ComfyUI
ComfyUI是一款基于节点工作流的Stable Diffusion图形界面工具，专注于提供高效、灵活的AI图像生成体验。它采用模块化设计，用户可通过拖拽节点构建复杂工作流，精准控制生成流程的每个环节（如模型加载、采样器配置、图像解码等），支持Stable Diffusion、ControlNet等模型的深度定制。
相比传统SD WebUI，其显存占用减少30%-50%，能在低显存设备上处理高分辨率图像及复杂场景，同时支持工作流保存与复用，提升创作效率。该工具提供多节点并行处理、批量生成功能，并兼容WebUI的模型资源，用户可通过配置文件复用已有模型库。最新新版本优化了界面布局，增加工作流管理模块和实时预览尺寸调节，支持中文插件安装。专业用户可扩展自定义节点，集成外部算法实现风格迁移、动画生成等高级应用，适用于数字艺术创作、产品设计、影视特效等多个领域。
下图就是一个经典的玻璃瓶图片生成工作流，提示词“beautiful scenery nature glass bottle landscape, purple galaxy bottle,”
ComfyUI安装
ComfyUI目前安全非常简单，目前已经出桌面版本
Github：github.com/comfyanonym…
APP下载地址：www.comfy.org/download ，选…
下载后点击安装包默认安装即可，安装完成后会联网完成相应的python依赖包下载与安装。
初识ComfyUI
安装完成后，打开，app会展示现默认的一个最简单文生图工作流
此时新手会碰到第一个问题，如何选择SD的底模，SD的各种版本后缀又是什么意思？
SD 基础模型介绍
- SD 1.x：这是Stable Diffusion的早期版本，主要用于图像生成任务。这里的1.x表示1系列的主要版本，x是一个变量，表示具体的子版本。
- SD 2.x：这是SD 1.x的后续版本，对模型进行了优化和改进，提高了图像生成质量和速度。同样，2.x表示2系列的主要版本，x是一个变量，表示具体的子版本。
- SD 1.5：这是一个在SD 1.x基础上进行优化的版本，它在文本到图像生成任务上表现尤为出色，能够生成更符合用户需求的图像。
- SDXL 1.0：这是一个在SD 1.5基础上进一步优化的版本，采用了一种名为“对抗性扩散蒸馏”（Adversarial Diffusion Distillation，简称ADD）的新技术，使得模型能够在保持高采样保真度的同时实现实时图像生成。
- SDXL Turbo：它是在SDXL 1.0的基础上进行迭代的版本。特点是生成图像的效率非常高，几乎可以做到实时响应。在用户输入完文本提示后，图像就能立即显示。SDXL Turbo不仅速度快，生成的图像质量也非常高，能够精准还原提示文本的描述。得益于其采用的对抗性扩散蒸馏技术，该技术可以在高质量图像下以1-4个步骤对大规模基础图像扩散模型进行采样，同时避免了其他蒸馏方法中常见的失真或模糊问题。存在的局限性：目前它只能生成固定像素的图片，对于一些细节可能表现的不够好，如人的手指、面部表情等，无法完美的展现照片级真实感。目前SDXL Turbo只能用于学术研究，还未开放商业权限。
微调模型
知道了基础模型的版本概念之后，我们可以了解一些常见的基于SD对应版本优化的模型，以便即插即用。类似与LLM微调之后的模型，毕竟大部分人肯定不会直接使用LLM的instruct或者base版本的基础模型。
笔者目前比较推荐的两个模型如下：
majicMIX realistic 麦橘写实 SD1.5
专门用于生成唯美的人像图片，目前已更新至第七版。融合了多种模型，能够生成具有吸引力的面部特征，并能有效地处理暗部细节。
动漫二次元2.5D
这个是比较好的动漫风SD底模，大家如果想尝试卡通风格，可以使用这个底模
模型下载网站
下载SD模型首选就是C站，需要VPN。平台上面有各种实用的基础模型，Lora 模型等资源供大家下载，而且每一个模型或者 Lora 下面会有每张图片的生成参数。
2、哩布哩布AI (liblibai.com)
哩布哩布AI是来自国内的 Stable Diffusion AI 模型分享社区，它收集了很多不同类型的Stable Diffusion模型，包括知名的和小众的，资源非常丰富。
网站内容和布局和知名的 Civitai 几乎一样。包括模型分享下载和图片灵感两个模块！
非常适合刚接触Stable Diffusion的新手用户来这里找资源和学习。
无需fq，这是一个 AI 模型分享平台，你不仅可以上传/下载模型，还可以免费在线运行模型，实现在浏览器上就能使用 Stable Diffusion 进行生图，一键做同款。
这个网站需要fq，在上面你可以直接获取大量SD和DDL官方模型下载地址。
但网站全部英文,且没有图片预览，使用体验可能没有上面几个网站好，但下载体验却非常流畅，几乎没有限速和等待。
如果您想快速找到并下载到需要的模型，抱脸网无疑是最佳选择。
ComfyUI节点介绍
