m0_71745754的博客

ComfyUI 是一个开源的、基于节点的程序，主要用来根据提示词生成图像。它利用诸如 Stable Diffusion 这样的免费扩散模型作为基础，通过图形用户界面（GUI）让用户能够以一种更加直观和灵活的方式操作和管理图像生成的过程。工作原理ComfyUI 基于节点架构运作，界面元素被表示为相互连接的节点。每个节点都封装了特定的功能或行为，通过调整模块连接可以达到不同的出图效果。用户可以通过连接不同的节点来构建自己独特的图像生成工作流，就像为 AI 生成的图像构建一个视觉图谱。

这是一个关于模特智能换装的工作流，使用的主要节点是Joy_caption图片反推提取提示词，然后使用 Inpaint Crop分区重绘，分割选出除人物皮肤外的服饰遮罩。然后进行服饰重绘。以下是完整工作流：首先要上传服饰图片，可以定义上装和下装，图片尽量大些，清楚些。首先要上传服饰图片，可以定义上装和下装，图片尽量大些，清楚些。然后还需要上传一张人物模特姿势图。服饰将来就要穿在该模特身上（只更改角色服饰部分）。

1.Krita结合comfyui，根据各自的长处，可以更加方便、高效的生成AIGC图片。相比comfyui节点，学习成本少一些。\2. 使用comfyui 的Scribble 涂鸦 功能能够轻松使涂鸦草稿生成真实角色人物。3.flux对硬件要求较高，且不支持Scribble 涂鸦，所以先使用sdxl模型生成低质感的图片，再由flux模型优化。为了帮助大家更好地掌握 ComfyUI，我在去年花了几个月的时间，撰写并录制了一套ComfyUI的基础教程，共六篇。这套教程详细介绍了。

*本文为第一篇.AI认知篇**本文主要回答几个问题**MJ和SD都有什么区别？ComfyUI工作流是什么？为什么AI需要"可控"?****AI这么强大还需要学习3D吗？**所以本篇主要讲的是ComfyUI是什么？和传统的WebUI以及Midjourney都有什么区别.相信看完本篇大家都可以对这些AI工具有着初步了解。关于AI的绘画工具,市面上大体上只有两种,即是Midjourney(简称MJ)和Stable Diffusion(简称SD)。**

ComfyUI 中的节点是 ComfyUI 工作流中的核心组件（可以理解为乐高的积木块），它们代表了不同的操作和功能。节点可以是采样器、模型、提示词等，通过节点之间的连接，我们可以构建出复杂的工作流程。节点的配置和连接方式直接影响最终的输出结果。首先注意，安装节点，需要我们配置好可以访问外网的环境（你懂的）。安装Comfyui节点包有三种方式。Git 是非常强大的软件版本管理工具，下载和更新开源项目都靠它。安装 Git 是为了能够使用 Git 进行版本控制和代码管理。

2. 用记事本打开该文件，将 base_path: path/to/stable-diffusion-webui/ 改为真实的SD-WebUI路径，例如：base_path: D:/AIGC/StableDiffusion/stable-diffusion-webui/。如果你对Stable Diffusion模型的工作原理还不了解，建议你先看懂以下两张图，再去对照ComfyUI的默认工作流，它呈现了Stable Diffusion的核心要素和基本原理。：图形处理单元是运行深度学习模型的关键。

而一般的降噪过程总是从一个比较高的值（sigma），非常迅速地下降到一个较低的值（sigma），这个值随着步数增加不断下降到一个非常低的值。factor因子：就是将每一步降噪所的值（sigma）乘以factor因子这系数，根据之前讲过的原理，sigma值越低，引入的噪声就越多，就会使整个图片的构图变化很大。最后，再啰嗦一下，sigmas值还是需要多调调，这个值是跟着采样器，提示词的强度等有关的，不是一尘不变的。从图片来看，这个“躺平”节点生成的图片可以说是在增加细节的同时，对原图变动最少的。

