01.ComfyUI原理|基础操作|文生图工作流|网站推荐

ChoSeitaku ChoSeitaku 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 551平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄5年
关注
原创 2025-06-23 12:44:24 551 阅读 AI 写同款· GEO 优化 ›
秋叶ComfyUI整合包V9.5：10分钟无痛部署，开启AI绘画节点式工作流 在AI绘画领域，Stable Diffusion作为核心的扩散模型，其原理是通过逐步去噪将随机噪声转化为目标图像，实现了从文本到图像的高质量生成。这一技术价值在于赋予了创作者前所未有的视觉内容生产能力。然而，其应用场景从简单的文生图扩展到复杂、可控的创意工作流时，对工具的可控性和透明度提出了更高要求。节点式工作流（Node-Based Workflow）正是应对这一需求的关键技术，它将图像生成的每个步骤（如模型加载、提示词编码、采样、解码）模块化为独立的、可连接的节点，使整个生成过程从“黑盒”变为“白盒”， 阅读详情

底层原理

扩散算法

从生成噪点到去除噪点的过程

CLIP（翻译）

Text Encoder文本编码器的一种，把人类的语言翻译成计算机理解的语言
文本信息(关键词)->数字化描述(函数/向量)
CLIP算法根据模型训练数据/经验/参数，大概感知到需要的特征

Latent Space（压缩）

翻译后的语言会进入到Latent Space里面，潜空间。压缩的过程，将512x512x3压缩为64x64x4

采样器、调度器、CFG Scale在潜空间内工作

U-net（去噪）

对随机种子生成噪声图进行引导

Seed

随机种子
随机种子阈值：0-4294967295

VAE解码器（解压）

通过VAE解码器进行解码

基础操作

![[Pasted image 20250622235620.png]]

左键双击背景进行搜索节点

![[Pasted image 20250622235718.png]]

左下角打开设置

![[Pasted image 20250623010748.png]]

左上角点开工作流可以保存

![[Pasted image 20250623010900.png]]

编辑

![[Pasted image 20250623010950.png]]

管理器

![[Pasted image 20250623011203.png]]

队列

![[Pasted image 20250623011303.png]]

节点库

![[Pasted image 20250623011406.png]]

模型库

![[Pasted image 20250623011441.png]]

工作流

![[Pasted image 20250623011452.png]]

搭建文生图基础工作流

![[Pasted image 20250623104327.png]]

加载器

核心是大模型，定义图片风格
调用任何模型都需要加载器
![[Pasted image 20250623104658.png]]

![[Pasted image 20250623104705.png]]

文本编码器

![[Pasted image 20250623105036.png]]

![[Pasted image 20250623105212.png]]

采样器

![[Pasted image 20250623105249.png]]

![[Pasted image 20250623105340.png]]

随机种子：SD渲染时用到的随机噪声
完全随机就把随机种调到0

运行后操作：
![[Pasted image 20250623105513.png]]

固定：每次生图都是同样的种子
增加：每次生图时种子数字+1
减少：每次生图时种子数字-1
随机：每次生图时完全随机的数字

步数：代表每次生图时降噪多少次数
推荐30-40

CFG：代表关键词和图片的相关性
数值越高，图片和关键词的相关性就会越高，建议3-9

采样器：推荐euler a
dpmpp_2m_sde百搭

调度器：
![[Pasted image 20250623112234.png]]

是图片在降噪时的变化曲线
正常：匀速降噪
karras：曲线降噪
exponential：极速降噪

降噪：
就是重绘幅度denoising，文生图默认值保持1，图生图时，数值越高，和原图越不相近

Latent

![[Pasted image 20250623112729.png]]

![[Pasted image 20250623112819.png]]

1.5版本大模型：范围512-768之间
2.1版本大模型：768-1024之间
SDXL/SD3版本大模型：1024上下

VAE解码

![[Pasted image 20250623113045.png]]

![[Pasted image 20250623113117.png]]

