Skip to main content
VEED 视频节点覆盖了那些通常需要借助另一个应用才能完成的编辑步骤：把静态图像变成会说话的人像、替换现有素材中的语音，以及把主体从背景中抠出来。 在 ComfyUI 中，该提供商通过三个合作节点实现。VEED Fabric 1.0 依据音频轨道让照片动起来。VEED Lipsync 2.0 让说话者的口型与新对白重新同步。VEED Remove Video Background 返回各帧和一张透明度遮罩，而不是一段已经压平的视频，因此主体可以合成进任意画面。这三个都是云端 API 节点：它们需要带有积分的 Comfy 账户，并且不会在本地下载任何模型文件。 每个节点都按你发送的视频片段的秒数或帧数计费。音频和视频的语音清理请见 VEED Clean Audio。
使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。
请确保你的 ComfyUI 已经更新。本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。如果加载工作流时有节点缺失，可能原因有：
  1. 你用的不是最新版（每夜版）。
  2. 启动时有些节点导入失败。

​
可用工作流

​
Fabric 1.0：会说话的照片

让静态图像开口说话。照片中的人脸会与你连接的音频进行唇形同步，片段会保留图像的宽高比，因此竖版人像仍是竖版人像。它适用于照片、插画和吉祥物，因此可以为艺术作品或从未拍摄过的角色配上声音。 VEED Fabric 1.0: Talking Photo 工作流预览

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON，或在模板库中搜索“VEED Fabric 1.0: Talking Photo”
输入素材

black_fashion_portrait.png

加载到 LoadImage 节点。一张清晰、正面朝向的脸

audio_see_beyond_the_light.mp3

加载到 LoadAudio 节点。语音决定唇部运动和片段长度
音频最长可达 300 秒，视频长度与音频完全相同。分辨率可选 480p 或 720p：480p 在 16:9 下约为 864x480，720p 为 1312x736。

​
Lipsync 2.0

保留已拍摄的素材并替换说话者所说的内容。嘴部会与新音频重新同步，画面其余部分保持录制时的样子，这样就可以重写台词或为片段配音，而无需重新拍摄。 VEED Lipsync 2.0 工作流预览

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON，或在模板库中搜索“VEED Lipsync 2.0: Lip Sync”
输入素材

rainbow_face_portrait_prism_video.mp4

加载到 LoadVideo 节点。一位正面朝向的说话者

veed_lipsync_rainbow_night_speech.wav

加载到 LoadAudio 节点。要同步的新语音
新语音最长可达 600 秒，并决定输出长度。视频保持其来源分辨率，帧率为 25 fps。当素材比音频短时，它会先正向播放再反向播放，直到音频结束；因此，如果镜头需要保持其方向，请发送足够长的片段。

​
移除视频背景

从视频片段中抠出主体。该节点返回的不是已合成为单层的视频，而是帧以及标记背景区域的遮罩，因此主体可以合成到新场景上，或导出为透明序列。 VEED Remove Video Background 工作流预览

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON，或在模板库中搜索“VEED Remove Video Background: Matte Export”
输入素材

swimcap_glass_pop_video.mp4

加载到 LoadVideo 节点。片段最长可达 60 秒
该模板会将遮罩转换为 PNG 序列的透明度。当你希望将主体作为合成遮罩时，在 Image Composite Masked 之前添加 Invert Mask；或者使用 Join Image with Alpha 后接 Save WEBM 来生成透明视频。请将 WEBM 编解码器设为 vp9：它是唯一会写入透明通道的选项，av1 会丢弃透明通道。

​
节点控制

背景移除的输出分辨率没有可调项：standard 和 green screen 最高返回 3840x2160，fast 最高返回 1920x1080，更大的输入会被缩小。

​
提示

  • 发送干净、正面的素材。 Fabric 需要一张清晰可见的人脸，Lipsync 需要一位面向相机的说话者。侧脸和拥挤的画面正是这两个节点容易丢失细节的场景。
  • 让音频决定时长。 两个说话类节点生成的视频片段长度与所连接的语音完全一致，因此应在运行前裁剪音频，而不是事后再修剪视频。
  • 直接输入已生成的语音。 将文本转语音节点连接到 audio，人像或配音片段会随之生成，无需导出步骤。
  • 仅在需要时才为边缘优化付费。 在背景移除中关闭 refine_foreground_edges 会降低每帧费率，对于边缘锐利的主体值得这样做。
  • 仅在真正的绿幕素材上使用绿幕模式。 绿幕模式会对背景进行抠像，且没有边缘优化或人物检测，因此自然背景应使用 standard 或 fast。

​
开始使用

  1. 将 ComfyUI 更新到最新版本
  2. 前往模板库，搜索 VEED