文生图

上一章，我们介绍了 Stable Diffusion 的基本原理，以及如何使用它生成图片。这一章，我们来介绍 ComfyUI 和 Comflowy 的基本操作，以及如何使用 AI 生成图片。

默认 Workflow

如果你使用的是 Comflowy，打开应用后，你会看到这样的一个界面，如果你使用的是我们的云端版本，应该也是类似的界面。

点击顶部的 New workflow（新建工作流）按钮，你会看到这样的一个界面：

你可以点击下方面板的那个 Run 按钮（下方那个播放按钮）既可以运行 AI 文生图。最终你会在最右侧的 Save Image 看到生成的图片。

尝试完文生图后，你可能会很疑惑，这些方块和线都代表什么？

为了方便后续的介绍，我先简单介绍下里面的一个个方块。这个方块我在后续会称其为 Node（节点），其左侧端点是 Input（输入）端，右侧是 Output（输出）端，节点里还会有一些配置项，这些配置项我会称其为 Parameter（参数）：

然后我们再看回这些节点，其实里面的节点我们在上一章中都有提到过。我稍微调整下里面的顺序，你应该就很熟悉了（图片可以点击放大 👇）：

现在再看看，这些方块是不是变得似曾相识了？初始 Workflow 上的这些块块（后续我会用「节点」来称呼这些块块），其实就是前面一章中提到的 Stable Diffusion 包含的三大组件，只是这些组件在 ComfyUI 里名字不太一样而已：

然后两端各有两个上一章没有提到的东西：

• Save Image：顾名思义，就是保存输出后的图片。
• Load Checkpoint：这个你可以理解为图片模型加载器。比如 Stable Diffusion 就有 1.5、XL、XL-Turbo 等版本，要切换或载入不同的模型，就需要用到这个节点。

节点介绍

看完整个 Workflow 后，我们再来详细介绍下每个节点的配置。我们从左往右开始介绍各个节点。

Load Checkpoint

第一个是 Load Checkpoint，从节点的右边输出端点可以看出，Checkpoint 包含了三个部分：MODEL、CLIP 还有 VAE，这三部分其实就是之前介绍的 Stable Diffusion 的模型三大步骤。可以说这个节点是所有 Workflow 的起点。

点击节点里的选项按钮可以切换模型，这里只能切换你已经下载好的模型，关于如何下载模型可以看对应的章节。

说到模型，我想再强调下，一般你会看到两种后缀的模型：

• safetensors：这种模型一般用的是 numpy 格式保存，这就意味着它只保存了张量数据，没有任何代码，加载这类文件会更安全和更快。

• ckpt：这种文件是序列化过的，这意味着它们可能会包含一些恶意代码，加载这类模型就可能会带来安全风险。

我建议各位优先下载和使用 safetensors 后缀的模型文件。

另外，你还可能看到有些模型在名字里会标注为 fp16，这是什么意思呢？

这个是 half-precision floating point format，即半精度浮点格式。这种格式相比标准的 32 位浮点数，占用的存储空间更小，且运算速度更快。但它生成图片的精度，以及多样性相较完整版会稍微差一些。所以如果你想要更快的得出结果，可以考虑 fp16 版本的模型。

CLIP Text Encode(Prompt)

接着是 CLIP Text Enocode 节点，CLIP 全称是 Contrastive Language-Image Pre-training，即对比文本图像预训练。这个节点主要是输入 Prompt。一般会有两个这样的节点，一个是正向的 Prompt，列你希望在图片中看到的内容；另一个是负向的 Prompt，列你不希望在图片中出现的内容。

一般说来，写 Stable Diffusion 的 prompt 有几个原则：

1. Prompt 并不是越长越好，尽量保持在 75 个 token（或约 60 个字）以内。
2. 使用逗号分隔。Stable Diffusion 并不懂语法，所以你需要将画面中的关键词罗列出来，并用逗号分隔。
3. 越重要的词放在靠前的位置。比如你想要生成一张美丽的风景图，那么你可以将 beautiful scenery nature 放在最前面。

另外，还有个小技巧，你可以输入 (keyword:weight) 方式来控制关键词的权重，比如 (hight building: 1.2 ) 就意味着 hight building 的权重变高，如果填写的权重数小于 1，则意味着这个词的权重会变低，生成的图与这个词更不相关。

Empty Latent Image

然后是空的潜空间图像节点。如果你需要调整最终生成的图片的大小，就需要调整 width（宽）、height（高）这两个值。而 batch_size 则是设置每次运行时生成的图片数量，比如你将这个设置成了 4，就意味着每次会生成 4 张图。

如果你使用的是 SD v1.5 模型的话，最优的大小是 512x512，部分基于 SD v1.5 微调的版本也支持 768x768。所以其常见宽高比有：

• 1:1（正方形）：512x512、768x768
• 3:2（横向）：768x512
• 2:3（纵向）：512x768
• 4:3（横向）：768x576
• 3:4（纵向）：576x768
• 16:9（宽屏）：912x512
• 9:16 (竖屏): 512x912

