【AI学习-comfyUI学习-文生图-各个部分学习-第一步】 - 详解

【AI学习-comfyUI学习-文生图-各个部分学习-第一步】

• 1，前言
• 2，说明
• • 1，comfyUI介绍
  • 2，running hub
• 3，流程
• • • （1）进入网址，注册登录
    • （2）调用模块
    • • 1）空白模板
      • 2）列表查找
      • 3）左键双击
    • （3）连线
    • （4）输出 提示词
    • 1-正面提示词
    • 2-负面提示词
    • （5）生成图片
• 4，模块介绍
• • 1. **Checkpoint加载器（简易）**
  • 2. **CLIP文本编码器（正向提示）**
  • 3. **CLIP文本编码器（负向提示）**
  • 4. **空Latent**
  • ⚙️ 5. **K采样器（KSampler）**
  • 6. **VAE解码（VAE Decode）**
  • ️ 7. **预览图像**
  • 8. **保存图像（Save Image）**
  • 总体流程总结
• 5，细节部分
• 6，使用的工作流
• 7，总结

1，前言

最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。

2，说明

1，comfyUI介绍

ComfyUI的好处，就像搭积木一样，可以方便快捷调用模型（Node（节点）），生成自己想要的的图片，甚至图片。

（1）既然是积木，有些模块就能组装在一起，有些就是不行的，我们可能先要熟悉模型，知道积木的性质和特点。

（2）之后要知道如何连接，谁和谁许可连接，怎么样连接，连接和后如何做。

（3）一个搭好的积木，我们就可以使用了，就像已经组装好的锤子，下次我们直接使用就行了，当然在这里我们叫它“Workflow（工作流）”

ComfyUI 是一个非常强大的 可视化 AI 工作流管理工具，主要用于图像生成（尤其是基于 Stable Diffusion、FLUX、SDXL 等模型）以及图像编辑、视频生成、合成内容制作等。它用「节点（Node）」的方式把困难的模型推理过程可视化，就像搭积木一样，你可以自由地组合模型、提示词、采样器、后处理模块等，实现几乎任意的 AI 生成流程。

名称	说明
Node（节点）	每个节点代表一个功能模块，例如加载模型、输入图片、加噪、采样、输出结果等。
Workflow（工作流）	多个节点按照数据流连接起来，就形成一个完整的生成流程。工作流可以保存为 .json 文件。
Prompt（提示词）	用于控制生成内容的文字描述，承受正向提示词（positive）和反向提示词（negative）。
LoRA / Checkpoint / VAE	加载不同的权重模型以改变风格或生成领域。
ControlNet / T2I-Adapter	用于根据输入图像（例如姿态、线稿、深度图）来控制生成结果。

2，running hub

因为自己没有高级的电脑，所以使用网络的服务器，网上有很多的，我这里选用了RunningHub，当有自己喜好的或者自己硬件设备更充足的，自己电脑也可的，不过部署方面可能会很蛮烦的。

所以使用网络的其实省去配置过程，算是好处，但坏处是也是要花钱的，像租赁费的感觉。

连接：https://www.runninghub.ai/

3，流程

（1）进入网址，注册登录

登录上述网址。连接：https://www.runninghub.ai/

接着点击开始创作，不过之前可能确实要先冲一些钱。

已经有了直接用。就是如下图，新建工作流，因为首次进入，可能是空白，我这里

（2）调用模块

1）空白模板