什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

ComfyUI 文生图保姆级教程:从零搭建 AI 绘画工作流

ComfyUI 作为第三代 AI 绘画工具的代表,凭借可视化的节点式工作流设计,在灵活性与可控性上超越了传统的图形界面工具。其核心优势在于每个生成步骤均以节点形式呈现,用户通过调整连线和参数即可精确控制生成逻辑。此外,ComfyUI 生成的图片内嵌完整工作流信息,支持通过拖入图片直接还原原始节点与参数,极大提升了社区交流与复用的效率。
01安装与环境配置
ComfyUI 提供多种安装方式以适应不同用户的需求。对于国内新手用户,推荐使用秋叶整合包,该版本内置中文界面、预置模型及网络配置工具,解压运行即可使用。对于习惯命令行操作的用户,可通过 Git 克隆官方仓库并安装依赖,或者使用 Python 包管理器进行快速部署。
  1. 秋叶整合包
    前往 B 站搜索并下载最新版本,解压后双击启动器即可运行,适合 Windows 与 Mac 用户。
  2. 官方源码安装
    使用 Git 克隆仓库后,通过 pip 安装 requirements.txt 中的依赖,运行 main.py 启动服务。
  3. 包管理器安装
    在已有 Python 环境下,使用 uv 等工具执行 pip install comfyui,随后运行 comfyui launch。
02核心模型对比与选择
选择合适的模型是搭建工作流的基础。当前主流模型主要分为 SDXL、Pony、Flux 和 SD3.5 四大系列,它们在画质、显存需求和生态成熟度上各有侧重。新手通常建议从 SDXL 系列入手,而追求极致画质的用户可考虑 Flux 系列。
对比维度SDXL 系列Pony 系列Flux 系列SD3.5 系列
画质上限⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐(二次元专精)⭐⭐⭐⭐⭐⭐⭐⭐⭐(当前天花板)⭐⭐⭐⭐⭐
出图速度⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
显存需求低(8GB 起步)中(8GB 起步)高(12GB 起步,推荐 16GB+)中(12GB 起步)
生态资源极丰富(LoRA 超过 10 万)丰富(社区优质微调多)增长中(LoRA 数量尚在建设)较少
适合风格通用、日常出图二次元、动漫插画写实、专业创作通用、新架构尝试

四大主流模型系列核心参数对比

03搭建基础文生图工作流
ComfyUI 的文生图逻辑遵循一条标准流水线:加载模型、编码提示词、采样生成、解码图像并保存。理解这一流程对于自定义工作流至关重要。默认界面已包含基础的文生图结构,用户只需加载模型并连接节点即可运行。
  1. 加载模型
    使用 Checkpoint 加载器节点加载 .safetensors 格式的大模型。
  2. 文本编码
    利用 CLIP 文本编码器分别处理正面与负面提示词。
  3. 采样生成
    通过 KSampler 节点进行去噪生成,需设置步数、CFG 等关键参数。
  4. 图像输出
    使用 VAE 解码器将 Latent 数据转为像素图像,最后保存至本地。
节点连接的正确性决定了工作流能否运行。Checkpoint 加载器的 model 输出连接至 KSampler,clip 输出连接至两个文本编码器,vae 输出连接至 VAE 解码器。KSampler 的 latent 输出连接至解码器,解码后的 image 输出连接至保存节点。
04进阶技巧与常见问题
  • 拖图还原工作流
    将 ComfyUI 生成的图片直接拖入画布,可自动还原其包含的所有节点与参数信息。
  • 降低显存占用
    对于显存不足的用户,可使用 GGUF 量化版模型(如 Q4_K_M),或在启动时添加 --lowvram 参数。
  • 安装自定义节点
    推荐安装 ComfyUI Manager,通过界面直接搜索并安装 Impact Pack、ControlNet 等常用扩展。
针对生成速度慢的问题,可通过降低分辨率、减少采样步数或使用 Lightning/Turbo 版本模型来优化。若模型下载速度缓慢,建议使用 Hugging Face 镜像站或国内网盘分享的整合资源。掌握节点连接逻辑与参数调节规律,是发挥 ComfyUI 潜力的关键。

评论

评论区空态插画

当前文章无评论,是时候发表评论了