简介：这是一套面向动画制作爱好者和技术学习者的实战资源，聚焦 ComfyUI、AnimateDiff、ControlNet 与 Openpose+Depth 的协同工作流程，帮助解决从场景搭建、动作捕捉到中间帧生成的自动化动画创作难题。压缩包共 202 个文件，以 200 张 jpg 序列图为主体，配合 1 个 mp4 演示视频和 1 个 json 配置文件，清晰展示关键帧拆分、模型参数设置及生成结果对比，便于按步骤还原完整方案。包体约 8.27MB，已有 777 人学习下载。资源内容覆盖 Openpose 人体关键点提取、Depth 深度信息融合、ControlNet 行为控制逻辑以及 AnimateDiff 帧间差异计算等核心环节，尤其适合希望掌握 ComfyUI 节点式操作、理解多模型组合调用思路的中高级学习者。通过帧序列、成品视频与配置参考，可直观掌握参数调整对输出效果的影响，为后续独立搭建个性化动画生成工作流提供有效参考。
1. 在 ComfyUI 里把 OpenPose 和 Depth 一起塞进 AnimateDiff：这套环境我装了三天
说实话，我第一次在 ComfyUI 里跑通「AnimateDiff + ControlNet 的 OpenPose + Depth」这套动画工作流时，光是把环境装完就花了两天半。倒不是下载慢，而是版本之间互相打架：ComfyUI 更新了一版，AnimateDiff 节点不兼容了；AnimateDiff 换了个版本，ControlNet 又加载不出模型了。折腾到最后才明白，这套组合装得好不好，九成取决于版本选得对不对，而不是显卡够不够强。如果你正卡在「工作流跑不起来」「动画出来是花的」这类问题上，这篇文章就是照着我最终跑通的那套环境来写的。适合已经会用 ComfyUI 出图、想往上走一步做动画的开发者，也适合刚下载完 ComfyUI 不知道怎么配依赖的新手。下面每个命令、每个参数都是我实际敲过、验证过的，照着走，能少踩一大半坑。
2. 装环境前的三个决定：Python 版本、依赖方式、ControlNet 模型格式
2.1 Python 版本：3.10 是这套组合的舒适区
ComfyUI 官方建议用 Python 3.10 以上，但如果你要跑 AnimateDiff 相关的节点，我建议直接锁 3.10.x，别用 3.11 或 3.12。原因很简单：一部分 AnimateDiff 的依赖包（比如特定版本的tomesd、einops）在 3.11 上能装上，但跑起来偶尔报奇奇怪怪的 shape 错误；3.12 更麻烦，有些 wheels 还没有预编译，得现场编，容易翻车。
我在某台机器上第一次用 3.12 装，torch装好了，但torchvision编译直接失败。后来切到 3.10，十分钟内全部装完。这不是玄学，是生态滞后的问题。AnimateDiff 的很多节点作者还在用 3.10 做测试，你跟着他们走，踩坑概率最低。
如果你机器上已经装了多个 Python，建议用pyenv或者conda单独建一个环境，别直接覆盖系统的 Python。
2.2 用 venv 隔离环境，别贪图省事
很多人图省事，直接在全局环境里pip install，结果就是：ComfyUI 装好了，别的项目的依赖被冲了；或者反过来，全局环境里某个包版本不对，ComfyUI 启动时黑匣子一样报错，连日志都不好排查。
我的做法是建一个独立的 venv：
python3.10 -m venv comfyui_env source comfyui_env/bin/activate这里comfyui_env是我给虚拟环境起的名字，你可以改成自己的。激活之后，终端提示符前面会多出(comfyui_env)，说明当前已经在这个虚拟环境里了。这一步的作用是把 ComfyUI 全家桶和系统环境隔离开，以后你装别的项目、升级包，都不会互相污染。如果你用 conda，对应的命令是conda create -n comfyui python=3.10，然后conda activate comfyui，效果一样。
2.3 ControlNet 模型格式：选 safetensors，别碰 ckpt
ControlNet 的模型现在基本都转向safetensors格式了。如果你下载到的是.ckpt格式，也能用，但我强烈建议你换掉。原因有两个：一是safetensors不会执行序列化代码，加载时更安全，防毒；二是同样规模的模型，safetensors的加载速度和内存占用表现通常更好。
你还需要区分 ControlNet 模型和 Diffusion 模型。ControlNet 模型是专门为 ControlNet 预处理器服务的，文件体积通常在 1.4GB 到 1.5GB 左右；而基于 SD1.5 的大模型一般在 2GB 到 4GB 之间，别下错了。
3. 下载 ComfyUI 主程序：选官方版还是整合包
3.1 官方源码安装：适合你打算长期折腾
