【ComfyUI插件】ComfyUI核心节点(一)

啦啦啦的小黄瓜

已于 2024-03-18 11:26:00 修改

阅读量5.2k

点赞数 34

分类专栏： [ComfyUI节点库]CR_Comfyroll节点详解文章标签： stable diffusion AIGC AI作画

于 2024-03-17 13:04:59 首次发布

本文链接：https://blog.csdn.net/My_Weakness/article/details/136780407

版权

[ComfyUI节点库]CR_Comfyroll节点详解专栏收录该内容

7 篇文章 ¥59.90 ¥99.00

订阅专栏

本文详细介绍了ComfyUI的8个核心节点，包括Load Checkpoint、Load Checkpoint with config、CLIP Set Last Layer等，提供了节点的功能、输入输出参数说明，帮助用户理解并掌握在文生图工作流中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

知识星球已更新100+节点，每个节点详解讲解并且给出示例工作流，现阶段门票只需50元，欢迎大家加入很向我提问！！！！！！

知识星球ID：71297236

前言：

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，祝愿大家在学习的过程中掌握自我思考的能力，并且切实的掌握和理解各个节点的用法与功能。

目录：

一、Load Checkpoint节点

二、Load Checkpoint with config节点

三、CLIP Set Last Layer节点

四、CLIP Text Encode (Prompt)节点

五、KSampler节点

六、Empty Latent image节点

七、VAE Decode节点

八、Preview image节点

文生图示例工作流

一、Load Checkpoint节点

节点功能：该节点用来加载checkpoint大模型，常用的大模型有sd1.0,sd1.5,sd2.0,sdxl等等。

输入：

扩散模型的路径      **假如配置好了路径文件，模型可自行选择**

输出：

MODEL   ->    该模型用于对潜空间图片进行去噪
CLIP    ->    该模型用于对Prompt进行编码
VAE     ->    该模型用于对潜在空间的图像进行编码和解码

注意：StableDIffusion大模型(checkpoint)内置有CLIP和VAE模型。

二、Load Checkpoint with config节点

节点功能：该节点用来加载checkpoint大模型，常用的大模型有sd1.0,sd1.5,sd2.0,sdxl等等。

输入：

模型的配置文件，根据配置文件加载模型      **配置文件放在../models/configs文件夹内**
扩散模型的路径                            **假如配置好了路径文件，模型可自行选择**

输出：

MODEL   ->    该模型用于对潜空间图片进行去噪
CLIP    ->    该模型用于对Prompt进行编码
VAE     ->    该模型用于对潜在空间的图像进行编码和解码

注意：常规的Load Checkpoint节点，可以自行搜索并加载相应的配置文件。

三、CLIP Set Last Layer节点

节点功能：该节点用来设置选择CLIP模型在第几层的输出数据。

输入：

clip    ->     接收用于对prompt进行编码的CLIP模型  **比如来自Checkpoint的CLIP模型**

参数：

stop_at_clip_layer     ->    设置CLIP模型在第几层进行数据输出

注意：CLIP模型对prompt进行编码的过程中，可以理解为对原始文本进行层层编码，该参数就是选择我们需要的一层编码信息，去引导模型扩散。

输出：

CLIP     ->    具有新设置的输出层的CLIP模型。

四、CLIP Text Encode (Prompt)节点

节点功能：该节点用来输入正反向提示词，也就是“文生图”，“文生视频”中“文”的输入位置。

输入：

clip    ->     接收用于对prompt进行编码的CLIP模型

参数：

文本输入框     ->    输入需要模型生成的文本信息    **正/反向提示词**

输出：

COMDITIONING     ->    将文本信息通过CLIP模型编码，形成引导模型扩散的条件信息

注意：当前prompt仅支持英文的输入。

五、KSampler节点

节点功能：该节点用来对潜空间噪声图进行逐步去噪的操作。 **注意去噪的过程是在潜空间进行处理**

输入：

model       ->     接收来自大模型的数据流       
positive    ->     接收经过clip编码后的正向提示词的条件信息  **注意是条件信息，即COMDITIONING**
negative    ->     接收经过clip编码后的反向提示词的条件信息  **注意是条件信息，即COMDITIONING**
latent_image    ->    接收潜空间图像信息

参数：

seed     ->    该参数表示去噪过程中，噪声生成使用的随机数种子    **种子数有上限**
control_after_generate     ->      表示产生seed之后的控制方式，fixed代表固定种子，increment代表每次 增加1，decrement代表每次减少1，randomize表示种子随机选择。
steps    ->    该参数表示对潜空间图像进行指定步数的去噪。
cfg      ->    该参数为提示词引导系数，即提示词对最终结果会产生多大的影响。  **过高会产生负面影响**
sampler_name     ->   该参数表示您所选择的采样器名称 **采样器种类多且杂，大家可以自行实验验证结果**
scheduler        ->   该参数表示您所选择调度器的名称  **采样器和调度器的选择可以使用推荐配置**
denoise  ->  该参数表示去噪幅度/重绘幅度，值越大对图片产生的影响和变化越大   **高清修复一般使用较低的值**

输出：

LATENT     ->    经过KSampler采样器进行去噪后的潜空间图像

六、Empty Latent image节点

节点功能：该节点用来生成纯噪声的潜空间图像，并且设置图像的比例。

参数：

width     ->    要生成潜空间图像的宽度
height    ->    要生成潜空间图像的高度                   
batch_size     ->    需要生成多少张潜空间图像

注意：SD1.0,SD1.5等模型最常使用512*512的尺寸。 SDXL,SD turbo等最常使用1024*1024的尺寸。

输出：

LATENT     ->    输出指定形状和数量的潜空间图像

七、VAE Decode节点

节点功能：该节点用来将潜空间图像解码到像素级的图像。

输入：

samples    ->     接收经过KSampler采样器处理后的潜空间图像  
vae        ->     接收对潜空间图像解码使用的vae模型    **大部分checkpoint自带vae**

输出：

IMAGE      ->      输出经过vae解码后的像素级图像

八、Preview image节点

节点功能：该节点用来预览image图像。

输入：

images    ->     预览图像

文生图示例工作流：

学习完以上节点，您就可以搭建第一个“文生图”工作流了

这里使用了SDXL的大模型，所以latent图像设置1024*1024，正向提示词输入1girl，反向提示词输入NSFW避免出现不能播的内容，采样器使用默认设置，最终出图如下：

孜孜不倦,方能登峰造极。坚持不懈,乃是成功关键。