%20(1).png)
ComfyUI-RAVE 插件保姆级教程
1. 插件简介
插件地址： https://github.com/spacepxl/ComfyUI-RAVE
ComfyUI-RAVE 是一个专门用来制作视频的神奇插件！它的核心功能就像是一个"魔法拼图师"，能够把你的多张图片或者视频帧重新排列组合，创造出非常酷炫的视觉效果。
这个插件能给我们带来什么效果？
- 🎬 视频魔法变换：把普通的视频变成充满艺术感的动态画面
- 🧩 智能拼图重组：自动把多张图片拼成网格，然后再拆开，过程中产生奇妙的变化
- 🎨 创意视觉效果：制作出那种"画面在不断重新排列"的超酷视频效果
- 🔄 无缝循环动画：让你的视频可以完美循环播放，没有任何突兀感
简单来说，就像是给你的图片和视频加了一个"万花筒"效果，让静态的东西变得动起来，动态的东西变得更有趣！
2. 如何安装
方法一：通过ComfyUI管理器安装（推荐）
- 打开ComfyUI
- 点击右下角的"Manager"按钮
- 选择"Install Custom Nodes"
- 搜索"RAVE"
- 找到"ComfyUI-RAVE"点击安装
- 重启ComfyUI
方法二：手动安装
- 打开你的ComfyUI安装目录
- 进入
custom_nodes文件夹 - 在这里打开命令行/终端
- 输入命令：
git clone https://github.com/spacepxl/ComfyUI-RAVE.git - 重启ComfyUI
额外依赖
这个插件还需要配合 BlenderNeko's Unsampler 插件使用，用来做"噪声反转"（就像是把图片"倒带"回到噪声状态）。安装方法：
- 在ComfyUI管理器中搜索"Unsampler"并安装
3. 节点详解
本插件总共包含 5 个节点，本教程将全部详细介绍：
3.1 KSamplerRAVE 节点 - 核心魔法师
这是整个插件的核心节点，就像一个超级智能的"画面重组大师"。它会把你的多张图片先拼成一个大网格，然后在生成过程中不断重新排列这些小块，最后再拆开，产生神奇的连贯动画效果。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| Model | model | MODEL类型 | 你的AI模型 | 就像选择一个画家，决定用哪个AI来画画 | 指定用于生成的扩散模型 | 连接你加载的SD1.5或SDXL模型 |
| Grid Size | grid_size | 2-8的整数 | 3 | 决定把图片切成几×几的网格，就像切蛋糕 | 网格的维度大小，影响拼接效果 | 3表示3×3=9张图拼一起，数字越大拼的越多 |
| Pad Grid | pad_grid | True/False | False | 是否在拼图块之间加空隙，像相框的边框 | 是否在网格间添加填充像素 | True会让拼接的图片之间有白边分隔 |
| Noise Seed | noise_seed | 0到很大的数字 | 随机数 | 随机数种子，就像掷骰子的起始点 | 控制随机性的种子值 | 相同数字会产生相同的随机排列 |
| Add Noise | add_noise | True/False | False | 是否在开始前给图片加点"雪花噪点" | 是否在处理前添加噪声 | True会让效果更随机，False保持原图清晰度 |
| Steps | steps | 1-10000 | 20 | 生成的步数，就像画画时涂抹的次数 | 扩散模型的采样步数 | 数字越大质量越好但速度越慢 |
| CFG | cfg | 0.0-100.0 | 7.0 | 听话程度，数字越大越按你的要求来 | 分类器自由引导强度 | 7-12比较好，太高会过度强化 |
| Sampler Name | sampler_name | 各种采样器 | euler_a | 选择生成算法，就像选择画笔类型 | 指定采样算法 | euler_a速度快，dpm++质量好 |
| Scheduler | scheduler | 各种调度器 | normal | 控制生成过程的节奏，像音乐的节拍器 | 噪声调度策略 | normal最常用，karras更平滑 |
| Positive | positive | CONDITIONING | 正面提示词 | 告诉AI你想要什么，像点菜单 | 正向条件引导 | 连接你的正面提示词编码 |
| Negative | negative | CONDITIONING | 负面提示词 | 告诉AI你不想要什么，像忌口清单 | 负向条件引导 | 连接你的负面提示词编码 |
