ComfyUI入门教程:看懂并运行第一个文生图节点工作流

图片[1]-ComfyUI入门教程:看懂并运行第一个文生图节点工作流-青峰联创 · AI与项目变现实操工坊

ComfyUI把图像生成过程呈现为相互连接的节点。入门时,先完成一个可解释、可重复的基础工作流,比同时安装许多扩展更容易理解问题。本教程以官方基础文生图示例使用的SD1.5流程为范围,目标是运行一次生成、说清每条连接的用途,并做一次只改变一个条件的对照。

开始前准备什么

先按官方安装文档选择适合设备的版本,确认能够打开工作界面。再获取官方示例指定或明确兼容的SD1.5检查点,核对来源和许可,将模型放入该安装实例的模型目录。基础检查点通常由models/checkpoints目录管理,具体以当前安装方式的说明为准。

从官方示例载入基础文生图工作流,并保存一份自己的副本。不同模型家族可能使用不同加载器、文本编码器和采样流程,本教程的连线不能直接套用于所有模型。第一次练习只使用基础节点,便于把问题定位在模型、连接或参数上。

看懂七个节点实例如何协作

基础流程包含六类节点,其中文本编码节点使用两次,共七个节点实例。节点职责可对照官方文生图教程及内置节点文档。画布上的位置可以变化,真正决定流程的是连接关系。

模型、文本和画布三条输入线

Load Checkpoint加载检查点,并输出模型、文本编码器与VAE。模型输出连到KSampler的model输入;文本编码器分别连接两个CLIP Text Encode节点;VAE则连接后面的VAE Decode。

两个文本编码节点把文字转换为条件:一条连到采样器的positive,描述希望出现的内容;另一条连到negative,描述希望抑制的内容。负面条件只是生成引导,不能保证指定元素绝对不会出现。

Empty Latent Image负责定义初始潜空间表示的尺寸和批量,输出连接到采样器的latent_image。这里的潜空间数据还不是最终可查看的像素图像,不能直接交给保存图片节点。

从采样到保存

KSampler结合模型、文字条件和潜空间输入执行采样,输出仍是潜空间数据。将它连接到VAE Decode的samples输入,再把解码得到的图像交给Save Image。保存节点会将图片写入当前实例的输出目录。

检查连线时,从保存节点向前追溯:有没有图像、有没有解码器、有没有采样结果、采样器的四类输入是否完整。这种检查顺序比只盯着画布上最左边的节点更容易发现断点。

完成一次最小生成

选择已准备的检查点。正面提示可以写为“a red ceramic cup on a wooden table, soft daylight”,负面提示先使用“blurry”。这只是便于观察主体、材质和光线的练习描述,不依赖特殊风格词。

对这一基础SD1.5练习,可从512×512、批量1开始,保持官方工作流原有的采样器和调度器。将种子记为固定值,记录步数、引导强度与降噪强度,再执行工作流。不要把这组尺寸和设置当成所有模型的推荐参数。

生成完成后检查三件事:保存节点是否收到图像,输出文件是否存在,图像是否与输入尺寸一致。画面是否美观可以之后再调整;第一次运行更重要的是确认数据确实走完了整个流程。

只改变一个条件做对照

保存基准工作流和原图,只把提示中的red改为blue,其余条件保持一致。检查杯子的颜色是否发生预期变化,同时观察构图是否也改变。文字控制具有概率性,单次结果不符合要求时,可以继续记录并比较,而不是立即认定连线错误。

然后恢复原提示,单独改变种子。种子用于控制初始噪声,是复现实验时需要记录的参数之一;跨硬件、软件版本或不同计算设置时,不应仅凭相同种子承诺逐像素一致。

再尝试只调整步数,比较耗时与细节。步数增加会增加采样计算,效果却不保证一直改善。每次保存“改了什么、观察到什么”,能够避免同时改多个参数后无法解释差异。

出错时按症状定位

模型列表为空,先核对模型目录与文件是否被当前实例识别;出现输入缺失,按节点名称检查连接;显存不足,先降低尺寸或批量,并核对模型的硬件要求。不要在不知道原因时连续安装陌生扩展。

如果能够生成但颜色、结构明显异常,检查模型与VAE是否配套,再与未经修改的官方示例对照。若只有提示不符合预期,则先简化描述,区分能力限制与运行故障。

最后保存工作流文件、检查点名称、参数记录和原始输出。部分图片的工作流元数据可能在编辑或转发时丢失,单独保留工作流更可靠。能够重新载入这份记录并解释各节点职责,就完成了这一阶段的入门目标。

官方参考资料

© 版权声明
THE END
喜欢就支持一下吧
点赞10 分享