保持敏感！保持学习！

DeepWiki是一款AI代码阅读助手，只需将GitHub链接中的域名替换为deepwiki.com，即可将代码仓库转为智能维基。它能自动生成项目结构图、模块依赖关系，并提供问答功能，支持直接提问代码功能或项目架构。还能辅助编写示例代码并关联源码引用，大幅提升代码阅读和学习效率。无需安装登录，支持全文检索和源码跳转，是开发者快速上手新项目的利器。

Checkpoint、Lora、Hypernetworks是 Comfy UI 生图的重要工具，它们有各自的特点，结合不同的生图场景选择一个或者多个叠加使用，能够更好的命令 Stable Diffusion 生成理想状态的图片。以人像生图用通俗的方式解释：必不可少的模型，全局生成模型，图像的生成全依赖它。：可选的模型，局部生成模型，用来控制某些部位的生成，如：人脸、手指、服饰等。：可选的模型，用来给整个图片进行风格重塑，如：雕塑风、摄影风等。

使用 Comfy UI 完成一系列的操作需要多个不同功能项的节点构成，而这些节点所构成的就是工作流。比如：文生图工作流。工作流的方式，使用 Comfy UI 拥有了更多的灵活性，同样也多复杂性。在使用 Comfy UI 时，除了特殊场景需要构建自己的工作流外，大多场景都能够直接从官网或者第三方网站获取到工作流。本文，主要学习 Comfy UI 默认的工作流，用来熟悉 Comfy UI 的使用。

方式一：手动安装，GItHub 地址。方式二：Comfy UI Manager 搜索：UltimateSDUltimate SD 提供了三种不同节点，分别适用于不同的场景。如果需要全流程处理，使用 Ultimate SD Upscale如果图像已经放大，仅需要补充细节，直接使用 Ultimate SD Upscale (No Upscale)如果想手动设置采样参数，选择 Ultimate SD Upscale (Custom Sample)

高清修复实际上就是在原图的基础上进行二次重绘放大的操作。在 Comfy UI 工作流（一）高清修复，文章中，对应的都是 Comfy UI 官方提供的高清修复工作流，不过这些工作流都是文生图时的高清修复工作流。通过简单的调整，将文生图变更为图生图的高清修复。

使用 Comfy UI 完成一系列的操作需要多个不同功能项的节点构成，而这些节点所构成的就是工作流。比如：文生图工作流。工作流的方式，使用 Comfy UI 拥有了更多的灵活性，同样也多复杂性。在使用 Comfy UI 时，除了特殊场景需要构建自己的工作流外，大多场景都能够直接从官网或者第三方网站获取到工作流。本文，主要学习 Comfy UI 默认的工作流，用来熟悉 Comfy UI 的使用。高清修复，本质上就是图生图，先生成一张低分辨率的图，然后在图生图中进行放大。

负面提示词都有固定的起手式，但是保存和粘贴比较麻烦，Comfy UI 同样支持一键负面提示词的自定义节点。安装方式一：手动安装，GitHub 地址。安装方式二：Comfy UI Manager 搜索安装：ComfyUI_Custom_Nodes_AlekPet。演示。

Comfy UI 默认支持中文，但是不全，开发社区提供了汉化自定义节点。安装方式一：手动安装，GitHub地址。安装方式二：Comfy UI manager 搜索安装：AIGODLIKE-COMFYUI-TRANSLATION。Tips：开启方式Tips：迅速切换英文（某些场景下，英文更直观，通知支持快速切换）

安装自定义节点的方式很简单，即：直接通过 git 的方式，将对应的代码功能，拉到项目中 custom_node 文件夹中。ComfyUI Manager 也是一个自定义节点，ComfyUI Manager 实现的功能是和 Stable Diffusion Web UI 中的插件管理界面功能一样的功能，即：可以搜索下载安装管理各种 Comfy 自定义节点。## 拉取代码到 custom_nodes 目录中。

