过完年笔者一直在折腾comfyui，自己研究和在淘宝花钱请人教调教出了常用工作流，笔者的电脑配置：i5-14400F，RTX5060 8g显卡,32G-4800HZ内存
什么是ComfyUI？
在人工智能图像生成领域，Stable Diffusion已经成为了一个家喻户晓的名字。然而，其传统的WebUI界面虽然功能强大，但对于追求工作流定制、流程可视化和可重复性的高级用户来说，有时显得不够灵活。这时，ComfyUI 应运而生，它提供了一个全新的、基于节点的图形化界面，彻底改变了我们与Stable Diffusion交互的方式。
The original text is already correct in terms of spelling and grammar. No changes are needed..
简单来说，ComfyUI是一个将Stable Diffusion的生成过程分解为一个个独立“节点”的图形界面。每个节点代表一个特定的功能或处理步骤（如加载模型、编写提示词、进行采样、后期处理等），用户通过连接这些节点来构建一个完整的图像生成流水线。这种设计理念赋予了用户前所未有的控制力和透明度。
ComfyUI的核心优势
1. 无与伦比的灵活性与控制力
与传统的线性操作界面不同，ComfyUI的节点式架构让你能够精确控制图像生成的每一个环节。你可以轻松地：
- 在潜在空间（Latent Space）的任意阶段插入或修改操作。
- 尝试不同的采样器、调度器组合，并即时比较效果。
- 构建复杂的分支工作流，例如同时生成图像的不同变体，或进行精细的局部重绘（Inpainting）。
2. 完全可视化的工作流
整个生成过程以流程图的形式清晰呈现。这对于理解Stable Diffusion的内部机制和学习AI绘画原理有巨大帮助。你不再是输入文本然后等待“黑箱”输出，而是亲眼看到“提示词编码”、“潜在扩散”、“解码”等步骤是如何串联起来的。这种可视化也使得调试和优化工作流变得异常直观。
3. 工作流的可保存与可分享
在ComfyUI中，你搭建的整个节点网络可以保存为一个单独的JSON文件。这意味着：
- 可重复性：你可以完美复现任何一次成功的创作过程。
- 可分享性：社区用户可以轻松分享他们精心设计的、用于生成特定风格或效果的工作流。你只需加载他人的JSON文件，就能立即使用一套成熟的“配方”。
- 模块化：你可以将常用的节点组合保存为“自定义节点”或“工作流模板”，大幅提升未来项目的效率。
以下是基础工作流代码：
{
"3": {
"inputs": {
"seed": 389225802273139,
"steps": 20,
"cfg": 8,
"sampler_name": "euler",
"scheduler": "normal",
"denoise": 1,
"model": [
"4",
0
],
"positive": [
"6",
0
],
"negative": [
"7",
0
],
"latent_image": [
"5",
0
]
},
"class_type": "KSampler",
"_meta": {
"title": "K采样器"
}
},
"4": {
"inputs": {
"ckpt_name": "Qwen-Rapid-AIO-NSFW-v18.safetensors"
},
"class_type": "CheckpointLoaderSimple",
"_meta": {
"title": "Checkpoint加载器（简易）"
}
},
"5": {
"inputs": {
"width": 512,
"height": 512,
"batch_size": 1
},
"class_type": "EmptyLatentImage",
"_meta": {
"title": "空Latent图像"
}
},
"6": {
"inputs": {
"text": "beautiful scenery nature glass bottle landscape, , purple galaxy bottle,",
"clip": [
"4",
1
]
},
"class_type": "CLIPTextEncode",
"_meta": {
"title": "CLIP文本编码"
}
},
"7": {
"inputs": {
"text": "text, watermark",
"clip": [
"4",
1
]
},
"class_type": "CLIPTextEncode",
"_meta": {
"title": "CLIP文本编码"
}
},
"8": {
"inputs": {
"samples": [
"3",
0
],
"vae": [
"4",
2
]
},
"class_type": "VAEDecode",
"_meta": {
"title": "VAE解码"
}
},
"9": {
"inputs": {
"filename_prefix": "ComfyUI",
"images": [
"8",
0
]
},
"class_type": "SaveImage",
"_meta": {
"title": "保存图像"
}
}
}4. 卓越的性能表现
由于其简洁高效的后端设计，ComfyUI在资源利用和生成速度上往往有更好的表现。许多用户报告，在相同的硬件条件下，ComfyUI的生成速度比一些其他前端界面更快，内存管理也更高效，这对于显存有限的用户来说是一个重大利好。
ComfyUI的主要功能节点一览
一个典型的ComfyUI工作流会包含多种类型的节点。以下是几个核心类别：
- 加载器节点：用于加载基础模型（Checkpoint）、VAE、LoRA模型、ControlNet模型等。
- 提示词节点：处理正面（Positive）和负面（Negative）提示词，并将其编码。
- 采样器节点：核心生成单元，集成了采样方法（如Euler, DPM++）、采样步数、CFG尺度等关键参数。
- 图像处理节点：包括潜在图像/常规图像的缩放、裁剪、旋转，以及VAE解码/编码。
- 条件控制节点：用于集成ControlNet，可以通过草图、深度图、姿态图等条件精细控制生成内容。
- 后期处理节点：包含高清修复（Hires. Fix）、升级放大（Upscale）等功能。
如何开始使用ComfyUI？
对于新手，ComfyUI的节点界面初看可能有些复杂，但入门并不困难。
- 安装：ComfyUI通常以独立包的形式发布，你需要从GitHub仓库下载并按照说明进行安装。它依赖于Python和PyTorch环境。
- 获取模型：你需要自行准备Stable Diffusion的基础模型文件（
.ckpt或.safetensors），并将其放入ComfyUI指定的模型文件夹。 - 从简单开始：启动后，不要被空白的画布吓到。你可以从加载一个现成的工作流JSON文件开始。许多教程和社区分享都会提供入门工作流。
- 学习核心节点：先熟悉“Load Checkpoint”、“CLIP Text Encode”、“KSampler”、“VAE Decode”这几个核心节点的连接方式，这就能构建一个最基本的文生图流程。
- 探索社区：在Reddit、Civitai、YouTube等平台上有大量ComfyUI的教程、工作流分享和讨论，这是快速提升的最佳途径。
谁最适合使用ComfyUI？
- Stable Diffusion的进阶用户和研究者：希望深入理解并操控生成过程每一个细节的人。
- 工作流自动化追求者：需要构建稳定、可重复、批量化生产流程的创作者。
- 技术爱好者与学习者：希望通过可视化方式学习扩散模型原理的人。
- 对生成速度和质量有更高要求的用户。
总结
ComfyUI 不仅仅是一个Stable Diffusion的“另一种界面”，它代表了一种更先进、更专业的AI图像创作范式。它将生成式AI的魔力从黑盒中释放出来，转化为一张清晰可见、可编辑、可操控的蓝图。虽然学习曲线比传统WebUI稍陡峭，但它所带来的灵活性、控制力和效率提升，对于任何希望将AI绘画能力提升到新水平的用户来说，都是绝对值得投资的。踏入ComfyUI的世界，你或许将重新发现Stable Diffusion的无限潜力。
之后的博客文会陆续介绍一些我现在常用的工作流
1.简单文生图
2.图片编辑
3.多角度视图
3.文生视频
4.图生视频，长视频，首尾帧
5.多动态视频，nsfw18+
6.cpmfyui-ps联动修图
由于最近工作比较忙，更新速度不会太快–
评论（0）
暂无评论