兄弟们，AI视频圈又炸了！
以前你想把视频里的人换成自己的照片，要么得手动一帧帧抠图，要么用那种效果贼差的换脸工具——出来的视频跟鬼片似的，脸是飘的，动作对不上，体态稍微不一样就直接翻车。
但今天要说的这个开源工作流，直接把这个问题干碎了。
它就是ComfyUI Scale 2 角色替换工作流——你只需要一张照片 + 一段视频，Scale 2 就能把视频里所有人的动作完美迁移到你照片的角色身上。而且最骚的是：不管你是真人换真人、卡通角色跳真人的舞，还是二次元妹子做广播体操，它都行。
最关键的是：完全免费，本地运行，12GB显存就能跑。
Scale 2 牛在哪？
先说说以前的技术有什么毛病，你才知道Scale 2为什么是划时代的。
之前的角色替换工作流（比如VamAnime）主要靠骨骼关键点匹配——就是检测视频里人物的关节位置，然后把你的照片贴上去。这有一个致命问题：如果照片里的人和视频里的人体态不一样（比如视频里是个胖子，你照片是瘦子），骨骼位置对不上，结果就崩了。
而且之前的方案还需要你手动框选要替换的区域，如果视频里有多个人，你得一个个点，极其麻烦。
Scale 2 的突破在于它用了全新的人物网格匹对技术。不是找骨骼，而是把人物轮廓转成网格，再用网格和网格做匹配。这就意味着：
✅ 跨体型迁移 — 不管胖瘦高矮，甚至卡通角色都能完美适配真人动作
✅ 多人替换 — 视频里有3个人跳舞？一次全换了，连肢体纠缠的复杂动作都能还原
✅ 无需手动选区 — 自动检测人物轮廓，你只管上传图片和视频
准备工作：你需要这些东西
在开始之前，先确认你电脑上有这些。少一样都跑不起来。
| 项目 | 要求 | 去哪弄 |
|---|---|---|
| ComfyUI | 最新版（至少2026年7月后版本） | GitHub搜索”ComfyUI”官方项目，下载整合包或手动安装 |
| 显卡 | 12GB以上显存（NVIDIA） | RTX 3060 12G / RTX 4070 / 4090 等 |
| 内存 | 32GB以上（推荐64GB） | Scale 2 分段渲染时可能吃掉大量内存 |
| Scale 2 主模型（FP8） | 约15GB，适合12GB+显存 | HuggingFace搜索”scale2 fp8″ |
| Scale 2 主模型（FP4） | 约10GB，省显存版 | HuggingFace搜索”scale2 fp4″ |
| RM3.1 抠图模型 | 约2GB，用于自动抠出角色 | HuggingFace搜索”rm3.1 background removal” |
| Scale 2 工作流文件 | JSON格式，拖入ComfyUI即用 | 网上搜索”Scale 2 ComfyUI workflow” |
⚠️ 注意：如果 HuggingFace 打不开（国内被墙），可以用百度搜索”Scale2 FP8 模型下载”或者”RM3.1 抠图模型”，一般有国内网友分享的网盘链接。不过个人更推荐直接挂个代理访问HuggingFace，模型版本最新最全。
Step 1：把ComfyUI更新到最新版
这一步被无数人跳过，然后跑来问”为什么报错”——ComfyUI 必须是最新版，Scale 2 需要新版内置的节点支持。
怎么更新：
# 如果你是git安装的，进ComfyUI目录运行： git pull # 如果你用的是整合包，去官网重新下载最新整合包 # 或者用一键更新脚本（大部分整合包都带）
验证是否更新成功：
# 启动ComfyUI，看控制台输出的版本号 python main.py # 看到类似 "ComfyUI v0.3.x" 的字样就对了
⚠️ 注意：如果不更新，运行 Scale 2 工作流时会报节点不存在错误。别问我怎么知道的，群里天天有人问。
Step 2：下载并放置模型文件
你需要下载以下模型，全部放进 ComfyUI 安装目录下的 models/ 文件夹里：
① Scale 2 主模型（二选一）
# FP8版 ≈15GB → 适合12GB+显存，效果最好 # FP4版 ≈10GB → 适合显存不大的显卡，效果稍差但也能用 # MX版 → 专门针对NVIDIA 50系显卡优化 # 下载后放到： ComfyUI/models/checkpoints/scale2_fp8.safetensors # 或 ComfyUI/models/checkpoints/scale2_fp4.safetensors
② RM3.1 抠图模型
# 用于自动剥离角色背景，让Scale 2准确识别替换主体 # 下载后放到： ComfyUI/models/rm3.1/rm3.1.safetensors
③ LoRA 加速模型
