# Pixelle-Video 本地模型配置完全指南
## 为什么使用本地模型
使用本地模型有以下几个核心优势：
– **零成本**：无需支付任何 API 调用费用
– **隐私安全**：所有数据均在本地处理
– **离线可用**：无需网络连接
– **自定义灵活**：可根据硬件配置优化
## 本地模型架构
Pixelle-Video 本地部署需要配置两类模型：
| 类型 | 用途 | 推荐工具 |
|——|——|———-|
| LLM（大语言模型） | 生成视频文案 | Ollama |
| 图像生成模型 | 生成视频配图 | ComfyUI + 本地模型 |
## Ollama 本地 LLM 配置
### 什么是 Ollama
Ollama 是一个本地大模型运行框架，支持在本地部署和运行各种开源 LLM。
**官网**：https://ollama.com
### 安装 Ollama
**macOS**
“`bash
brew install ollama
“`
**Linux**
“`bash
curl -fsSL https://ollama.com/install.sh | sh
“`
**Windows**
下载安装包：https://ollama.com/download
### 启动 Ollama 服务
“`bash
ollama serve
“`
服务默认运行在 `http://localhost:11434`
### 下载模型
Ollama 模型库地址：https://ollama.com/library
常用模型下载命令：
“`bash
# 下载 Qwen（通义千问）
ollama pull qwen2.5
# 下载 Llama 3
ollama pull llama3
# 下载 Phi-3
ollama pull phi3
# 下载 Gemma
ollama pull gemma
# 下载 Mistral
ollama pull mistral
# 下载 DeepSeek Coder
ollama pull deepseek-coder
“`
### 在 Pixelle-Video 中配置 Ollama
1. 打开「⚙️ 系统配置」
2. 选择 LLM 预设：**Ollama**
3. Base URL 填写：`http://localhost:11434`
4. Model 填写：你想使用的模型名（如 `qwen2.5`）
5. API Key：留空（本地部署无需 API Key）
6. 保存配置
### Ollama 常用命令
“`bash
# 查看已下载的模型
ollama list
# 删除模型
ollama rm modelname
# 复制模型
ollama cp source target
# 查看模型信息
ollama show modelname
“`
## ComfyUI 本地图像生成配置
### 安装 ComfyUI
“`bash
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
“`
### 启动 ComfyUI
“`bash
python main.py –listen 127.0.0.1 –port 8188
“`
### 下载图像生成模型
**Flux 模型下载**
1. 访问 HuggingFace：https://huggingface.co/black-forest-labs/FLUX.1-dev
2. 下载以下文件到 `ComfyUI/models/` 目录：
– `flux1-dev.safetensors`（主模型）
– `ae.safetensors`（VAE）
**SDXL 模型下载**
1. 访问 HuggingFace：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
2. 下载 `sd_xl_base_1.0.safetensors`
### 在 Pixelle-Video 中配置 ComfyUI
1. 打开「⚙️ 系统配置」
2. 图像配置选择：**本地部署**
3. ComfyUI URL：`http://127.0.0.1:8188`
4. 点击「测试连接」
5. 保存配置
## 硬件配置建议
### LLM 硬件需求
| 模型 | 最低显存 | 推荐显存 |
|——|———-|———-|
| Phi-3 | 4GB | 8GB |
| Gemma | 6GB | 12GB |
| Mistral | 6GB | 12GB |
| Llama 3 8B | 8GB | 16GB |
| Qwen2.5 | 8GB | 16GB |
| Llama 3 70B | 24GB | 48GB |
### 图像生成硬件需求
| 模型 | 最低显存 | 推荐显存 |
|——|———-|———-|
| SD 1.5 | 4GB | 8GB |
| SDXL | 8GB | 12GB |
| Flux (FP8) | 12GB | 16GB |
| Flux (FP16) | 24GB | 32GB |
## 完整免费方案配置
按照以下步骤配置完整的零成本方案：
### 第一步：安装 Ollama
“`bash
brew install ollama
ollama serve
ollama pull qwen2.5
“`
### 第二步：安装 ComfyUI
“`bash
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
“`
### 第三步：下载 Flux 模型
下载 flux1-dev.safetensors 和 ae.safetensors 到 ComfyUI/models/
### 第四步：启动服务
“`bash
# 终端1：Ollama
ollama serve
# 终端2：ComfyUI
python main.py –listen 127.0.0.1 –port 8188
“`
### 第五步：配置 Pixelle-Video
– LLM：Ollama，Model 填写 `qwen2.5`
– 图像：本地 ComfyUI，URL `http://127.0.0.1:8188`
## 性能优化技巧
### LLM 优化
– 使用量化模型（如 Q4_K_M）减少显存占用
– 调整上下文长度避免不必要的内存消耗
– 关闭不必要的模型后台进程
### 图像生成优化
– 使用 FP8 量化版本的 Flux 模型
– 调整生成步数（20-25 步通常足够）
– 合理设置图像尺寸
## 常见问题
**Q：Ollama 模型下载速度慢**
A：使用代理或选择较小的模型
**Q：ComfyUI 显存不足**
A：减小图像尺寸或使用量化模型
**Q：模型加载失败**
A：确认模型文件路径正确，文件名匹配