生成框

![[Pasted image 20250623113155.png]]

![[Pasted image 20250623113232.png]]

1girl, eating ice cream while walkinig on the beach

embedding:EasyNegative,

![[Pasted image 20250623113629.png]]

![[Pasted image 20250623113708.png]]

VAE加载器

![[Pasted image 20250623115333.png]]

![[Pasted image 20250623115339.png]]

可以理解为滤镜

网站推荐

Create Art or Modify Images with AI
LiblibAI-哩布哩布AI - 中国领先的AI创作平台
Civitai: The Home of Open-Source Generative AI
ComfyICU - Serverless ComfyUI Cloud

收录于
ComfyUI

当前文章被收录于：

ComfyUI
5 篇文章 0 人学习
订阅专栏 查看详情
标签
#人工智能 #深度学习 #ComfyUI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
AI漫剧制作：从剧本到成片的LibTV工作流实战指南 在AI内容生产领域，漫剧制作正从单点工具拼凑走向端到端工作流编排。传统的剧本、分镜、配音、剪辑分散在不同平台，上下文丢失、参数难复用、时间轴手动对齐成为批量创作的瓶颈。以节点式工作流为核心的解决方案，将生成式AI能力封装为可复用的模块，通过数据连线自动传递信息，实现从剧本到成片的流水线式生产。这种模式不仅适用于ComfyUI等可视化平台，也为小团队提供了参数集中管理、结果可复现的工程化路径。本文以LibTV工作流为主线，系统拆解AI漫剧的剧本结构化、分镜生成、TTS配音、字幕对齐与视频合成全链路，并讲解环境 阅读详情

相关推荐

ComfyUI+MiniMax H3搭建AI漫剧生产流水线：从角色一致到分镜批量生成

AI视频生成技术正在快速改变内容创作方式，漫剧作为新兴的叙事形式，对角色一致性和分镜批量生成提出了极高要求。ComfyUI作为基于节点的可视化AI工作流平台，将模型加载、提示词编码、采样生成等步骤标准化，配合MiniMax H3视频模型，首次让本地批量生成连贯画面成为可能。这种节点化流程不仅解决了工具碎片化问题，更通过角色参考图、固定描述模板和批量队列机制，将传统手工逐张生成升级为可复用的工程化流水线。在短视频与动漫风格内容需求激增的背景下，掌握ComfyUI工作流搭建与模型部署能力，已成为内容创作者实现高

weixin_34279246的博客 403

文生图工具之ComfyUI从原理到实践的全维度剖析

ComfyUI 支持通过 Python 脚本开发自定义节点，扩展其功能（如添加图像滤镜、接入外部 API）。

搏博的专栏 2085

n8n + Docker Compose 搭建本地 AI 工作流基础设施

本地大模型应用的核心瓶颈并非算力或模型本身，而是多工具协同的自动化能力缺失。n8n 作为低代码工作流引擎，结合 Docker Compose 的声明式容器编排，可构建高可靠、可离线、易维护的本地智能体基础设施。其技术价值在于统一调度 Ollama、ComfyUI 等异构 AI 服务，解决网络互通、启动时序、数据持久化等工程痛点，广泛适用于小说创作、AI 绘画、知识库问答、自动化报告等轻量级 AI 生产场景。本文聚焦 n8n 与 Docker Compose 协同落地的关键实践。

weixin_34290096的博客 726

ComfyUI 升级 v0.4.0 踩坑记录：解决 TypeError: QM_Queue.task_done() 报错

本文记录了ComfyUI升级至v0.4.0版本时遇到的队列管理器兼容性问题及解决方案。当点击"QueuePrompt"生成图像时，控制台出现"TypeError:QM_Queue.task_done() got an unexpected keyword argument 'process_item'"错误，导致任务无法执行。问题根源在于核心代码与插件版本不匹配：v0.4.0新增的process_item参数与旧版execution.py及ComfyUI-Queue-

