LOADING STUFF...
纯图片广告示例

 

介绍ComfyUI

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,快速快速了解一些ComfyUI的优势。

什么是ComfyUI

ComfyUI 是一个基于节点的GUI,为 Stable Diffusion 提供了一种更加直观、灵活的方式来操作和管理生成的过程。通过将不同的模块(也就是节点)组合在一起,我们可以构建一个图像生成的工作流。

ComfyUI带来的好处

目前好用的AI生成器,往往都有一些限制,有的还需要收费才能使用,所以为了能够更加全面深入地学习 Stable Diffusion,我还是推荐在自己电脑上自行搭建一套 GUI(也就是用户图形界面)来学习和使用 Stable Diffusion,另外ComfyUI对设备要求略低、压力小、工作流高效、模块化灵活,可不断的重复使用。 

ComfyUI带来的劣势

如果是零基础小白,对于webUI一点都不了解,直接上手ComfyUI是比较难得,因为两者的底层原理是一致的。不过这需要看你想不想搭建属于自己的工作流的情况下。另外,ComfyUI也可以使用别人的工作流,说到底ComfyUI的劣势只有一个“偷懒”,小白可直接调用别人的工作流进行生成,无非就是可能需要麻烦一点调用两到三个工作流。

如何使用ComfyUI

如果你是零基础小白想使用ComfyUI进行工作流的搭建,建议可尝试学习使用webUI,或者直接调用他人工作流进行使用,接下来先看一下ComfyUI是什么样的,在图后进行核心节点的介绍。
ComfyUI

▲ ComfyUI

K采样器

K采样器是SD出图流程中的核心节点,所有节点载入,数据输入,参数配置,最后都会汇总到K采样器,它会结合载入的模型,提示词的输入以及Latent输入,进行采样计算,输出得到最终图像。

Latent,即潜空间,可以理解为SD内部流程中的图像格式,如果我们将图像作为输入,则需要通过VAE编码将其转换为Latent数据,在最后输出时,我们也需要通过VAE解码将其转换为像素空间,也就是我们最终图像 。

ComfyUI

▲ K采样器

checkpoint加载器

checkpoint 也就是大模型,这个节点是起始点,需要选择相应的大模型,以及vae输入给采样器,clip则连接正反向提示词 其中VAE可以直接使用大模型的vae去链接,也可以单独使用vae解码节点,来选择自定义的vae。

ComfyUI

▲ checkpoint加载器

CLIP文本编码器

CLIP节点则需要输入提示词,其中CLIP节点需要两个,一个作为正向提示词链接K采样器,一个作为负向提示词链接K采样器。

ComfyUI

▲ CLIP文本编码器

空Latent

使用空latent建立潜空间图像,这里主要用于控制图像尺寸和批次数量的

ComfyUI

▲ 空Latent

VAE解码

前面已经提到对于Latent潜空间图像和输出的像素图像之间,需要进行一次转换,VAE解码节点则是对这个过程转换的节点

ComfyUI

▲ VAE解码

保存图像

顾名思义,即保存当前生成的图像,保存的图像除了在当前页面能看到以外,也可以在本地文件夹目录(x:\xxx\ComfyUI根目录\output)下看到所有生成的图片

ComfyUI

▲ 保存图像

NO.3结束语

ComfyUI的节点化思路,大大提升了产出效率,是一个非常好的发展方向。对于真正实现“批量化”出图,有很大的实际意义。对新手用户不太友好,有一定学习成本,但是学会之后,就可以随时随地根据自己业务的需求进行独特的节点配置,从而实现工作效率的提升。

数据统计

相关导航

暂无评论

暂无评论...