ComfyUI工作流教程¶

概述¶

ComfyUI是一个基于节点的Stable Diffusion图形界面工具，通过可视化工作流实现高度自定义的图像生成。

安装配置¶

环境要求¶

# 硬件要求

- GPU：NVIDIA显卡，显存8GB以上
- 内存：16GB以上
- 存储：50GB以上

# 软件要求

- Python 3.10+
- CUDA 11.8+

安装步骤¶

# 1. 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 安装依赖
pip install -r requirements.txt

# 3. 下载模型
# 放入 models/checkpoints/ 目录

# 4. 启动
python main.py

基础概念¶

节点类型¶

# 核心节点

1. Load Checkpoint
   - 加载模型

2. CLIP Text Encode
   - 文本编码

3. KSampler
   - 采样器

4. VAE Decode
   - 图像解码

5. Save Image
   - 保存图像

工作流连接¶

# 连接逻辑

模型 → CLIP → 正向提示词编码
模型 → CLIP → 反向提示词编码
模型 → KSampler → VAE Decode → 保存图像

基础工作流¶

文生图¶

# 工作流配置

节点1: Load Checkpoint
  模型: sd_xl_base_1.0.safetensors

节点2: CLIP Text Encode (Positive)
  提示词: "a beautiful landscape, mountains, lake, sunset"

节点3: CLIP Text Encode (Negative)
  提示词: "low quality, blurry, distorted"

节点4: Empty Latent Image
  宽度: 1024
  高度: 1024

节点5: KSampler
  步数: 20
  CFG: 7.0
  采样器: euler
  调度器: karras

节点6: VAE Decode

节点7: Save Image

图生图¶

# 添加图像输入

节点1: Load Image
  图像: input.jpg

节点2: VAE Encode
  将图像转为潜空间

节点3: KSampler
  使用编码后的潜空间

# 调整denoise强度控制变化程度

高级工作流¶

ControlNet控制¶

# ControlNet节点

节点1: Load ControlNet Model
  模型: control_v11p_sd15_canny.pth

节点2: Apply ControlNet
  强度: 0.8

# 支持的控制类型

- Canny: 边缘检测
- Depth: 深度图
- Pose: 人体姿态
- Seg: 语义分割

LoRA模型¶

# LoRA使用

节点1: Load LoRA
  模型: detail_enhancer.safetensors
  强度: 0.7

# 连接到模型和CLIP

图像放大¶

# 放大工作流

节点1: KSampler
  生成初始图像

节点2: Upscale Model
  模型: 4x-UltraSharp.pth

节点3: Image Upscale
  放大图像

节点4: KSampler (二次采样)
  细节优化

节点5: Save Image

实战：人像生成¶

# 完整工作流

1. Load Checkpoint
   模型: realisticVisionV51.safetensors

2. CLIP Text Encode (Positive)
   提示词: |
     portrait of a young woman, 
     natural skin, detailed eyes, 
     soft lighting, professional photo

3. CLIP Text Encode (Negative)
   提示词: |
     deformed, ugly, blurry, 
     bad anatomy, extra limbs

4. Load ControlNet
   模型: control_v11p_sd15_openpose.pth

5. Load Image (参考姿态)

6. Apply ControlNet
   强度: 0.7

7. KSampler
   步数: 30
   CFG: 7.0

8. VAE Decode

9. Upscale (可选)
   模型: 4x-UltraSharp

10. Save Image

常用节点包¶

# ComfyUI扩展

1. ComfyUI-Manager
   - 节点管理
   - 一键安装

2. ComfyUI-Impact-Pack
   - 人脸修复
   - 细节增强

3. ComfyUI-AnimateDiff
   - 动画生成
   - 视频插帧

4. ComfyUI-KJNodes
   - 实用工具
   - 批量处理

优化技巧¶

# 性能优化

1. 使用FP16
   - 减少显存占用

2. 批量生成
   - 提高效率

3. 缓存节点
   - 避免重复计算

4. 简化工作流
   - 减少不必要的节点

导出与分享¶

// 导出工作流为JSON
{
  "last_node_id": 7,
  "last_link_id": 6,
  "nodes": [...],
  "links": [...]
}

// 导入工作流
// 拖拽JSON文件到ComfyUI界面

下一步学习¶

[Stable Diffusion教程] - 理解SD原理
多模态AI - 图像理解
AI行业应用 - 商业应用