ComfyUI-Videobearbeitung mit Audio: Workflow-Anleitung (2026)

KI-Übersicht

Wie schneidet man ein Video mit Audio in ComfyUI zu?

Teilen Sie das Video in Einzelbilder, Audio und FPS auf. Schneiden Sie die Einzelbilder zu, verbinden Sie das Audio erneut und exportieren Sie mit der ursprünglichen FPS.

Ändert das Zuschneiden eines Videos dessen Audio?

Räumliches Zuschneiden beeinflusst nicht die Zeitachse. Behalten Sie das ursprüngliche Audio bei, es sei denn, Sie trimmen, ändern die Wiedergabegeschwindigkeit oder ordnen das Video neu an.

Was ist der Unterschied zwischen Zuschneiden, Trimmen und Skalieren?

Zuschneiden ändert den sichtbaren Bildbereich; Trimmen ändert die Dauer; Skalieren ändert die Pixelabmessungen. Nur zeitliche Änderungen erfordern eine entsprechende Anpassung des Audios.

Warum exportiert ComfyUI ein zugeschnittenes Video ohne Ton?

Ein Bildbatch enthält kein Audio. Verbinden Sie einen AUDIO-Ausgang mit dem Videomontageknoten und wählen Sie ein audiofähiges Exportformat.

Wählen Sie die richtige Operation: Zuschneiden, Trimmen oder Skalieren

Zuschneiden des Bildes ohne Daueränderung

Ein praktischer ComfyUI-Workflow zum Zuschneiden von Videos mit Audio beginnt mit einer Entscheidung: Ändern Sie das Bild oder die Zeitachse? Für einen Landschaftsclip, der zu einem Porträt-Post wird, schneiden Sie das Bild zu. Behalten Sie die Anzahl der Einzelbilder, deren Reihenfolge und die Wiedergaberate unverändert, damit Sprache, Musik und Effekte ihre zeitliche Abfolge behalten.

Schalten Sie diese achtsekündige generierte Probe stummlos ein und vergleichen Sie die Stockbewegungen mit den Trommelklängen. Ein räumliches Zuschneiden sollte deren zeitliche Abfolge bewahren. Dies ist ein Beispiel für einen Quellclip, kein ComfyUI-Vorher-Nachher-Test.

Trimmen der Zeitachse und des passenden Audios

Das Entfernen einer Pause oder das Verkürzen einer Einleitung ist Trimmen. Schneiden Sie denselben Zeitabschnitt aus beiden Spuren. Das Löschen der ersten drei Sekunden der Bilder bei Beibehaltung des kompletten Soundtracks erzeugt sofort eine zeitliche Verschiebung – selbst wenn Rechteck und Exporteinstellungen korrekt sind.

Skalieren ohne Verzerrung des Motivs

Skalieren steuert die Ausgabegröße, nicht die Bildkomposition. Zuschneiden Sie zunächst das gewünschte Seitenverhältnis, dann skalieren Sie proportional. Falls alle Objekte sichtbar bleiben müssen, passen Sie das gesamte Bild mit Auffüllung (Padding) in die Ausgabe-Canvas ein. Das Strecken eines Landschaftsbildes in ein Hochformat macht Gesichter schmal und Produkte verzerrt.

ComfyUI-Videobearbeitung mit Audio: Knoten-Workflow

Erforderliche Knoten und Eingaben

Für den Kernknoten-Workflow verwenden Sie Load Video, Get Video Components, ImageCrop, Create Video und Save Video. Anzeigename variieren je nach Version; suchen Sie gegebenenfalls nach ihren Knotenkennungen. Beginnen Sie mit einer kurzen Quelldatei, die bereits mit Ton abgespielt wird. Notieren Sie vor der Bearbeitung Auflösung, FPS und Dauer.