AITechLab 的博客 1731

基于Stable Video Diffusion的本地AI视频生成：从原理到漫剧制作实践

AI视频生成技术是计算机视觉与深度学习领域的重要分支，其核心原理基于扩散模型在时间维度上的扩展，通过时间注意力机制确保帧间连贯性。这项技术的核心价值在于将静态内容动态化，极大地降低了专业视频制作的门槛，提升了内容创作效率。在应用场景上，它广泛服务于短视频制作、动漫生成、广告创意及教育内容开发等领域。本文聚焦于利用开源Stable Video Diffusion模型，详细阐述了从环境配置、模型部署到参数调优的完整本地化实践流程，为开发者构建可控的AI视频生成系统提供了具体方案，并深入探讨了其在漫剧制作中的实际

weixin_33804582的博客 398

ComfyUI安装避坑指南：驱动、Python、路径三大核心问题详解

ComfyUI作为主流的节点式AI工作流工具，其稳定运行依赖底层环境的精确匹配。理解CUDA与NVIDIA驱动的版本协同机制、Python解释器与PyTorch二进制包的ABI兼容性、以及文件路径在Windows/macOS/Linux下的编码与解析差异，是解决90%启动失败的关键。这些技术原理直接决定模型加载是否成功、GPU加速能否启用、插件是否正常注册。典型应用场景包括Stable Diffusion本地部署、多模型快速切换、企业级AI绘画流水线搭建等。本文聚焦真实环境（RTX 3060/Win11、M

weixin_34221775的博客 436

ComfyUI学习第二天（文生图原理）

ComfyUI中有CLIP文本编码器，通常提供两个，一个是正向提示词，一个是负向提示词。两个提示词经过文本编码器（比如Transformer）编码，将文本转化成含有语义信息的特征向量。图片经过图像编码器（有的是ViT架构，有的是ResNet架构），也被转化成特征向量。CLIP模型是一个学会了将文本和图像映射到同一个语义空间的模型，能够理解图像内容和文本描述之间的匹配程度。

qq_64219198的博客 1768

VScode+MPLAB AI助手：Microchip MCU开发全流程实战解析

本文详细解析了如何使用VScode搭配MPLAB AI助手进行Microchip MCU开发的完整流程。从环境配置、工程创建到代码生成与调试，全面介绍了AI助手在提升开发效率、优化代码和故障排除方面的实际应用，为嵌入式开发者提供了一套高效的开发解决方案。

hh234的博客 1131

ComfyUI教程-基础图生图工作流

我们回顾文生图中K采样器的Latent（潜空间）输入端，连接的是一个空Latent，也就是说文生图我们要给AI一个空白的画布，规定好画布尺寸，让它作画。那么图生图就是要从Latent端输入给它一个图片，让它根据图片内容去作画。

Trb701012的博客 734

用 Coze 打造纯自动化 AI 情报助手

本文将引导您逐步构建一个简易的AI情报助手，从提示词到工作流，再到卡片消息，详细讲解了如何利用Coze平台开发自动化工具。过程简单易懂，何不亲自动手一试？如果您对此类内容感兴趣，敬请关注本作者。未来，我将带来更多精彩的AI工具教程，助您迅速掌握各类AI应用。在这个AI时代，让您领先一步。t=O83A2AGI.NET AI 教程 震撼！用 Coze 打造纯自动化 AI 情报助手震撼！

xinzhaobuxuan的博客 2531

SAP IDOC与EDI实战解析：从基础原理到跨系统采购订单同步

本文深入解析了SAP IDOC与EDI在企业数据交换中的核心作用，通过跨系统采购订单同步的实战案例，详细阐述了从基础原理到配置部署的全过程。文章将IDOC比作标准化数据“集装箱”，EDI视为高效传输“高速公路”，并提供了从消息类型定义、处理代码开发到全链路测试的完整指南，帮助企业实现自动化、无差错的业务协同。

weixin_28335283的博客 295

LiblibAI 平台部署 Comfyui 工作流

Comfyui 和 Webui 都是基于 Stable Diffusion 开发，实现文生图、图生图、ControlNet 控制、高清放大、局部重绘、Animatediff 生成视频等。Comfyui 是一个基于节点式的操作流程，没有固定的整合使用界面（有很多在线平台，LiblibAI 也是其中之一）、条件（添加在加载器和K采样器之间，例如正向提示词和负向提示词，充当指挥官，设定生成条件）、采样、Latent、图像。Webui 具有整合好的可视化界面，可以在浏览器上对各个参数进行点击、选择，学习成本低。

