ComfyUI Bernini-R 简介

Bernini-R 是字节跳动的 仅渲染器 Wan 2.2 模型，专为上下文内图像和视频条件控制设计。它使用一组条件流（源视频、参考图像、参考视频）来引导生成——无需 LoRA 训练或微调。

主要能力：

• 多种任务类型合一：图像/视频生成、编辑、重光照、风格转换、主体插入
• 上下文内条件控制：参考图像/视频作为视觉提示，以令牌方式注入
• 轻量级：仅渲染器模型——无需基于扩散的文本到视频骨干
• 灵活输入支持：单图或多图参考、视频到视频、参考引导编辑

Bernini-R 支持的六种任务类型：

模型下载

下载所需的模型权重并将其保存到对应的 ComfyUI 文件夹：

text_encoders:

• umt5_xxl_fp8_e4m3fn_scaled.safetensors

vae:

• Wan2_1_VAE_bf16.safetensors

loras:

• lightx2v_T2V_14B_cfg_step_distill_v2_lora_rank64_bf16.safetensors

diffusion_models:

• wan2.2_bernini_r_fp16.safetensors

ComfyUI/
├── models/
│   ├── text_encoders/
│   │   └── umt5_xxl_fp8_e4m3fn_scaled.safetensors
│   ├── vae/
│   │   └── Wan2_1_VAE_bf16.safetensors
│   ├── loras/
│   │   └── lightx2v_T2V_14B_cfg_step_distill_v2_lora_rank64_bf16.safetensors
│   ├── diffusion_models/
│   │   └── wan2.2_bernini_r_fp16.safetensors

示例工作流

1. 图像编辑

功能说明： 生成具有匹配光照的编辑图像，并查看前/后并排对比。适用于人像和产品重光照、照片集一致的光照、电商目录摄影。

运行步骤

1. 选择任务类型 — 选择你的任务（Image Editing、Subject to Image 等）
2. 连接输入 — 加载源图像和可选参考图像
3. 编写提示词 — 描述所需的编辑
4. 运行 — 点击 Queue 或使用 Cmd+Enter

参考图像输入： 当需要一张或多张参考图像时使用（主体、服装、场景、道具）。在提示词中使用 image0、image1 等来引用每张图像。图像编辑（Image Editing） 任务不需要此项——该任务使用 source_image 代替。

2. 视频编辑

功能说明： 使用 Bernini-R 生成具有一致重光照的编辑视频。连接源视频、可选的参考图像或参考视频，选择任务类型，编写提示词，然后运行。

运行步骤

1. 加载源视频 — 连接输入视频
2. （可选）加载参考 — 参考图像或参考视频
3. 选择任务类型 — v2v、rv2v、r2v 或 ads2v
4. 编写提示词 — 描述所需的编辑
5. 运行 — 点击 Queue 或使用 Cmd+Enter

参考图像输入： 当需要一张或多张参考图像时使用（rv2v、r2v、多件服装）。每张批处理的图像成为自己的上下文内令牌。如果参考物扮演不同角色，在提示词中使用 image0、image1 等。

社区资源

• Bernini GitHub (bytedance/Bernini) — 研究论文和任务文档
• Comfy-Org/Bernini-R — 官方 ComfyUI 模型权重
• Bernini: Latent Semantic Planning for Video Diffusion — 研究论文