解鎖 ComfyUI 的力量：帶有實作練習的初學者指南

你好，AI 藝術家朋友！👋 歡迎來到我們為初學者設計的 ComfyUI 教學，這是一個令人難以置信的強大且靈活的工具，用於創作驚艷的 AI 生成藝術作品。🎨
在本指南中，我們將帶你了解 ComfyUI 的基礎知識、探索其核心功能，並幫助你釋放它的潛力，將你的 AI 藝術創作提升到全新層次。🚀

我們將涵蓋以下內容：

1. 什麼是 ComfyUI？

• 1.1. ComfyUI vs. AUTOMATIC1111
• 1.2. 從哪裡開始使用 ComfyUI？
• 1.3. 基本控制項

2. ComfyUI 工作流：從文字到圖像

• 2.1. 選擇一個模型
• 2.2. 輸入正面提示詞與負面提示詞
• 2.3. 生成圖像
• 2.4. ComfyUI 的技術說明
  • 2.4.1. Load Checkpoint 節點
  • 2.4.2. CLIP Text Encode
  • 2.4.3. Empty Latent Image
  • 2.4.4. VAE
  • 2.4.5. KSampler

3. ComfyUI 工作流：從圖像到圖像

4. ComfyUI SDXL

5. ComfyUI 修復（Inpainting）

6. ComfyUI 外延（Outpainting）

7. ComfyUI 放大（Upscale）

• 7.1. 像素放大（Upscale Pixel）
  • 7.1.1. 使用演算法進行 Upscale Pixel
  • 7.1.2. 使用模型進行 Upscale Pixel
• 7.2. 潛在放大（Upscale Latent）
• 7.3. Upscale Pixel vs. Upscale Latent

8. ComfyUI ControlNet

9. ComfyUI 管理器

• 9.1. 如何安裝缺失的自訂節點
• 9.2. 如何更新自訂節點
• 9.3. 如何在工作流中載入自訂節點

10. ComfyUI Embeddings

• 10.1. 支援自動補全的 Embedding
• 10.2. Embedding 權重設定

11. ComfyUI LoRA

• 11.1. 簡單的 LoRA 工作流
• 11.2. 多重 LoRA 整合

12. ComfyUI 快捷鍵與技巧

• 12.1. 複製與貼上
• 12.2. 移動多個節點
• 12.3. 繞過某個節點
• 12.4. 最小化節點
• 12.5. 生成圖像
• 12.6. 嵌入式工作流
• 12.7. 固定種子以節省時間

13. 在線使用 ComfyUI

1. 什麼是 ComfyUI？🤔

ComfyUI 就像是一支魔法棒 🪄，可以輕鬆創作出令人驚豔的 AI 生成藝術。從本質上來說，ComfyUI 是建立在 Stable Diffusion 基礎上的節點式圖形使用者介面（GUI），而 Stable Diffusion 是一種先進的深度學習模型，可根據文字描述生成圖像。🌟
但讓 ComfyUI 真正與眾不同的，是它讓像你這樣的創作者能釋放無限創意，將腦海中最狂野的想法轉化為視覺現實。

想像你擁有一塊數位畫布，可以透過連接不同的節點來構建屬於你自己的圖像生成流程，每個節點都代表一個特定的功能或操作。🧩
這就像是為你的 AI 藝術傑作打造一套視覺化的「創作食譜」！

想從零開始使用文字提示生成圖像？這裡有個節點可以做到！想應用特定的取樣器或微調噪聲程度？只要加入對應節點，就能親眼見證魔法發生。✨

但最精彩的部分來了：ComfyUI 將工作流拆解為可重組的元素，讓你能完全自由地打造符合個人創作流程的專屬工作流。🖼️
就像擁有一套為你的創意量身訂做的工具箱！

1.1. ComfyUI vs. AUTOMATIC1111 🆚

AUTOMATIC1111 是 Stable Diffusion 的預設 GUI。那你是否應該使用 ComfyUI 呢？讓我們來比較一下：

✅ 使用 ComfyUI 的優勢：

1. 輕量化：執行快速、效能高。
2. 彈性高：可高度自訂以符合你的需求。
3. 資料透明：節點之間的資料流可視化，容易理解。
4. 易於分享：每個工作流都是可重現的 JSON 文件。
5. 原型開發友好：可透過圖形界面而非程式碼建立原型。

