ComfyUI基础教程 - 文生图工作流

==，是Comfyui的功能基础单元。Comfyui的工作原理，就是通过将功能拆分成独立的节点，每个节点负责完成特定的功能。一个节点包含不同的数据和控件，节点通常包含入口和出口，不同的节点相互连接，就组成了工作流，可以实现特定的任务。在 Comfyui 中，每个节点表示一个特定的任务或操作，例如数据处理、图像处理、计算、输入输出等。节点之间通过输入和输出端口进行数据传递，输入端口接收来自其他节点的

AI绘画小33

1368人浏览 · 2025-01-07 14:58:26

AI绘画小33 · 2025-01-07 14:58:26 发布

前言

所谓文生图，就是根据想要的画面，输入画面上的元素、风格等词汇（正向提示词），同时输入不希望画面出现的元素（负向提示词），Comfyui经过一系列流程，生成一幅画面。详细原理请参考这篇文章：[图片生成原理简述]
什么是节点

===

节点（node），是Comfyui的功能基础单元。

Comfyui的工作原理，就是通过将功能拆分成独立的节点，每个节点负责完成特定的功能。一个节点包含不同的数据和控件，节点通常包含入口和出口，不同的节点相互连接，就组成了工作流，可以实现特定的任务。

在 Comfyui 中，每个节点表示一个特定的任务或操作，例如数据处理、图像处理、计算、输入输出等。节点之间通过输入和输出端口进行数据传递，输入端口接收来自其他节点的数据，输出端口将处理结果传递给其他节点。这种数据流的方式使得节点之间的耦合度较低，易于维护和扩展。

我们经常听到的 Comfyui插件（节点包），就是开发者将各种特定的功能组合成一个个节点，再整合成一个节点包。安装好节点包之后，就可以调用节点，进行功能操作。

节点具有以下特点：

独立性：每个节点都是独立的模块，可以单独测试和调试。
可重用性：节点可以被多次使用，提高复用性。
可组合性：节点可以灵活地组合在一起，形成不同的流程。
可扩展性：可以方便地添加新的节点，扩展程序的功能。
可视化：用户可以通过拖拽和连接节点来构建程序，降低了使用的门槛。

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~

基础节点介绍

1. Checkpoint 加载器：

大模型可以理解为图像数据的大仓库，决定了AI图片的主要风格。

Checkpoint****名称选择框：在这里选择需要的基础模型。

**节点连接：**可以看出，基础模型节点没有入口，说明它是一个根节点，所有工作流都以此为始。出口则有三个:模型，CLIP，VAE。分别可以连接到需要的入口。

2. 正向提示词（CLIP文本编码器）：

这个节点提供了一个文本输入框，在这里可以输入正向提示词。

3. 负向提示词（CLIP文本编码器）：

这个节点跟上面的一模一样，在这里可以输入负向提示词，右侧的条件出口连接到何处（正向条件或负向条件），决定了节点的性质。

4. 空Latent节点

空Latent（空的潜空间）节点。Latent类似画布，文生图可以理解为在一张空白画布作画。

如果你需要调整最终生成的图片的大小，就需要调整宽度、高度这两个值。而批次大小则是设置每次运行时生成的图片数量，比如你将这个设置成了 4，就意味着每次会生成 4 张图。

如果你使用的是 SD1.5 模型的话，最优的大小是 512x512，部分基于 SD1.5 微调的版本也支持 768x768。所以其常见宽高比有：

1:1（正方形）：512x512、768x768
3:2（横向）：768x512
2:3（纵向）：512x768
4:3（横向）：768x576
3:4（纵向）：576x768
16:9（宽屏）：912x512
9:16 (竖屏): 512x912

如果你使用的是 SDXL 模型的话，最优的大小是 1024x1024，其常见宽高比有：

1:1（正方形）：1024x1024、768x768
3:2（横向）：1152x768
2:3（纵向）：768x1152
4:3（横向）：1152x864
3:4（纵向）：864x1152
16:9（宽屏）：1360x768
9:16（竖屏）：768x1360

最后，需要注意宽度和高度必须能被 8 整除。

5. K采样器（KSampler）

采样器是 Comfyui 任何一个工作流的核心节点。

众所周知，当我们使用Stable Diffusion时，它首先会创建一张充满噪声的原始图像，之后逐渐去除图像中的噪声。这个过程就像是雕刻：原始噪声图就像是雕刻的原料，去噪的过程就像是用雕刻刀去除废料，最后生成的图片就像是雕刻成型的作品。这个去噪的过程，就被称为采样。

K采样器包含以下参数：

随机种（seed）：随机种子主要用于控制潜空间的初始噪声。如果你想重复生成一模一样的图片。就需要用到这个随机种子。
运行后操作（control_after_generate）：每次生成完图片后，上面的 seed 数字都会变化，而这个配置项，则是设置这个变化规则：randomize（随机）、increment（递增 1）、decrement（递减 1）、fixed（固定）。
步数（step）：采样的步数。具体使用多少步数，跟使用的模型有关。
CFG：全称 Classifier Free Guidance，这个值也跟使用的模型有关，一般不会高于8。
采样器（sampler_name）：采样器名称。你可以通过这个来设置采样器算法。
调度器（scheduler）：调度器主要是控制每个步骤中去噪的过程。你可以通过它选择不同的调度算法，有些算法是选择每一步减去相同数量的噪声，有些则是每一步都尽可能去掉多的噪声。
降噪（denoise）：表示要增加多少初始噪声，1 表示全部。一般文生图你都可以默认将其设置成 1。

===

6. VAE解码（VAE Decoder）

采样器处理好的图像信息，并不是我们熟知的像素信息。所以需要通过VAE解码器将潜在信息解码成像素信息。

7. 保存图像

这里可以设置图像的文件名前缀。

生成好的图像会自动保存在ComfyUI_windows_portable\ComfyUI\output\ 文件夹里。

以上就是对 ComfyUI 最基本的文生图工作流的介绍。这个工作流包含了AI扩散模型生成图像的基本原理，不管多么复杂的工作流，都是在此基础上发展起来的。

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。