| Latent Image | latent_image | LATENT | 输入图像 | 要处理的原始图片，像画布 | 输入的潜在空间图像 | 连接你要处理的图片或视频帧 |
| Start At Step | start_at_step | 0-10000 | 0 | 从第几步开始处理，像选择起跑线 | 开始采样的步数 | 0表示从头开始，可以跳过前面几步 |
| End At Step | end_at_step | 0-10000 | 10000 | 在第几步结束处理，像选择终点线 | 结束采样的步数 | 10000表示跑完全程，可以提前结束 |
3.2 ImageGridCompose 节点 - 图片拼接师
这个节点就像一个专业的"拼图师傅"，把你的多张图片按照网格排列拼成一张大图。想象一下把9张小照片贴在一张大纸上排成3×3的格子。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| Images | images | IMAGE | 多张图片 | 要拼接的原材料图片，像拼图的小块 | 输入的图像批次 | 连接你要拼接的多张图片 |
| X Dim | x_dim | 2-8的整数 | 3 | 横向排几张图，就像书架有几列 | 网格的水平维度 | 3表示每行放3张图，总共3×3=9张 |
| Pad Grid | pad_grid | True/False | False | 图片之间是否留空隙，像相册的白边 | 是否添加网格填充 | True会在图片间加白色边框分隔 |
| Random | random | True/False | False | 是否随机打乱图片顺序，像洗牌 | 是否随机排列图像 | True会打乱顺序，False按原来顺序排列 |
| RS | rs | 0到很大的数字 | 0 | 随机种子，决定打乱的方式 | 随机种子值 | 相同数字会产生相同的打乱效果 |
3.3 ImageGridDecompose 节点 - 图片拆解师
这个节点是"拼接师"的反向操作，就像一个"拆解专家"，把一张拼好的大网格图重新拆分成多张小图片。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| Images | images | IMAGE | 网格图片 | 要拆分的大拼图，像一张贴满小照片的大纸 | 输入的网格图像 | 连接之前拼好的网格图片 |
| X Dim | x_dim | 2-8的整数 | 3 | 原来横向有几张图，要对应拼接时的设置 | 网格的水平维度 | 必须和拼接时用的数字一样 |
| Pad Grid | pad_grid | True/False | False | 原来是否有空隙，要对应拼接时的设置 | 是否有网格填充 | 必须和拼接时的设置一样 |
| Random | random | True/False | False | 是否要随机重排顺序，像重新洗牌 | 是否随机重排图像 | True会重新打乱拆出来的图片顺序 |
| RS | rs | 0到很大的数字 | 0 | 随机种子，控制重排的方式 | 随机种子值 | 和拼接时用同样数字可以还原顺序 |
3.4 LatentGridCompose 节点 - 潜在空间拼接师
这个节点和图片拼接师很像，但它处理的是"潜在空间"的数据。你可以把潜在空间想象成图片的"内在密码"，这个节点就是把多个密码拼成一个大密码。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| Latents | latents | LATENT | 潜在数据 | 图片的"内在密码"，AI理解的图片格式 | 潜在空间表示的图像 | 连接VAE编码后的潜在数据 |
| X Dim | x_dim | 2-8的整数 | 3 | 横向排几个密码块，像排列保险箱 | 网格的水平维度 | 3表示3×3排列，总共9个潜在块 |
| Pad Grid | pad_grid | True/False | False | 密码块之间是否留空隙 | 是否添加网格填充 | True会在潜在块间添加填充 |
| Random | random | True/False | False | 是否随机打乱密码块顺序 | 是否随机排列潜在块 | True会随机重排潜在数据 |
| RS | rs | 0到很大的数字 | 0 | 随机种子，控制打乱方式 | 随机种子值 | 控制随机排列的具体方式 |
3.5 LatentGridDecompose 节点 - 潜在空间拆解师