Checkpoint、Lora、Hypernetworks是 Stable Diffusion Web UI 生图的重要工具，它们有各自的特点，结合不同的生图场景选择一个或者多个叠加使用，能够更好的命令 Stable Diffusion 生成理想状态的图片。以人像生图用通俗的方式解释：必不可少的模型，全局生成模型，图像的生成全依赖它。：可选的模型，局部生成模型，用来控制某些部位的生成，如：人脸、手指、服饰等。：可选的模型，用来给整个图片进行风格重塑，如：雕塑风、摄影风等。

CANNY 是 ControlNet 常用的处理器之一，Canny 通过对图像进行边缘检测提取主要的轮廓，适用于需要保持原始图像结构的生成场景。通过 Canny 提取的轮廓信息，可以用于线稿填色，真人漫改等场景。通过 Canny 能够得到类似如下图的结果：canny 默认只有一种，通过控制高低阈值来控制边缘特征提取的程度。

Depth 的使用场景为建筑类型带有景深的场景，同样的针对人物也可以，不过 Depth 会限制人物的绘画时的自由发挥范围。通过 Depth 可以得到类似如下的结果从上图结果，可以看到，通过 Depth 来控制图片生成，整体图片的结构细节轮廓就直接固定下来了，Stable Diffusion 会在固定的结构轮廓中进行绘制，虽然能够控制号整体结构，同样的也限制了Stable Diffusion 绘图的灵活性。

openpose 是 ControlNet 中常用的控制模式之一。通过 openpose 可以锁定人物姿势，把姿势信息传递给 Stable Diffusion 扩散模型，让其在扩散生成图片的时候遵照特定的任务姿势。通过 openpose 能够得到类似如下效果：同样的姿势，还可以生成更多不一样的图片，

ControlNet是一个非常实用的工具。它增强了 Stable Diffusion 模型的控制能力，让用户可以基于特定输入（例如草图或姿势）生成符合特定需求的图像。通过 ControlNet，可以在不牺牲创意和细节的前提下，为图像生成注入用户的个性化元素，比如草图、人物姿势、甚至是特定的色彩主题。ControlNet 提供了多达 20 种控制类。

使用 Stable Diffusion Web UI 进行绘制的时候，出图效果有时候会不近如人意。直接点击生成的效果图如下：看起来还不错，不过细看下次很多，比如眼睛等。想要生成高质量的图片，需要在生图的基础上，进行图生图的二次重绘，不过同样的也会消耗更多的时间。

在使用 Stable Diffusion Web UI 生成图片时需要选择不同的模型、上手一个模型需要不同的采样方式，不同迭代步数等来尝试生成符合自己要求的参数。每个人对于生图效果需求度不一样，所以需要尝试到符合自己要求的参数，一个个尝试明显需要消耗更多时间，并且对比繁琐。场景需求：通过设定单个，或者多个参数值，批量生成对比图，找到符合自己要求的参数范围值。针对该场景，Stable Diffusion Web UI 可以根据 x/y/z 脚本进行多维度比对。

运行在 WSL 中的 Docker 容器中tagger 插件的作用是，上传一张图片，反推这张图片可能的提示词。使用场景就是，想要得到类似的图片内容时使用。

你可以选择图中不满意的部分，让 AI 只重新生成那一块内容，而不是重新生成整个图。在 Web UI 中，上传已经生成的图片，涂掉想修改的部分，然后再设置提示，AI 就会根据你的提示修补图中的特定区域。用 Web UI 中的遮罩工具把不想改动的部分涂黑，然后点击生成，AI 会根据你的提示修改其他部分。在生成好的图像上，使用放大功能，可以把图像放大 2 倍、4 倍甚至更多，让图清晰度更高。去噪强度低，AI 会更“温柔”，对图像的改动比较少。如果你觉得某张图不错，想再生成相似的，可以记住这个种子值，下次再用。

归纳整理，Stable Diffusion Web UI 使用过程中，相关术语。

AI绘画正在成为一种热门的创作工具，壁纸、模特、真人转二次元、艺术字、二维码、设计图、老照片修复、高清修复等，越来越多的使用场景，AI绘画让没有美术基础的人也能够借助工具获得自己想要的美术图片。AI绘画的核心是“”，也叫和。