SCAIL-2 模型快速部署指南：一份完整的 ComfyUI 安装与出片教程

SCAIL-2 模型快速部署指南一份完整的 ComfyUI 安装与出片教程【免费下载链接】SCAIL-2项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/SCAIL-2你有没有遇到过这种情况好不容易找到一个心仪的扩散模型下载完却不知道往 ComfyUI 的哪个文件夹里放界面里怎么都找不到它SCAIL-2 模型正是一个专为 ComfyUI 重新打包的扩散模型——一个仓库同时给出三种精度版本和一枚 DPO 优化的 LoRA让不同显存的电脑都能顺利跑起来。如果你正在为SCAIL-2 模型怎么安装到 ComfyUI发愁这篇文章就是为你准备的。我会带你从下载文件开始一步步走到真正生成出图全程只讲新手最需要知道的东西不绕弯子。本文关键词规划核心关键词SCAIL-2 模型长尾关键词SCAIL-2 模型怎么安装到 ComfyUI、ComfyUI 中 SCAIL-2 模型配置教程、SCAIL-2 三种精度版本选择指南、wan2.1_14B_SCAIL_2 模型加载方法、SCAIL-2 DPO LoRA 使用技巧、ComfyUI 扩散模型显存不足解决办法、SCAIL-2 模型生成工作流搭建为什么 SCAIL-2 值得你花十分钟先说结论SCAIL-2 是一个开箱即用的 ComfyUI 友好型模型。它基于 Wan 2.1 14B 架构由 zai-org 发布而你现在看到的这个仓库是专门为 ComfyUI 做了重新打包的版本——项目 README 里写得很直白Repackaged model files for ComfyUI。它最大的诚意在于一次给全✅三种精度版本丰俭由人——同一个模型按显存大小给了三种选择总有一款适合你的显卡 ✅DPO 优化的 LoRA 免费附赠——用偏好对齐训练过的 LoRA可以进一步提升生成质量 ✅文件名即说明书——fp16、fp8_scaled、mxfp8、DPO 这些后缀直接把怎么选写在了名字里。三个版本怎么选版本文件精度特点推荐显存适合谁wan2.1_14B_SCAIL_2_fp16完整精度质量上限最高16GB 以上追求极致画质、不差显存的玩家wan2.1_14B_SCAIL_2_fp8_scaled8bit 缩放量化质量损失小约 10GB 以上大多数中端显卡的甜点位wan2.1_14B_SCAIL_2_mxfp8MXFP8 压缩格式最省显存约 8GB 上下入门显卡、显存紧张的用户⚠️ 记住一个原则能用低精度跑就不要硬上高精度。显存不够时的体验是加载即失败比画质损失难受一百倍。后面我会教你怎么做决定。动手前的三件小事 开始前确认你的电脑满足下面这些条件可以省掉很多弯路已安装 ComfyUI任意方式安装的本地版都行只要能正常打开。NVIDIA 显卡优先有 CUDA 支持的 N 卡体验最好AMD 和 Apple Silicon 也能跑但速度会慢一些。准备好 git 工具用来克隆模型仓库。一切就绪那我们正式开始一共五步。第一步把模型文件拿到手 打开终端Windows 可以用 PowerShell 或 CMD执行git clone https://gitcode.com/hf_mirrors/Comfy-Org/SCAIL-2克隆完成后进入仓库你会看到这样的结构SCAIL-2/ ├── diffusion_models/ # 主模型三种精度都在这里 │ ├── wan2.1_14B_SCAIL_2_fp16.safetensors │ ├── wan2.1_14B_SCAIL_2_fp8_scaled.safetensors │ └── wan2.1_14B_SCAIL_2_mxfp8.safetensors ├── loras/ # LoRA 优化模型 │ └── wan2.1_SCAIL_2_DPO_lora_bf16.safetensors └── README.md # 官方说明文档这里要特别提醒一句模型文件体积很大走的是 Git LFS 大文件存储。如果你克隆后发现diffusion_models/里的文件只有一百多字节那其实是 LFS 的指针文件别慌补一条命令把真实文件拉下来cd SCAIL-2 git lfs pull 不想用 git也可以用 gitcode 网页上的下载 ZIP功能或者用支持 LFS 的下载工具逐个文件下载效果一样。第二步把模型放到 ComfyUI 认得出的位置 这是整个流程里最容易出错、也最值得记住的一步。ComfyUI 靠目录名来识别模型类型所以文件放错文件夹界面里就永远看不到它。你的 ComfyUI 安装目录下通常有一个models/文件夹我们只需要关心这两个子目录仓库里的文件应该放到的 ComfyUI 目录diffusion_models/*.safetensorsComfyUI/models/diffusion_models/loras/*.safetensorsComfyUI/models/loras/直接复制过去即可把路径换成你自己的 ComfyUI 位置# 复制全部主模型三个精度版 cp SCAIL-2/diffusion_models/*.safetensors /你的路径/ComfyUI/models/diffusion_models/ # 复制 LoRA可选但建议装上 cp SCAIL-2/loras/*.safetensors /你的路径/ComfyUI/models/loras/ 三个关键提醒不要改动文件名。ComfyUI 在界面里显示的模型名就是文件名改名容易搞混而且保存的工作流可能对不上文件夹名字必须一字不差diffusion_models不能写成diffusion_model复制完成后重启 ComfyUI或刷新模型列表新模型才会被扫描到。第三步按显存做一次三选一 ⚖️现在你手里有三个主模型但不需要全部放进去跑。