# 同样放到 models/ 下对应的文件夹 # 实测 i2v 和 t2v 类型的 LoRA 都可以用
验证模型放置正确：重启ComfyUI，在加载工作流后，检查节点上的模型选择下拉框里是否能找到你放的模型名。能找到就说明路径对了。
Step 3：加载 Scale 2 工作流
找到你下载的 Scale 2 工作流 JSON 文件，直接拖进 ComfyUI 网页界面就行。
加载后你会看到这样的结构：
工作流分几个大模块——其实你不用全看懂，只需要关注标红的参数设置区和素材上传区。其他节点都是自动串联好的，一个都别碰。
工作流模块一览： ├── 参数设置区（红色标记） ← 你只管改这里 │ ├── 视频分辨率（宽×高） │ ├── 帧率（fps） │ ├── 总帧数 │ ├── 提示词描述 │ └── 替换人数 ├── 素材上传区（红色标记） ← 这里传图片+视频 │ ├── 角色图片（要替换成的人） │ └── 驱动视频（要模仿的动作） ├── 模型选择区 → 选你下载的模型 ├── 抠图模块 → RM3.1 自动抠角色 ├── Scale 2 网格匹对模块 → 核心技术，自动匹配 ├── 分段渲染模块 → 每段81帧，自动接力 └── 视频封装模块 → 输出对比+单独视频
✅ 验证：拖入工作流后，所有节点应该显示为白色/连接状态，没有红色报错节点。如果有红色节点，说明缺模型或版本不对。
Step 4：设置参数（最核心）
在工作流的参数设置区，你要调这几个参数：
4.1 视频分辨率（宽×高）
根据你的显卡显存来设。右边的下拉框有常用分辨率可以直接选：
# 显存参考 12GB 显存 → 最高 768×768 或 832×480 16GB 显存 → 最高 896×512 或 1024×576 24GB 显存 → 可以干到 1040×1040（用FP4模型） # 经验：分辨率越高，人物细节越好，手指越自然 # 如果爆显存了，就降一档分辨率
4.2 帧率（fps）和总帧数
这两个决定了视频的流畅度和长度：
# 帧率建议 16 fps → 够用，动作基本流畅（推荐） 24 fps → 丝滑，但渲染时间多50% 30 fps → 电影级，等得起就上 # 总帧数：视频时长 = 总帧数 ÷ fps # 比如 81帧 ÷ 16fps ≈ 5秒视频 # Scale 2 是分段渲染的，每段81帧，超出会自动切到下一段
4.3 提示词（Prompt）
简单写一下就行，不要求复杂：
# 写清楚角色在干什么 "a person dancing" → 跳舞 "a woman playing basketball" → 打篮球 "a man walking" → 走路
4.4 替换人数
默认值是2。如果你的视频里只有1个人要替换，改成1。如果有3个人跳舞，改成3。
# 替换人数不要错，否则工作流不知道要替换几个角色 replace_count = 你视频里要替换的人数
Step 5：上传素材
在素材上传区，你需要准备两样东西：
① 角色图片 — 你想换成谁的照片
# 要求： # - 清晰正脸或半身照 # - 背景不要太复杂（RM3.1会帮你抠） # - 一个人一张图（多人替换请准备多张）
② 驱动视频 — 你要模仿的动作视频
# 要求： # - 视频里人物动作清晰 # - 不要太长（建议10秒以内） # - 多人视频建议先截一帧处理一下
⚠️ 注意：角色图片一定要和驱动视频里的人物”姿势方向”大致匹配。比如视频里人物是站着的，你上传一张坐着的照片，效果会打折扣。Scale 2 能跨体态，但不是魔法——基本的匹配逻辑还是要的。
Step 6：开始渲染！
所有参数设好，素材上传完，就可以点 ComfyUI 右上角的 “Queue Prompt” 按钮了。
Scale 2 采用分段渲染机制：
渲染流程： 第1段 → 采样区1（前81帧） → 完成后自动进入 第2段 → 采样区2（81-162帧） → 继续... 第3+段 → 分段循环模块（自动计算剩余帧数） 最后 → 封装模块（输出对比视频 + 单独迁移视频）
这种分段机制的好处是省显存——不用一次把所有帧全加载进显存，而是每段渲染完释放再加载下一段。
怎么判断在正常跑：
# 看ComfyUI控制台输出 # 正常跑的时候会有类似： "Sampling 1/81 frames..." "Segmentation 1 complete, moving to segment 2..." "Final compositing..."
