ComfyUI 中一些常用节点及其作用

Juchecar
202 阅读4分钟

ComfyUI 是一个基于节点（Node-based）的 Stable Diffusion 图像生成界面，用户通过连接不同功能的节点来构建图像生成流程。以下是 ComfyUI 中一些常用节点及其作用的分类整理：

一、基础模型加载节点

  1. Checkpoint Loader（检查点加载器）

    • 作用：加载 Stable Diffusion 模型（.ckpt 或 .safetensors 文件），提供基础模型、VAE、CLIP 等组件。
    • 输出：模型（MODEL）、CLIP（用于文本编码）、VAE（用于图像编码/解码）。

  2. VAE Loader（VAE 加载器）

    • 作用：单独加载自定义 VAE 模型（如 animevae、vae-ft-mse 等），用于改善图像细节或风格。
    • 通常连接到 KSampler 的 VAE 输入或图像解码节点。

  3. Lora Loader（LoRA 加载器）

    • 作用：加载 LoRA 微调模型，用于风格、角色或细节增强。
    • 需连接到基础模型（MODEL）和 CLIP，输出增强后的模型和 CLIP。

  4. ControlNet Loader（ControlNet 加载器）

    • 作用：加载 ControlNet 模型（如 openpose、canny、depth 等），用于条件控制生成。
    • 需配合预处理器（如 Canny、OpenPose）使用。

二、文本与提示词节点

  1. CLIP Text Encode（CLIP 文本编码器）

    • 作用：将正向提示词（positive prompt）和负向提示词（negative prompt）编码为模型可理解的嵌入向量。
    • 通常有两个实例：一个用于正向提示，一个用于负向提示。

  2. Text Multiline（多行文本输入）

    • 作用：方便输入多行提示词，可连接到 CLIP Text Encode 节点。

三、采样与生成控制节点

  1. KSampler（核心采样器）

    • 作用：执行图像生成的核心节点，控制采样步骤、CFG、采样器类型（如 Euler、DPM++）、种子等。
    • 输入：模型、正/负提示词嵌入、潜在图像（latent）。
    • 输出：生成的潜在图像（latent image）。

  2. Empty Latent Image（空潜在图像）

    • 作用：创建指定尺寸（宽/高/批次）的空白潜在空间图像，作为生成起点。
    • 通常连接到 KSampler 的 latent 输入。

  3. VAE Decode（VAE 解码器）

    • 作用：将潜在图像（latent）解码为可视化的像素图像（IMAGE）。
    • 连接在 KSampler 之后，用于输出最终图像。

  4. VAE Encode（VAE 编码器）

    • 作用：将已有图像编码为潜在图像，用于图生图（img2img）或局部重绘。
    • 输入：IMAGE，输出：LATENT。

四、图像输入与处理节点

  1. Load Image（加载图像）

    • 作用：从本地加载图像，用于图生图、ControlNet 输入或参考图。
    • 输出：IMAGE 和 MASK（如果图像含透明通道）。

  2. Image Scale / Crop / Resize 等

    • 作用：调整图像尺寸，适配模型输入要求（如 512x512、768x768 等）。

  3. Image Scale by（按比例缩放）

    • 作用：按比例缩放图像，避免拉伸变形。

五、ControlNet 相关节点

  1. 预处理器节点（如 Canny、OpenPose、Depth 等）

    • 作用：对输入图像进行预处理，生成 ControlNet 所需的条件图（如边缘图、姿态图、深度图）。
    • 示例：Canny Edge Preprocessor、OpenPose Preprocessor。

  2. ControlNet Apply（应用 ControlNet）

    • 作用：将预处理后的条件图与 ControlNet 模型结合，输入到 KSampler 中进行条件生成。

六、高级功能节点

  1. Latent Upscale（潜在空间上采样）

    • 作用：在潜在空间中放大图像（如 2x），再进行细节生成，实现高清放大。

  2. Upscale Model Loader + Image Upscale With Model

    • 作用：使用 ESRGAN、SwinIR 等超分模型对最终图像进行后期放大。

  3. Conditioning Combine / Set Area / Set Mask

    • 作用：组合多个提示条件、设置局部提示区域或遮罩，实现局部重绘或区域控制。

  4. Save Image（保存图像）

    • 作用：将生成的图像保存到本地，可设置文件名、路径、格式等。

  5. Preview Image（预览图像）

    • 作用：在 UI 中实时预览图像，便于调试流程。

七、实用工具节点

  • Primitive Nodes（如 Int、Float、String）：用于动态输入数值或文本。
  • Reroute（重路由节点）：整理连线，使流程图更清晰。
  • Note（注释节点）：添加说明文字，便于协作或记录。

典型工作流示例（文生图）：

Checkpoint Loader → CLIP Text Encode（正/负）  
                      ↓  
Empty Latent Image → KSampler ← CLIP Text Encode  
                      ↓  
                VAE Decode → Save Image

这些节点组合灵活，可实现文生图（txt2img）、图生图（img2img）、ControlNet 控制生成、高清修复、局部重绘等多种功能。掌握常用节点是高效使用 ComfyUI 的关键。

avatar
文章
阅读
粉丝