comfyui

comfyui官網

comfyui，模塊化的stable diffusion圖形界面，基于節點工作流式
網站服務：comfyui，comfyui官網，comfyui插件。
A powerful and modular stable diffusion GUI with a graph/nodes interface. – GitHub – comfyanonymous/ComfyUI: A powerful and modular stable diffusion GUI with a graph/nodes interface.

comfyui官網，模塊化的stable diffusion圖形界面，基于節點工作流式

comfyui簡介

ComfyUI 是一個基于節點工作流式的 Stable Diffusion 算法的另一種 WebUI。通過將stable diffusion的流程拆分成節點，實現了更加精準的工作流定制和完善的可復現性。生成圖片時速度會比傳統的WebUI更快，而且可以占用更少的顯存。
「comfyui安裝包及工作流」: 夸克網盤高速下載，注冊送1TB空間
https://pan.quark.cn/s/1c846e5a7308
官方github鏈接：
https://github.com/comfyanonymous/ComfyUI
官方運用示例：
https://comfyanonymous.github.io/ComfyUI_examples/

ComfyUI作者Q&A -你為什么做這個？ 我想了解穩定擴散的詳細工作原理。我還想要一些干凈而強大的東西，讓我能夠不受限制地嘗試 SD。 -這是給誰的？ 這適用于任何想要使用 SD 制作復雜工作流程或想要了解更多 SD 工作原理的人。該界面緊密遵循 SD 的工作原理，并且代碼應該比其他 SD UI 更容易理解。
 

二、為什么要用 ComfyUI？ComfyUI 有什么優勢

1、占用顯存更少，與傳統的 WebUI 相比同等大小的顯存 ComfyUI 可以出更大的圖，尤其現在比較小的顯存用 WebUI 玩 SDXL 難度太大。這應該是目前 ComfyUI 迎來第二春的主要原因。
2、上限高，ComfyUI 更適合復雜長線的大型工作，可以把傳統 WebUI 需要多步操作的流程整合在一個流程里面。
3、工作流可快速復用，ComfyUI 可以把使用過的工作流保存下來，下次使用相同的流程可以直接加載復用。
4、可玩性更高，每個節點都可以安裝需要加載，連線流程式的玩法可以有更多的探索性。
當然相對于傳統的 WebUI 主要劣勢是上手難度有些高，ComfyUI 插件現在還是沒有 WebUI 多

二、為什么需要 ComfyUI？?

作者編寫 ComfyUI 代碼的初衷是為了深入了解 stable diffusion 的工作原理，并希望擁有一個功能強大且簡潔的工具，以便進行無限制的 stable diffusion 實驗。

如果你也有興趣深入了解 stable diffusion 的工作原理，并且在尋找一個工具來創建自己的生圖流程，那么 ComfyUI 絕對是你最佳的選擇。另外，使用 ComfyUI 最主要的原因是其對 SDXL 的優化更好，跑圖的顯存占用更低，速度更快。

可能很多人覺得很奇怪，A1111 不是已經很好了嗎？為什么還要使用 ComfyUI 呢？那么我們接下來就講講 A1111 和 ComfyAI 的區別。

①　用戶界面。A1111 的用戶界面更貼近我們的使用習慣，對于每個設置，我們只需要進行選擇或調整即可。例如當我們需要進行圖生圖操作時，只需要點擊圖生圖標簽，并將圖片上傳，然后設置參數即可，最后模型就會根據 A1111 內部設定流程完成整個生圖過程。但 ComfyUI 不同，如果我們需要進行圖生圖操作，我們需要自己構建流程，自己考慮添加哪些模塊（節點），以及這些節點之間如何連接等等，然后才設置參數，最后 ComfyUI 根據我們設定的流程來生成最后的圖片。因此，如果你對 stable diffusion 一無所知，那么 A1111 是更適合你的選擇，當你掌握了一定的 stable diffusion 運行機制后，ComfyUI 也將會是很不錯的平替。

②　擴展支持。A1111 的擴展支持要強于 ComfyUI。在 github 搜索框輸入 “ComfyUI”，只有22頁的搜索結果，而輸入 “stable diffusion webui”，結果足足有100頁。說明支持 A1111的插件數量更多，意味著擴展功能更豐富，總體的能力越強。

③　繪圖速度。最近，之所以 ComfyUI 的知名度突然提高，主要歸功于其對 SDXL 較好的支持。在 A1111 中，使用 SDXL 模型往往會占用大量內存，同時顯存的占用也居高不下，從而導致圖片的生成速度很慢。而 ComfyUI 卻能在較低顯存和內存占用的條件下以較快的速度完成相同的內容。對于 SD v1 版本，A1111 和 ComfyUI 的繪圖速度看不出明顯區別，但使用 SDXL 來繪圖，ComfyUI 的速度差不多是 A1111 的兩倍。因此，如果你想在低顯存的情況下也能更好體驗 SDXL，那么 ComfyUI 是我目前更推薦的選擇。? ?