大家好，8天的春节假期快过完了。这个假期AI界的新闻都给Deepseek给淹没咯。今天，老金就给大家分享一个基于本地部署的Deepseek-R1模型的新用法，帮助我们在Comfyui中扩写提示词。老金给大家分享的是使用Deepseek-R1模型对提示词进行扩写的工作流：这个工作流涉及多个comfyui节点的使用，接下来，老金就给大家逐个讲解。我们先来看这部分节点，老金使用了一般模型加载和GGUF模型加载节点，大家可以根据自己的机器显存大小灵活选择相应节点。

这里为了帮助大家更好地掌握 ComfyUI，分享一套字节大佬整理的ComfyUI工作流集合，其包含了很多好玩有趣，但又有点复杂的工作流节点和json配置。随着理解的深入，你将能够根据自己的需求创新和搭建属于自己的工作流。对于初学者来说，最佳的学习方法是以这些现成的工作流为模板，一步步地复刻并理解它们。WebUI 能用的功能，ComfyUI 都有对应的功能，并且可控性更胜一筹，相反，ComfyUI 的功能，大部分是 WebUI 无法使用的。大部分的更新，都是特别微小的更新，界面改动频率极低；

蛇年春节前，DeepSeek陆续发布了 v3版本和r1版本，除夕夜发布了Janus-Pro，引起了轰动。整个春节假期，DeepSeek在github和huggingface屠榜。同时，DeepSeek也遭到了国家级的DDoS攻击，服务时不时中断，严重影响了广大AI爱好者的体验。我申请的API服务，半个晚上只能输出error。好在年初二早上基本恢复了正常（联网功能还是时断时续）。DeepSeek最大的功劳，是把AI的成本打到了最低。OpenAI试图构建一个巨额资本打造的护城河，然后关门收钱。

这里为了帮助大家更好地掌握 ComfyUI，分享一套字节大佬整理的ComfyUI工作流集合，其包含了很多好玩有趣，但又有点复杂的工作流节点和json配置。因为这是和DeepSeek直接交互，所以可能会出现DeepSeek自作主张的解释内容，为了方便绘画，可以让DeepSeek“闭嘴”不说无用词。尽管有很多提示词工具，但在SDXL、Flux时代，需要对提示词进行非常详尽的描述，同时还要考验英文水平。用英文描述战斗的蒂法，用于SDXL模型的AI绘画提示词，输出内容直接使用，请勿输出无关内容，不要有引号。

这里为了帮助大家更好地掌握 ComfyUI，分享一套字节大佬整理的ComfyUI工作流集合，其包含了很多好玩有趣，但又有点复杂的工作流节点和json配置。Comfyui在室内设计领域的应用彰显了其强大的工作流程生成能力，为室内设计师提供了一个无与伦比的工具，以高效、直观的方式创造和呈现设计概念。这些预处理器负责分析您上传的图像，是将您的设计愿景变为现实的关键的第一步。它不仅简化了设计流程，还提高了设计质量，使得室内设计师能够更加专注于创造性工作，从而推动了整个行业的创新和发展。让小白也可以秒变设计师！

学习使用 ComfyUI 最痛苦的是什么？我想就是频繁的报错信息了，处理完一批又一批，很多人玩了几天被搞得头晕脑胀，因此就放弃了。以我的使用经验，ComfyUI 最常见的问题主要出在以下两个方面：1，模型无法下载2，插件报错首先，我们要知道 ComfyUI 是一个开源的项目，它的本体和插件更新频率都非常高，而更新又需要连接外网。所以，学习 ComfyUI 第一步就是搞好自己的魔法网络，保持与外界联系畅通无阻（介于客观原因这里就不细说，自行寻找办法吧…）

一、先说下 ComfyUI的几种方法1、从节点库查找节点点击工作办面左侧的”节点库“可以查看节点，鼠标放在节点名字上时，右侧还有节点样式的预览。2、工作区空白处右击，新建节点在鼠标右击的菜单里，根据节点的分类，也可以很快的找到相应的节点。2、工作区空白处双击，查找节点在工作区空白处鼠标双击，可以调出一个搜索框，你只要输入节点的名字，就可以快速根据关键词查找节点。如果你的 ComfyUI 不支持中文查找节点，记得在设置里将语言设置为中文。

