ComfyUI:终极指南(2025)—— 掌握 AI 艺术!
如何使用 ComfyUI
开始使用 Hypereal 构建
通过单个 API 访问 Kling、Flux、Sora、Veo 等。免费积分开始,扩展到数百万。
无需信用卡 • 10万+ 开发者 • 企业级服务
释放你的创意:ComfyUI 全方位指南
ComfyUI 作为一种强大且灵活的 Stable Diffusion 节点式界面,正迅速受到追捧。这款开源工具允许你构建复杂的图像生成工作流,对过程中的每个环节进行颗粒度控制。虽然视觉化的节点操作起初可能令人望而生畏,但本指南将带你了解基础知识,助你创作出令人惊叹的 AI 艺术作品。你将学习如何安装 ComfyUI、导航其界面、构建基础工作流,并最终释放其全部潜力。但在我们深入探讨之前,请记住,虽然 ComfyUI 提供了极大的灵活性,但还有一个更用户友好且无限制的选择:Hypereal AI。凭借直观的界面、实惠的价格和高质量的输出,Hypereal AI 让你能够专注于创意构思,而无需处理节点系统的复杂性。不过,无论你最终选择哪个平台,了解 ComfyUI 都能让你对底层流程有更深入的理解,并为你提供创作灵感。
前提条件/要求
在开启 ComfyUI 之旅之前,请确保你具备以下条件:
一台性能较强的电脑: AI 图像生成需要强大的计算能力。虽然具体规格取决于工作流的复杂程度,但强烈建议使用显存(VRAM)至少为 8GB 的独立显卡。更多的显存通常意味着更快的生成速度以及处理更大、更复杂图像的能力。
Python: ComfyUI 需要运行 Python。请从 Python 官方网站 (python.org) 下载并安装最新版本。安装时务必勾选将 Python 添加到 PATH 的选项。
Git: Git 是用于下载和更新 ComfyUI 的版本控制系统。你可以从 git-scm.com 下载 Git。
ComfyUI 安装: 我们将在下一节详细介绍安装过程。
Stable Diffusion 模型: 你需要一个 Stable Diffusion 模型来生成图像。这些模型通常以
.ckpt或.safetensors文件形式存在。常用的选项包括 Stable Diffusion 1.5、SDXL 以及各种社区训练的模型。你可以从 Hugging Face 等网站下载这些模型。
分步指南
现在,让我们开始运行 ComfyUI:
第 1 步:下载 ComfyUI
- 打开命令提示符或终端(Terminal)。
- 进入你想要安装 ComfyUI 的目录。例如,你可以在“文档”目录中创建一个名为 "ComfyUI" 的文件夹。使用
cd命令进入该目录:cd Documents/ComfyUI - 使用以下命令从 GitHub 克隆 ComfyUI 仓库:
git clone https://github.com/comfyanonymous/ComfyUI
第 2 步:安装依赖项
- 进入 ComfyUI 目录:
cd ComfyUI - 运行以下命令安装所需的 Python 软件包:
此命令将安装 ComfyUI 正常运行所需的所有库。pip install -r requirements.txt
第 3 步:放置你的 Stable Diffusion 模型
- 在 ComfyUI 目录内创建一个名为 "models" 的文件夹。
- 在 "models" 文件夹内,再创建一个名为 "checkpoints" 的文件夹。
- 将下载的 Stable Diffusion 模型文件(
.ckpt或.safetensors)放入 "checkpoints" 文件夹中。例如,模型文件的路径可能如下所示:ComfyUI/models/checkpoints/sd_xl_base_1.0.safetensors
第 4 步:运行 ComfyUI
- 在 ComfyUI 目录中打开命令提示符或终端。
- 运行以下命令启动 ComfyUI:
这将在你的 Web 浏览器中启动 ComfyUI 界面(通常位于python main.pyhttp://127.0.0.1:8188/)。
第 5 步:了解 ComfyUI 界面
ComfyUI 界面基于节点图。每个节点代表图像生成过程中的一个特定操作或组件。节点通过“线”连接,这些线定义了数据的流动。
- Nodes(节点): 执行特定任务,如加载模型、输入提示词、采样或保存图像。
- Wires(连线): 将一个节点的输出连接到另一个节点的输入,在它们之间传递数据。
- Inputs(输入): 控制节点行为的参数。
- Outputs(输出): 节点产生的结果。
第 6 步:构建基础工作流
让我们创建一个简单的图像生成工作流:
Load Checkpoint(加载检查点): 添加一个 "Load Checkpoint" 节点。此节点用于加载你的 Stable Diffusion 模型。从 "checkpoint name" 下拉菜单中选择你的模型。
CLIP Text Encode (Prompt)(CLIP 文本编码器): 添加两个 "CLIP Text Encode (Prompt)" 节点。一个用于正向提示词(你想在图像中看到的内容),另一个用于反向提示词(你不想看到的内容)。在 "text" 字段中输入所需的提示词。例如,正向提示词可以是 "a beautiful landscape, mountains, sunset",反向提示词可以是 "blurry, distorted, ugly"。
Empty Latent Image(空潜空间图像): 添加一个 "Empty Latent Image" 节点。此节点会创建一个空的潜空间,稍后将填充图像数据。将 "width"(宽)和 "height"(高)设置为你想要的图像尺寸(例如 512x512)。
