comfyui教程|（基础知识篇）ComfyUI 详细图文教程：新手级入门学习安装使用必备教程

AI绘画月月

于 2025-04-27 11:27:42 发布

阅读量819

点赞数 7

文章标签：学习 stable diffusion 计算机视觉电脑人工智能 AI作画

本文链接：https://blog.csdn.net/2401_84760719/article/details/147551982

版权

安装并打开 ComfyUI 后，你会看到一个这样的界面（comfyui整合包可以在文末卡片获取）：

如果你打开 ComfyUI 后没有看到这个界面，可以点击右侧面板里的 Load Default 按钮

【看完包会】 ComfyUI 详细图文教程：新手级入门学习安装使用必备教程（基础知识篇）

你可能会很疑惑，这些方块和线都代表什么？

为了方便后续的介绍，我先简单介绍下里面的一个个方块。这个方块我在后续会称其为 Node（节点），其左侧端点是 Input（输入）端，右侧是 Output（输出）端，节点里还会有一些配置项，这些配置项我会称其为 Parameter（参数）：

【看完包会】 ComfyUI 详细图文教程：新手级入门学习安装使用必备教程（基础知识篇）

然后我们再看回这些节点，其实里面的节点我们在上一章中都有提到过。我稍微调整下里面的顺序，你应该就很熟悉了：

【看完包会】 ComfyUI 详细图文教程：新手级入门学习安装使用必备教程（基础知识篇）

初识 ComfyUI 的 Workflow

现在，让我们重新审视这些方块。在初始的 Workflow 中，这些方块（我们后续会称它们为“节点”）其实与上一章提到的 Stable Diffusion 的三大组件密切相关，只是在 ComfyUI 中，它们的名字有所不同。

以下是它们的对应关系：

新增功能介绍

除了上述节点，ComfyUI 还引入了两个新功能：

Save Image：用于保存生成的图片。
Load Checkpoint：相当于模型加载器，用于切换或加载不同的 Stable Diffusion 模型版本（如 1.5、XL、XL-Turbo 等）。

完成 Workflow 的配置后，点击右侧面板的 Queue Prompt 按钮即可开始生成图片。

节点配置详解

接下来，我们将从左到右依次介绍每个节点的配置。

Load Checkpoint

**
Load Checkpoint** 是整个 Workflow 的起点。从节点的输出端可以看出，Checkpoint 包含三个部分：MODEL、CLIP 和 VAE，这三部分对应 Stable Diffusion 的三大核心模块。

模型切换：点击节点中的选项按钮可以切换模型，但只能选择已下载的模型。关于如何下载模型，可以参考相关章节。
模型文件格式：
- safetensors：使用 numpy 格式保存，仅包含张量数据，无代码，加载更安全且快速。
- ckpt：序列化文件，可能包含恶意代码，存在安全风险。建议优先使用 safetensors 格式的模型。
fp16 格式：表示半精度浮点格式，相比标准的 32 位浮点数，存储空间更小，运算速度更快，但生成图片的精度和多样性会稍差。如果需要快速生成结果，可以考虑使用 fp16 版本的模型。

CLIP Text Encode (Prompt)

**
CLIP Text Encode** 节点用于输入 Prompt，通常分为正向 Prompt（希望出现的内容）和负向 Prompt（不希望出现的内容）。编写 Prompt 时需遵循以下原则：

长度适中：尽量控制在 75 个 token（约 60 个字）以内。
逗号分隔：Stable Diffusion 不懂语法，需用逗号分隔关键词。
重要词前置：将最重要的关键词放在前面，例如生成风景图时，可将“beautiful scenery nature”放在最前面。
权重调整：通过“（关键词:权重）”的方式调整关键词权重。例如，“(high building: 1.2)”表示提高“high building”的权重，权重小于 1 则会降低相关性。

Empty Latent Image

**
Empty Latent Image** 节点用于调整生成图片的大小和数量：

宽高设置：调整 width 和 height 参数以确定图片尺寸。batch_size 参数用于设置每次生成的图片数量。
模型尺寸适配：
- SD v1.5：最优尺寸为 512x512，部分微调版本支持 768x768。
- SDXL：最优尺寸为 1024x1024。
宽高比：常见的宽高比包括 1:1、3:2、2:3、4:3、3:4、16:9 和 9:16。
注意事项：宽度和高度必须能被 8 整除。

Save Image

完成图片生成后，右键点击图片并选择 Save Image 即可下载生成的图片。节点中的输入框可用于设置图片名称前缀，例如默认为“ComfyUI”，则保存的图片文件名将以“ComfyUI”开头，后跟一串数字。

KSampler

**
KSampler** 是采样器节点，用于控制图片生成的具体参数。其主要参数包括：

seed：随机种子，用于控制潜空间的初始噪声。如果需要重复生成一模一样的图片，需确保种子和 Prompt 相同。
control_after_generate：生成图片后，种子的更新规则（随机、递增、递减或固定）。
step：采样步数，步数越大，效果越好，但与模型和采样器有关。
cfg：全称 Classifier Free Guidance，建议设置在 6～8 之间。
sampler_name：采样器算法名称。
scheduler：去噪过程的调度算法。
denoise：初始噪声比例，一般默认为 1。

最佳实践

在配置 KSampler 时，不同的需求对应不同的参数组合。

以下是一些常见场景的最佳实践：

补充说明

KSampler 配置与模型强相关：例如，SDXL-Turbo 对生成过程进行了优化，其最佳 CFG 值可能为 1 或 4。
参考模型作者的建议：下载第三方模型时，作者通常会在模型介绍中提供最佳参数配置，建议按照建议进行设置。

总结

目前我常用的模型是 SDXL Turbo，但具体选择哪种模型还需根据你的需求和场景来决定。多尝试不同的配置，找到最适合你的生成方案。
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。