ComfyUI 是一个专门为 Stable Diffusion 设计的基于节点的图形用户界面（GUI），通过。

得益于AI技术的进步，图像处理的难度日益降低，特别是在动漫与插画风格的设计领域。我要向大家介绍一个既简单又高效的ComfyUI工作流程——图像转线稿工作流程（Anyline结合MistoLine）。此流程能够迅速将照片转化为动漫风格的线条图，同时保留其艺术韵味与可调节性，无需繁琐的步骤，极为适合创意专业人士及爱好者采纳。此工作流程的精髓在于AnimeLineArt动漫艺术线条预处理模块，它负责处理上传的图像，将其转化为线稿形式，并以黑白色调呈现，从而生成一幅鲜明的动漫风格线条图。用户仅需上传一张图片，因为所

今天的主题：扩图，作为 AI 绘画中的一个分支功能，听雨觉得也是有必要讲一下的，Flux 的生态里咋能没有扩图呢，是吧！我们今天就来聊聊 Flux 的扩图，社区也看到了一些扩图工作流，要不然就是比较复杂，要不然就是效果不太好，今天给大家分享一个简单但是很好用的 Flux 扩图工作流。好了，话不多说，我们直接开整。怎么样，效果还可以吧，工作流其实也是蛮简单的，我们直接上工作流。

可以看到以上的工作流主要分成三个部分，从左往右的第一个部分主要就是上传参考图片，以及 Flux 模型加载，这里的 Flux 模型加载也可以换成「UNET加载器」或者「GGUF」，看自己喜欢。该功能的插件已经由 comfyui 开源社区的大佬进行了开发支持，我们只需要在 comfyui 管理器中搜索：ComfyUI-Fluxtapoz，直接安装就可以了，不需要下载额外的模型。左边是参考图，右边是最终的出图效果，从整体的背景以及构图风格上来讲迁移的还是很不错的。

然后再讲一下 **ComfyUI 工作流画廊，**这个就有意思了，里面是大家分享的工作流，我们如果不知道自己的工作流怎么搭建，可以去这里找到自己的喜欢的工作流下载下来作为我们自己的工作流使用。弹出的页面也很简单，这个页面上就是 ComfyUI 支持的插件列表，相当于一个插件市场，我们可以搜索我们想要的插件，然后点击安装就可以了，如果插件有更新，最右边还会新增一个。，点击打开是下图这样的。，选择我们喜欢的图片，点击进去，然后点击右上角的下载按钮下载工作流图片，再然后直接把工作流图片拖进我们的。

对AI绘画Stable Diffusion有一定了解的人，一定眼熟它的操作界面，自从Stable Diffusion开源以后，就有社区开发者推出了方便用户使用的图形界面，其中就一款就是最常见的，但要论专业度，接下来要介绍的*，就是一款专业程度较高的Stable Diffusion图形界面，它收到了全球AI创作者的追捧，但与Web UI不同的是，。

如果你看各种对比评测，还会发现 ComfyUI 在性能上会比 SD WebUI 更好，但在能力的覆盖上会比 SD WebUI 要差，比如 ComfyUI 的 Inpainting 的编辑器就比 SD WebUI 的编辑器要差。而且不是单纯地使用 AI。你还需要学会如何调整 AI，从而让它切合你的工作流，甚至改造你的工作流。这意味着你可以将产品与你的工作流结合，从而提高你的工作效率，甚至改造你的工作流。因为它的学习成本低，你可以很快地学会如何使用，而且它的产品功能也比较完善，你可以很快地制作出一些图片。

comfyUI自从面世以来，就以一种潜力股的姿态快速流行了起来，越来越多的小伙伴开始使用comfyUI。也许你一开始会被comfyUI密密麻麻的“线路”吓到，但其实comfyUI也没那么复杂，并且好处多多。本文将带大家一起，快速了解一下comfyUI的优势，尝试解释为何它这么流行。

（5）可忽略输入负面提示词，单靠正面提示词即可准确输出通过以上对比，flux之所以更强，是因为它的训练参数是比前两者更大，stable diffusion 3是最高8B的训练参数，约80亿，而flux 1的开始就是12B的训练参数，足足120亿，多了好几倍！单个模型的大小就有23G大小，可想而知，Flux强大是很有实力的。Flux AI是由Black Forest Labs推出的一款最新的文本生成图像模型，这个团队是由从Stable Diffusion离开的原班人马，创立的全新用于AI绘图的大模型。