ImageCrop arbeitet mit den dekodierten IMAGE-Einzelbildern, nicht direkt mit einem VIDEO-Objekt. Diese Unterscheidung ist entscheidend bei der Auswahl eines ComfyUI-Videozuschneideknotens: ein kompatibler Steckplatztyp ist nützlicher als ein ähnlich klingender Knotenname.

Originaltonspur beibehalten

Get Video Components extrahiert Bilder, Audio und FPS separat. Leiten Sie nur die Bilder durch den Zuschneidezweig; leiten Sie den Ton darum herum. Create Video akzeptiert diesen Ton beim Wiederaufbau des Clips. Der Inhalt der Tonspur bleibt erhalten, doch garantiert die Neucodierung keine bitgenaue Kopie des Audios. Zusätzlich sollten Farbraum-Metadaten – wo unterstützt – separat beibehalten werden, insbesondere bei HDR-Material.

Empfohlene Knotenverbindungen

Verwenden Sie diese Verbindungen für ein räumliches Zuschneiden ohne zeitliche Änderung:

Konvertieren Sie das FPS-Widget in eine Eingabe, falls Ihre Oberfläche dies erfordert. Wählen Sie MP4 mit einem kompatiblen Videocodec für eine breit abspielbare Ausgabedatei.

Speichern Sie den Graphen mit dem Quelldateinamen, den Zuschneidekoordinaten und den Exporteinstellungen. Belassen Sie die Originaldatei unverändert und benennen Sie jede Ausgabe nach ihrem Seitenverhältnis. Bei langen Clips testen Sie zunächst einen kurzen Abschnitt: Das Dekodieren des gesamten Videos in einen Bildbatch kann erheblichen Arbeitsspeicher beanspruchen, bevor das Zuschneiden die Dimensionen reduziert.

Verwenden Sie bereits Video Helper Suite? Sein alternativer Weg lautet Load Video-images → ImageCrop → Video Combine-images, wobei das Audio des Ladeprogramms mit Video Combine-audio verbunden wird. Passen Sie frame_rate an die geladene Sequenz an. Dies ist ein separater Montageweg, kein weiterer Knoten nach Create Video. Mischen Sie keine inkompatiblen VIDEO- und IMAGE-Steckplätze.

Zuschneiden eines Videos auf 9:16, 1:1 oder 16:9

Berechnen Sie die Zuschneideabmessungen

Für eine Quelle mit 1920 × 1080 ergeben diese Rechtecke exakte Seitenverhältnisse. Koordinaten beginnen in der oberen linken Ecke.

Beim Porträtbeispiel wird absichtlich etwas Höhe entfernt, um exakte, gerade Abmessungen zu nutzen. Skalieren Sie danach ggf. auf 1080 × 1920 hoch. Hochskalierung erhöht die Pixelanzahl, nicht aber die wiederherstellbare Detailtiefe. Beachten Sie zusätzliche Abmessungsanforderungen Ihres nachgeschalteten Modells oder Encoders.

Mittenzuschneiden versus motivationsorientiertes Zuschneiden

Mittenzuschneiden ist nur zuverlässig, solange die wichtige Handlung zentral bleibt. Bei einer Kochaufnahme bewahren Sie Gesicht, Hände, Ausguss und Tasse – nicht nur den Oberkörper der Person. Ein sich bewegendes Motiv benötigt möglicherweise einen breiteren Rahmen, Auffüllung oder einen Tracking-Workflow. Ein fester ImageCrop-Rechteck folgt keiner Bewegung automatisch.

Beispiel für eine generierte Komposition: Schützen Sie die gesamte Gießaktion beim Neuausrichten. Dies ist ein illustratives Standbild, kein Ergebnis der ComfyUI-Verarbeitung.