三、如何下載安裝 ComfyUI

ComfyUI 項目網址：https://github.com/comfyanonymous/ComfyUI
Windows系統可以直接下載壓縮包：https://github.com/comfyanonymous/ComfyUI/releases/download/latest/ComfyUI_windows_portable_nvidia_cu118_or_cpu.7z
然后解壓安裝包，運行相應bat文件即可。如果是Nvidia顯卡run_nvidia_gpu.bat，如果使用CPU運行run_cpu.bat
其他系統的可以參考項目中的安裝方法

四、復用 WebUI 的模型和插件

如果你之前安裝過WebUI，尤其大多數同學估計都安裝過秋葉大佬的整合包，就可以把extra_model_paths.yaml.example文件后綴.example去掉，然后更改base_path為秋葉大佬整合包的目錄，這樣就可以復用原先的模型和插件了。如果之前沒用過WebUI，就需要下載模型到 \ComfyUI\models\checkpoints 目錄中

五、下載SDXL 1.0 相關的模型文件

下載SDXL的相關模型文件：
Base模型：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/tree/main
Refiner模型：https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0/tree/main
VAE模型：https://huggingface.co/stabilityai/sdxl-vae/tree/main
LoRA模型：https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/blob/main/sd_xl_offset_example-lora_1.0.safetensors
將基礎模型和Refiner模型文件放到 \ComfyUI\models\checkpoints 目錄下
VAE模型放到 \ComfyUI\models\vae 目錄下
LoRA模型放到 \ComfyUI\models\loras 目錄下

六、初步了解 ComfyUI 的節點操作和基本命令

雙擊 run_nvidia_gpu.bat 等待加載完成就可以自動打開工作界面。如果要保持最新，可以運行update/update_comfyui.bat進行更新。

1、ComfyUI 節點的基本操作

· 添加節點

再工作區右鍵 —>Add Node 就可以添加一個節點

· 查看所有節點

雙擊空白區域就可以查看所有節點的列表，并可以搜索相關的節點

·?選擇多個節點

按住 Ctrl + 鼠標框選，可以選擇多個節點。按住 SHIFT + 拖動，就可以同時移動它們。

·?為節點添加顏色

在節點上右鍵 —> Colors 就可以為不同的節點添加不同的顏色用于區分

2、ComfyUI 的節點連線

建立連接：如果拖動節點的引腳到空白區域，就能看到這個引腳所有相關的兼容列表。

節點引腳的兼容性：輸入和輸出是相同的顏色才能進行鏈接，例如綠色的引腳的輸出引線也要連接的下個輸入的綠色引腳上

3、ComfyUI 的執行命令面板

最右邊的 Queue Prompt 就是執行生成命令，下面的是常用的保存、加載工作流，刷新、清空按鈕，加載默認工作流等命令按鈕。

?

七、基礎的 ComfyUI 節點介紹

其實要了解每個節點的作用最好是能先了解下 Stable Diffusion 的原理，當然不了解按照引腳連線也是可以的。

1、Load Checkpoint?加載基礎大模型節點

可以選擇要加載的大模型，輸出引腳分別是：
MODEL：用于去噪潛在變量的模型（也指Unet，執行“擴散”過程）
CLIP：將文本轉換為Unet可以理解的格式
VAE：將圖像從潛在空間解碼為像素空間

2、CLIP Text Encode 文本編碼節點

用于生成圖像的正負提示詞，CLIP模型用于將文本轉換為Unet可以理解的格式（文本的數字表示形式），通常稱之為嵌入。輸出引腳一般是采樣器 KSampler

3、KSampler 采樣器

這是實際的“生成”部分，當點擊生成隊列時，KSampler 需要花費最多的時間來運行。
輸入引腳：
model?：?MODEL?從模型加載節點輸出 （Unet）
positive?：由 CLIP 模型編碼的正向提示
negative?：由 CLIP 模型編碼的負向提示
latent_image?：潛在空間中的圖像（或空的潛在圖像節點）