这是潜在空间拼接师的反向操作，把拼好的大"密码"重新拆分成多个小"密码"。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| Latents | latents | LATENT | 网格潜在数据 | 拼好的大"密码"，要拆分的潜在数据 | 输入的网格潜在表示 | 连接之前拼好的潜在网格 |
| X Dim | x_dim | 2-8的整数 | 3 | 原来横向有几个密码块 | 网格的水平维度 | 必须和拼接时的设置一致 |
| Pad Grid | pad_grid | True/False | False | 原来是否有空隙 | 是否有网格填充 | 必须和拼接时的设置一致 |
| Random | random | True/False | False | 是否要重新打乱拆出来的密码块 | 是否随机重排潜在块 | True会重新随机排列拆分结果 |
| RS | rs | 0到很大的数字 | 0 | 随机种子，控制重排方式 | 随机种子值 | 控制拆分后的随机重排方式 |
4. 使用技巧和建议
🎯 基础使用流程
- 准备素材：先准备好多张相关的图片或视频帧（建议9张以上）
- 选择网格大小：根据素材数量选择合适的grid_size（3×3=9张，4×4=16张）
- 连接工作流：按照 输入→RAVE处理→输出 的顺序连接节点
- 调整参数：从默认参数开始，逐步调整到满意效果
💡 参数调优建议
- Grid Size: 新手建议从3开始，素材多了再用4或5
- Steps: 20-30步足够，太多浪费时间
- CFG: 7-12之间比较好，太高会过度处理
- Add Noise: 第一次使用建议设为False，熟悉后再尝试True
🚀 进阶技巧
- 循环动画制作：使用相同的seed值可以让动画完美循环
- 风格一致性：确保输入的图片风格相近，效果会更好
- 分辨率匹配：所有输入图片最好保持相同分辨率
- 批量处理：可以一次处理多个视频序列
⚡ 性能优化
- 显存不足时：减小grid_size或降低图片分辨率
- 速度优化：使用euler_a采样器，减少steps数量
- 质量优化：使用dpm++采样器，增加steps到30-50
5. 常见问题解答
Q1: 为什么我的图片拼接后很模糊？
A: 可能是分辨率不匹配导致的。确保所有输入图片都是相同分辨率，推荐512×512或1024×1024。
Q2: 生成的动画不够流畅怎么办？
A: 尝试以下方法：
- 增加输入帧数（至少16-24帧）
- 使用相同的随机种子保持一致性
- 确保输入图片之间的变化不要太大
Q3: 显存不够用怎么办？
A:
- 降低grid_size（从4改为3）
- 减小图片分辨率
- 减少同时处理的帧数
Q4: 效果不明显怎么办？
A:
- 尝试开启add_noise
- 增加CFG值到10-15
- 使用更多样化的输入图片
Q5: 插件安装后找不到节点？
A:
- 确认ComfyUI已重启
- 检查custom_nodes文件夹中是否有ComfyUI-RAVE文件夹
- 查看ComfyUI启动日志是否有错误信息
Q6: 配合ControlNet使用时出错？
A:
- 确保ControlNet的输入图片数量和潜在图片数量匹配
- 检查ControlNet模型是否正确加载
- 尝试降低ControlNet的权重
6. 实际应用场景
🎬 视频制作场景
- MV制作：为音乐视频添加动态拼图效果
- 广告创意：制作产品展示的创意动画
- 艺术创作：生成抽象艺术风格的动态画面
🎨 图像处理场景
- 照片拼贴：制作创意照片墙效果
- 风格转换：批量处理图片并保持连贯性
- 纹理生成：创建可平铺的纹理素材
🔄 循环动画制作
- 背景动画：为网站或应用制作循环背景
- 装饰元素：制作UI界面的动态装饰
- 社交媒体：制作吸引眼球的动态头像或封面
7. 总结
ComfyUI-RAVE插件是一个功能强大的视频和图像处理工具，它通过独特的"网格重组"技术，能够创造出令人惊艳的视觉效果。虽然概念听起来复杂，但实际使用起来非常直观。
记住这几个要点：
- 从简单的3×3网格开始练习
- 保持输入素材的一致性
- 耐心调试参数，每次只改一个
- 多尝试不同的随机种子值
- 配合其他ComfyUI节点使用效果更佳
希望这份教程能帮助你快速上手这个神奇的插件，创造出属于你自己的视觉魔法！
节点列表：
- ✅ KSamplerRAVE - 核心处理节点
- ✅ ImageGridCompose - 图片拼接节点
- ✅ ImageGridDecompose - 图片拆解节点
- ✅ LatentGridCompose - 潜在空间拼接节点
- ✅ LatentGridDecompose - 潜在空间拆解节点
教程编写完成，所有节点已全部详细解析！