KSampler(K 采样器): 这是图像生成的核心节点。它接收模型、正向提示词、反向提示词和潜空间图像作为输入,并使用采样算法生成图像。
- 将 "Load Checkpoint" 节点的 "model" 输出连接到 "KSampler" 节点的 "model" 输入。
- 将正向 "CLIP Text Encode (Prompt)" 节点的 "clip" 输出连接到 "KSampler" 节点的 "positive" 输入。
- 将反向 "CLIP Text Encode (Prompt)" 节点的 "clip" 输出连接到 "KSampler" 节点的 "negative" 输入。
- 将 "Empty Latent Image" 节点的 "latent" 输出连接到 "KSampler" 节点的 "latent_image" 输入。
- 调整 "seed"(种子)、"steps"(步数)、"cfg"(提示词引导系数)和 "sampler_name"(采样器名称)等参数来微调生成过程。步数越高通常图像细节越丰富。
VAEDecode(VAE 解码): 添加一个 "VAEDecode" 节点。此节点将 "KSampler" 生成的潜空间图像解码为可视图像。将 "KSampler" 节点的 "latent" 输出连接到 "VAEDecode" 节点的 "latent" 输入。将 "Load Checkpoint" 节点的 "vae" 输出连接到 "VAEDecode" 节点的 "vae" 输入。
Save Image(保存图像): 添加一个 "Save Image" 节点。此节点将生成的图像保存到磁盘。将 "VAEDecode" 节点的 "image" 输出连接到 "Save Image" 节点的 "images" 输入。
第 7 步:运行工作流
点击 "Queue Prompt"(队列提示)按钮运行工作流。ComfyUI 将按顺序执行节点,根据你的提示词和设置生成图像。生成的图像将保存到 ComfyUI 的 output 目录中。
工作流示例(简化版):
假设你想生成一张“戴帽子的猫”的照片。以下是基础工作流的设置方式:
- Load Checkpoint: 加载你的 Stable Diffusion 模型(例如
sd_xl_base_1.0.safetensors)。 - CLIP Text Encode (Prompt - Positive): 文本:"cat wearing a hat, detailed, vibrant colors"
- CLIP Text Encode (Prompt - Negative): 文本:"blurry, distorted, multiple limbs"
- Empty Latent Image: 宽:512,高:512
- KSampler: 按照上述说明连接所有节点。尝试调整 "steps" 和 "cfg" 的值。
- VAEDecode: 连接 KSampler 的 "latent" 输出和 Load Checkpoint 节点的 "vae" 输出。
- Save Image: 连接 VAEDecode 节点的 "image" 输出。
- Queue Prompt: 运行工作流!
虽然 ComfyUI 能实现这些功能,但请记住,Hypereal AI 可以通过更简单的流程实现类似的效果。你只需输入提示词("cat wearing a hat, detailed, vibrant colors")并点击“生成”。Hypereal AI 处理所有底层的复杂性,为创作惊艳的 AI 艺术提供了一条更快捷、更易用的路径。此外,Hypereal AI 没有内容限制,允许你探索更广泛的创作可能性。
技巧与最佳实践
- 尝试不同的采样器: "KSampler" 节点提供各种采样算法,如 Euler a、LMS 和 DDIM。每个采样器的效果都不同,因此请多加尝试,找到最适合你风格的采样器。
- 调整 CFG Scale: CFG(分类器自由引导)系数控制生成的图像与提示词的吻合程度。值越高,图像越贴合提示词,但也可能产生伪影。值越低,创作自由度越高,但可能会偏离提示词。
- 使用反向提示词: 反向提示词对于防止不想要的元素出现在图像中至关重要。用它们来指明你“不希望”看到的内容。
- 探索自定义节点: ComfyUI 社区创建了庞大的自定义节点库,扩展了 ComfyUI 的功能。探索这些节点可以为你的工作流添加新特性和新功能。
- 保存你的工作流: ComfyUI 允许你将工作流保存为
.json文件。这方便你以后随时重新加载和使用。
应避免的常见错误
- 显存(VRAM)不足: 显存耗尽会导致错误或减慢生成速度。如果遇到显存问题,尝试缩小图像尺寸、调低 batch size(批处理大小)或使用对硬件要求较低的模型。
- 节点连接错误: 确保节点连接正确。错误的连接会导致意想不到的结果或报错。
- 过度复杂的工作流: 最好从简单的工作流开始,逐步增加复杂性。过度复杂的工作流在排除故障时会非常困难。
- 忽略反向提示词: 如前所述,反向提示词对于优化图像至关重要。忽略它们可能会导致作品中出现不需要的元素。
- 不去尝试: 不要害怕尝试不同的设置和参数。学习 ComfyUI 最好的方法就是亲自动手尝试。
结论
ComfyUI 为创作 AI 艺术提供了一种强大且灵活的方式。通过理解节点界面的基础知识并尝试不同的工作流,你可以释放其全部潜力。但是,请记住,其学习曲线可能比较陡峭,且整个过程可能非常耗时。
为了获得更流畅、更便捷的体验,可以考虑使用 Hypereal AI。凭借其用户友好的界面、实惠的价格以及无内容限制的特点,Hypereal AI 让你能够跳过 ComfyUI 的复杂操作,专注于创意本身。此外,借助 Hypereal AI 的高质量输出,你可以快速轻松地获得专业级的效果。
准备好探索 AI 图像和视频生成的无限可能了吗?访问 hypereal.ai 立即开始创作!