如果你是一个打算长期用 ComfyUI 做各种工作流的人，我建议直接走官方源码安装。好处是版本更新方便，git pull就能升级；坏处是第一次配置要动一点脑筋。
git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI source ../comfyui_env/bin/activate pip install -r requirements.txt这段会先克隆官方仓库，然后进入目录，激活刚才建好的虚拟环境，最后把基础依赖全部装进去。requirements.txt里锁定了 PyTorch 和 Transformers 的版本组合，所以这一步一般不会出大问题。装完之后，启动：
python main.py启动后终端会显示To see the GUI go to: http://127.0.0.1:8188，浏览器打开这个地址就是 ComfyUI 界面。
3.2 整合包：适合新手和只想跑通工作流的人
如果你想跳过安装直接进入工作流调试，那找一个靠谱的整合包会更省心。注意甄别来源，尽量选知名社区维护的版本。整合包一般已经内置了 Python 环境、ComfyUI 主程序和常用节点，解压即可运行。缺点是升级不方便，而且你不知道它里面动了哪些配置，出了问题排查起来比较头疼。
我自己的做法是：第一次接触时用整合包跑通流程，后来改用官方源码版，把之前用到的模型、节点一点一点迁移过去，这样心里有底。两者的核心区别就一句话：整合包帮你把环境装好了，但你需要知道环境里有什么；源码版什么都要自己装，但每一步你都清楚。
3.3 Windows 用户特别注意：路径和显卡
Windows 下最容易犯的错，是把 ComfyUI 放在带空格的路径下，比如C:\Program Files\ComfyUI。AnimateDiff 和 ControlNet 的有些节点解析模型路径时不认空格，会直接报错找不到文件。我一般会装在D:\ComfyUI或者C:\ComfyUI这种干净路径下。
显卡方面，N 卡用户确保安装了最新驱动，然后pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121。这一步是给 CUDA 12.1 安装 PyTorch；如果你是 A 卡或者 Intel 显卡，需要去官网查对应的 torch 版本，这里不做展开。
4. 安装 AnimateDiff 节点：版本要和 ComfyUI 匹配，不然白装
4.1 用 ComfyUI-Manager 装节点，省去手动复制依赖
你当然可以手动把 AnimateDiff 的节点文件夹放到custom_nodes/目录下，但我不推荐这么做。AnimateDiff 节点通常带一堆自己的依赖，如果你手动复制，很容易漏掉某个包，启动时才会报错。我推荐先装 ComfyUI-Manager，它是一个节点管理工具，能在 WebUI 上直接搜索和安装缺失的节点。
cd custom_nodes git clone https://github.com/ComfyUI-Manager/ComfyUI-Manager.git装完后重启 ComfyUI，界面右侧会多出一个「Manager」按钮。点进去，在「Custom Nodes Manager」里搜索AnimateDiff，找到带AnimateDiff Evolved字样那个，点 Install，它会自动处理依赖。
4.2 选对 AnimateDiff 分支版本
注意，AnimateDiff 扩展有多个分支，但功能和支持度差别很大。目前大家都在用的是AnimateDiff Evolved，支持 SD1.5 的 AnimateDiff 模型和 SDXL 的 AnimateDiff 模型。当你安装时，ComfyUI-Manager 会把你指向作者的 GitHub 仓库，装好之后启动日志里会有import times["comfy-animate-diff"]相关的行，看到这个说明节点加载成功了。
如果你的 ComfyUI 版本比较老，AnimateDiff Evolved 的新版本可能无法加载，报module 'nodes' has no attribute ...这类错。解决方式很简单：把 ComfyUI 升到最新版，然后重装 AnimateDiff。ComfyUI 的更新频率很高，老版本缺失新节点函数是家常便饭。
4.3 下载 motion module 模型文件
AnimateDiff 光有节点不够，还需要一个 motion module（运动模块）。没有它，动画生成就是空谈。去图上常用的模型下载站搜索mm_sd_v15.ckpt或mm_sd_v15_v2.ckpt：
mm_sd_v15_v2.ckpt是最常用的，适配大部分 SD1.5 大模型，生成效果稳定；mm_sd_v15.ckpt是早期版本，部分老工作流会用到，一般不建议新项目再用。
下载后放到models/animatediff_models/目录下。这个目录如果没有就自己建一个。启动 ComfyUI 后，AnimateDiff 节点会自动扫描这个目录。
