Bernini v2 в ComfyUI через Пользовательские ноды

Обзор

Полный Bernini v2 pipeline ранее можно было запустить только через официальный код diffusers от ByteDance. Пакет ComfyUI преобразует его в узловой рабочий процесс: дообученный планировщик Qwen2.5-VL с коннектором и декодер ViT в стиле MaskGIT преобразуют текст и визуальные данные источника в токены семантического плана, затем два совместно обученных Wan2.2 DiT (высокий шум и низкий шум, переключение на 0.875) рендерят видео, внедряя медиа источника как контекстные latents.

Планирование и рендеринг Bernini v2 pipeline работают как Пользовательские узлы ComfyUI. Источник: rzgar/Bernini-v2-ComfyUI

Шесть задач, один Рабочий процесс

Выбор задачи автоматический и зависит от того, какие входные медиа прикреплёны:

РЕКОМЕНДУЕМЫЕ Настройки: CFG 3, 16–50 шагов, семплеры UniPC / DPMPP_2M / EULER.

Файлы моделей

Пакет включает квантования FP8-scaled и NVFP4 обоих DiT, а также ассеты планировщика (MLLM, коннектор, ViT decoder, токены маски), которые размещаются в models/text_encoders/. Planner tokenizer и конфиги processor предоставлены отдельным zip в репозитории. Все компоненты перечислены на странице модели.

Предыстория: Bernini v2

ByteDance открыла исходный код полного фреймворка Bernini в июне 2026 года и упаковала его как Bernini-Diffusers-v2 13 августа. Рецепт обучения v2 разогревает коннектор тысячи шагов ДО совместного обучения, что улучшило редактирование с опорой и баллы OpenS2V (63.83) по сравнению с первым релизом diffusers. Во внутреннем слепом арене ByteDance Bernini занимает первое место среди коммерческих моделей с закрытым исходным кодом в области редактирования видео.

Фреймворк Bernini: семантический планировщик MLLM разбивает инструкции, рендерер Wan2.2 DiT создаёт видео. Источник: Страница проекта Bernini