ComfyUI进阶篇：ComfyUI核心节点(一)

前言：

学习ComfyUI是一场持久战。当你掌握了ComfyUI的安装和运行之后，会发现大量五花八门的节点。面对各种各样的工作流和复杂的节点种类，可能会让人感到不知所措。在这篇文章中，我们将用通俗易懂的语言对ComfyUI的核心节点进行系统梳理，并详细解释每个参数。希望大家在学习过程中培养自我思考的能力，真正掌握和理解各个节点的用法与功能。在实践中不断提升自己的技术水平。只有通过不断的探索和总结，才能在面对复杂的工作流时游刃有余。祝大家学习顺利，早日成为ComfyUI的高手！

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、Save image节点

九、文生图示例工作流

一、Load Checkpoint节点

在ComfyUI中，Load Checkpoint节点是一个非常重要的核心节点。其功能是加载checkpoint大模型，常用的大模型有sd1.0、sd1.5、sd2.0、sd3.0、sdXL等。

输入

ckpt_name  ->  自行选择在模型网站下载好的大模型（在用WebUI时下载了大模型的可以共享路径文件，节省磁盘空间）

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

·另加载大型模型时，可能会耗费较长时间或占用大量内存，确保系统资源充足，避免因资源不足而导致的加载失败。

二、Load Checkpoint with config节点

该节点是一个高级的节点，用于加载checkpoint大模型并同时应用config文件中指定的设置。

输入：

Config_name  ->  指定要加载的检查点文件的路径

Ckpt_name   ->  自行选择在模型网站下载好的大模型

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：确保checkpoint文件和config文件与当前使用的ComfyUI版本兼容

三、CLIP Set Last Layer节点

对CLIP进行微调并调整最后一层（Set Last Layer）。该节点用来设置选择CLIP模型在第几层的输出数据，提高模型在目标任务上的表现。

输入：

clip -> 接收用于对prompt进行编码的CLIP模型

输出：

CLIP  -> 具有新设置的输出层的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。

四、CLIP Text Encode (Prompt)节点

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

输出：

CONDITIONING   ->  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  

参数：

文本输入框   ->  输入需要模型生成的文本信息，正向提示词及反向提示词

注意：当前prompt仅支持英文的输入，但可通过安装插件实现中文实时翻译

五、KSampler节点

该节点专门用于逐步减少潜在空间图像中的噪声，改善图像质量和清晰度。

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（CONDITIONING） 

negative   ->    接收经过clip编码后的反向提示词的条件信息（CONDITIONING）  

latent_image   ->   接收潜空间图像信息

输出：

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

参数：

seed   ->  在去除图像噪声过程中使用的随机数种子。种子数有限，影响噪声生成的结果

control_after_generate     ->    指定种子生成后的控制方式

fixed代表固定种子，保持不变

increment代表每次增加1

decrement代表每次减少1

randomize代表随机选择种子

steps    ->  对潜在空间图像进行去噪的步数。步数越多，去除噪声的效果可能越显著

cfg      ->    提示词引导系数，表示提示词对最终结果的影响程度。过高的值可能会产生不良影响。

sampler_name     ->   选择的采样器名称，不同的采样器类型可以影响生成图像的效果，大家可以根据需求进行选择和实验

scheduler        ->   选择的调度器名称，影响生成过程中的采样和控制策略，推荐配置可提供更好的结果

denoise  ->  去噪或重绘的幅度，数值越大，图像变化和影响越显著。在高清修复等任务中，通常使用较小的值以保持图像细节和质量

六、Empty Latent image节点

该节点用来控制纯噪声的潜空间图像及比例。

输出：

LATENT     ->    输出指定形状和数量的潜空间图像

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等模型来说最佳尺寸为512*512

sd2.0、sd3.0等模型来说最佳尺寸为1024*1024

七、VAE Decode节点

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 采样器处理后的潜在空间图像, 用于后续的处理或展示

vae        ->   接收用于解码潜在空间图像的 VAE 模型, 大部分情况下，模型的检查点（checkpoint）会包含 VAE,当然也可以单独加载一个VAE模型

 输出：

IMAGE     ->   输出经过 VAE 解码后可直接查看的图像

八、Save image节点

该节点用来保存image图像

输入：

images    ->  保存图像

Tips：一般保存的图像会在你的ComfyUI文件夹中（eg：安装盘:\Comfyui\ComfyUI\output ） 

九、文生图示例工作流

熟悉以上所有节点之后，你就可以搭建第一个“文生图”工作流了

这里使用了sd1.5的大模型，所以latent图像设置512*512，正向提示词输入1 girl，反向提示词输入NSFW避免出现不能播的内容，采样器KSampler使用默认设置，最终出图如下：

                                孜孜以求，方能超越自我。坚持不懈，乃是成功关键。