ComfyUI 视频裁剪（带音频）：工作流指南（2026）

AI 概览

如何在 ComfyUI 中裁剪带音频的视频？

将视频拆分为帧、音频和帧率；裁剪图像帧；重新连接音频；按原始帧率导出。

裁剪视频会改变其音频吗？

空间裁剪不改变时间轴。除非同时修剪、变速或重排视频，否则应保留原始音频。

裁剪、修剪与缩放有何区别？

裁剪改变可见区域；修剪改变时长；缩放改变像素尺寸。仅当时间轴发生变化时，才需同步编辑音频。

为何 ComfyUI 导出的裁剪视频没有声音？

图像批次本身不含音频。需将 AUDIO 输出连接至视频合成节点，并选择支持音频的导出格式。

选择合适操作：裁剪、修剪或缩放

仅裁剪画面，不改变时长

实用的 ComfyUI 带音频视频裁剪流程始于一个关键判断：你是在调整画面还是调整时间线？例如将横屏片段转为竖屏发布，应裁剪画面——保持帧数、帧序和播放速率不变，从而确保语音、音乐与音效的时序精准保留。

请取消静音，聆听这段八秒生成样例，对比鼓棒动作与鼓声节奏。空间裁剪应完全保留二者时序关系。本例为源素材展示，非 ComfyUI 裁剪前后对比测试。

修剪时间线及对应音频

删除停顿或缩短片头属于修剪操作。需对画面与音频轨道同步切除相同时间段。若仅删去前三秒画面却保留全部音轨，即使裁剪框与导出设置完全正确，也会立即造成音画偏移。

缩放而不拉伸主体

缩放控制输出尺寸，而非构图。应先裁剪至目标比例，再等比缩放。若需完整显示所有对象，请用填充（padding）方式将整幅图像适配至输出画布。强行将横屏图像拉伸为竖屏，会导致人脸变窄、商品形变。

ComfyUI 视频裁剪（带音频）：节点工作流

必需节点与输入

核心节点路径需使用 Load Video、Get Video Components、ImageCrop、Create Video 和 Save Video。各节点显示名称因版本而异；必要时可通过节点标识符搜索定位。请从一段已能正常播放带声视频的短素材入手。编辑前记录其分辨率、帧率与总时长。

ImageCrop 作用于已解码的 IMAGE 帧，而非直接处理 VIDEO 对象。此区别至关重要：选择 ComfyUI 视频裁剪节点时，兼容的插槽类型比相似的节点名称更关键。

保留原始音轨

Get Video Components 将图像、音频和帧率（FPS）分别输出。仅将图像送入裁剪分支；将音频绕过该分支。Create Video 在重建片段时接收该音频。音轨内容得以保留，但重新编码无法保证生成逐比特（bit-for-bit）完全一致的音频副本。此外，在支持的情况下，应单独保留色彩空间元数据，尤其是处理 HDR 视频素材时。

推荐节点连接方式

以下连接适用于保持时序不变的空间裁剪：

若界面要求，可将帧率控件转为输入。为获得广泛兼容的交付文件，请选择 MP4 格式及兼容的视频编码器。

保存图表时注明源文件名、裁剪坐标与导出设置。原始文件务必保持未修改状态，每个输出文件应按比例命名（如 “xxx_9x16.mp4”）。对于长视频，请先测试短片段：将整段视频解码为图像批次可能在裁剪前就消耗大量内存。

已在使用 Video Helper Suite？其替代路径为：Load Video images → ImageCrop → Video Combine images，同时将加载器的 audio 连至 Video Combine audio。请将 frame_rate 设为所载序列的实际帧率。这是独立的合成路径，而非在 Create Video 后追加另一节点。切勿混用不兼容的 VIDEO 与 IMAGE 插槽。

将视频裁剪为 9:16、1:1 或 16:9

计算裁剪尺寸

以 1920 × 1080 源视频为例，下表给出精确宽高比对应的裁剪矩形。坐标原点位于左上角。

竖屏示例刻意略减高度，以获得精确且为偶数的尺寸。若交付要求为 1080 × 1920，可在裁剪后缩放。上采样增加像素数量，但无法恢复细节。请遵守下游模型或编码器提出的额外尺寸限制。

居中裁剪 vs 主体感知裁剪

仅当关键动作持续居中时，居中裁剪才可靠。例如烹饪镜头，需保留面部、双手、壶嘴与茶杯——而不仅是人物躯干。移动主体可能需要更宽画幅、填充（padding）或跟踪工作流。固定尺寸的 ImageCrop 矩形无法自动跟随运动。

