：短视频人物替换、换装换场景、镜头风格重绘、虚拟人系列短片、广告素材二次编辑，适合短视频创作者、AI 视频工作室、算法研究者。
二、配套必备模型清单
整套工作流依赖字节 Bernini 原生模型 + Wan 视频生态组件，全部资产统一打包于Kijai/WanVideo_comfy_fp8_scaled：
- ByteDance Bernini 高低扩散骨干 两阶段渲染核心：高噪骨干构建人物主体结构，低噪骨干细化皮肤、发丝、服装纹理，保障帧间时间一致性。 资源地址：Hugging Face ByteDance/Bernini-R
- Wan umT5-XXL 文本编码器 适配 Bernini 的专用文本编码，通过 CLIP 接口接入 ComfyUI，精准解析编辑指令；
- Wan 2.1 VAE 视频潜空间解码器，色彩匹配 Bernini 训练标准，避免画面偏色、断层；
- LightX2V 成对 LoRA（高噪 / 低噪双版本） 轻量化运动适配器，分别绑定高低 UNet，平衡人物相似度与动作自然度；
- 依赖自定义节点包
- ComfyUI-RH-Bernini：BerniniConditioning 等专属核心节点；
- ComfyUI-VideoHelperSuite (VHS)：视频加载、帧率继承、MP4 合成全套工具；
- llama_cpp：本地 LLM 提示词自动增强模块。
三、四大模块分步使用教程
整套工作流分为素材输入、提示词处理、LLM 提示增强、核心渲染执行四大协同模块，零基础也能按步骤操作。
模块 1：用户素材输入（基础配置）
- 源视频加载：
VHS_LoadVideo(#90)读取待编辑视频，自动继承原始帧率，保留原生运动节奏； - 身份参考图：
LoadImage(#31)上传正面、光线均匀、中性表情的人物图，推荐 2~3 张批量输入，大幅降低身份漂移； - 分辨率控制：Width(#109)/Height(#110)，必须和原视频宽高比接近，否则面部拉伸变形；
- 负面提示预设：内置通用瑕疵抑制负面词，可自定义模糊、扭曲、闪烁、多五官等负面描述。
模块 2：提示词智能处理（身份匹配关键）
内置本地 LLM 自动解析参考图特征，解决 “提示词写不准、人物走形” 问题：
llama_cpp_model_loader(#93)加载本地大模型；BatchImagesNode(#74)批量传入参考图；llama_cpp_instruct_adv(#92)自动提取人物年龄、发色、服饰、五官特征；TextConcatenate(#102)拼接「AI 提取特征 + 自定义编辑指令」；- 合成文本送入 CLIP 编码，作为 Bernini 正向条件输入，预览节点可实时查看完整提示词。
模块 3：Bernini 提示增强工具（独立辅助节点）
BerniniPromptEnhancer(#60)是独立提示词生成工具，不属于主渲染链路：
- 按任务类型（人物替换 / 场景重绘 / 换装）生成标准化系统提示词；
- 输出结构化文案，复制到 LLM 即可一键扩写精细化指令，统一 Bernini 适配语法；
- 来源：ComfyUI-RH-Bernini 自定义节点包内置工具。
模块 4：核心渲染执行（两阶段采样，工作流核心）
流程逻辑
加载高低 UNet → 绑定对应 LightX2V LoRA → BerniniConditioning 融合全部条件 → 分割噪声区间 → 高噪阶段建结构 → 低噪阶段磨细节 → VAE 解码 → 合成双版本视频
- 条件融合节点 BerniniConditioning (#34) 整套工作流核心枢纽，整合文本、VAE、原视频、参考图四大条件，生成视频潜空间：
length：控制生成总帧数；ref_max_size：参考人物占画面小时调高，强化五官识别； 该节点为 ComfyUI-RH-Bernini 专属，无第三方替代方案。
- 双 LoRA 强度调节
LoraLoaderModelOnly(#11) 高噪LoRA：强度提高→贴合参考人物轮廓；过高动作僵硬，适合人物差异大的替换场景；LoraLoaderModelOnly(#29) 低噪LoRA：控制发丝、皮肤、服装细节；帧间人脸漂移轻微拉高，纹理过锐则降低。
- SplitSigmas (#17) 噪声分割控制器 划分高低噪采样区间，直接决定编辑力度：
- 分割点提前：轻度编辑，保留大量原视频画面；
- 分割点延后：强替换效果，大幅重绘画面主体； 镜头锁定、保留原场景的编辑任务优先微调此参数。
- 采样器与视频输出
KSamplerSelect(#27)：高低阶段统一采样器，减少画面闪烁；画面抖动切换偏向时间平滑的采样算法；VHS_VideoCombine(#87)：输出最终成片，完全继承原视频帧率；- 并行链路
#96：自动拼接「原图 – 成片」左右对比视频，快速调试参数。
四、实操优化避坑指南
- 参考素材规范 优先 3 张同光线、同角度正面人像；避免侧脸、强光逆光、遮挡面部的图片；
- 分辨率匹配原则 生成尺寸纵横比和原视频差值不超过 10%，否则极易出现人脸拉伸、肢体扭曲；
- 参数调试顺序 先固定 LoRA 强度 → 调整 SplitSigmas 分割点 → 优化提示词，每次调试用对比视频观察差异；
- 提速小技巧 前期测试裁剪视频帧数（10~30 帧），确认人物、运动效果无误后再渲染完整长视频；
- 画面漂移 / 闪烁修复
- 人脸频繁变化：提高高噪 LoRA 强度、增加参考图数量；
- 画面频闪、纹理跳动：更换时间稳定型采样器，小幅降低低噪 LoRA 强度；
- 背景 / 镜头偏移：正向提示词强制写明 “固定机位、背景完全不变、运镜和原图一致”，补充负面词 “镜头晃动、场景改变”。
五、资源与致谢
下载资源
- 工作流文件：页面可直接下载
Workflow.json； - 模型资产：Kijai/WanVideo_comfy_fp8_scaled (Hugging Face)；
- 项目源码：
- ByteDance Bernini：https://github.com/bytedance/Bernini
- ComfyUI-RH-Bernini 自定义节点：RH-RunningHub/ComfyUI-RH-Bernini
- 视频工具套件：Kosinkadink/ComfyUI-VideoHelperSuite
致谢
本工作流基于字节跳动 Bernini 视频扩散模型、RunningHub 适配节点、Kijai FP8 轻量化模型、VideoHelperSuite 视频工具开发，所有模型、节点遵循对应开源许可证使用。
文末小结
这套 Bernini 多模态视频工作流是目前 ComfyUI 生态中兼顾人物一致性与运动流畅度的成熟视频编辑管道，两阶段采样 + 专用 LoRA 完美解决传统 V2V 视频人物崩脸、闪烁难题，自带 LLM 提示辅助、双视频对比输出大幅降低创作调试门槛，短视频、虚拟人、广告二次创作均可直接落地。
