eedVR2介绍
SeedVR2 2.5.10于2025年11月13日正式发布，适用于 ComfyUI，支持高质量视频和图像放大。其主要特点如下：
（一）核心能力
高质量基于扩散的放大 ：视频和图像增强的一步扩散模型
时间一致性 ：通过可配置的批处理保持视频帧间的一致性
多格式支持 ：支持视频和图像的 RGB 和 RGBA（alpha 通道）
任何视频长度 ：适合任何视频长度
（二）模型支持
多种模型变体 ：3B 和 7B 参数模型，具有不同精度选项
FP16、FP8 和 GGUF 量化 ：根据不同显存需求，选择全精度（FP16）、混合精度（FP8）或重量化 GGUF 模型
自动模型下载 ：模型首次使用时会自动从 HuggingFace 下载
（三）内存优化
区块交换技术 ：动态交换 GPU 和 CPU 内存之间的变压器块，以在有限显存上运行大型模型
VAE 平铺： 通过平铺编码/解码处理大分辨率，以减少显存使用率
智能卸载 ：在处理阶段之间将模型和中间张量卸载到 CPU 或次级 GPU
GGUF 量化支持 ：运行 4 位或 8 位量化的型号，极大节省显存
（四）性能特点
torch.compile 集成 ：可选 20-40% DiT 加速和 15-25% VAE 加速，配合 PyTorch 2.0+ 编译
多 GPU 光环链接 ：通过自动时间重叠混合，将工作负载分配到多个 GPU。
模型缓存 ：将模型加载在内存中以加快批量处理速度
灵活的注意力后端 ：在 PyTorch SDPA（稳定且始终可用）或 Flash Attention 2（支持硬件上更快）之间选择
（五）质量管理
高级色彩校正 ：五种方法，包括 LAB（推荐以实现最高保真度）、小波、小波自适应、HSV 和 AdaIN
噪声注入控制 ：微调输入和潜在噪声尺度，以降低高分辨率的伪影
可配置分辨率限制：设置目标分辨率和最大分辨率，并自动保持宽高比
（六）工作流程功能
ComfyUI 集成 ：四个专用节点，实现对升频流水线的完全控制
独立 CLI：批处理和自动化的命令行界面
调试日志 ：全面的调试模式，包含内存跟踪、时序信息和处理细节
进展报告 ：处理过程中实时更新进展
官方效果示例：
网友们的实践效果：
02
ComfyUI-SeedVR2_VideoUpscaler部署
（一）安装ComfyUI
ComfyUI 是一个基于 Python 的图像生成工具，它使用类似于节点和连线的方式来创建图像生成的工作流。如果你想在 Linux 系统上安装 ComfyUI，你可以按照以下步骤进行：
1.安装 Python
首先，确保你的 Linux 系统上安装了 Python。ComfyUI 需要 Python 3.8 或更高版本。你可以通过以下命令安装 Python：
sudo apt updatesudo apt install python3 python3-pip
2.安装 Git
安装 Git，以便你可以从 GitHub 克隆 ComfyUI 的源代码：
sudo apt install git
3.克隆 ComfyUI 仓库
使用 Git 克隆 ComfyUI 的 GitHub 仓库到你的系统中
git clone https://github.com/comfyanonymous/ComfyUI.gitcd ComfyUI
4.安装依赖项
在 ComfyUI 的目录中，你需要安装一些依赖项。运行以下命令来安装它们：
pip install -r requirements.txt
5.安装额外的依赖（可选）
根据你的需求，ComfyUI 可能还需要额外的依赖项，如 CUDA（如果你想要使用 GPU 加速）。根据你的硬件配置和需求，你可能需要安装这些依赖项。例如，如果你想要使用 NVIDIA GPU，你可以安装 CUDA Toolkit 和 cuDNN。
对于 CUDA Toolkit 和 cuDNN 的安装，你可以参考 NVIDIA 的官方文档进行安装：
CUDA Toolkit：https://developer.nvidia.com/cuda-downloads
6.运行 ComfyUI
一旦所有依赖项都安装完成，你可以通过以下命令启动 ComfyUI：
python main.py
这将会启动 ComfyUI 的 Web 界面，你可以在浏览器中访问 http://localhost:8188 来使用它。
使用 Docker（可选）
如果你不想在你的系统上直接安装所有依赖项，你也可以选择使用 Docker 来运行 ComfyUI。首先，你需要安装 Docker：
sudo apt install docker.io
然后，你可以从 Docker Hub 上拉取一个预配置的 ComfyUI Docker 镜像：
docker pull abdelrahmanm/comfyui:latestdocker run -it -p 8188:8188 abdelrahmanm/comfyui:latest
这样，ComfyUI 将会在 Docker 容器中运行，并且可以通过 http://localhost:8188 访问。
以上就是在 Linux 上安装和运行 ComfyUI 的步骤。希望这对你有所帮助！如果你在安装过程中遇到任何问题，可以查看 ComfyUI 的 GitHub 仓库或社区论坛获取更多帮助。
（二）安装ComfyUI Manager
ComfyUI Manager 是 ComfyUI 最常用的插件管理工具，支持一键安装 / 更新插件、模型、自定义节点，V3.37 是稳定版本，安装方式分为「自动安装（推荐）」和「手动安装」，以下介绍手动安装方法（Linux 环境）：
# 进入 ComfyUI 的 custom_nodes 目录
cd /root/userdata/ComfyUI/ComfyUI/custom_nodes# 克隆 ComfyUI Manager 仓库（自动拉取最新版，包含 V3.37+）
