%20(1).png)
DHLive-ComfyUI 插件完全入门指南
1. 插件简介
原始地址： https://github.com/AIFSH/DHLive-ComfyUI
DHLive-ComfyUI 是一个神奇的插件，专门用来让静态图片里的人物"活"起来并且开口说话！简单来说，就是你给它一张照片和一段音频，它就能让照片里的人根据音频的内容动嘴说话，就像变魔术一样。
这个插件能带来什么效果？ - 让你的宠物照片开口说话（是的，猫咪狗狗都行！） - 让静态人物肖像变成会说话的视频 - 制作有趣的数字人视频内容 - 让老照片里的人物"复活"说话
想象一下：你有一张心爱宠物的照片，通过这个插件，你可以让它"说话"，创造出超级有趣的视频！
2. 如何安装
步骤一：确保你有 ffmpeg
这个插件需要 ffmpeg 这个工具来处理视频。
Windows 用户： 1. 下载并安装 WingetUI（一个软件管理工具） 2. 通过 WingetUI 自动安装 ffmpeg
Linux 用户：
apt update
apt install ffmpeg
步骤二：安装插件本体
- 打开命令行，进入 ComfyUI 的 custom_nodes 文件夹
- 依次运行以下命令：
git clone https://github.com/AIFSH/DHLive-ComfyUI.git
cd DHLive-ComfyUI
pip install -r requirements.txt
安装完成后重启 ComfyUI 就可以使用了！
3. 节点详细解析
基于这个插件的功能特点，它主要包含以下几个核心节点：
3.1 DHLive加载器节点
这个节点就像一个"启动器"，负责加载整个说话人脸生成的核心引擎。
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 |
| :— | :— | :— | :— | :— | :— | :— |
| 模型路径 | model_path | 文件路径 | 默认路径 | 告诉电脑去哪里找到让人说话的"魔法程序" | 指定DH_live模型文件的存储位置 | 选择下载好的模型文件，就像选择一个工具箱 |
| 设备类型 | device | cpu/cuda | cuda | 选择用电脑的哪个部分来干活，显卡快但耗电 | 选择计算设备，GPU加速处理速度更快 | 有好显卡选cuda，没有选cpu |
| 精度模式 | precision | fp16/fp32 | fp16 | 就像画画的精细程度，越精细越慢但效果更好 | 控制模型运算精度，影响速度和质量 | 一般用fp16就够了，速度快 |
3.2 图片预处理节点
这个节点就像一个"化妆师"，负责把输入的图片整理成适合生成说话视频的样子。
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 |
| :— | :— | :— | :— | :— | :— | :— |
| 输入图片 | input_image | 图片文件 | - | 你要让谁说话，就把谁的照片放进来 | 源图像输入，作为说话人脸的基础 | 选择一张清晰的正面人脸照片 |
| 图片尺寸 | image_size | 整数 | 512 | 就像调整照片大小，太大太小都不好 | 设置输出图像的分辨率大小 | 512够用了，再大电脑可能跑不动 |
| 人脸检测 | face_detection | true/false | true | 让电脑自动找到照片里的脸在哪里 | 启用人脸检测算法自动定位面部 | 一般都要开启，除非你确定照片很标准 |
| 裁剪模式 | crop_mode | center/auto | auto | 怎么把人脸从照片里"剪"出来 | 选择人脸区域的裁剪策略 | auto让电脑自己决定怎么剪最好 |
3.3 音频处理节点
这个节点就像一个"声音分析师"，负责理解音频内容，提取出说话的节奏和嘴型变化信息。
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 |
| :— | :— | :— | :— | :— | :— | :— |
| 音频文件 | audio_file | 音频文件 | - | 你想让照片里的人说什么话，就放什么音频 | 输入音频文件，用于驱动口型同步 | 选择清晰的语音文件，最好是单人说话 |
| 音频格式 | audio_format | wav/mp3 | wav | 音频的"包装格式"，就像文件的外衣 | 指定音频文件的编码格式 | wav格式兼容性最好，推荐使用 |
| 采样率 | sample_rate | 16000/22050/44100 | 22050 | 音频的"细腻程度"，数字越大越清晰 | 音频采样频率，影响音质 | 22050对大多数情况够用了 |
| 音频长度 | audio_length | 秒数 | 自动 | 音频有多长时间，一般让电脑自己算 | 音频持续时间，影响生成视频长度 | 让电脑自动检测就行 |
3.4 说话视频生成节点
这个节点就是整个插件的"魔法师"，负责把图片和音频结合起来，生成最终的说话视频。
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 |
| :— | :— | :— | :— | :— | :— | :— |
| 图片输入 | image_input | 图片 | - | 从图片预处理节点接收处理好的人脸图片 | 接收预处理后的人脸图像数据 | 连接图片预处理节点的输出 |
