MentorAI GPU 工作紀錄

單一入口，集中記錄 BYGPU / ComfyUI / LongCat / Wan / Z-Image 的工作狀態、生成耗時、交付品與下一步。新增紀錄先寫這裡，再同步到 CSV 或 Trello。

Updated
2026-06-14
Asia/Taipei

目前判斷

最快可用 talking-video
Wan2.2 S2V
約 13.55s / output-second
最高表情樣片
InfiniteTalk
短樣片可用，長版目前過慢
參考圖生成
Z-Image
後續 seed 約 4s / 張
長版風險
>70 min
InfiniteTalk 257 frames / 32 steps 推估

工作板

完成 5

ComfyUI + Cloudflare 已跑通

G49206 的 ComfyUI 可透過 momooAi.com 入口使用。

infradone
Wan2.2 S2V 本地工作流

Segment 01 輸出 10.31 秒，生成約 139.72 秒。

fastestlocal
Z-Image 老師參考圖

已選出溫和微笑、乾淨綠幕的男老師參考圖。

reference
Wan InfiniteTalk 81-frame 樣片

3.24 秒樣片已完成並傳 Telegram message 24。

sampleslow
模型耗時表

Markdown 與 CSV 已建立，後續生成需追加紀錄。

benchmark

觀察中 3

InfiniteTalk 長版太慢

257 frames / 32 steps 第一 sampler step 約 135.93 秒。

bottleneck
InfiniteTalk CFG 限制

`cfg=5` 會出現 audio batch shape mismatch；穩定值是 `cfg=1`。

known failure
Partner/API 節點未使用

Seedance / Kling 等 Partner nodes 需 Comfy API key 與 credits。

blocked

下一步 4

把新生成統一追加到本頁

不要只寫到 research 檔或 terminal log。

process
測 Wan2.2 S2V 品質參數

以 Wan2.2 S2V 作長段主線，嘗試提升表情但控制耗時。

quality
InfiniteTalk 只做短樣片

先用 81 frames 比較嘴型、表情與身份，不直接跑 10 秒以上。

cost control
若要 Trello，從本頁匯出

用本頁作單一資料源，再建立 Trello cards，避免雙寫。

trello-ready

最新交付

StudioV1 2026-06-21 Demo 工作紀錄

StudioV1 授權聲音教學影片 demo 的完整紀錄頁：可視進度、可回放素材、可比較版本、可追蹤驗收。

開啟 StudioV1 Demo 紀錄

Wan2.1 InfiniteTalk stable sample

輸出
wan21_infinitetalk_local_hq_sample81_stable_00001.mp4
工作流
wan21-infinitetalk-local-hq-sample81-stable.api.json
規格
832x480, 25fps, 81 frames, 3.24s
生成時間
267.06s
速度
82.43s / output-second
交付
Telegram message 24; Cloudflare Pages
結論
短樣片可用；不適合直接跑長版。

模型耗時表

Date Pipeline Params Output Gen sec Sec / out sec VRAM Status Notes
2026-06-13 Z-Image Turbo still reference 768x768; 8 steps; cfg=1.5; euler/simple PNG ~10 n/a n/r pass First run includes model load.
2026-06-13 Z-Image Turbo still reference 768x768; 8 steps; cfg=1.5; euler/simple PNG ~4 n/a n/r pass Later seeds.
2026-06-13 Wan2.2 S2V local smoke 512x512; 65 frames; 16fps; 8 steps; cfg=1 4.06s MP4 n/r n/r n/r pass Generation wall time not recorded.
2026-06-13 Wan2.2 S2V local segment01 512x512; 165 frames; 16fps; 8 steps; cfg=1 10.31s MP4 139.72 13.55 ~30GB pass Fastest usable talking-video branch so far.
2026-06-13 Wan2.2 S2V local composite 1920x1080; 30fps composite 70.83s MP4 n/r n/r n/a pass Composite render time not captured separately.
2026-06-14 Wan2.1 InfiniteTalk long attempt 832x480; 257 frames; 25fps; 32 steps target 10.3s MP4 229.10 projected slow ~40GB interrupted Step 1/32 took ~135.93s; projected >70 min.
2026-06-14 Wan2.1 InfiniteTalk bad CFG test 832x480; 81 frames; 20 steps; cfg=5 target 3.24s MP4 3.53 n/a ~27GB fail CFG/audio batch mismatch.
2026-06-14 Wan2.1 InfiniteTalk stable sample 832x480; 81 frames; 20 steps; cfg=1; audio_scale=1 3.24s MP4 267.06 82.43 ~31GB pass Telegram message 24.

單一來源與紀錄規則

新增紀錄規則

  1. 任何新生成先追加到本頁與 CSV，不只寫在聊天或 terminal。
  2. 生成時間使用 ComfyUI `Prompt executed in ... seconds`，不要把影片時長當生成耗時。
  3. 每筆至少記錄模型、workflow、解析度、frames、fps、steps、CFG、audio scale、VRAM、輸出路徑。
  4. 長任務先跑 81-frame 或 3-5 秒樣片，再決定是否跑完整段。
  5. 若要同步到 Trello，從本頁的工作板建立 cards，避免 Trello 與 repo 文件各寫各的。

資料來源

Benchmark Markdown docs/research/avatar-generation-benchmarks.md
Benchmark CSV storage/research/avatar-generation-benchmarks.csv
Published Dashboard mentorai-worklog.pages.dev
Expression Research docs/research/avatar-expression-control-models.md
RunPod Skill Reference skills/runpod-mentorai/references/comfyui-longcat.md