此 ComfyUI 工作流程使用騰訊的 Hunyuan Video 模型，將短文字提示詞轉成連貫的多幀影片。它會先在 Step1 - Load models 載入模型堆疊：DualCLIPLoader 提供文字編碼器，CLIPTextEncode 把你的正向與負向提示詞轉成 embedding，而 UNETLoader 載入 Hunyuan Video UNet 權重。ModelSamplingSD3 為 Hunyuan 的 SD3 風格雜訊排程設定取樣器，FluxGuidance 則在去雜訊期間套用 classifier‑free guidance。Step2 - Video size 使用 EmptyHunyuanLatentVideo 定義寬高、幀數/fps 與時長，並用 RandomNoise 設定初始 latent 影片的種子。接著在 Custom sampler 區段（SamplerCustomAdvanced 搭配 KSamplerSelect 與 BasicScheduler）反覆去雜訊，將影片 latent 逐步收斂成有結構的動畫。
取樣完成後，流程會用 VAELoader 搭配 VAEDecodeTiled（多數 GPU 預設建議）或 VAEDecode，把 latent 解碼回 RGB 影格，然後透過 CreateVideo 與 SaveVideo 組裝並寫出成品。此工作流程以實用迭代為設計：在 Step3 - Prompt 調整提示詞措辭，微調步數與 guidance 以平衡細節與動態；需要時可用 VAEDecodeTiled 與在 UNETLoader 將 weight_dtype 設為 fp8 來管理記憶體。關於 Hunyuan Video 的細節與技巧，請參考連結的文件。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "混元影片文生影片" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("hunyuan_video_text_to_video_api.json");
wf.setInput("44", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("80")[0].toFile("output.png"); // SaveVideoSDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
