My_Weakness的博客

将文本列表转换为整洁的字符串，便于展示和分析。最重要的作用是批量处理图像的功能，图像的选择有两种方式：第一种可以上传自己文件夹里的图片，第二种通过写批量提示词的方式来生成想要的图像。max_images ->要加载的最大图像数量 **设置为1，意味着节点将只加载一个图像，即start_index指定的图像。image_batch ->提供处理后的图像批次 **图像批次是一个集合，包含了所有经过批量处理的图像。IMAGE ->提供加载的图像数据 **可以连接到需要图像作为输入的节点，例如图像处理或显示节点。

通过这些节点，你将可以探索新的创作可能性，无论是在静态图像的精细调整，还是在动态动画的复杂构建上。使用的是dreamshaper_8大模型，和基本的文生图工作流类似，但是节点更全，像基础功能如人物一致性、多个提示词合并、切换不同大模型等操作起来更方便，其他节点我们会在下一教程中详细介绍。images ->加载预处理图像 **可以是用户上传的图片文件或是从预处理节点传递过来的图像信息。latent ->接收编码后的图像特征 **确保了图像生成流程中数据的连续性和一致性。

知识星球:71297236该星球不仅包含大量的节点详细介绍还定期做工作流分享以及思路详解，还会解决各种报错问题，欢迎大家加入！前言：本期分享一个人物一致性控制工作流，主要思路是通过固定随机数种子，定制潜空间噪声图案，提示词表情控制来实现任务一致性的控制，下面将进行工作流的讲解。***宏观工作流预览从宏观层面看，工作流主要有四部分组成，分别是提示词控制区域，主干道区域，潜空间控制区域和最终的图像预览区域。***提示词控制区域在提示词控制区域，我们设置了文本输入区域和SDXL Prompt Styler两个提示

ComfyUI的学习是一场持久战，当你掌握ComfyUI的安装和运行之后，会出现琳琅满目的节点，当各种各样的工作流映入眼帘，往往难以接受纷繁复杂的节点种类，本篇文章将以通俗易懂的语言，对ComfyUI的各种核心节点进行系统的梳理和参数的详解。

ComfyUI的学习是一场持久战，当你掌握ComfyUI的安装和运行之后，会出现琳琅满目的节点，当各种各样的工作流映入眼帘，往往难以接受纷繁复杂的节点种类，本篇文章将以通俗易懂的语言，对ComfyUI的各种核心节点进行系统的梳理和参数的详解。

ComfyUI的学习是一场持久战，当你掌握ComfyUI的安装和运行之后，会出现琳琅满目的节点，当各种各样的工作流映入眼帘，往往难以接受纷繁复杂的节点种类，tile_size -> 用来设定"块"的大小，比如1024*1024的图像可以通过设置512，来分成4块进行解码。upscale_model -> 使用到的放大模型 **放大模型种类较多，可自行尝试效果**本篇文章将以通俗易懂的语言，对ComfyUI的各种核心节点进行系统的梳理和参数的详解。

ComfyUI核心节点，讲解第一篇。

一共有三个输入，一个输出，destination可以理解为图片的最底层图层(即背景)，source是在背景之上的一个图层，mask是对source图层做的蒙版操作，假如是人物一键换背景，那么source就是人物图片，mask就是针对人物做的蒙版操作。链接：https://pan.baidu.com/s/1ca87CK70CYHmKhWIGmPG7g?pwd=wn2m 提取码：wn2m。最终的输出是一个latent，是噪声图片，所以这个节点是用在采样器前的潜空间生成阶段。分享一个工作流，主要就是用到了。

这里是我自己做的工作流，分别是图片载入，SAM自动进行图片根据提示词生成蒙版，然后是三个controlnet网络控制图片，随后是图片放大，工作流我会放在文档后面，大家下载之后，可以通过管理器进行安装，包括这个节点的安装。工作流链接：链接：https://pan.baidu.com/s/1eKP2r8uU_Tb5L41wr9CIQg?你也可以通过设置将参数转换成输入或者输出，这个节点还是挺方便的。结点将大模型，lora，vae，正反向提示词等等等都做了整合。这个nodes是我从油管大神哪里下载的。

comfyUI没法自动更新，没有办法自动下载模型，都可以通过这个方法解决。如果使用了clash，那么下面的解决办法可以帮助你。

这个问题发现是transformer版本和现在的BLIP不适合的问题，解决办法也很简单，就是重新安装teansformer包。第二步就是安装低版本的transformer。然后重启comfyUI，应该就可以了。