最近发现一个Mac本地部署ComfyUI的偏方，在 GitHub 上发现一款一键安装的 Mac ComfyUI整合包[ComflowySpace]可以理解为一个帮你写好了本地部署ComfyUI所有安装指令的程序，更加方便友好，但还是要确保自己有稳定的魔法上网，软件也优化了很多细节体验，让您的使用更加流畅。更多功能详见官网「Features」描述：[ComflowySpace Introduction – Comflowy]

不管是在webui还是在comfyui脱离控制，随机抽图，那么这两个绘画工具大概率只会沦为玩具一般的存在，所以今天还是以学习的态度，尝试理解并搭建controlnet工作流的搭建，供各位有缘人参考，求各位老师指正！前面的，又因为它是借助clip的管道传输的，所以和clip text encoder连接的，这是我的大致理解，可能不对，后期还会去继续学习精准以达到融会贯通！说他重要是因为它也是和其他也是和其他节点联合的关键，其中1、2连接clip text encoder正反向连接，右3、4和。

IC-Light（Imposing Consistent Light）是一种用于**操控图像照明**的技术。它通过捕捉背景图的光照信息来训练模型，并基于这些信息重新调整主体的光照，最后对整体图像进行微调，使其自然融合。根据文本提示生成背景图后，IC-Light 根据背景图的光照信息重新调整主体的光照，最终实现自然融合。手动输入一张背景图后，IC-Light 根据背景图的光照信息重新调整主体的光照，最终实现自然融合。

ComyfyUI 是一个基于 Python 设计的用于图像生成、处理等任务的 Web 用户界面框架。可以使用以下方式进行安装：1.GitHub上下载压缩包2.启动器3.本地部署安装。

今天主要介绍了 Ultimate SD Upscale 这个插件，单从效果来看，前面的两种方法和它比起来差的太远了，但它们的优势是速度快。如果你的原图细节已经很丰富了，用这两个节点也是完全没有问题的。如果你选择用 Ultimate SD Upscale，那就要忍受处理速度慢的缺点。最后，没有最好的处理方法，具体还是要根据实际情况灵活调节，多多尝试。希望这篇文章能给大家一点启发，如果对你有帮助，还请来个一键三连呀。

这里为了帮助大家更好地掌握 ComfyUI，分享一套字节大佬整理的ComfyUI工作流集合，其包含了很多好玩有趣，但又有点复杂的工作流节点和json配置。来反推图片的提示词进行扩图，这样子AI会根据原图的内容作为参考来获得更加自然的扩图效果，当然大家也可以选择关闭这个节点手动输入提示词。随着理解的深入，你将能够根据自己的需求创新和搭建属于自己的工作流。ipa风格参考部分，这里用了IPAadpter节点用来保持扩图之后的风格与原图保持一致，可以适当调整权重来控制风格参考度。

我们举个通俗一点的例子，比如我们有两个提示词“一个艺术装饰风格的城市”和“一个城市”，这两个提示词相减，我们就会得到一个“艺术装饰风格”的 ConDelta，这个 ConDelta 就类似于一个“这个节点和 Lora 一样是可以调节权重的，以下分别是权重设置为 0、0.5、1 的效果，可以看到效果还是很明显的，一般通过提示词是很难恰到好处的展示这种过渡效果的。默认出来是左边的这种效果，相同的提示词我们想出来右边这种绿草地的效果，但是我又不想要抽卡，那就可以使用 ConDelta。

本文主要讲解如何利用不同的插件帮我们更好的重绘。图片元素无痕清除，水印去除完全不破坏原图的基础上再增加细节，比如让人脸更写实在超大图片的局部修改时，如何更快且不会爆显存。