生成构图示例：重构图时需完整保留倾倒动作。本图为示意性静态图，非 ComfyUI 处理结果。

处理每一帧前先预览

在提交完整序列前，检查起始帧、中间帧、结束帧以及动作幅度最大的帧。检查靠近画面边缘的字幕和产品标签。渲染一段包含匹配音频的连续短样本，然后播放已保存的文件。一个良好的首帧无法揭示后续过程中手部是否会移出裁剪区域。

无损音画同步地裁剪视频与音频

将帧编号转换为秒数

对于恒定帧率素材，时间（秒）等于帧索引除以帧率（FPS）。在30 FPS下，第90帧起始于3秒处。保留第90至239帧共150帧，即5秒。对应音频区间起始于3秒，终止于8秒。

全流程保持帧率一致

300帧在30 FPS下播放时长为10秒，但在24 FPS下为12.5秒。仅更改合成帧率会改变播放时长，但不会执行同步转换。在 Video Helper Suite 中，还需检查 force_rate 和帧选择设置。对于可变帧率素材，应在依赖帧数计算前，先将其归一化为恒定帧率并同步音频。参见我们的 AI视频帧率指南。

裁剪开头、结尾或两者

在当前核心版本中，Trim Video 接受VIDEO流的起始时间和持续时间参数；请将其置于 Get Video Components 之前。以上述示例为例，设起始时间为3、持续时间为5。确认所提取音频覆盖相同区间。若您安装的工作流分别裁剪图像与音频，请将该时间区间精确应用一次于每个分支。切勿对已偏移的音频再次裁剪。

生成的声音同步场景：在真实片段中，请比对两端可见敲击动作与其对应声音。静态图像无法演示同步效果。

解决音频缺失、音画漂移及导出问题

导出视频无音频

首先在ComfyUI外部播放源文件。若其有声音，请检查AUDIO输入至 Create Video 或 Video Combine 的连接。图像序列导出或GIF格式不携带原声轨。请在未静音的播放器中检查已保存文件，而不仅限于工作流预览。生成帧无法恢复源文件中本就缺失的音频。

为确保ComfyUI音画合成可靠，请全程佩戴耳机试听导出的短片。确认首词完整、末尾声音未被截断，且输出包含预期音轨而非静音或无关录音。此检查须独立于视觉审核进行。

音频起始正常但后期漂移

持续加剧的漂移通常指向计时错配：错误的FPS、跳帧，或把可变帧率输入误判为恒定帧率。将帧数除以输出FPS所得结果，与目标时长对比。若为固定偏移，则提示起始时间不匹配。请比对早期与晚期的可见冲击点；单点检测可能遗漏累积性漂移。

视频被拉伸或构图异常

检查缩放操作前的裁剪比例。确认 x + width 与 y + height 均未超出源尺寸。禁用导出分支中二次自动裁剪。保留高质量母版：空间裁剪会重编码画面，反复压缩编码将导致细节模糊。

导入工作流后自定义节点丢失

识别缺失节点所属包，并在安装前验证其可信仓库。重启ComfyUI并重新加载工作流。记录软件包版本与您的设置一同存档。若仅需固定裁剪，建议优先尝试核心节点方案；大型下载图谱可能引入与编辑无关的依赖。

在ComfyUI编辑前或后使用Seedance Agent

从源头生成正确比例与音频

若源素材无法承受严苛裁剪，请从目标构图起步。使用 图生视频 处理已批准的产品图，或用 文生视频 创建新场景。请求为双手及关键物体预留足够空间。如需音频，请选用支持原生音频的模型（能力因模型而异）；我们的 原生音频指南 列出了生成前需核查的要点。

让Agent构建可审阅的镜头方案

Seedance Agent可在付费生成前提供规划步骤。向其提供产品参考、目标受众、交付比例及核心动作。在批准生成前，审阅其提出的脚本与构图。加入具体要求，例如“全程保持双手与产品均可见”。此举可减少不必要的重构图，但生成结果仍需人工复核。

采用混合制作工作流

当缺少合适源镜头时，用Seedance生成；再通过ComfyUI完成可复现的裁剪与音画精准合成。若现有影像质量良好，请直接沿用：确定性编辑无需重新生成。字幕、音乐电平及多镜头节奏等收尾工作，请在专业剪辑软件中完成；我们的 OpenShot剪辑工作流 已涵盖该交接流程。每种交付比例均须独立复验。

结论

在ComfyUI中带音频裁剪视频时，应将构图与计时分开处理：裁剪图像、保留音频分支、全程维持帧率一致。裁剪时，为音画两轨指定完全相同的时间区间，并验证导出文件。若您需要更优的源素材构图，立即用Seedance Agent开启下一支视频 →