節點式 AI 影像生成:架構 · 操作 · 參數 · 進階應用 · 自動化
按 → / 空白鍵 下一頁,← 上一頁
ComfyUI 以可視化節點圖取代僵化介面,把生成拆成模組化節點,讓每個階段都能精準控制。桌面安裝程式會自動配置環境並下載 SD 1.5 基礎模型。
| 本機執行 | 雲端執行 | |
|---|---|---|
| 費用 | 完全免費,無訂閱或點數 | 需訂閱或儲值點數 |
| 硬體依賴 | 高,取決於本機 GPU 與 VRAM | 低,由雲端 GPU 運算 |
| 資料隱私 | 完全留在本機 | 資料傳送至第三方伺服器 |
| 設定難度 | 安裝程式自動配置 | 註冊登入即用,需管理點數 |
核心擴散網路,負責結構生成與逐步去噪。
將文字提示詞轉為 AI 能理解的數學向量。
將潛空間(Latent Space)的壓縮資料解碼成真正的像素影像。
生成過程先在抽象的 Latent Space 中完成,最後由 VAE 轉回可見的畫面。
建議將介面語言設為英文:社群教學、模型目錄與自訂節點參數皆以英文為準。
右鍵選單分類瀏覽,或雙擊空白處快速搜尋;Delete 刪除。
Ctrl+C/V;Alt+拖曳快速複製;Ctrl+Shift+V 保留連線。
雙擊標題改名;右鍵 Colors 上色(正向綠、負向紅)。
點標題左上灰點摺疊;Lite Graph 設定可切換曲線 / 直線。
MODEL → KSampler;CLIP → 兩個文字編碼節點;VAE → VAE DecodeEmpty Latent Image 提供空白潛空間 → KSampler 的 latent_image可從 Civitai、Hugging Face 下載 Juggernaut XL、Animagine XL 4.0、Flux Schnell 等 .safetensors 模型。
取得目標模型檔案。
完整 Checkpoint → models/checkpoints/
獨立擴散模型(如 Flux Fill)→ models/diffusion_models/
按 R,下拉選單立即出現新模型,無需重啟。
| 參數 | 功能 | 低值 | 高值 |
|---|---|---|---|
| Seed | 初始噪點模板 | 每個種子產生不同構圖 | 固定時輸出可重現 |
| Steps | 去噪迭代次數(筆觸) | 快但粗糙(Flux Schnell 僅需 4 步) | 慢但細節更精緻 |
| CFG | 提示詞遵循度 | 自由度高(Flux Schnell 預設 1) | 嚴格但易過飽和、僵硬(SD 預設 7) |
Seed 控制模式:Randomize、Fixed、Increment (+1)、Decrement (-1)。將 control 由 After 改為 Before,設定即刻對當次生成生效。
快速、穩定,適合草稿測試。
細節與速度的理想平衡。
1.0:完全從零生成;趨近 0:僅輕微去噪、保留原有形狀(適合圖生圖)。
設定畫布尺寸(SDXL / Flux 用 1024×1024);Batch Size 決定單次佇列的生成張數。
輕量微模型,注入特定風格(如 Stickers Redmond 貼紙風),放在 models/loras/。
Checkpoint → LoRA Loader → KSampler / CLIP Text Encode;多數 LoRA 需在正向提示詞加入觸發詞(如 "Sticker")。
傳統像素放大:邊緣模糊、出現鋸齒。
RealESRGAN 模型放大:邊緣銳利、補出真實細節。需 Upscale Image (Using Model) + Upscale Model Loader。
Apply ControlNet:Strength(影響強度)、Start / End Percent(介入與釋放的步驟區間,如 0.0 ~ 0.5,後段讓模型自由調整質感與光影)。
Load Image → Open in MaskEditor,筆刷硬度調到最低塗抹區域 → Inpaint Model Conditioning。Flux Fill 建議 20–30 步,搭配 Dual Clip Loader、Load VAE、Differential Diffusion、Flux Guidance。
Pad Image for Outpainting 設定左右各 400 px → Inpaint Model Conditioning → KSampler,自動補出無縫延伸的背景。
從 Checkpoint 架構、KSampler 調校到 AI 助理自動化,你已具備打造自訂節點工作流程的完整工具箱。