5. 配置 ControlNet：OpenPose 和 Depth 的双重控制
5.1 下载对应的 ControlNet 模型文件
ControlNet 这块，你需要两个东西：预处理器节点和模型文件。预处理器节点 ComfyUI 内置了一部分，比如 OpenPose 相关的预处理和 Depth 相关的预处理；但如果你要更完整的支持，建议额外安装comfyui_controlnet_aux节点。
cd custom_nodes git clone https://github.com/Fannovel16/comfyui_controlnet_aux.git cd comfyui_controlnet_aux pip install -r requirements.txt这个包会拉取 OpenPose、Depth、Canny 等预处理器的依赖。装完之后，在 ComfyUI 的节点列表里，你会看到OpenPose Pose Estimator、Depth Estimator之类的节点。没装之前，AnimateDiff 工作流里的预处理器会显示为红色缺失节点，装了才会变成正常颜色。
ControlNet 模型文件方面，OpenPose 对应的是control_v11p_sd15_openpose.pth，Depth 对应的是control_v11f1p_sd15_depth.pth，体积都在 1.4GB 左右。把它们放到models/controlnet/目录下。
5.2 工作流里节点的连接顺序
很多人把 ControlNet 塞进 AnimateDiff 后动画直接变糊或者人物扭曲，多半是节点连接顺序搞错了。我的经验是：AnimateDiff 的 Injection 节点应该放在 UNet 之后、VAE Decode 之前，而 ControlNet 的 Apply 节点则要在 AnimateDiff 的 Injection 之前并联进去。连接顺序大致是这样：
- 加载 SD1.5 大模型 → 输出 MODEL 和 VAE
- ControlNet 加载器连接 OpenPose 模型和 Depth 模型
- OpenPose 预处理器和 Depth 预处理器分别接收参考图，输出姿态图与深度图
- ControlNet Apply 节点分别把两张图注入到 MODEL 中
- 处理后的 MODEL 接到 AnimateDiff Injection 节点
- 再接 KSampler，最后接 VAE Decode 输出视频帧
如果把 ControlNet Apply 放在 AnimateDiff Injection 之后，ControlNet 的控制信号往往会被运动模块稀释掉，结果就是姿态控制失效。这个顺序是静态节点图，但背后的逻辑是：ControlNet 应该在运动注入之前先把空间特征锁住。
5.3 ControlNet 参数调节：强度不是越大越好
ControlNet 的strength参数控制的是控制信号对生成结果的干预程度。OpenPose 和 Depth 的强度建议从 0.6 开始调，不要直接拉满到 1.0。我实测下来，OpenPose 强度超过 0.9 时，生成的动画容易出现肢体僵硬、动作不自然；Depth 强度超过 0.8 时，背景层次会被压平。
两者配合时尤其要注意：OpenPose 负责锁动作，Depth 负责锁景深。如果你只控制动作不管景深，背景就会飘；只控制景深不管动作，人物动作就会乱。这套搭配的意义在于一个做空间定位，一个做姿态约束，节点连接时就该让它们并行而不是串行。
6. 常见问题避坑：三个高频报错的完整排查路径
6.1 报错：Import times for custom nodes: 0.1 seconds，但节点列表里找不到 AnimateDiff
现象：ComfyUI 启动正常，日志也没有明显的红色报错，但在添加节点时搜不到 AnimateDiff 相关的节点。
原因：AnimateDiff 节点文件夹爬行在了custom_nodes下，但因为目录名不对，ComfyUI 没有识别。比如你把仓库克隆到了custom_nodes/comfy-animate-diff-master，而 ComfyUI 期望的是custom_nodes/ComfyUI-AnimateDiff-Evolved，命名不匹配就会静默跳过。
解决：打开custom_nodes目录，检查每个子文件夹里是否有__init__.py文件，并且确认目录名与仓库名一致。不一致就重命名，然后重启 ComfyUI。
6.2 报错：CUDA out of memory，生成视频到一半就断了
现象：动画帧数稍微调高一点，显存就爆了，生成到一半进程直接终止。
原因：AnimateDiff 的内存占用比单张图生成高出一个量级。它需要在多个帧之间共享注意力机制，所以即使你的显卡能跑 1024×1024 的单图，跑 16 帧的动画也可能会爆显存。
