大家好，随着一点点的研究AI生成，发现要学习的东西确实很多，之前分享了一些Web UI的一些知识吧，接下来计划分享一些Comfy UI的一些知识。

Comfy UI相比Web UI就会相对复杂一些，新入手的小伙伴，最好还是先从Web UI先尝试起来，再慢慢过渡到Comfy UI上。

Comfy UI，首先它是以一种节点的方式，看起来就像是参数化的软件一样，它相当于把不同的插件以节点的方式呈现，所以我们就要大概的了解它生成的基本逻辑，这样就可以尝试制作自己的工作流了。

首先我们来尝试理解一下SD这个扩散模型的生成逻辑，首先我们有一个大模型，这个大模型里面就会包含三部分，分别是：Clip，VAE，U-net。VAE分为两部分，Encode可以理解为压缩，Decode就是解压缩，压缩到潜空间，然后通过U-net对潜空间的图形进行去噪，通过一步步的去噪就得到了一个干净的潜空间图像，再通过VAE对潜空间进行一个还原，然后我们的文生图，通过输入文本，经过clip编码conditioning条件信息来到U-net。latent大家可以把它理解成画板。

上面是文生图的工作流，左面第一个对应的就是大模型，里面我们可以选择想要调用的大模型。

我们从clip这里直接拖出来松手，选择encode。

这里需要两个一个作为正向提示词，一个作为反向提示词。

然后拖动conditioning后面的小点，然后松手选择Ksampler，它其实是个采样器。

我们把大模型跟采样器连在一起。

我们现在做的是文生图，所以输入的latent其实就是个空的画板。那么从latent_image拖出节点，选择EmptylatentImage。

这里就可以选择我们生图时的尺寸，而下面就是可以一次生成几张图了。然后我们在通过采样器后面的latent拖出VAEDecode。

这里看到了一个VAE，我们把它跟之前大模型的VAE连接起来。现在我们也解码了，最好再加一个预览图片吧。通过拖出的方式选择，也可以选择saveimage。个人觉得没必要都保存，预览出来好的图像再手动保存好些，要不太多图了。

这样就都调整好了，写下提示词，尺寸，按快捷键ctrl+回车就是生成下图效果啦。

以上是文生图的工作流，那么图生图呢，那latent_image就不能是空的了，而且我们需要先加载一个图片。双击空白位置输入load，找到加载图像，然后再拖出VAEEncode,后面连接latent_image，前面连接VAE，这样图生图也搞定了，我们看一下。

最好调整一下采样器里面最后的denoise，就是重绘幅度，我这里设置了0.8，然后生成就好了，怎么样还跟着做一下可能就没那么难了，动手试试吧。

最后记得另存一下，这样你就有了一个自己从头开始做的，文生图跟图生图工作流啦。

以上就是本次分享的全部内容了，喜欢的家人们给点个赞，让我们一起进步吧。

为了帮助大家更好地掌握 ComfyUI，我花了几个月的时间，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