A. 加载模型（Load Checkpoint）节点
这个节点通常用于加载绘图模型, 通常 checkpoint 中会包含 MODEL（UNet）、CLIP 和 VAE 三个组件
MODEL（UNet）：为对应模型的 UNet 模型, 负责扩散过程中的噪声预测和图像生成,驱动扩散过程CLIP：这个是文本编码器,因为模型并不能直接理解我们的文本提示词（prompt）,所以需要将我们的文本提示词（prompt）编码为向量,转换为模型可以理解的语义向量VAE：这个是变分自编码器,我们的扩散模型处理的是潜在空间,而我们的图片是像素空间,所以需要将图片转换为潜在空间,然后进行扩散,最后将潜在空间转换为图片
B. 空Latent图像（Empty Latent Image）节点
定义一个潜在空间（Latent Space）,它输出到 KSampler 节点，空Latent图像节点构建的是一个 纯噪声的潜在空间
它的具体的作用你可以理解为定义画布尺寸的大小，也就是我们最终生成图片的尺寸
C. CLIP文本编码器（CLIP Text Encoder）节点
用于编码提示词，也就是输入你对画面的要求
- 连接到 KSampler 节点的
Positive条件输入的为正向提示词（希望在画面中出现的元素） - 连接到 KSampler 节点的
Negative条件输入的为负向提示词（不希望在画面中出现的元素）
对应的提示词被来自 Load Checkpoint 节点的 CLIP 组件编码为语义向量，然后作为条件输出到 KSampler 节点
D. K 采样器（KSampler）节点
K 采样器 是整个工作流的核心，整个噪声降噪的过程都在这个节点中完成，并最后输出一个潜空间图像
KSampler 节点的参数说明如下
| 参数名称 | 描述 | 作用 |
|---|---|---|
| model | 去噪使用的扩散模型 | 决定生成图像的风格与质量 |
| positive | 正向提示词条件编码 | 引导生成包含指定元素的内容 |
| negative | 负向提示词条件编码 | 抑制生成不期望的内容 |
| latent_image | 待去噪的潜在空间图像 | 作为噪声初始化的输入载体 |
| seed | 噪声生成的随机种子 | 控制生成结果的随机性 |
| control_after_generate | 种子生成后控制模式 | 决定多批次生成时种子的变化规律 |
| steps | 去噪迭代步数 | 步数越多细节越精细但耗时增加 |
| cfg | 分类器自由引导系数 | 控制提示词约束强度（过高导致过拟合） |
| sampler_name | 采样算法名称 | 决定去噪路径的数学方法 |
| scheduler | 调度器类型 | 控制噪声衰减速率与步长分配 |
| denoise | 降噪强度系数 | 控制添加到潜在空间的噪声强度，0.0保留原始输入特征，1.0为完全的噪声 |
在 KSampler 节点中，潜在空间使用 seed 作为初始化参数构建随机的噪声,语义向量 Positive 和 Negative 会作为条件输入到扩散模型中
然后根据 steps 参数指定的去噪步数，进行去噪，每次去噪会根据 denoise 参数指定的降噪强度系数，对潜在空间进行降噪，并生成新的潜在空间图像
E. VAE 解码（VAE Decode）节点
将 K 采样器(KSampler) 输出的潜在空间图像转换为像素空间图像
F. 保存图像（Save Image）节点
预览并保存从潜空间解码的图像，并保存到本地ComfyUI/output文件夹下
温馨提示：本站提供的一切软件、教程和内容信息都来自网络收集整理，仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负，版权争议与本站无关。用户必须在下载后的24个小时之内，从您的电脑或手机中彻底删除上述内容。如果您喜欢该程序和内容，请支持正版，购买注册，得到更好的正版服务。我们非常重视版权问题，如有侵权请邮件与我们联系处理。敬请谅解！