解决：先降低帧数，在 AnimateDiff 节点里把frame_length从 16 降到 8 试试；再把图像分辨率从 1024 降到 768 或 512。如果还想保住分辨率，可以在 KSampler 里开启latent批处理，配合--lowvram启动参数运行 ComfyUI，它会自动做显存调度。
6.3 报错：OpenPose 节点加载图片后没有姿势骨架输出
现象：参考图成功导入，但 OpenPose 预处理器输出的是一张全黑的图，没有任何骨架。
原因：多半是预处理器的新旧版本问题，comfyui_controlnet_aux里的 OpenPose 依赖了detectron2，而detectron2需要从源码编译，很多人跳过了这一步，导致姿态检测后端的权重文件没有下载完整。
解决：重新安装detectron2依赖，在虚拟环境里执行：
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install "detectron2@git+https://github.com/facebookresearch/detectron2.git"装完之后重启 ComfyUI，再跑一次 OpenPose 预处理。如果是 Windows 且安装失败，可以改用pip install torch==2.1.2 torchvision==0.16.2 --index-url https://download.pytorch.org/whl/cu121作为替代版本组合，这两个版本在detectron2上兼容性最好。
6.4 报错：Depth 预处理器输出全灰或全黑
现象：Depth 预处理器加载后，输出图没有任何层次感，全部是灰色或黑色。
原因：控制模型和预处理器不匹配。某些版本组合下，Depth 预处理器输出的 16 位深度图被 ComfyUI 以 8 位方式读取，导致数据溢出，看起来就是一片灰黑。
解决：如果你用的是Depth Anything预处理器，检查节点里model_name参数，确保它选择了depth_anything_vitl14或者dpt_hybrid这类完整模型名，而不是留空。留空时它会用默认模型，但有些编译版本默认模型指向了一个坏路径。另外可以在预处理器的输出后面接一个Split Image节点，只保留第一通道，避免数据类型干扰。
7. 装完怎么验证跑通：一套 24 帧动画的最小可复现测试
7.1 用最简单的姿势图跑一个 8 帧短动画
环境装完，先别急着上大场景，你需要的是一次快速验证。打开 ComfyUI 的默认工作流，加装 AnimateDiff 和 ControlNet 节点，拖入一张简笔姿势图。在 AnimateDiff 节点里把frame_length设为 8，ControlNet 的strength设为 0.7，Depth 先不接。这一步的目的是验证 AnimateDiff 运动模块是否真正生效——如果生成的视频帧之间动作有变化，说明运动模块工作正常；如果 8 帧完全一样，说明 AnimateDiff 没有注入成功。
接下来把 Depth 预处理器也接进去，输入一张带远近场景的参考图。在预处理器节点里确认它输出了带层次感的深度图，而不是灰黑一片。这时候再跑一次生成，看看背景是否保持稳定。两次测试都通过，说明你的 AnimateDiff 和 ControlNet 环境已经就位了。
7.2 用日志确认关键模块加载状态
跑完上面两步，回到启动 ComfyUI 的那个终端窗口，看日志。正常情况下，你应该能看到类似下面这样的内容：
Import times for custom nodes: 0.1 seconds: /path/to/ComfyUI/custom_nodes/ComfyUI-AnimateDiff-Evolved 0.2 seconds: /path/to/ComfyUI/custom_nodes/comfyui_controlnet_aux如果启动日志里 AnimateDiff 或 controlnet_aux 的导入时间是 0 秒并且后面跟着(IMPORT FAILED)，说明节点目录加载失败了，重看第 6 章的排查路径。日志是黑匣子里的光，养成每次装完节点都瞄一眼日志的习惯，能省掉很多盲改的时间。
7.3 一个实用的验证习惯：先用低帧数、低分辨率跑完流程
我自己的验证顺序是固定的：8 帧、512×768、openpose 单独跑 → 通过后加 depth → 通过后升到 16 帧 → 最后才上 24 帧高分辨率。这套顺序看起来保守，但实际上最省时间。因为一旦出问题，低帧数和低分辨率跑一次只要一两分钟，你能快速迭代；直接上 24 帧高分辨率，跑一次要十分钟，失败一次就白等十分钟。
另外从那次爆显存之后，我每次换显卡驱动或者升级 ComfyUI，都会强制把这条 8 帧测试流程完整走一遍再继续做新东西，这已经成了习惯。希望这篇安装笔记能帮你把环境一次跑通，少走我走过的那段弯路。你照着装完、跑通这套流程之后，后面不管做风格迁移、多镜头拼接还是角色一致性动画，都会顺手很多。
本文还有配套的精品资源，点击获取