- Checkpoint加载器：作为工作流起点，用于加载Stable Diffusion大模型（如SD 1.5/SDXL），自动解析模型的VAE和CLIP组件，支持自定义VAE模型加载
- CLIP文本编码器：包含正向/负向提示词输入节点，分别连接K采样器的正负条件输入，实现文本条件控制
- 空Latent：定义生成图像的尺寸和批量数量，输出潜空间数据至K采样器。这是文生图流程的初始参数设定节点
- K采样器：核心生成节点，集成模型、提示词、潜空间数据，通过采样算法（如Euler/DDIM）执行扩散过程。支持调节迭代步数、CFG值等关键参数
- VAE解码器：将K采样器输出的潜空间数据转换为可视图像像素数据，完成图像生成过程的最终输出转换
- ControlNet应用节点：通过Apply Controlnet节点实现姿势控制、边缘检测等高级控制，需配合预处理器和模型文件使用
- lora节点：LoRA就是底模的补丁，一个底模的size通常在几G左右，训练底模的成本无疑是巨大的；而一个LoRA往往只有几十M~几百M左右，训练和使用的成本显著降低同时，它还能保障不错的生图质量与风格。
典型应用场景
- 文生图：Checkpoint→CLIP→空Latent→K采样器→VAE解码→保存
- 图生图：加载图像→VAE编码→K采样器→VAE解码
- 局部修复：图像加载→遮罩编辑→Latent噪波遮罩→K采样器
上面的几个典型工作流都会在下图进行介绍
文生图
当我们下载好majicMIX模型后，我们将majicmixRealistic_v7.safetensors文件放到/Users/用户名/Documents/ComfyUI/models/checkpoints目录下即可
默认的checkpoint加载器就会显示你已经下载的模型
选择底模
提示词
上门是正向提示词，表示希望图片出现的元素和背景之类的描述
beautiful scenery nature glass bottle landscape, purple galaxy bottle,
下面是负向提示词，表示不希望图片出现的元素或者现象，例如
(EasyNegative),(watermark), (signature), (sketch by bad-artist), (signature), (worst quality), (low quality), (bad anatomy), NSFW, (normal quality)
Latent图像
设置分辨率和一次训练产生图片的数量
K采样器
- 随机种子 (seed) 控制噪声生成规律：
- fixed：固定种子，相同参数生成一致结果
- randomize：每次随机生成
- increment/decrement：种子值递增/递减
- 步数 (steps) 降噪迭代次数，推荐 20-30 步平衡质量与效率。步数越多细节越精细，但边际效益递减
- CFG 值 提示词引导强度，推荐 7-9。过高（>12）会导致图像生硬或过曝
- 采样器 (sampler_name) 算法选择直接影响生成路径：
- dpmpp_2m：写实风格首选
- euler：快速生成基础内容
- lcm：极速生成（4-8 步即可）
- 调度器 (scheduler) 控制噪声衰减节奏：
- karras：增强对比度，适合高细节需求
- normal：柔和过渡，减少人工感
- 降噪强度 (denoise) 值域 0-1，默认 1.0 完全降噪。降低该值可保留部分原始噪声实现创意效果，高清修复建议 0.2-0.5
执行
进过上述步骤设置后，点击执行，就可以在“保存图片”节点生成图片，生成的图片可以右键另存为保存，也可以在“/Users/用户名/Documents/ComfyUI/output”路径下查看，也可以在侧边栏的历史记录查看
图生图
既然学会了文生图，那简单的图生图也不在话下了，点击菜单“工作流-浏览模板”，选择“图像到图像”的工作流模板，就会生成下图的工作流模板。
图生图工作流与文生图工作流唯一的区别就是，之前文生图的“空Latent图像”节点被替换为“加载图像 + VAE解码”这两个节点的组合，图片的生成有了原始图片的参考，本文上传了一张卡通图片，并且提示词改为
1 girl，blue hair
从最种生成的效果来看，改变最明显的就是女孩的头发颜色，生成的图片与原始图片保持了80%以上的类似
文生图最关键的参数就是K采样器种的“降噪”参数，当该参数为0时，图片完全没有变化，反之为1时，几乎全部变化。
Lora使用
既然大家已经学会了文生图，图生图等AI做图方式，那其实增加lora节点也应该融会贯通了，在checkpoting加载器节点之后增加“加载lora”节点，即可通过很小的成本实现的图片风格变化。
本文使用的lora模型是：www.liblib.art/modelinfo/4…
总结
本文旨在使读者对ComfyUI有初步的了解，希望读者对AI做图有了初步的了解与入门，并对准备学习和正在学习ComfyUI的同学一些帮助和引导。