关于我的学习记录 1万+

Unity+Hybridclr发布WebGL记录

问题不多，比预想中的顺利，如果遇到问题建议先看Hybridclr的常见问题里面有没有解决方案，没遇到Hybridclr的报错，所以记录的问题里面没有Hybridclr相关的。导出设置里的压缩格式选择了Brotli，而服务器或浏览器不支持，据说是可以拓展服务器配置使支持Brotli，但是由于我本人是IIS小白，所以换了种压缩格式，在publishing Settings修改Compression Fromat为Gzip。3.在浏览器运行之后视图一直闪烁。，修改配置，这个网上很常见。

a598211757的博客 1038

ComfyUI 节点太复杂？几个现成工作流网站拯救手残党

还在为ComfyUI怎么上手发愁？别急，今天这篇文章就像是你通往Comfy世界的快捷通道！无论你是AI绘画的新手小白，还是想进一步挖掘节点式流程潜力的进阶用户，下面这5个宝藏网站绝对能让你少走不少弯路。

m0_59162559的博客 3214

NXP S32k3 MCAL EMIOS PWM配置

NXP s32k 配置 EMIOS PWM

Leon_0125的博客 2702

华为FusionCompute之计算虚拟化

华为FusionCompute之虚拟化

jks212454的博客 2452

请看，小白是如何三步速成ComfyUI？

ComfyUI—三步速成秘籍—嘿，小伙伴们！我是一个刚刚踏入GEO AI实验室的新鲜面孔，一个对AI设计充满无限好奇的新手。在这个充满创意和科技感的实验室里，我只用了短短三个步骤，就掌握了ComfyUI。你可能会问：这怎么可能？但事实就是这样，我做到了！并且，我迫不及待地想要和大家分享我的速成秘籍。请看~

2401_84760719的博客 1487

TPAMI 2024 | 面向大型城市场景的快速建筑实例代理重建

大规模城市场景（特别是建筑物）的数字化是一个长期存在的开放问题，这归因于数据获取方面的挑战，如场景覆盖不完整、缺乏语义、规划路径的效率和可靠性低。在本文中，我们针对从航拍图像中重建城市建筑的问题，提出了一个有效的工作流程和一些新颖的算法，用于大型城市场景中高效的3D建筑实例代理重建。具体来说，我们提出了一种基于学习的新型方法，用于从航拍图像中进行城市建筑的实例分割，然后通过基于投票的算法将多视图实例信息融合到稀疏点云中（使用标准结构从运动管道重建）。我们的方法实现了从点云中对建筑实例进行有效的实例分割。

小白学视觉 322

ComfyUI教程 节点太复杂？几 个现成工作流网站拯救手残党

还在为ComfyUI怎么上手发愁？别急，今天这篇文章就像是你通往Comfy世界的快捷通道！无论你是AI绘画的新手小白，还是想进一步挖掘节点式流程潜力的进阶用户，下面这5个宝藏网站绝对能让你少走不少弯路。ComfyUI 是什么？如果你用过Substance Designer，那种通过一个个节点模块拼出复杂效果的方式，ComfyUI同理。它把SD的原理抽象成一个个模块节点，从图像生成到后期调色，每个环节都可以自定义组合，非常适合进阶玩家做“精细化控制”。不过，也正因为如此，它的学习曲线也更陡峭一点。

z19981的博客 1701

Windows 11 安装 uv：手动下载、配置国内源

本教程详细介绍了在 Windows 11 系统下安装并配置 Python 包管理器 uv 的完整流程，包括配置环境变量 PATH、设置清华 PyPI 镜像源，以及创建收据文件以支持未来更新。适用于因网络限制无法通过官方脚本自动安装的用户，操作步骤清晰，配有图文指引，帮助读者高效完成本地部署。

