SeedVR2_comfyUI 是一款由字节跳动 Seed 实验室与南洋理工大学 S-Lab 联合开源的一步式图像高清修复模型，专为 ComfyUI 用户开发。该模型主打“一步推理、高保真、低延迟”，在图像超分上表现尤其亮眼，擅长恢复模糊图像的细节，被称为“目前模糊图像修复最强模型”。特别适合用于文字密集图像（如截图、扫描文档、老照片字幕）修复。模型通过对抗训练 + 特征匹配损失提升细节真实感，理论上对文字边缘锐化也有帮助。

🌟 SeedVR2_comfyUI 是一款由字节跳动 Seed 实验室与南洋理工大学 S-Lab 联合开源的一步式图像高清修复模型，专为 ComfyUI 用户开发，主打“一步推理、高保真、低延迟”，在图像超分上表现尤其亮眼。

🔍 该模型擅长恢复模糊图像的细节，被称为“目前模糊图像修复最强模型”，特别适合用于文字密集图像（如截图、扫描文档、老照片字幕）修复，通过对抗训练 + 特征匹配损失提升细节真实感，理论上对文字边缘锐化也有帮助。

🛠️ SeedVR2_comfyUI 支持多场景支持，适用于任意长度的图像，可处理从低分辨率（如 480p）到高分辨率（如 4K）的素材，显存优化支持 FP8 和 FP16 精度，针对低于 24GB VRAM 的 GPU 提供优化选项，通过动态卸载未使用的模型避免内存溢出，并具有自动模型下载功能，首次运行时自动从云端获取所需模型，简化用户操作。

🎬 典型应用包括影视修复，可将老旧模糊视频转换为高清画质，恢复细节如纹理、文字等；内容创作，提升短视频、广告等素材的视觉质量，尤其在处理动态场景时能保持时间一致性；科研与工业，适用于医学影像、监控视频等专业领域的细节增强。

一、模型介绍

SeedVR2_comfyUI 是由字节跳动 Seed 实验室与南洋理工大学 S-Lab 联合开源的 一步式图像高清修复模型 ，专为 ComfyUI 用户开发的插件版本，官方项目名为 ComfyUI-SeedVR2_VideoUpscaler 。它主打  “一步推理、高保真、低延迟”  ，在图像超分上表现尤其亮眼，被多位实测者称为“目前模糊图像修复最强模型“。

SeedVR2 在图像超分任务中表现突出，尤其擅长恢复模糊图像的细节，被称为“模糊高清修复真王炸”。

特别的，也适合用于文字密集图像（如截图、扫描文档、老照片字幕）修复。

模型通过对抗训练 + 特征匹配损失提升细节真实感，理论上对文字边缘锐化也有帮助。

基准测试

NVIDIA RTX4090 24GB 显存

模型	帧数	分辨率	批处理大小	执行时间 (秒)	FPS	备注
3B fp8	5	512x768 → 1080x1620	1	14.66 (22.52)	0.34 (0.22)
3B fp16	5	512x768 → 1080x1620	1	17.02 (27.84)	0.29 (0.18)
7B fp8	5	512x768 → 1080x1620	1	46.23 (75.51)	0.11 (0.07)	preserve_memory=on
7B fp16	5	512x768 → 1080x1620	1	43.58 (78.93)	0.11 (0.06)	preserve_memory=on
3B fp8	10	512x768 → 1080x1620	5	39.75	0.25	preserve_memory=on
3B fp8	100	512x768 → 1080x1620	5	322.77	0.31	preserve_memory=on
3B fp8	1000	512x768 → 1080x1620	5	3624.08	0.28	preserve_memory=on
3B fp8	20	512x768 → 1080x1620	1	40.71 (65.40)	0.49 (0.31)
3B fp16	20	512x768 → 1080x1620	1	44.76 (91.12)	0.45 (0.22)
3B fp8	20	512x768 → 1280x1920	1	61.14 (89.10)	0.33 (0.22)
3B fp8	20	512x768 → 1480x2220	1	79.66 (136.08)	0.25 (0.15)
3B fp8	20	512x768 → 1620x2430	1	125.79 (191.28)	0.16 (0.10)	preserve_memory=off (preserve_memory=on)
3B fp8	149	854x480 → 1920x1080	5	782.76	0.19	preserve_memory=on

功能特性：

多场景支持 ：适用于任意长度的图像，可处理从低分辨率（如 480p）到高分辨率（如 4K）的素材。显存优化 ：支持 FP8 和 FP16 精度，针对低于 24GB VRAM 的 GPU 提供优化选项，通过动态卸载未使用的模型避免内存溢出。自动模型下载 ：首次运行时自动从云端获取所需模型，简化用户操作。

典型应用：

影视修复 ：可将老旧模糊视频转换为高清画质，恢复细节如纹理、文字等。内容创作 ：提升短视频、广告等素材的视觉质量，尤其在处理动态场景时能保持时间一致性。科研与工业 ：适用于医学影像、监控视频等专业领域的细节增强。

更多详情请见：SeedVR2_comfyUI · 模型库

flux1-kontext-dev-fp8模型介绍可见：flux1-kontext-dev-fp8 · 模型库

二、部署过程

基础环境最低要求说明：

环境名称	版本信息 1
Ubuntu	22.04.4 LTS
Cuda	V12.8
Python	3.12
NVIDIA Corporation	RTX 4090