git clone https://github.com/ltdrdata/ComfyUI-Manager.git# 安装 Manager 依赖（部分环境需要）cd ComfyUI-Managerpip install -r requirements.txt
（三）安装部署SeedVR2节点
此部分操作只需在CPU CCI中操作，后续执行在GPU CCI中操作。
1、Git代码与模型文件下载
项目站点：
https://github.com/numz/ComfyUI-SeedVR2_VideoUpscaler/tree/main
模型地址：
https://modelscope.cn/models/numz/SeedVR2_comfyUI/files
2、安装部署环境软件硬件要求
硬件：
通过当前的优化（铺砖、区块交换、GGUF 量化），SeedVR2 可以在多种硬件上运行：
最低显存 （8GB 或以下）：使用启用 BlockSwap 和 VAE 平铺的 GGUF Q4_K_M 型号
中等显存 （12-16GB）：根据需要使用带有 BlockSwap 或 VAE 平铺的 FP8 型号
高显存 （24GB+）：使用 FP16 型号以获得最佳质量和速度，无需内存优化
软件：
ComfyUI： 推荐最新版本
Python：3.12+（测试并推荐使用 Python 3.12 和 3.13），我用的3.10.12也没碰到啥问题。
PyTorch：2.0+ 支持 torch.compile（可选但推荐）
Triton：带电感后端的 torch.compile 必修（可选）
Flash Attention 2：在支持的硬件上提供更快的注意力计算（可选，退回 PyTorch SDPA）
3、安装方法一：通过ComfyUI 管理器安装
在你的 ComfyUI 界面中打开 ComfyUI 管理器
点击“自定义节点管理器”
搜索“ComfyUI-SeedVR2_VideoUpscaler”
点击“安装”并重启 ComfyUI
注册表链接 ：ComfyUI 注册表 - SeedVR2 视频升频器
4、安装方法二：手动安装
（1）下载git代码并安装依赖包
（a）下载git代码
将https://github.com/numz/ComfyUI-SeedVR2_VideoUpscaler/tree/main代码下载至ComfyUI的custom nodes目录下（其它大模型也是这样的）。
cd /root/userdata/ComfyUI/ComfyUI/custom_nodesgit clone https://github.com/numz/ComfyUI-SeedVR2_VideoUpscaler.git
（b）安装SeedVR2依赖包
将ComfyUI-SeedVR2_VideoUpscaler所需要pip包安装到ComfyUI的Python虚拟环境中，之前有点担心不兼容，毕竟这么多大模型，ComfyUI都能兼容吗，会不会有包冲突，后来了解到大模型要适配ComfyUI是要确保不与ComfyUI有包冲突的。
安装命令如下：
cd /root/userdata/ComfyUI/ComfyUI/custom_nodes/ComfyUI-SeedVR2_VideoUpscalerpip install -r requirements.txt
（2）下载模型文件
下载模型文件至ComfyUI/models/SEEDVR2
点击下载模型按钮查看下载命令：
下载VAE模型：
cd models/SEEDVR2/modelscope download --model numz/SeedVR2_comfyUI ema_vae_fp16.safetensors --local_dir .
下载DIT模型：
modelscope download --model numz/SeedVR2_comfyUI seedvr2_ema_3b_fp8_e4m3fn.safetensors --local_dir .
其它模型方法类似，可以结合ComfyUI上边运行工作流时的报错提示来下载模型。
03
运行ComfyUI
（一）切换到GPU CCI
因为启动ComfyUI是需要GPU的，当然大模型推理更需求GPU，因此需切换到GPU CCI。
此部分如何切换CCI及CCI的完整操作视频可私信小编。
每次切换CCI需要手动切换一下Python的虚拟环境。
（二）启动ComfyUI
1.配置外网访问端口
如果需指定IP和端口，请直接在命令后边增加参数。提前配置好CCI对外的端口映射：
2.切换Python虚拟环境并执行main.py
切到ComfyUI的Python虚拟环境后，执行以下命令：
cd ~/userdata/ComfyUI/ComfyUIsource /root/userdata/ComfyUI/comfyUI_env_py3.10/bin/activatepython main.py --listen 0.0.0.0 --port 8188
解释：ComfyUI默认端口是8188，启动时指定0.0.0.0IP。
ComfyUI启动成功：
访问ComfyUI:
用我们在外网映射的IP及端口访问：http://60.171.65.125:30580/
04
制作SeedVR2工作流并运行
（一）图像转高清工作流示例
随便找了一张我们小九的照片，用加载图像节点来上传我们的照片。
再分别拖拽SEEDVR2节点下边的DIT、VAE模型、SeedVR2 Video Upscaler。
将各节点进行连线，最终再加一个预览图像的节点，并进行连线，如下图所示：
点击右上角（或者有时跑到下边来了）人蓝色运行按钮，执行成功，生成的图像
生成图像的分辨率是我设置的分辨率(1080*1480)，我这里保守了，你可以大胆一点，弄个2倍、4倍放大都可以：
其它补充：
ComfyUI的管理界面
主菜单：包括工作流、文件、编辑、视图、主题、设置等功能，还可以在扩展中安装插件，这个非常好。
底部面版可以打开或关闭日志，这个跟在Vscode后台是一样的：
（二）视频转高清工作流示例
点击左上方加号创建新的工作流，点左上角菜单-文件，随便命个名保存一下。
