【comfyui教程】Comfyui系列教程（二）：ComfyUI文生图基础流程
前言
上一期带大家对comfyui的安装有了基本的认知，本期教大家搭建基础的文生图工作流。
首先我回忆一下在原先的SD WEBUI中进行文生图的时候用到了哪些功能包括了：
-
**大模型：**这是整个流程的基础，通常指的是一个预训练的深度学习模型，用于生成或处理数据。
-
**正向提示词：**这些是输入到大模型中的文本，用于引导模型生成或预测特定的输出。
-
**反面提示词：**与正向提示词相对，这些是用于避免不希望的输出或引导模型避免某些特定的行为。
-
**采样器：**在生成模型中，采样器决定了如何从模型的输出分布中选择最终的输出。
-
**步数：**这通常指的是在生成过程中模型需要进行的迭代次数。
-
**宽高：**在图像处理中，这指的是生成图像的尺寸。
-
**VAE：**变分自编码器（Variational Autoencoder），一种生成模型，用于学习数据的潜在表示。
-
**显示图像：**这是流程的最终输出，即生成的图像。
所有的AI设计工具，安装包、模型和插件，都已经整理好了，👇获取~
创建流程：
大模型加载器：
-
**打开右键菜单：**首先，我们点击右键打开菜单。
-
**选择新建节点：**在菜单中找到并选择“新建节点”选项。
-
**浏览加载器列表：**在弹出的窗口中，我们会看到许多不同的加载器选项。
-
**识别熟悉的加载器：**我们的目标是找到几个特定的加载器，包括“大模型加载器”、“VAE加载器”和“Lora加载器”。
-
**添加大模型加载器：**我们将“大模型加载器”添加到场景中。我们也可以使用“Checkpoint Loader”
文本输入节点（CLIP文本编码器）：
-
添加关键词输入节点：首先，我们需要添加一个用于输入关键词的节点。
-
选择CLIP文本编码器：在新建节点的选项中，我们选择“CLIP文本编码器”。这个节点没有区分正反关键词，因此我们将使用它来输入正反关键词。
-
添加两个CLIP文本编码器：为了输入正反关键词，我们需要添加两个“CLIP文本编码器”节点。
-
修改节点名称和颜色：为了区分正反关键词，我们可以修改节点的名称和颜色。通过右键点击节点上方，选择“标题”来输入新的名称，然后通过“颜色”选项来选择不同的颜色。
-
连接Checkpoint加载器和CLIP文本编码器：我们注意到“Checkpoint加载器”和“CLIP文本编码器”都有一个黄色的点，表示它们可以连接。我们可以通过将鼠标放在黄点上，当出现“十”字标识时，按住左键拖动到另一个节点的对应位置来连接它们。
采样器：
在Stable Diffusion模型中，采样器（Sampler）的作用是从噪声数据中逐步构建图像。它们通过逐渐减少噪声的强度，使图像的细节逐渐显现，直至变得清晰。
“右键——采样——采样器（这个地方是有两个采样器的，我们选择普通的采样器就好）”。
-
**随机种子：**用于生成每张图像的独特编号，确保每次生成的图像都有不同的随机性。
-
**运行后操作：**决定种子值是固定、增加、减少还是随机。通常我们选择固定或随机，以控制图像生成的一致性或多样性。
-
**步数：**设置去除噪声的迭代次数，即生成图像所需的计算步骤数量。
-
CFG：提示词引导系数，用于调整生成图像与输入提示词的匹配程度。一般设置在8左右。
-
**采样器：**有多种选项可供选择，每种采样器都有其特定的特性和适用场景。常见的选择包括euler_ancestral、dpmpp_2m等。
-
**调度器：**控制每次迭代中噪声量的大小，常见的选择有normal或karras。
-
**降噪：**与步数相关，用于调整实际执行的步数。例如，如果设置为1，则完全按照输入的步数执行；如果设置为0.1，则只执行10%的步数。
各种采样器的描述和特点
调度器：
-
调度器的作用：调度器通过控制噪声的减少，影响着图像生成的每个阶段。
-
调度器的影响：不同的调度器设置会导致图像生成过程和最终结果的差异。
-
