彻底解决 ComfyUI Mixlab 插件 Whisper.available False 的报错

优质文章学习记录

— 5 min read
彻底解决 ComfyUI Mixlab 插件 Whisper.available False 的报错
https://github.com/MixLabPro/comfyui-mixlab-nodes

彻底解决 ComfyUI Mixlab 插件 Whisper.available False 的报错

在 ComfyUI 中安装 Mixlab Nodes 插件后，控制台显示其他节点正常，便 Whisper.available False。即使环境里安装了 openai-whisper 和 faster-whisper，问题依然可能存在。

Whisper.available False

本文将分享如何通过修改 __init__.py 进行深度 Debug，并修复 Whisper.py 中的路径逻辑漏洞。

1. 深度排查：让报错“开口说话”

Mixlab 的默认日志只提示 False，不显示原因。为了抓出真凶，我们需要修改插件的入口文件：

  • 文件路径：custom_nodes\comfyui-mixlab-nodes\__init__.py
Win_ComfyUI\custom_nodes\comfyui-mixlab-nodes\__init__.py
  • 修改位置：约第 1455-1456 行（Whisper 检测块）。
  • 操作：将原本沉默的 except 块改为打印完整堆栈。

# 修改前 except Exception as e: logging.info('Whisper.available False') # 修改后 (增加 Traceback 打印) except Exception as e: import traceback logging.info(f'Whisper.available False. Reason: {e}') traceback.print_exc()

修改后重启，控制台显露真凶：

FileNotFoundError: [WinError 3] 系统找不到指定的路径。: '...\\models\\whisper'

2. 核心原因：路径初始化崩溃

排查发现，该问题并非依赖缺失，而是 nodes/Whisper.py 的代码健壮性不足：

  1. 代码在初始化时会强制扫描 models/whisper 文件夹。
  2. 如果用户尚未创建该目录，os.listdir() 会直接抛出异常导致模块加载失败。

3. 终极解决方案

第一步：手动创建目录

在你的 ComfyUI 的 /models 目录下，手动新建文件夹：whisper。

第二步：修复源码逻辑漏洞

打开 custom_nodes\comfyui-mixlab-nodes\nodes\Whisper.py，在 model_sizes 扫描逻辑前加入自动创建目录的判断。

Win_ComfyUI\custom_nodes\comfyui-mixlab-nodes\nodes\Whisper.py

# 确保目录存在，防止 os.listdir 报错抛出 WinError 3 if not os.path.exists(whisper_model_path): os.makedirs(whisper_model_path) # 此时再执行扫描逻辑，即使文件夹为空也只会返回空列表，不会导致加载失败 model_sizes = [ d for d in os.listdir(whisper_model_path) if os.path.isdir(os.path.join(whisper_model_path, d)) and os.path.isfile(os.path.join(os.path.join(whisper_model_path, d), "config.json")) ]

第三步：正确放置 CTranslate2 模型

由于代码检查 config.json，我们需要下载 Faster-Whisper 格式的模型（如 Systran/faster-whisper-tiny）。

https://huggingface.co/collections/Systran/faster-whisper
https://huggingface.co/Systran/faster-whisper-tiny/tree/main
# Download the model hf download Systran/faster-whisper-tiny
  • 工具：可以使用 hf-mirror 镜像下载。
  • 存放：将模型文件（model.bin, config.json 等）放在 models/whisper/faster-whisper-tiny/ 下。

正确的文件结构应该是：

H:\PythonProjects1\Win_ComfyUI\models\whisper\faster-whisper-tiny\ ├── config.json ├── model.bin ├── tokenizer.json ├── vocabulary.txt └── README.md (可选)

Mixlab 的这个节点通常支持以下两类模型：
• Faster-Whisper 模型：例如 tiny, base, small, medium, large-v3 的 CTranslate2 格式文件夹。
• OpenAI 原版模型：.pt 格式的文件。
可以先尝试方案 A，重启后看看控制台是否变成了 Whisper.available True。

确保环境里已经安装了 faster-whisper，接下来最关键的一步就是放置模型文件。由于代码逻辑里有一个硬性条件：模型文件夹内必须包含 config.json，这意味着它需要 Faster-Whisper (CTranslate2) 格式的模型。

如何获取并放置模型？

    • faster-whisper-tiny (体积小，速度极快)
    • faster-whisper-base (平衡性好)
    • faster-whisper-large-v3 (精度最高，中文识别强)
  1. 刷新节点：放好之后，你可以在 ComfyUI 中添加 Load Whisper Model ♾️Mixlab 节点，在下拉菜单里就能看到你刚放进去的文件夹名字了。

正确的文件结构：需要将下载的文件夹解压到 H:\PythonProjects1\Win_ComfyUI\models\whisper 目录下。结构必须如下所示： 

H:\PythonProjects1\Win_ComfyUI\models\whisper\ └── large-v3/ <-- 文件夹名随意，但里面必须有 json ├── config.json <-- 必须存在，否则节点识别不到 ├── model.bin ├── tokenizer.json └── vocabulary.json

下载模型：

https://huggingface.co/Systran

你可以从 Hugging Face 的 Systran 页面 下载。常用的模型包括：

4. 验证修复

重启 ComfyUI 后查看控制台日志输出以验证修复：

Whisper.available

可以看到控制台显示 Whisper.available 后面没有 False（或者显示了 True），就说明模块已经绕过了路径检查，成功加载到了 ComfyUI 中。