Vorschau vor der Verarbeitung jedes Einzelbilds

Überprüfen Sie den ersten, den mittleren und den letzten Frame sowie die größte Gestenbewegung, bevor Sie sich für die gesamte Sequenz entscheiden. Prüfen Sie Untertitel und Produktbezeichnungen in Randnähe. Rendern Sie eine kurze, zusammenhängende Probe mit passendem Audio und spielen Sie anschließend die gespeicherte Datei ab. Ein guter erster Frame kann nicht aufdecken, dass später im Verlauf eine Hand den Zuschneidebereich verlässt.

Video und Audio ohne Synchronisationsverlust beschneiden

Konvertieren Sie Frame-Nummern in Sekunden

Bei Material mit konstanter Bildrate entspricht die Zeit in Sekunden dem Frame-Index geteilt durch FPS. Bei 30 FPS beginnt Frame 90 bei drei Sekunden. Die Beibehaltung der Frames 90 bis 239 ergibt 150 Frames bzw. fünf Sekunden. Das zugehörige Audio-Intervall beginnt bei drei Sekunden und endet bei acht Sekunden.

Halten Sie die FPS während des gesamten Workflows konstant

300 Frames laufen bei 30 FPS zehn Sekunden, bei 24 FPS jedoch 12,5 Sekunden. Eine Änderung allein der Zusammensetzungsrate verändert die Wiedergabedauer, führt aber keine synchronisierte Konvertierung durch. In Video Helper Suite prüfen Sie auch die Einstellungen force_rate und Frame-Auswahl. Bei variabler Bildrate normalisieren Sie vor der Anwendung von Frame-Arithmetik auf eine konstante FPS mit synchronisiertem Audio. Siehe unser Leitfaden zur Bildwiederholrate für KI-Videos.

Beschneiden Sie Anfang, Ende oder beides

In aktuellen Core-Builds akzeptiert Trim Video eine Startzeit und Dauer im VIDEO-Stream; platzieren Sie ihn vor Get Video Components. Für das obige Beispiel verwenden Sie Startzeit 3 und Dauer 5. Stellen Sie sicher, dass das extrahierte Audio dasselbe Intervall abdeckt. Falls Ihr installierter Workflow Bilder und Audio separat beschneidet, wenden Sie dieses Intervall exakt einmal auf jeden Zweig an. Beschneiden Sie niemals bereits verschobenes Audio erneut.

Generiertes Synchronisationsszenario: Vergleichen Sie in einem echten Clip den sichtbaren Schlag mit seinem Klang an beiden Enden. Ein Standbild kann die Synchronisation nicht demonstrieren.

Fehlendes Audio, Drift und Exportprobleme beheben

Das exportierte Video enthält kein Audio

Spielen Sie die Quelle zunächst außerhalb von ComfyUI ab. Falls Ton vorhanden ist, prüfen Sie die AUDIO-Verbindung zu Create Video oder Video Combine. Ein Export als Bildsequenz oder GIF enthält keinen Ton. Überprüfen Sie die gespeicherte Datei in einem Player mit aktivierter Lautstärke – nicht nur in der Workflow-Vorschau. Das Generieren von Frames kann fehlendes Audio aus der Quelle nicht wiederherstellen.

Für eine zuverlässige ComfyUI-Prüfung der Audio-Video-Kombination hören Sie die gesamte kurze Exportdatei mit Kopfhörern ab. Stellen Sie sicher, dass das erste Wort vollständig erhalten ist, der letzte Ton nicht abgeschnitten wird und die Ausgabe den vorgesehenen Tontrack enthält – nicht stumm oder einen fremden Ton. Führen Sie diese Prüfung getrennt von der visuellen Freigabe durch.

Audio startet korrekt, driftet aber später

Eine zunehmende Drift deutet meist auf eine Zeitfehlanpassung hin: falsche FPS, übersprungene Frames oder eine variable Bildrate, die fälschlich als konstant interpretiert wurde. Vergleichen Sie die Anzahl der Frames geteilt durch die Ausgabe-FPS mit der geplanten Dauer. Eine konstante Verschiebung deutet stattdessen auf unterschiedliche Startzeiten hin. Prüfen Sie einen sichtbaren Aufprall früh und spät im Clip; eine einzelne Stichprobe kann sich ansammelnde Drift übersehen.

