ComfyUI 视频局部重绘告别 EbSynth 闪烁的完整工作流配置

处理视频局部重绘（Inpainting）时，最关键的问题在于时序不一致性。KSampler 如果为每一帧生成独立随机种子，重绘区域的纹理就会在视觉上剧烈跳动（Flickering），最终看起来像一段低帧率 GIF。

过去只能把素材强行导入 EbSynth 做引导处理，或者将 Denoise 压到很低，但这些办法不仅会损失画面细节，整个流程也非常繁琐。

现在采用的优化方式，是在潜空间（Latent Space）中锚定前后帧特征，以关联噪声偏移代替完全随机噪声。这样能让相邻帧的潜空间分布保持接近，在 VAE 解码回像素空间后，也能维持画面的平滑度。

搭建工作流时，需要改变原有的单帧处理方式：将 video_frames 经由 VAE_encode 得到 masked_latent，再把它送入带有时序一致性约束的采样节点。

具体配置可以分为几个部分：

• 掩码处理： 不要使用边缘锐利的 Mask。即便完成时序对齐，只要 Mask 边缘过硬，仍会出现明显接缝。因此，Mask 在进入采样节点前必须经过羽化处理。
• 噪声控制： 避免让 KSampler 为每一帧生成独立随机种子，改用 temporal_consistent_noise 逻辑建立噪声关联。
• 参数调整：

- 初始测试时，将 denoise（去噪强度）控制在 0.4 - 0.6。
- 先用短片段跑通流程，确认画面没有剧烈闪烁。
- 确认时序稳定后，再逐步提升 denoise，进一步增强细节。

从底层逻辑来看，这套流程把原本分散的单帧图片重绘，转变为连续的潜空间操作。KSampler 在采样阶段利用关联噪声偏移，让重绘区域的像素沿时间轴保持连续。

实际操作中，可能遇到以下几类问题：

• 显存溢出（Out of Memory）： 视频帧数多、分辨率高时，潜空间锚定会消耗大量显存。可以把视频切片处理，或者减少单次参与采样的帧数。
• 画面模糊或细节丢失： 通常是为了追求稳定，把 denoise 设置得过低，低于 0.3。可以增强 Mask 的羽化程度，再尝试将 denoise 提升到 0.5 以上，依靠时序插件维持稳定，而不是依赖过低的去噪值。
• 接缝明显： 这类问题通常来自 Mask 边缘。如果画面有明显切割感，说明羽化半径不够，需要在 Mask 处理节点中增加模糊半径。

将这套流程完整放进 ComfyUI 后，就省去了 EbSynth 的后处理环节，同时还能实现像素级的精准控制。

目前采用的生产流程为：

视频输入 → Mask 羽化 → VAE Encode → 时序关联噪声采样 (Denoise 0.4-0.6) → VAE Decode

这套方式让 AI 视频重绘从随机的“抽卡”模式，转向更可预测的生产工具，尤其适合只修改背景细节或更换人物配饰的精准重绘场景。