Bernini-Full补档：Mllm开源、五图参考与视频编辑耗时

作者：@T8star-Aix

Bernini-Full补档：Mllm开源、五图参考与视频编辑耗时

一句话导读：这条补档视频继续测试 Bernini-Full 满血版开源后的实际可用性，重点看 Mllm 自动提示词、图像编辑、五图参考生视频、视频编辑和参考图换装，同时记录 RunningHub 上的实际耗时和分辨率取舍。

核心内容：
1. 作者先说明 Bernini 此前已经做过多次教程，这次补档聚焦完整版开源后的情况。完整版不只包含基础模型，还包括 Mllm、权重和推理代码；但原始模型体量很大，一整套可能超过百 GB，普通用户很难直接顺畅部署。
2. RunningHub 社区小伙伴把 Bernini-Full 做了复现和节点适配，让它可以在本地或 RunningHub 环境里尝试。作者提醒即使 48G 显存或更低显存能跑，也常常需要降低分辨率、帧数和视频时长。
3. Mllm 的价值在于自动生成或扩展提示词，减少手写复杂提示词的压力；代价是显存占用和推理时间明显增加。视频里 896x480 左右的图像编辑接近 9 分钟，1280x1280 图像编辑约 18 分钟。
4. 文生图表现作者评价一般，和之前蒸馏版接近，不是本次最推荐的方向。相比之下，图像编辑更突出，例如去掉自行车时，篮子、背景和主体关系保留得比较自然，整体听话程度不错。
5. 五图参考生视频是亮点之一。作者用多张参考图测试衣服、裤子、耳机、背景文字和雕塑等元素，模型对参考信息还原较好；但耗时很高，49 帧约 3 秒的视频跑了 2532 秒，若跑 5 秒可能超过一小时。
6. 文生视频方面，作者认为颜色和饱和度偏高，整体价值不如图像编辑和视频编辑；如果只是体验满血版能力，不建议把文生视频作为优先测试项。
7. 视频编辑和参考图+视频编辑更适合实际场景。比如给狗狗加雪人、视频换装等案例融合自然，对电商内容有潜力；但 49 帧可跑到 3300 秒，参考图视频任务还会更慢，需要把帧数降到 33 帧或把分辨率压到 512 级别先测试。
8. 作者还补充 RunningHub 618 活动不支持 API 调用，只能在网站上使用，但支持所有模型。实际测试时建议先低分辨率、短帧数、小场景验证，不要直接跑高规格多参考视频。
9. 总体判断是 Bernini-Full 的图像编辑、多图参考和视频编辑能力确实强，但模型体量、显存和推理时间仍是主要门槛。它更适合研究、工作流验证和高配置用户尝鲜，生产使用还需要等待更快的量化或蒸馏方案。

适合人群：关注 Bernini-Full、ComfyUI-RH-Bernini-Full、RunningHub 工作流、Mllm 自动提示词、多图参考生视频、视频编辑、电商换装和本地部署成本评估的用户。

相关夸克网盘链接：
未在视频简介、UP 置顶内容或首屏评论中发现夸克网盘链接。

补充说明：本文根据授权视频音频转写整理；视频简介提供了商用级图像/视频工作流、RunningHub 工作流和 ComfyUI-RH-Bernini-Full GitHub 项目页，建议结合原视频查看各工作流的画面效果和耗时。