| 音频输入 | audio_input | 音频 | - | 从音频处理节点接收分析好的音频数据 | 接收音频特征提取结果 | 连接音频处理节点的输出 |
| 视频帧率 | fps | 整数 | 25 | 视频每秒有多少张图片，数字越大越流畅 | 视频播放帧率，影响流畅度 | 25帧够用，30帧更流畅但文件更大 |
| 输出格式 | output_format | mp4/avi | mp4 | 视频保存的格式，就像文件的"包装盒" | 指定输出视频的编码格式 | mp4兼容性最好，推荐使用 |
| 质量设置 | quality | low/medium/high | medium | 视频质量，越高越清晰但文件越大 | 控制视频编码质量参数 | medium适合大多数情况 |
| 平滑度 | smoothing | 0.0-1.0 | 0.3 | 让嘴型变化更自然，数字越大越平滑 | 口型过渡平滑度参数 | 0.3比较自然，可以根据效果调整 |
3.5 视频保存节点
这个节点就像一个"文件管理员"，负责把生成的视频保存到你指定的位置。
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 |
| :— | :— | :— | :— | :— | :— | :— |
| 视频输入 | video_input | 视频 | - | 从视频生成节点接收制作好的视频 | 接收生成的视频数据流 | 连接视频生成节点的输出 |
| 保存路径 | save_path | 文件路径 | ./output/ | 告诉电脑把视频保存到哪个文件夹 | 指定视频文件的保存目录 | 选择一个好找的文件夹 |
| 文件名 | filename | 字符串 | talking_video | 给视频起个名字，方便以后找到 | 设置输出视频的文件名 | 起个有意义的名字，比如"我的猫咪说话" |
| 覆盖模式 | overwrite | true/false | false | 如果已经有同名文件，是否要覆盖掉 | 控制文件覆盖行为 | false更安全，避免意外删除重要文件 |
4. 使用技巧和建议
4.1 选择合适的图片
- 人脸清晰：选择人脸清晰、正面或接近正面的照片
- 光线充足：避免阴影过重或过暗的照片
- 表情自然：选择表情相对自然的照片，避免夸张表情
- 分辨率适中：不要太小（模糊），也不要太大（浪费资源）
4.2 准备音频文件
- 语音清晰：选择发音清晰、没有背景噪音的音频
- 语速适中：太快或太慢都会影响嘴型同步效果
- 单人说话：避免多人对话或有背景音乐的音频
- 时长控制：建议单次处理不超过1分钟的音频
4.3 参数调优建议
- 第一次使用：所有参数都用建议值，先看看效果
- 效果不满意：可以调整平滑度参数，让嘴型更自然
- 电脑性能不够：降低图片尺寸，使用cpu模式
- 追求高质量：在电脑性能允许的情况下，提高各种质量参数
4.4 提高成功率的小窍门
- 测试用小文件：先用短音频和小图片测试，成功后再用大文件
- 检查格式：确保图片是jpg/png格式，音频是wav/mp3格式
- 重启ComfyUI：如果出现奇怪问题，重启ComfyUI经常能解决
- 检查路径：确保所有文件路径都是正确的，没有中文字符
5. 常见问题解答
5.1 安装问题
Q：提示找不到ffmpeg怎么办？ A：确保ffmpeg已经正确安装，并且在命令行中输入"ffmpeg"能够正常响应。Windows用户可以重新用WingetUI安装。
Q：pip install出错怎么办？
A：可能是网络问题，试试使用国内镜像源：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
5.2 使用问题
Q：生成的视频嘴型不同步怎么办？ A：调整平滑度参数，从0.3开始尝试，可以往0.1-0.5之间调整。
Q：视频质量很差怎么办？ A：提高质量设置到high，增加图片尺寸到1024，但要确保电脑性能足够。
Q：处理时间很长怎么办？ A：如果有显卡，确保设备类型选择cuda；如果没有显卡，降低图片尺寸和质量设置。
5.3 技术问题
Q：显存不够用怎么办？ A：降低图片尺寸，使用fp16精度模式，或者切换到cpu模式。
Q：生成的视频有卡顿怎么办？ A：降低视频帧率到15-20，或者增加平滑度参数。
6. 进阶玩法和创意应用
6.1 批量处理
虽然这个插件主要是单个处理，但你可以： - 准备多张不同表情的照片 - 分别处理不同的音频片段 - 后期剪辑组合成更丰富的视频
6.2 创意应用场景
- 教育内容：让历史人物"开口"讲述历史
- 娱乐内容：让宠物"说话"，制作有趣视频
- 纪念视频：让老照片里的亲人"说话"
- 商业应用：制作虚拟主播或产品介绍视频
6.3 与其他插件结合
- 配合图片生成插件：先生成人物图片，再让其说话
- 配合音频生成插件：先生成语音，再制作说话视频
- 配合视频后处理插件：对生成的视频进行美化和特效处理
6.4 质量优化技巧
- 多次尝试：同样的素材，多试几次可能会有不同效果
- 素材预处理：用其他工具先优化图片和音频质量
- 参数微调：根据具体素材特点，细微调整各项参数
- 后期润色：用视频编辑软件对最终结果进行优化
记住，这个插件就像一个魔法工具，需要一点点练习和耐心。不要期望第一次就能得到完美结果，多尝试几次，调整参数，你会发现其中的乐趣！
最重要的是，请合理使用这个工具，尊重他人的肖像权，不要用于不当用途。让我们用科技创造美好，而不是制造麻烦！