如果你使用的是 SDXL 模型的话，最优的大小是 1024x1024，其常见宽高比有：

• 1:1（正方形）：1024x1024、768x768
• 3:2（横向）：1152x768
• 2:3（纵向）：768x1152
• 4:3（横向）：1152x864
• 3:4（纵向）：864x1152
• 16:9（宽屏）：1360x768
• 9:16（竖屏）：768x1360

最后，需要注意宽度和高度必须能被 8 整除。

Save Image

完成图片生成后，对着图片点击右键，会看到「Save Image」的选项，点击此按钮就可以下载生成好的图片。节点里的输入框，则是设置图片名称的前缀。比如默认是 ComfyUI，那就意味着你保存的图片的文件名是 ComfyUI 开头，后面跟着一串数字。

KSampler

最后是 KSampler，Sampler 中文名称是采样器，如果你想详细了解采样器，可以阅读相关进阶教程，而基础教程只会告诉你如何使用。KSampler 包含以下参数：

• seed：这个是随机种子，它主要用于控制潜空间的初始噪声。如果你想重复生成一模一样的图片。就需要用到这个随机种子。需要注意种子和 Prompt 都要相同，才能生成一模一样的图。举个例子，你可以使用 Default Workflow 的默认 Prompt（beautiful scenery nature glass bottle landscape, purple galaxy bottle），生成一张图片。接着将这个随机种子 copy 下来比如 156680208700286，然后将 Prompt 里的 purple 改成 green，生成一张新的图片，再将之前复制的种子 156680208700286 覆盖黏贴到新种子上，然后将 Prompt 改回原来的 purple，重新生成图片。你会发现此时生成的图片与第一次生成的图片是一模一样的。

• control_after_generate：每次生成完图片后，上面的 seed 数字都会变化，而这个配置项，则是设置这个变化规则：randomize（随机）、increment（递增 1）、decrement（递减 1）、fixed（固定）。

• step：采样的步数。一般步数越大，效果越好，但也跟使用的模型和采样器有关。

• cfg：全称 Classifier Free Guidance，我在 SD 基础一章中有介绍过，这个值设置一般设置为 6～8 之间会比较好。

• sampler_name：采样器名称。你可以通过这个来设置采样器算法。如果你对它感兴趣，可以阅读相关的进阶教程。

• scheduler：调度器主要是控制每个步骤中去噪的过程。你可以通过它选择不同的调度算法，有些算法是选择每一步减去相同数量的噪声，有些则是每一步都尽可能去掉多的噪声。

• denoise：表示要增加多少初始噪声，1 表示全部。一般文生图你都可以默认将其设置成 1。

最佳实践

在各个配置项中，除了模型会影响出图的结果外，其次就是 KSampler 的几个配置项，进阶教程会分享各个采样器的特点，本章节，就只分享下最佳实践：

我目前比较常用的是 SDXL Turbo，另外使用什么模型还取决于你的做图需求，各位需要根据场景自行斟酌，并且多尝试。

连线

最后，了解完基本的配置后，我们再来看看连线和基本操作。

千万不要被这些看似繁琐的连线所困扰，觉得这很难懂。甚至有种拆炸弹的感觉，不知道应该剪红线，还是剪黄线 😂

其实这些节点就像是一个个乐高一样，能自由组合的同时，还有一定的规则，我们拿图中连线点最多的 KSampler 为例：

如果你细看这些连线，会发现这些线和连接点都有对应的颜色，并且还有一些文字说明。简单总结一下连线的规则，懂了这些规则后，连起来基本上不会有问题：

• 同类相连：只有同类才能相互连接起来，比如 KSampler 左侧的 model 端点，就只能跟另一个 MODEL 输出点相连。或者跟具象点说，只有同颜色的端点能相连，如果你将 CLIP Text Encode 右边橙色的点，连到 KSampler 的紫色点 model 上是不可能的。因为他们类型不一样。橙色点只能跟橙色点连。另外，还有一个技巧，当你点击端点并拉出一条线的时候，只有那些能连接的线会高亮出来，不能连的会变暗。

• 左进右出：比如 KSampler 左边的 model、positive、negative、latent_image 都是是输入端，输出端是右边的 LATENT。你可以将其理解为一个函数，左边输入数字，右边是输出。那也就意味着你不能将一个节点右边的输出端，连到另一节点右边的输出端。

• 一进多出：一个输入端只能和另一个节点的输出端相连，没法和多个输出端相连。比如上图中的 KSampler 的 positive 端点，只能和一个 CLIP Text Encode 相连，没法同时连多个。但一个输出端，能和多个输入端相连。还是上面那个例子，一个 CLIP Text Encode 可以和多个 KSampler 相连，比如可以和 KSampler A 的 positive 端连，也可以和 KSampler B 的 negative 点连，最后出两张图。

了解这些规则后，你基本上就不会不知所措了。后面我会介绍更多的案例，你会越来越熟悉这些规则。

练习

简单介绍完基本的连线操作后，我们来完成一个小练习，让你能将这两章的内容融会贯通。

首先，点击右边的 Clear 按钮，将 Default Workflow 都清除。

然后从零完成以下目标：将 Empty Latent Image 转为人能看的图片。

Q&A