【closerAI ComfyUI】引爆你的朋友圈!打造专属吉卜力风格动漫照片!GPT 4o受限?comfyUI给你无限生成!

部署运行你感兴趣的模型镜像

【closerAI ComfyUI】引爆你的朋友圈!打造专属吉卜力风格动漫照片!GPT 4o受限?comfyUI给你无限生成!强!

chatGPT 4o发布最新模型,将图像生和编辑功能开放出来。但不同角色用户使用都有一定限制。它一发布,整个AI圈都是comfyUI白学。

我认为,技术迭代的过程的确会淘汰一波工具,但像comfyUI这种除了绘画,还能生成视频、音频、文本等多模态整合的开放的活动跃的生态,毕竟它免费不受限制,这里的受限大家都懂的,除了无限生成,还能生成开放的内容。但至少以下以点,目前阶段是无法取代comfyUI的。

1、comfyUI的万物迁移能力与GPT4o不相上下,编辑功能也有很多解决方案。唯一就是算力问题。一个看本地算力,一个看排队时长。

2、comfyUI是本地化运作,数据保密性较强。

3、工作流嘛,搭建好,直接拿来用。输入即可直接输出,效果稳定。GPT 4o还要相提示词动嘴抽卡。

4、一个收费一个免费。

以上主要是个人观点,不喜物喷。说回GPT4o发布会上演示转绘功能,引爆了吉卜力风格转绘,今天我们也来打造一个comfyUI工作流,打造无限生成的图像转绘吉卜力风格的专属工作流,让你畅玩不受限。

以下是closerAI 吉卜力动漫风格化工作流。

图片

**工作流搭建思路很简单:**加载一张图像,用反推节点形成提示词,接入一个吉卜力风格的lora能更好的引导生成,使用flux模型进行生图。

这里使用了两种提示词反推,一个是gemini 2,使用的是API,够快够准。二是使用florence 2反推,慢点但是很准。

图片

然后是flux图生图啦,过程加入了sageattention+teacache加速生成。安装不了的小伙伴删除即可。

以下是效果:

图片

图片

图片

图片

图片

图片

图片


本地算力不够怎么办?在线体验效果

如果本地设备算力不好的小伙伴,推荐使用线上comfyUI来运行体验:runninghub.cn

图片

最后几句:

comfyUI有它的优势,只要它能提高创作过程的效率,它就有存在的必要性。

为了帮助大家更好地掌握 ComfyUI,我在去年花了几个月的时间,撰写并录制了一套ComfyUI的基础教程,共六篇。这套教程详细介绍了选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。

由于篇幅原因,本文精选几个章节,详细版点击下方卡片免费领取
请添加图片描述

一、ComfyUI配置指南

  • 报错指南
  • 环境配置
  • 脚本更新
  • 后记

img

二、ComfyUI基础入门

  • 软件安装篇
  • 插件安装篇

img

三、 ComfyUI工作流节点/底层逻辑详解

  • ComfyUI 基础概念理解
  • Stable diffusion 工作原理
  • 工作流底层逻辑
  • 必备插件补全

img

四、ComfyUI节点技巧进阶/多模型串联

  • 节点进阶详解
  • 提词技巧精通
  • 多模型节点串联

img

五、ComfyUI遮罩修改重绘/Inpenting模块详解

  • 图像分辨率
  • 姿势

img

六、ComfyUI超实用SDXL工作流手把手搭建

  • Refined模型
  • SDXL风格化提示词
  • SDXL工作流搭建

img

由于篇幅原因,本文精选几个章节,详细版点击下方卡片免费领取

img
请添加图片描述

您可能感兴趣的与本文相关的镜像

ComfyUI

ComfyUI

AI应用
ComfyUI

ComfyUI是一款易于上手的工作流设计工具,具有以下特点:基于工作流节点设计,可视化工作流搭建,快速切换工作流,对显存占用小,速度快,支持多种插件,如ADetailer、Controlnet和AnimateDIFF等

### 使用 AI 或图像处理技术生成吉卜力风格照片的方法 为了实现生成具有吉卜力风格照片效果,可以采用多种技术和工具组合的方式完成这一目标。以下是具体方法: #### 1. 利用预训练的神经网络模型进行风格迁移 一种常见的做法是使用基于卷积神经网络(CNN)的风格迁移算法[^3]。这种技术能够提取特定艺术风格的关键特征并将其应用到输入图片上。例如,可以从《龙猫》或其他吉卜力动画电影中选取典型场景作为参考样式。 ```python from tensorflow.keras.applications import vgg19 import numpy as np from scipy.optimize import fmin_l_bfgs_b from PIL import Image def preprocess_image(image_path, img_nrows=400): image = Image.open(image_path).resize((img_nrows, int(img_nrows / aspect_ratio))) return np.expand_dims(vgg19.preprocess_input(np.array(image)), axis=0) # 定义损失函数计算部分... ``` 上述代码片段展示了如何加载一张待处理的图片以及准备用于后续操作的数据格式化过程[^4]。 #### 2. 结合 OpenAI 的 DALL·E 功能定制提示词 如果希望借助现有的大型语言模型或者多模态模型,则可以根据已知信息调整相应的参数设置。比如,在调用 OpenAI 提供的服务时指定详细的描述语句来引导最终输出更加贴近所需的视觉效果[^1]。 需要注意的是,虽然DALL·E擅长根据文字指令创建新颖独特的插画作品,但对于高度专业化的需求如模仿某位艺术家的独特手法可能还需要额外的努力去微调其行为模式。 #### 3. 运用专门设计的GAN架构重现手绘质感 近年来研究者们开发出了不少专注于复制传统绘画技法的人工智能解决方案——其中就包括那些致力于还原日本动漫美学特色的实例。这些方案通常依赖于生成对抗网络(GAN),它们经过大量真实案例的学习之后具备了相当程度上的创造力与表现能力[^5]。 对于想要获得接近原版质量的结果而言,这种方法可能是最为直接有效的途径之一;不过同时也意味着较高的硬件需求和技术门槛。 --- ### 总结 综上所述,要生成带有吉卜力特色的新颖影像资料,既可以依靠传统的计算机图形学理论框架下的风格转移手段,也可以探索新兴领域里由深度学习驱动的各种可能性。每种策略都有各自的优势所在,实际运用过程中往往还需考虑诸如成本效益比之类的因素加以权衡取舍。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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