调度器的重要性：调度器的选择和配置对于生成高质量图像至关重要。
各种调度器的描述和特点
宽高（空Latent）：
- 添加Latent节点：
-
鼠标点击“Latent”节点。
-
拖动并释放，选择“空Latent”选项。
-
系统会自动添加一个新的Latent节点，并与原先的节点连接。
- 通用节点添加方法：
-
这种添加节点的方法适用于所有类型的节点，包括模型和CLIP文本编码器。
-
通过拖动节点的连接点，可以快速添加新的节点并建立连接。
- 设置宽高：
- 在Latent节点中设置生成图像的宽度和高度。
- 设置批次：
- 批次（Batch size）指的是一次生成图像的数量。
VAE解码：
- 添加VAE解码节点：
-
右键点击空白区域，选择“新建节点”。
-
选择“Latent”类别下的“VAE解码”。
-
通过左键拖拽，可以直接添加并连接节点。
- 连接VAE解码的Latent：
- 将“VAE解码的Latent”节点与“采样器的Latent”节点相连。
- 处理剩余的VAE连接点：
-
在左侧会剩下一个未连接的VAE连接点。
-
将“Checkpoint加载器”的剩余“VAE”连接点与“VAE解码”的连接点相连。
- 连接方法的选择：
-
大部分大模型都包含有VAE模型在里面，我们可以直接连接。
-
也可以选择添加一个“VAE加载器”去加载一个VAE模型进行连接。
-
这两种连接方法选择其中一个即可。
保存图像：
- 添加保存图像节点：
-
右键点击空白区域，选择“新建节点”。
-
选择“图像”类别下的“保存图像”。
-
通过左键拖拽，可以直接添加并连接节点。
- 选择保存图像或预览图像：
-
我们可以选择“保存图像”或“预览图像”。
-
“保存图像”相比“预览图像”多了一个功能，就是将生成的图像保存到“ComfyUI下的output”文件夹里。
-
“保存图像”同样具有预览功能。
- 连接保存图像节点：
- 将生成流程的最后一个节点（如采样器）与“保存图像”节点相连。
出图：
- 输入关键词：
- 在CLIP文本编码器节点中输入正面和负面关键词。
- 调节参数：
- 调整模型、步数、宽度、高度等参数，以满足生成图像的需求。
- 启动图像生成：
-
点击界面右侧的设置面板中的“提示词队列”按钮。
-
或者使用快捷键“Ctrl+回车”来启动图像生成过程。
- 检查节点连接：
- 如果图像生成成功，说明所有节点的连接都是正确的。
- 保存工作流：
- 按照之前课程的指导，保存当前的工作流，以便将来重复使用。
- 监控生成过程：
- 在图像生成过程中，可以通过观察哪个节点被绿色框选中来判断当前进行到哪一步，这有助于熟悉整个生成流程。
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。
由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取
一、ComfyUI配置指南
- 报错指南
- 环境配置
- 脚本更新
- 后记
- …
二、ComfyUI基础入门
- 软件安装篇
- 插件安装篇
- …
三、 ComfyUI工作流节点/底层逻辑详解
- ComfyUI 基础概念理解
- Stable diffusion 工作原理
- 工作流底层逻辑
- 必备插件补全
- …
四、ComfyUI节点技巧进阶/多模型串联
- 节点进阶详解
- 提词技巧精通
- 多模型节点串联
- …
五、ComfyUI遮罩修改重绘/Inpenting模块详解
- 图像分辨率
- 姿势
- …
六、ComfyUI超实用SDXL工作流手把手搭建
- Refined模型
- SDXL风格化提示词
- SDXL工作流搭建
- …
由于篇幅原因，本文精选几个章节，详细版点击下方卡片免费领取
原文地址：https://blog.csdn.net/2401_84760719/article/details/143503376
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！