ComfyUI是一个基于节点的用户界面，你可以通过将不同的节点连接在一起来构建生成图像的工作流程。ComfyUI比其他UI更复杂，如果你刚接触AI绘画，请先使用webUI，了解一些绘画模型的结构和原理，熟练之后再使用ComfyUI。

b」代表蓝色色度，也就是「YCbCr 颜色模型」中的「Cb」，表示图像中相对于亮度「Y」的蓝色成分的偏差，值越高，图像中蓝色的成分越多，图像会显得更蓝；「a」代表红色色度，也就是「YCbCr 颜色模型」中的「Cr」，表示图像中相对于亮度「Y」的红色成分的偏差，值较高，图像中红色成分较多；为潜在噪声时，VAE 解码的值通常在一定范围内，使得最终的潜在噪声只有较小的值范围，而作者做的就是编写了一个函数扩大了这个值的范围，可以使潜在噪声利用全色深度，从而使最终输出更加生动以及拥有更高的对比度。

ComfyUI 是一个为专门设计的基于节点的图形用户界面（GUI）。它使用户能够通过链接不同的块（称为节点）来构建复杂的图像生成工作流程。这些节点可以包括各种任务，如加载检查点模型、输入提示、指定采样器等。它实际上就是一个比较专业的 Stable Diffusion 运行界面，只不过是节点式的。这种节点式界面其实广泛的存在于各种专业的生产力工具中，例如 Blender、虚幻引擎、达芬奇等。官方介绍：1. WebUI 与 ComfyUI 对比。

ComfyUI 和 SD WebUI 的差别。简单点概括就是 SD WebUI 简单易用，功能一目了然，入门门槛比较低。ComfyUI 相当于 WebUI 来说，拥有更好的性能和速度，可以使用更低的内存来运行。而且节点式的界面和工作流玩法，配置灵活，玩法也更多。但是入门门槛相对较高。先上个 SD WebUI 的界面，有什么功能都是一目了然的，我们想要什么功能就去对应的目录下找就可以了。再来看下 ComfyUI 的界面，完全不知道各种功能在哪，这得对各个节点都熟悉才能玩转呐。

将图片切成好几个小块（Tile），通常是 512×512 或 128×128，然后对每一个小块进行放大，最后再拼回一张大图，这样不仅可以确保放大的效果和视觉品质，同时也能在提升提示的同时，节省计算和储存空间可以说，SD UpScale是目前放大图片的最佳手法，也是许多。反复试验，取一个最合适的值即可。随着技术的迭代，目前 Stable Diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。

风格迁移一直是一个很牛的功能，可惜出来的时间比较短，IPAdapter 还没有进行适配。虽然 IPAdapter 没有支持，但是最近由推出了一项新的技术 rf-inversion，也可以实现和 IPAdapter 一样的风格迁移功能，而且对 Flux 提供了支持。也就是说 Flux 也有自己的风格迁移功能啦，而且效果相当不错！好了，话不多说，我们直接开整！该功能在中已经实现了，我们先来看效果，然后再介绍具体如何使用哈！

Flux发布了3个版本的软件Pro 版本，仅仅api访问DEV版本，可以本地部署安装schnell版本，可以本地部署安装DEV和schnell 区别，就是生图的质量和速度。schnell，4步生图，速度很快，质量差一点。Flux，无论是DEV，还是schnell，对GPU要求都不低，要求16G显存。为了降低GPU的要求，甚至CPU都可以跑，那么就需要对这些模型进行量化。能支持CPU上运行的就是GGUF的版本。DEV和schnell，都有相应的GGNF版本。

ComfyUI，一款基于节点工作流稳定扩散算法的图形界面。通过将稳定扩散的流程巧妙分解成各个节点，成功实现了工作流的精准定制和可靠复现。ComfyUI工作流指的是一种基于节点式的工作流程，它通过将稳定扩散的流程分解成多个节点，实现了更加精细化的流程定制和更高的结果可重用性。这种工作流的设计使得用户能够通过直观的节点式界面设计和执行复杂的稳定扩散工作流程，无需编写任何代码。ComfyUI工作流不仅提高了工作效率，还使得复杂任务的处理变得更加直观和高效。

说起我为何要学习comfyui？其实原因很简单，因为穷，我只有一台2070显卡的电脑，而且也舍不得给midjouney充钱了。Weibui学习了一段时间，但发现对显卡的要求还是要比高，所以最终还是选择了comfyui，无奈买不起4090。comfyui的好处：一、经济成本低，自由度高，很多软件、模型都是开源免费，只要会科学上网基本都能下载，安装不会也能在网上找到很多教程。