怎么选照着下面这张决策图走就行显存16GB 及以上且不介意文件体积 → 选wan2.1_14B_SCAIL_2_fp16享受完整精度显存10GB16GB想要画质和速度兼顾 → 选wan2.1_14B_SCAIL_2_fp8_scaled这是最推荐的大众款显存8GB 上下或者想省磁盘空间 → 选wan2.1_14B_SCAIL_2_mxfp8跑得动才是硬道理。⚠️ 拿不准的话就从fp8_scaled开始试。它通常是最均衡的选择画质接近 fp16显存压力又小得多。先跑通再折腾其他版本不迟。第四步搭建工作流跑出第一张图 回到 ComfyUI最省事的方式是直接把模型文件拖进 ComfyUI 画布新版 ComfyUI 会自动生成对应的加载节点如果你用的是旧版界面也可以手动添加一个Load Diffusion Model节点在下拉列表里选择wan2.1_14B_SCAIL_2开头的模型。完整的生成链路大致是模型加载节点 → 采样器 → VAE 解码 → 预览输出。需要说明的是SCAIL-2 仓库提供的是扩散主模型和 LoRA工作流里通常还需要配套的 CLIP 文本编码器与 VAE 节点——这一步按你本地已有的 Wan 2.1 工作流模板接好即可把主模型换成本仓库的 SCAIL-2 文件就行。第一次测试推荐一组保守参数分辨率512×512先把流程跑通再谈大图采样步数25 步CFG Scale7.5采样器DPM 2M Karras提示词先用最简单的比如a beautiful landscape, high quality。点击Queue Prompt看到进度条走动就说明你的 SCAIL-2 模型已经正常工作了。第五步加上 LoRA把画质再顶一档 仓库里那枚wan2.1_SCAIL_2_DPO_lora_bf16不是摆设。它是用DPO直接偏好优化训练出来的 LoRA目的是让模型输出更符合人的审美偏好——简单说就是更容易生成讨喜的画面。用法三步在工作流中插入Load LoRA节点在节点里选择wan2.1_SCAIL_2_DPO_lora_bf16把 LoRA 节点连到主模型加载节点的输出上权重从0.60.8开始调。试着对比一下加与不加 LoRA 的同一句提示词你会直观感受到偏好对齐带来的差异。权重不是越大越好0.60.8 是大多数场景下的甜点区间具体可以按你的题材微调。踩坑指南新手最容易卡的四个地方 问题 1模型列表里找不到 SCAIL-2症状刷新列表、重启之后下拉框里依然没有。原因多半是文件放错了目录。解决回到第二步确认文件在ComfyUI/models/diffusion_models/下扩展名是.safetensors然后重启 ComfyUI。问题 2文件克隆下来只有一百多字节症状diffusion_models/里的文件大小显示 136B 之类。原因Git LFS 指针没有拉取真实文件。解决在仓库目录执行git lfs pull或用支持 LFS 的下载工具重新下载。问题 3报错 CUDA out of memory症状加载模型或生成时直接提示显存不足。原因当前精度版本对你的显卡来说超载了。解决换更低精度的版本fp16 → fp8_scaled → mxfp8降低出图分辨率用--lowvram参数启动 ComfyUIpython main.py --gpu-only --lowvram问题 4生成的画面模糊、细节差症状图能出来但质感不行。原因通常是步数不够或 CFG 不匹配。解决把采样步数提到 2530CFG 在 712 之间多试几个值换用 DPM 2M Karras 这类采样器确认主模型和 LoRA 都正确加载。一个完整的实战流程照抄就能跑通✅如果你想要一份从头到尾不用思考的清单跟着这个流程走# 1. 克隆仓库 git clone https://gitcode.com/hf_mirrors/Comfy-Org/SCAIL-2 # 2. 如果模型文件是 LFS 指针拉取真实文件 cd SCAIL-2 git lfs pull# 3. 复制模型到 ComfyUI中端显卡示例只用 fp8_scaled cp SCAIL-2/diffusion_models/wan2.1_14B_SCAIL_2_fp8_scaled.safetensors /你的路径/ComfyUI/models/diffusion_models/ cp SCAIL-2/loras/wan2.1_SCAIL_2_DPO_lora_bf16.safetensors /你的路径/ComfyUI/models/loras/然后重启 ComfyUI → 拖入wan2.1_14B_SCAIL_2_fp8_scaled.safetensors→ 接好 CLIP、VAE 与采样器 → 插入 LoRA 节点并设权重 0.7 → 提示词a beautiful landscape→ 25 步、CFG 7.5、512×512 → Queue Prompt。顺利的话几分钟内你就能看到第一张 SCAIL-2 作品。如果中途卡住回头对照上面的踩坑指南逐条排查问题基本都能定位。写在最后去生成你的第一张图吧 回头看SCAIL-2 的部署其实只有三件核心的事下载文件、放对目录、选对精度。剩下的参数调优都是可以慢慢玩的内容。我的建议是不要追求一步到位先用fp8_scaled版本把流程跑通再尝试换版本、调权重、加 LoRA每一次改动都记录下效果对比——你会发现模型部署这件事越动手越简单。现在打开你的 ComfyUI让wan2.1_14B_SCAIL_2出现在你的模型列表里吧。实践是最好的学习你的第一张 SCAIL-2 作品就等这一下了。【免费下载链接】SCAIL-2项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/SCAIL-2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考