AIGC绘图领域探索者，热衷于将创意与技术融合，致力于分享前沿AI绘图技巧与心得，让我们一起开启视觉艺术的新篇章。

在本地部署过Flux模型的小伙伴都知道，FLux模型对显卡资源的需求比较高，其dev版本占用空间高达24GB，即使是fp8-dev精简版也需11GB。即便是配备了RTX4090显卡的高端设备，在处理多张图像时也显得力不从心。这样的硬件门槛无疑阻碍了更多人的参与和体验。。这是一款运行在云端的插件，BizyAir集成了一系列ComfyUI节点，用户可以在ComfyUI中享受到云端GPU资源的强大支持，实现与原生ComfyUI无缝对接的流畅体验。BizyAir插件的安装*

ComfyUl提示词技巧

comfyUI 快捷键

上面介绍的三种方案，已经满足日常的需求了，按模型放大最快但是效果不大行，一般推荐使用潜在空间放大，就类似文生图里面的高清放大，如果想图片变化不大，那就用SD放大插件，这个就有点类似SD那边的tiles Diffusion那个功能，当然我们也可以结合使用，比如潜在空间放大+SD插件放大，只要你电脑显卡够呛，结合使用也是ok的。

本篇来介绍下ComfyUI里面如何使用 Controlnet这个神器，有用ControlNet和没用ControlNet，区别就是木棍和大炮，ControlNet是我们学习AI绘画必不可少的插件之一，这里我权当你已经了解过在WebUI那边关于Contrlnet的使用了，如果还没有，请先自行学习。

玩过SD的大概都知道 lora的用途了，这里我们简单概括下说明：一般用于复刻人物、物品的特征、训练画风、需搭配主模型使用路径：*\models\lora格式：后缀一般为 .safetensors模型大小：几十mb至两三百mb，部分Lora会需要触发词来使用，否则效果不明显。

本篇介绍 comfyUI的一些常用操作

具体图片的话，看原理流程图里面是需要先经过VAE编码后才可以接入到采样器的，所以这里把加载器的图像节点拉出来，连接一个VAE编码节点，这时候才可以去连接采样器的输入端的Latent，其实大家后面连接节点的时候可以注意节点的颜色，相同颜色的节点才可以连接。如下图这样，按图像缩放的可以设置具体的宽高，也是最常用的，第二种就是直接设置缩放倍数。采样器经过多次的工作，也就是对应步数那个属性，这里设置的是20步，也就是执行了20次。上面的只是一个最基本的工作流，你会发现图片尺寸好像无法修改，只能使用图片默认的。

本篇介绍下文生图这个最基本的工作流，上一篇已经介绍过了ComfyUI的出图原理了，结合这个原理来做这个工作流，你会发现非常顺。原理篇介绍过，底层的话其实是包含大模型、CLIP和VAE、采样器，下面具体说明也围绕这方面来展开。

因为comfyUI是基于workflow工作流的，就是将要完成的任务进行分解，然后一个个节点配置起来，如果你不懂的工作原理，别人分享的工作流你也只仅仅只能使用，想自己微调的话难度就大了。本文主要讲解工作流基本原理，让你对工作流在框架层面有大致认识。

comfyUI 如何安装插件(自定义节点)，因为插件安装不成功是comfyUI的常见问题，所以这里将会讲解4种comfyUI安装的方法。 其中我会比较推荐使用秋叶的ComfyUI整合包，你可以在下面的板块获取到秋叶的ComfyUI整合包的相关信息

无论是下载的第三方安装包还是官方的整合包，你在对应ComfyUI的安装目录里都可以找到extra_model_paths.yaml.example 这个文件

如果想一次性下载所有工作流，可以将这个项目下载/克隆到本地：https://github.com/comfyanonymous/ComfyUI_examples。可根据需要检索不同分类下的工作流下载使用。包含作者撰写的各种工作流的应用说明。

回溯Stable Diffusion生成一张图片的“去噪过程” ,SD会经由随机种子生成一张随机噪声图，然后利用训练好的”噪声预测器“（U-Net），结合输入的提示词等“条件”（Conditioning），进行“条件去噪”，在这张噪声图上不断添加一些形象，使之成为一张生成的新图片。在WebUI里，你所能看到的“采样方法”是一个单一的参数选项，但在Comfy UI 的核心采样器 KSampler 里，它会被“拆分”成两个单独的选项：Sampler Name（采样器名称）与 Scheduler （调度器）——

ComfyUI是一种新型的Stable Diffusion用户界面，因其独树一帜的“节点式”界面，逐渐成为了AI绘画领域进阶玩家的得力武器。搭配各式各样的自定义节点与功能强大的工作流，它得以用更低的配置实现许多在WebUI等常规界面里无法做到的复杂生成任务，并为基于Stable Diffusion搭建各类AIGC应用提供了便利。