【Stable Diffusion】ComfyUI自助搭建工作流-文生图

哈喽大家好，前几期分享了一些常用的插件，非常适合抄作业用，但想动手搭建自己的工作流，就要搞懂各个节点是做什么的，这样才能灵活的掌握和使用ComfyUI

开始基础工作流拆解之前，先介绍下SD基础的转化流程
【输入】—（转换）—【潜在空间】—（转换）—【输出】

无论是文生图还是图生图，提示词/图片作为输入基础信息传递给AI，AI并不认识这些，这里需要转化成计算机认识的内容到潜在空间中
所有的运算和生成过程也都是在潜在空间，当完成图片后，需要再从潜在空间次转化出来，转化成我们看得懂的像素图像

从零搭建文生图

1、加载器

首先添加大模型的加载器，通过加载器这一个节点来延伸出整个工作流的节点

2、正反向提示词节点

可以看到这里有三个延伸点，首先是CLIP文本编码器，将节点延伸就可以看到常用的基本节点，也可以【搜索】插件节点，延伸出的CLIP节点会自动连上（再连接一个负向提示词文本编码器）

这里对应的是文本部分的【输入】—（转换）—【潜在空间】

3、模型

同样的，从模型节点拖出一个K采样器，可以看到，K采样器上正负提示词与CLIP文本节点上的颜色是相同的，将相对应的节点相连即可

模型的【输入】—（转换）—【潜在空间】

4、Latent

可以看到，这时采样器左边缺少一个Latent节点，延伸出来是个空Latent，这个空Latent就是分辨率的输入

（分辨率的【输入】—（转换）—【潜在空间】）

右边的Laten延伸出来，就是VAE的解码，就是从潜在空间的内容通过VAE的解码转化成像素

（这里不要忘记VAE和大模型的VAE相连，或者单独连接一个VAE加载器，VAE解码没有对应大模型是无法完成的）

【潜在空间】—（转换）—【输出】

5、保存图像

从VAE延伸出保存图像节点，这样文生图的基本工作流就搭建完成了

正因为每个节点所连接的节点不是唯一的，这使得ComfyUI的自由度比WebUI高得多，在理解

【输入】—（转换）—【潜在空间】—（转换）—【输出】

这个基本逻辑下，知道每个节点可以链接什么，对发散自定义工作流就非常有帮助了

资源分享

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选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。

由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取

一、ComfyUI配置指南

• 报错指南
• 环境配置
• 脚本更新
• 后记
• …

二、ComfyUI基础入门

• 软件安装篇
• 插件安装篇
• …

三、 ComfyUI工作流节点/底层逻辑详解

• ComfyUI 基础概念理解
• Stable diffusion 工作原理
• 工作流底层逻辑
• 必备插件补全
• …

四、ComfyUI节点技巧进阶/多模型串联

• 节点进阶详解
• 提词技巧精通
• 多模型节点串联
• …

五、ComfyUI遮罩修改重绘/Inpenting模块详解

• 图像分辨率
• 姿势
• …

六、ComfyUI超实用SDXL工作流手把手搭建

• Refined模型
• SDXL风格化提示词
• SDXL工作流搭建
• …

由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取