Das Video ist gestreckt oder falsch formatiert

Prüfen Sie das Seitenverhältnis vor der Größenänderung. Stellen Sie sicher, dass x plus Breite und y plus Höhe innerhalb der Quell-Dimensionen bleiben. Deaktivieren Sie einen zweiten automatischen Ausschnitt im Export-Zweig. Bewahren Sie ein hochauflösendes Master-Exemplar auf: Räumliches Beschneiden führt zu einer erneuten Komprimierung des Bildes, und wiederholtes Encodieren komprimierter Kopien kann Details verwischen.

Benutzerdefinierte Nodes fehlen nach dem Import des Workflows

Identifizieren Sie das fehlende Node-Paket und überprüfen Sie dessen vertrauenswürdiges Repository vor der Installation. Starten Sie ComfyUI neu und laden Sie danach den Workflow erneut. Notieren Sie die Paketversionen gemeinsam mit Ihren Einstellungen. Falls Sie lediglich einen festen Ausschnitt benötigen, versuchen Sie zunächst den Core-Node-Weg; ein umfangreiches heruntergeladenes Graph-Modell kann Abhängigkeiten einführen, die nichts mit Ihrer Bearbeitung zu tun haben.

Seedance Agent vor oder nach der ComfyUI-Bearbeitung nutzen

Generieren Sie von Anfang an das richtige Seitenverhältnis und Audio

Falls die Quelle einem engen Ausschnitt nicht standhält, beginnen Sie mit der geplanten Komposition. Nutzen Sie Bild zu Video für ein genehmigtes Produktbild oder Text zu Video für eine neue Szene. Fordern Sie Spielraum um Hände und wichtige Objekte an. Wählen Sie bei erforderlichem Ton ein audiofähiges Modell; die Fähigkeiten variieren. Unser Leitfaden zum nativen Audio erklärt, worauf Sie vor der Generierung achten müssen.

Lassen Sie den Agenten einen überprüfbaren Shot-Plan erstellen

Der Seedance Agent bietet eine Planungsphase vor der kostenpflichtigen Generierung. Geben Sie ihm Ihre Produktreferenzen, Zielgruppe, gewünschtes Seitenverhältnis und die wesentliche Aktion an. Prüfen Sie das vorgeschlagene Drehbuch und die Bildkomposition, bevor Sie die Generierung freigeben. Formulieren Sie konkrete Anforderungen wie „beide Hände und das Produkt müssen während der gesamten Szene sichtbar bleiben“. Dies reduziert unnötiges Nachjustieren, obwohl die generierte Ausgabe dennoch geprüft werden muss.

Nutzen Sie einen hybriden Produktionsworkflow

Verwenden Sie Seedance für fehlende oder ungeeignete Quellshots, dann ComfyUI für wiederholbare Ausschnitte und die passgenaue Audio-Zusammenstellung. Falls das vorhandene Material bereits gut ist, behalten Sie es bei: Eine deterministische Bearbeitung erfordert keine Neugenerierung. Fügen Sie Untertitel, Musikpegel und Timing mehrerer Shots in einem Editor ein; unser OpenShot-Bearbeitungsworkflow behandelt diesen Übergang. Prüfen Sie jedes ausgelieferte Seitenverhältnis unabhängig.

Fazit

Um Video mit Audio in ComfyUI zuzuschneiden, behandeln Sie Bildausschnitt und Timing getrennt: Beschneiden Sie die Bilder, bewahren Sie den Audio-Zweig auf und halten Sie die FPS konstant. Bei der Beschneidung geben Sie beiden Spuren dasselbe Intervall und überprüfen die exportierte Datei. Falls Sie zunächst eine bessere Quellkomposition benötigen, starten Sie Ihr nächstes Video mit Seedance Agent →.