5. 经验总结

在开发 ComfyUI 插件或维护 Python 环境（如 EPGF 框架）时：

  1. Debug 优先：修改 __init__.py 打印 traceback 是定位插件加载问题的万能钥匙。
  2. 路径防御性编程：使用 os.listdir 前必做 os.path.exists 或 os.makedirs。

博主： AITechLab

时间： 2026年1月16日

Read more

GLM-4v-9b实战指南：用llama.cpp GGUF格式在消费级GPU部署多模态模型

GLM-4v-9b实战指南：用llama.cpp GGUF格式在消费级GPU部署多模态模型 1. 为什么你需要关注GLM-4v-9b 你有没有遇到过这样的场景：一张密密麻麻的财务报表截图发到工作群，大家却没人愿意花十分钟手动抄录数据；或者客户发来一张手机拍的电路板照片，问“这个元件型号是什么”，你只能回个尴尬的微笑；又或者团队正在做竞品分析，需要从几十份PDF产品手册里快速提取图表信息——这些不是小问题，而是每天真实消耗工程师、运营、产品经理大量时间的“视觉理解黑洞”。 过去，这类任务要么靠人工硬啃，要么得调用API付费接口，响应慢、成本高、隐私难保障。直到2024年，智谱AI开源了glm-4v-9b——一个真正能在你自己的RTX 4090上跑起来的90亿参数多模态模型。它不只是一张“能看图说话”的新名片，而是把高分辨率图像理解能力，塞进了一张消费级显卡的显存里。 重点来了：它支持原生1120×1120输入，这意味着你不用再把一张A4扫描件缩成模糊小图上传；它对中文表格、小字号OCR、技术类图表的理解，在公开评测中直接超过了GPT-4-turbo和Claude 3 Opus；

使用 VS Code 与 GitHub Copilot 高效 Vibe Coding 指南

欢迎大家关注「几米宋」的微信公众号，公众号聚焦于云原生、AI、服务网格、工具教程、技术观察以及日常感悟等内容，更多精彩内容请访问个人网站 jimmysong.io。 📄 文章摘要 掌握 VS Code 与 GitHub Copilot 的高效开发技巧，提升你的编程体验与效率，开启愉快的 vibe coding 之旅。 🔗 在 jimmysong.io 上 阅读原文 体验更佳。 最近一段时间笔者试用了众多的 vibe coding（氛围编程）工具，但是试用了一圈后，最终还是选择了 VS Code 与 GitHub Copilot 的组合。不为别的，就是因为最得心应手、性价比最高、最有可扩展性。本文将从环境配置、工作空间和插件、界面布局、
[AI工具箱] Vheer：免费、免登录，一键解锁AI绘画、视频生成和智能编辑

[AI工具箱] Vheer：免费、免登录，一键解锁AI绘画、视频生成和智能编辑

项目简介 今天偶然发现了个堪称“赛博活佛”的AI网站，名叫Vheer。它的作风相当大方，里面绝大部分功能都直接免费敞开用，就问你服不服。 文生图、图生视频、智能修图这些主流AI功能一个不落。点开就能用。而且非常的大气，比如抠图，别的网站按张收费，它直接让你一口气传20张照片自动处理，完全免费，甚至你去花时间不需要注册。 它几乎移除了所有上手障碍。网站首页清晰地排列着各种功能，没有晦涩的术语。你想把文字变成图片，或者让静态照片动起来，点开对应的按钮，输入你的想法，结果很快就能呈现在你面前。整个过程简单得就像在用一款普通的手机APP。 食用指南 访问地址 传送地址 官网的免费会员上面写的几个非常吸引人的地方，第一没有任何水印，第二生成图片视频这些是没有任何数量上的限制，只有高级别的模型和高速通道不能使用（但是实测下来，生成的速度也是相当不错）。 网站也提供了一些订阅模式，可以使用更高级的模型，但是这些高级模型需要消耗算力点。根据自己的需要看是否订阅。 由于功能实在太多了，强烈建议亲手测试一下 操作与体验——文生图 官网光一个文生图的功能就折腾出来了40多个功能，除了

从GAN到ChatGPT：AIGC技术演进与实战应用指南

快速体验 在开始今天关于 从GAN到ChatGPT：AIGC技术演进与实战应用指南 的探讨之前，我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来，但作为开发者，如何将大模型（LLM）真正落地为一个低延迟、可交互的实时系统，而不仅仅是调个 API？ 这里有一个非常硬核的动手实验：基于火山引擎豆包大模型，从零搭建一个实时语音通话应用。它不是简单的问答，而是需要你亲手打通 ASR（语音识别）→ LLM（大脑思考）→ TTS（语音合成）的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说，这是个绝佳的练手项目。 从0到1构建生产级别应用，脱离Demo，点击打开 从0打造个人豆包实时通话AI动手实验 从GAN到ChatGPT：AIGC技术演进与实战应用指南 技术背景：关键模型演进时间轴 2014年 - GAN横空出世 生成对抗网络(GAN)通过生成器与判别器的对抗训练，首次实现了高质量图像生成。核心突破在于：