ComfyUI 基本T2I工作流
ComfyUI 是一个基于 节点工作流（Node Graph） 的 Stable Diffusion 推理界面。
特点
- 所有的流程都可视化
- 每一步可控（加载模型 / 编码 / 采样 / 解码）
- 适合复杂工作流：二创、视频、风格叠加、多 LoRA
简单来讲不光是输入prompt按下按钮就生成内容，而是搭建一条内容生产工作流。
最基础文生图T2I工作流如下：
模型文件
属于是整个工作流的大脑，模型文件一般存放在 ComfyUI/models/checkpoints/ 目录，常见的后缀有 .ckpt 和 .safetensors（更安全，推荐）。
Checkpoint
用于加载大模型（底模），会提供 CLIP 权重和 VAE 权重，可以分别接入到 CLIP 文本编码 和 VAE 解码。
CLIP 文本编码
因为模型不认识文字，只认识数字向量，所以它的唯一使命就是负责把传入的提示词转换成向量，参与模型计算。所以任何采样器前都必须有 Text Encode 。
存放在 ComfyUI/models/clip 目录下。
VAE
作用是在"模型能算的潜空间和最终能看到的内容"之间做翻译 。这里指的"潜空间"就是模型的高维向量世界，但我看大家都称为"潜空间"，模型所有的处理都是在这里面完成的。
比如一张图片要进入到模型内做运算，也需要通过 VAE 编码才能进入潜空间。反之，人要看到潜空间里的最终运算结果，也要通过 VAE 解码才能看到最终的内容。所以 VAE 在工作流里一定是最前和最后的。
存放在 ComfyUI/models/vae 目录下，有些 checkpoint 自带 VAE，但也可以外接更清晰的。
LoRA
这个属于"模型的微调补丁"，是基于某个模型训练出来，不是完整的模型。所以它需要叠加在模型上才可以使用，这里被叠加的模型就叫"底模"，并不是说必须指定某个底模才可以使用，但必须是同一个模型体系（比如 SD.1.5 / SDXL / FLUX）
一般流程就是： Checkpoint / Unet -> LoRA Loader -> K采样器
经典用途就是训练出某个特定的人脸、画风、服装、表情等，本质上就是模型的补丁。
K 采样器（KSampler）
最关键的节点之一，有很多参数直接关系到最终内容。
常见参数：
Seed 随机种子
通常会有一个随机数，让模型最终输出的内容变得不一样，一般来讲都会让他随机生成。如果种子一样，其他参数一样，那最终的结果也会几乎一样。
- 固定 seed: 用于微调参数对比效果
- 随机 seed: 抽卡，生产时使用
Steps 步数
就像人画一张图所需要的步数，这里大模型绘制时也需要。理论上越高细节就越多，但超过了一定值反而会起到画蛇添足的作用，就比如我画一张图只要20笔你却要我画100笔我只能乱涂了。
- 越高：细节越多，但对性能消耗也越高
- 收益递减
一般推荐图像是 20 - 50，视频 10 - 20，主要取决于大模型的能力。
CFG 提示词强度
控制模型的"听话程度"，一般模型越强这个值越低，我的粗略理解
- 低：更自由，可能跑偏
- 高：更贴近提示词，但可能比较僵硬
Denoise 降噪
这是个非常重要的参数，拿一个具体场景来说，比如在图生图I2I的过程中，我要对原来的图片进行调整（将背景改为故宫之类），在过程中就会在原来图片的基础上加上噪点。
通常文生图是1，因为是 0 到 1 的过程，在图生图中就需要调整这个值了 0.3 - 0.7 之间。太低的话原图几乎不变（没有噪点就不会做更改），太高的话直接变成新图（全是噪点就和原图没关系了）。可以理解为模型对内容的改变程度。
Sampler_name 采样器
数值积分方式，这个配置关系到取什么样的采样算法。
没有看到太多解释，看下来大家的经验建议就是：
- 写实：dpmpp2m
- 真人：dpmpp2m_sde
- 动漫：euler
Scheduler 调度器
可以理解为每一步噪点减少多少的时间分布。
这里我也无脑选大家建议的 karras。（前期更细，后期更快更稳）
Latent 画布
K采样器需要的参数，这个可以理解为潜空间里的画布，在进行一顿操作之后通过 VAE 解码输出到我们的眼前。
- 文生图的时候可以接一个空 Latent
- 其他需要传入图片的时候就需要用 VAE 编码到 Latent 再接进去
Workflow 工作流
ComfyUI 还有一个好处就是工作流可以直接导入，所以很多大佬会在各平台上传自己工作流。常见的比如图片转高清，图片放大，还有一些以前需要在 PS 才能完成的操作等。
页面推荐
C 站，可以下到很多资源： https://civitai.com/
提示词推荐：https://promlib.com/
评论 (0)
请登录后发表评论