ComfyUI-Ovi
Character.AI के Ovi संयुक्त वीडियो और ऑडियो जनरेशन इंजन को नोड-आधारित ComfyUI वर्कफ़्लो में एकीकृत करता है।
सटीक रूप से नियंत्रित Ovi नोड्स का उपयोग करके सिंक्रनाइज़ वीडियो फ़्रेम और 16 kHz ऑडियो ट्रैक जनरेट करें।
ComfyUI-Ovi, Character.AI के दोहरे वीडियो और ऑडियो जनरेटर को सीधे ComfyUI पाइपलाइन में लाता है। मल्टीमीडिया स्थानीयकर्ता और वीडियो सामग्री निर्माता कस्टम वर्कफ़्लो नोड्स से सीधे सिंक्रनाइज़ स्पीच और वीडियो प्रॉम्प्ट जनरेट कर सकते हैं। यह ComfyUI के भीतर स्वचालित वीडियो अनुवाद या AI डबिंग पाइपलाइन बनाने वाले टीम के सदस्यों के लिए उपयुक्त है।
यह क्या है
यह नोड पैकेज सिंक्रनाइज़ वीडियो फ़्रेम और 16 kHz ऑडियो लेटेंट आउटपुट करने के लिए Character.AI के 11B Ovi मॉडल को ComfyUI में एकीकृत करता है। यह इंजन लोडिंग, परिशुद्धता स्विचिंग, अटेंशन बैकएंड चयन और लेटेंट डिकोडिंग के लिए समर्पित नोड्स प्रदान करता है। यह टूल मौजूदा Wan 2.2 VAE और UMT5 टेक्स्ट एनकोडर के साझा उपयोग की अनुमति देते हुए स्वचालित रूप से कोर संपत्तियों को प्राप्त करता है।
किसके लिए
यह मल्टीमीडिया स्थानीयकर्ताओं, AI वीडियो निर्माताओं और ComfyUI में स्वचालित वीडियो डबिंग या जनरेशन वर्कफ़्लो बनाने वाले तकनीकी अनुवादकों के लिए उपयुक्त है। इसे गैर-तकनीकी उपयोगकर्ताओं के लिए डिज़ाइन नहीं किया गया है जिनके पास मौजूदा ComfyUI वातावरण या हाई-एंड NVIDIA हार्डवेयर नहीं है। यदि आपके पास कम से कम 16 GB VRAM नहीं है, तो यह टूल नहीं चलेगा।
मुख्य विशेषताएँ
स्वयं-बूटस्ट्रैपिंग मॉडल लोडर
आवश्यक MMAudio संपत्तियों और Ovi फ़्यूजन वेट्स को सीधे आपकी ComfyUI निर्देशिकाओं में डाउनलोड करता है।
FP8 और BF16 परिशुद्धता टॉगल
आपको नोड ड्रॉपडाउन से सीधे पूर्ण परिशुद्धता और 16-24 GB VRAM मोड के बीच स्विच करने देता है।
अटेंशन बैकएंड चयनकर्ता
FlashAttention, SDPA, Sage और नेटिव अटेंशन ड्राइवरों के बीच रनटाइम स्विचिंग की अनुमति देता है।
घटक पुन: उपयोग समर्थन
डिस्क पर मॉडल फ़ाइलों को डुप्लिकेट किए बिना पूर्व-स्थापित Wan 2.2 VAE और UMT5 टेक्स्ट एनकोडर से जुड़ता है।
प्रति-नोड मल्टी-GPU लक्ष्यीकरण
उपलब्ध GPU का पता लगाता है और आपको लक्षित ग्राफिक्स कार्ड को विशिष्ट वर्कफ़्लो नोड असाイン करने देता है।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- Generates synchronized video latents and 16 kHz audio in a single pass
- Reuses existing Wan 2.2 VAE and UMT5 text encoder files to save storage space
- Supports runtime switching between FP8 and BF16 precision modes
- Includes per-node device selection for multi-GPU hardware setups
कहाँ कमी है
- निष्पादित करने के लिए न्यूनतम 16 GB VRAM और आधुनिक CUDA 12.x स्टैक की आवश्यकता है
- रिपॉजिटरी मेटाडेटा में कोई स्पष्ट ओपन-सोर्स लाइसेंस प्रदान नहीं किया गया है
- जनरेशन रन के बाद उच्च VRAM प्रतिधारण के लिए मैन्युअल मॉडल अनलोडिंग की आवश्यकता होती है
- एक कार्यशील ComfyUI वातावरण स्थापित करने और बनाए रखने की आवश्यकता है
मूल्य & लाइसेंस
कस्टम नोड्स डाउनलोड और उपयोग करने के लिए स्वतंत्र हैं। प्राथमिक वित्तीय लागत 11B मॉडल को संसाधित करने में सक्षम हाई-एंड GPU बुनियादी ढांचा चलाने से आती है।
हिंदी बोलने वालों के लिए जॉब्स
873 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
ComfyUI-Ovi चलाने के लिए क्या VRAM आवश्यक है?
आपको CPU ऑफ़लोड के साथ FP8 परिशुद्धता का उपयोग करके 16 से 24 GB VRAM की आवश्यकता है, या नेटिव BF16 मोड के लिए 32 GB+ VRAM की आवश्यकता है।
क्या ComfyUI-Ovi वीडियो के साथ-साथ ऑडियो भी जनरेट करता है?
हाँ, यह 16 kHz ऑडियो लेटेंट के साथ सिंक्रनाइज़ वीडियो फ़्रेम उत्पन्न करता है।
क्या मैं मौजूदा Wan 2.2 मॉडल फ़ाइलों का उपयोग कर सकता हूँ?
हाँ, Ovi Wan घटक लोडर नोड आपको अपने मौजूदा Wan 2.2 VAE और UMT5 टेक्स्ट एनकोडर की ओर इशारा करने देता है।