1.安装comfyui

1.1更新基础软件包

查看系统版本信息

# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等cat /etc/os-release

配置 apt 国内源

# 更新软件包列表apt-get update

这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。

# 安装 Vim 编辑器apt-get install -y vim

这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。

为了安全起见，先备份当前的 sources.list 文件之后，再进行修改：

# 备份现有的软件源列表cp /etc/apt/sources.list /etc/apt/sources.list.bak

这个命令将当前的 sources.list 文件复制为一个名为 sources.list.bak 的备份文件。这是一个好习惯，因为编辑 sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。

# 编辑软件源列表文件vim /etc/apt/sources.list

这个命令使用 Vim 编辑器打开 sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。

在 Vim 中，您可以使用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存更改并退出 Vim，或 :q! 命令不保存更改并退出 Vim。

编辑 sources.list 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。

使用 Vim 编辑器打开 sources.list 文件，复制以下代码替换 sources.list 里面的全部代码，配置 apt 国内阿里源。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

安装常用软件和工具

# 更新源列表，输入以下命令：apt-get update# 更新系统软件包，输入以下命令：apt-get upgrade# 安装常用软件和工具，输入以下命令：apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential

出现以下页面，说明国内 apt 源已替换成功，且能正常安装 apt 软件和工具

1.2 安装 Miniconda

下载 Miniconda 安装脚本 ：

使用 wget 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。

运行 Miniconda 安装脚本 ：

使用 bash 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。

# 下载 Miniconda 安装脚本wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 运行 Miniconda 安装脚本bash Miniconda3-latest-Linux-x86_64.sh# 初次安装需要激活 base 环境source ~/.bashrc

按下回车键（enter）

输入 yes

输入 yes

安装成功如下图所示

pip 配置清华源加速

# 编辑 /etc/pip.conf 文件vim  /etc/pip.conf

加入以下代码

[global]index-url = https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：

请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。在运行安装脚本之前，您可能需要使用 chmod +x Miniconda3-latest-Linux-x86_64.sh 命令给予脚本执行权限。安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 “yes” 以完成安装和初始化。安装完成后，您可以使用 conda 命令来管理 Python 环境和包。如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。

1.3 从 github 仓库 克隆项目

克隆存储库：

# 克隆项目git clone https://github.com/comfyanonymous/ComfyUI

请注意，如果 git clone https://github.com/comfyanonymous/ComfyUI 这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

1.4 创建虚拟环境

# 创建一个名为 comfyenv 的新虚拟环境(名字可自定义)，并指定 Python 版本为 3.12conda create -n comfyenv python=3.12 -y

1.5 安装依赖库

切换到项目目录、激活 comfyenv 虚拟环境、安装 requirements.txt 依赖

# 切换到 ComfyUI 项目工作目录cd /ComfyUI# 激活 comfyenv 虚拟环境conda activate comfyenv# 在 comfyenv 环境中安装依赖pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu128pip install -r requirements.txt

2. 下载模型相关文件

#激活虚拟环境conda activate comfyenv#使用modescope下载模型pip install modelscope

#切换到目录ComfyUI/models/cd ComfyUI/models/#创建SEEDVR2目录mkdir SEEDVR2

#下载模型至SEEDVR2目录下cd SEEDVR2modelscope download --model 'mirror013/SeedVR2_comfyUI' ema_vae_fp16.safetensors --local_dir './'modelscope download --model 'mirror013/SeedVR2_comfyUI' seedvr2_ema_3b_fp8_e4m3fn.safetensors --local_dir './

#切换到目录 ComfyUI/models/diffusion_modelscd ComfyUI/models/diffusion_models#下载模型，您可以根据自身需求下载，此处以 flux1-kontext-dev-fp8-e4m3fn.safetensors为例modelscope download --model 'AI-ModelScope/flux1-kontext-dev-fp8' flux1-kontext-dev-fp8-e4m3fn.safetensors --local_dir './' 

#切换到目录 ComfyUI/models/text_encoderscd ComfyUI/models/text_encoders#下载文本编码器，您可以根据自身需求下载modelscope download --model 'comfyanonymous/flux_text_encoders' clip_l.safetensors --local_dir './'modelscope download --model 'comfyanonymous/flux_text_encoders' t5xxl_fp8_e4m3fn_scaled.safetensors --local_dir './'

#切换到目录 ComfyUI/models/vaecd ComfyUI/models/vae#下载 VAE，您可以根据自身需求下载modelscope download --model 'black-forest-labs/FLUX.1-Kontext-dev' ae.safetensors --local_dir './'

3.下载节点插件

在 Comfy-UI-Manager 中搜索并下载下列插件：

Comfyui_TTP_ToolsetMasquerade NodesDerfuu_ComfyUI_ModdedNodesComfyUI_Patches_llWAS Node SuiteComfyUI-SeedVR2_VideoUpscalerComfyUI-ManagerComfyUI Impact PackComfyUI_LayerStylergthree-comfyComfyUI-Easy-UseComfyUI-KJNodescomfyui-mixlab-nodesComfyUI_Custom_Nodes_AlekPetefficiency-nodes-comfyuiComfyUI_essentials

4.构建工作流

工作流文件来自于孤海FOTO作者的分享，可点击如下链接进行获取。

分享文件：简易2K画质修复.json
链接：夸克网盘分享

5.使用 ComfyUI

#进入虚拟环境conda activate comfyenv#进入项目文件cd ComfyUI#启动python main.py --listen 0.0.0.0 --port 8080

访问以下 ComfyUI 页面（https://localhost:8080）