渲染时间参考：
| 显卡 | 分辨率 | 5秒视频用时 |
|---|---|---|
| RTX 4060 12G | 768×768 | 约8-12分钟 |
| RTX 4070 Ti | 896×512 | 约6-8分钟 |
| RTX 4090 | 1024×576 | 约3-5分钟 |
⚠️ 注意：渲染期间尽量别动电脑，别开其他大软件。Scale 2 工作流在满载时可能吃掉高达49GB内存！如果你只有16GB内存，建议关掉所有浏览器标签页再跑。
进阶技巧：多人替换的正确姿势
视频里有2-3个人想一起换了？跟单人替换的流程差不多，但有一个关键步骤不能省——预处理角色图片。
怎么做：
1. 从驱动视频里截取一帧画面（人物姿势最清楚的那一帧） 2. 把这一帧 + 你想替换的角色图片 上传到 Midjourney 或 Leonardo AI 3. 输入提示词："把图1的男生换成图2，女生换成图3，保持图1的人物姿势不变" 4. 等AI生成替换好角色的预览图 5. 把这张预处理后的图片作为角色素材上传到 Scale 2 工作流 6. 替换人数设为你视频中的实际人数 7. 开跑！
为什么要多这一步？因为如果直接传单人照片去替换多人视频，Scale 2 不知道哪个角色对应哪张照片。预处理图片相当于”告诉”Scale 2：这个人站在哪个位置、什么姿势。
常见问题
Q：跑起来报”Out of Memory”怎么办？
三个方向排查：
① 降分辨率——这是最有效的。从当前分辨率往下降一档试试。
② 换FP4模型——FP4只有10GB，比FP8省5GB显存。
③ 关掉其他程序——特别是浏览器。Scale 2 分段渲染本身对内存要求就高。
Q：生成的角色脸不像怎么办？
检查你的角色图片是不是足够清晰。最好用正面照、五官清楚的照片。另外分辨率越高，人物细节保留越好。
Q：怎么找到 Scale 2 的工作流和模型文件？
模型文件去 HuggingFace 搜索 “scale2 fp8” 或 “scale2 fp4” 就能找到。工作流 JSON 文件可以在 GitHub 上搜 “ComfyUI Scale 2 workflow”，一般会有热心网友分享。如果在国内用不了 HuggingFace，试试在百度搜索 “Scale2 模型网盘下载”。
Q：驱动视频里的动作太复杂，效果不好？
Scale 2 对单人简单动作（走路、跳舞、挥手）效果最好。如果视频里涉及到抱人、翻滚、遮挡等复杂动作，效果会打折扣。建议从简单的动作开始练手。
Q：能不能替换视频里的脸但是保留原身体？
Scale 2 是做全身角色替换的，不是做换脸。如果你只换脸，可以试试其他换脸工作流（比如IPAdapter+FaceID）。
总结
Scale 2 是目前为止我见过最实用的开源角色替换工作流。它解决了两大历史难题——跨体态迁移和多人自动替换——而且门槛只有12GB显存。
对于AI视频创作者来说，这绝对是一个值得花时间研究的工作流。不管是做短视频、AI短剧、还是搞创意内容，Scale 2 都能帮你省下大量的后期时间。
最后给新手一个建议：先拿单人跳舞的视频练手，跑通了再挑战多人替换。一步一步来，你会发现这玩意儿真的太香了。