寒水馨 · 轻量级技术文档 · hanshuixin.org 7609

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

【ComfyUI 救星来了！】节点太复杂？这几个工作流网站直接拯救手残党！

ComfyUI入门遇到困难？别担心！这篇文章将为你打开通往ComfyUI世界的大门。无论你是AI绘画初学者，还是希望深入探索节点式工作流程的进阶用户，以下5个优质资源网站都能帮助你快速提升。

Android 开发架构 2515

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

【ComfyUI学习笔记01】下载安装 | 运行第一个工作流 | 学习思路

本博客面向初学者，首先介绍了ComfyUI及其关键插件ComfyUI Mnager的下载安装方法，然后拆解了在ComfyUI中搭建第一个Text2Img工作流的步骤和思路，最后提供了博主在学习ComfyUI时的心得：面向应用，块状记忆。

慢工社 1473

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

ComfyUI新手教程：从零搭建工作流，掌握AI绘画与视频生成

在AI绘画与AI视频生成领域，理解底层处理流程比盲目的参数堆砌更重要。ComfyUI作为一种节点式工作流工具，将模型加载、条件输入、采样器与解码保存等环节可视化，使用户从“黑盒出图”转向可控、可复现的生产流程。本文从基础概念入手，讲解环境配置、节点连接、KSampler参数调整等核心原理，并探讨批量出图、工作流复用、错误排查以及从静态图像扩展到AI视频生成的技术路径。无论是本地部署、低显存优化，还是学习如何导入他人工作流并处理“请安装缺失的包”等常见报错，都能从中找到实用方法。掌握这类流程编排工具，不仅能提

weixin_33843409的博客 407

Datawhale X 魔搭 AI夏令营---AIGC Task3

Datawhale X 魔搭 AI夏令营

tenghe5926的博客 2313

AIGC零基础入门到精通，看这一篇够了

在当今的数字化时代，内容创作领域正经历着一场技术革命，其中AI和机器人自动化流程的结合为爆文仿写及其发布过程提供了一种高效的自动化解决方案。下面就向大家阐述：如何整合利用人工智能（AI）与机器人流程自动化RPA）技术，以实现一键式、批量化的内容仿写及自动化发布流程。这一工作流程的核心是运用先进的技术手段，简化并加速内容创作的各个步骤，从而优化资源利用，提升效率。

二狗的博客 795

图片分割高效工作流：从批处理脚本到自动化切图实战

图像处理是工程实践中的高频需求，而图片分割作为其中的基础环节，常被简单理解为“把图切开”。实际上，从网格切图到内容感知分割，再到语义分割的掩码输出，不同场景对分割结果的精度、格式和边界处理要求截然不同。理解分割原理、合理选择工具链，是构建高效图像处理流程的关键。在电商详情页切图、UI多倍率输出、漫画分镜裁切等真实应用中，批量处理与自动化脚本能大幅提升效率，减少重复劳动。通过Pillow、OpenCV等轻量级工具组合，配合命名规范、边界校验与压缩优化，即可搭建一条稳定可复用的图片分割流水线。本文从图像处理的基

weixin_34377919的博客 356
上一篇： 17.QT-Qt窗口-工具栏|状态栏|浮动窗口|设置停靠位置|设置浮动属性|设置移动属性|拉伸系数|添加控件(C++)
下一篇： 02.高效工作流与全局管控技巧|提示词|翻译|文本
点赞 5
评论 0
书签 书签 6
ChoSeitaku
ChoSeitaku
博客等级 码龄5年 3452粉丝 557原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值