4、VAE Decode VAE 解碼器

VAE用于將圖像從潛在空間轉換為像素空間。
輸入引腳：
samples：已經通過采樣器完成了去噪的潛在空間圖像
vae：可以是大模型自帶的VAE，也可以是的VAE模型
輸出引腳：
IMAGE：可以連接保存或者預覽圖片

以上幾個采樣器基本就完成了最基本的工作流，可以正常輸出圖像了。

八、加載別人分享的 ComfyUI 工作流配置文件

可以通過Load按鈕加載他人分享的json文件或者生成的原圖直接打開工作流。
官方就提供了很多的工作流案例：https://comfyanonymous.github.io/ComfyUI_examples/

我們以 ComfyUI 官方提供的SDXL為例，只需先下載保存官方案例中的原圖

然后在右邊的命令窗口使用 Load 按鈕，加載剛保存的圖片就可以加載整個工作流了。然后將Base 和 Refiner 模型加載器中選擇在第五步下載的相對應的文件名，就可以點擊生成了。

SDXL的官方模型跑圖的流程就是先用Base模型跑前面的步數，然后Refiner模型跑后面的步數，是混合出圖的。不需要跟WebUI一樣先用Base模型跑出圖，然后再用Refiner模型圖生圖的方式就行精修。ComfyUI 自然生成速度要更快一些了。
然后我們再進一步參考官方提供的加載LoRA的流程圖，修改現有的SDXL基礎流程來使用LoRA

可以看到LoRA加載節點是放在了大模型和文本編碼器之間，我們只需要把Base模型了引腳鏈接到LoRA加載器就行了

?

九、ComfyUI 如何安裝插件

ComfyUI 基本以節點的形式呈現，一般插件的安裝目錄是 \ComfyUI\custom_nodes。插件的安裝方法基本有兩種，一種是使用git命令下載；另一種是直接下載插件包然后放到自定義節點的目錄中，下面我們分別以常用的 ComfyUI 管理器和多語言插件為例

ComfyUI Manager

ComfyUI Manager 用于管理 ComfyUI 的自定義節點和模型，如果我們加載他人分享的工作流配置文件時報節點錯誤，就可以使用“Install Missing Custom Nodes”功能嘗試安裝缺失的節點，下面我們以Git安裝方式來安裝 ComfyUI Manager 插件。
ComfyUI Manager 項目地址：https://github.com/ltdrdata/ComfyUI-Manager
首先我們進入到 \ComfyUI\custom_nodes\ 文件夾中，然后在文件夾地址欄中輸入“cmd”回車就可以進入當前目錄的命令提示行窗口。

然后輸入git命令
git clone?https://github.com/ltdrdata/ComfyUI-Manager.git

最后重啟 ComfyUI 就可以使用 ComfyUI Manager 了

中文翻譯插件 AIGODLIKE-COMFYUI-TRANSLATION

這是一款支持包括中文在內的多語言插件，可以把大部分節點和界面翻譯成中文，而且可以切換選擇的語言。
項目地址：https://github.com/AIGODLIKE/AIGODLIKE-COMFYUI-TRANSLATION
下面我們以下載壓縮包的形式來安裝這個插件，首先在項目的Code下拉框中點擊“Download ZIP”下載項目的安裝包

然后解壓壓縮包將項目文件夾復制到 \ComfyUI\custom_nodes\ 下，最后重新啟動 ComfyUI 在設置按鈕中選擇中文即可。

以上就是小剛分享的 ComfyUI 入門教程，這其實斷斷續續的寫了好幾天，主要小剛也是在不斷的摸索。本來還打算分享 ControlNet 的使用，只不過現在還基本只是 canny 和 depth 兩種模型，感覺實用性還不是很大。也嘗試了下 StabilityAI 官方的 control-lora 400M的模型在 ComfyUI 8G顯存下還是能夠跑出圖來的， 期待這個生態能夠越來越完善。
以上教程轉載自 : 這里

comfyui網址入口

https://github.com/comfyanonymous/ComfyUI

OpenI小編發現comfyui網站非常受用戶歡迎，請訪問comfyui網址入口試用。