❌ 使用 ComfyUI 的劣勢：

1. 介面不一致：不同工作流可能會有不同的節點佈局。
2. 細節過多：對初學者來說，太多底層細節可能造成負擔。

1.2. 從哪裡開始使用 ComfyUI？🏁

我們相信，學習 ComfyUI 最好的方式，就是深入實例並親自動手操作。🙌
這正是我們建立這套獨特教學的初衷，使它與眾不同。

而這裡就是最棒的部分：🌟 我們已將 ComfyUI 直接整合進這個網頁中！你可以在瀏覽教學的同時，實時與 ComfyUI 範例互動。🌟 現在，就讓我們開始吧！

2. ComfyUI 工作流：從文字到圖像 🖼️

讓我們從最簡單的案例開始：從文字生成圖像。點擊 Queue Prompt 執行工作流。稍等片刻後，你應該會看到你的第一張生成圖像！要查看任務佇列，只需點擊 View Queue。

這裡是一個預設的「從文字到圖像」工作流範例，供你試用：

基本構建元件 🕹️

ComfyUI 的工作流由兩個基本構建元件組成：節點 和 連線。

• 節點 是矩形方塊，例如 Load Checkpoint、Clip Text Encoder 等。每個節點代表一段執行程式，具有輸入、輸出與參數。
• 連線（邊） 是將節點間的輸出與輸入串接起來的線條。

基本操作 🕹️

• 使用滑鼠滾輪或觸控板雙指縮放畫布。
• 拖曳並按住節點的輸入或輸出點，以連接其他節點。
• 按住滑鼠左鍵並拖曳，以移動整個工作區視圖。

讓我們深入了解這個工作流的細節。

2.1. 選擇一個模型 🗃️

首先，在 Load Checkpoint 節點中選擇一個 Stable Diffusion Checkpoint 模型。點擊模型名稱以檢視可用模型。如果點擊後沒有反應，你可能需要上傳自訂模型。

2.2. 輸入正面提示詞與負面提示詞 📝

你會看到兩個標記為 CLIP Text Encode (Prompt) 的節點。上方的提示詞連接至 KSampler 節點的 positive 輸入，下方的提示詞連接至 negative 輸入。因此，請在上方輸入正面提示詞，在下方輸入負面提示詞。

CLIP Text Encode 節點會將提示詞轉換為 token，並透過文本編碼器將其編碼為嵌入向量。

💡 小提示：使用 (關鍵詞:權重) 語法可控制提示詞的影響力，例如 (keyword:1.2) 增強效果，或 (keyword:0.8) 減弱其影響。

2.3. 生成圖像 🎨

點擊 Queue Prompt 運行工作流。稍等片刻，你將看到第一張生成的圖像！

2.4. ComfyUI 的技術說明 🤓

ComfyUI 的強大之處在於它的高度可配置性。瞭解每個節點的功能，能幫助你依需求進行自訂。不過，在進入細節前，我們先快速認識 Stable Diffusion 的基本原理，以更好理解 ComfyUI 的工作方式。

Stable Diffusion 的處理流程可分為三個主要步驟：

1. 文字編碼：使用者輸入的提示詞會由 Text Encoder 編譯為單字的特徵向量，這是將語言轉換為模型可理解格式的步驟。

2. 潛在空間轉換：Text Encoder 的向量與一張隨機噪聲圖像會被映射到潛在空間。在此空間中，噪聲圖像會根據特徵向量進行去噪，產生中間圖像。這正是魔法發生的地方，模型會學習將語言與視覺概念對應起來。

3. 圖像解碼：潛在空間中的中間表示會透過 Image Decoder 解碼為我們能實際看到的圖像。

現在我們對 Stable Diffusion 的整體流程有了概念，讓我們回到 ComfyUI，深入了解其中實現這些步驟的關鍵節點與元件。

2.4.1. Load Checkpoint 節點 🗃️

ComfyUI 中的 Load Checkpoint 節點是選擇 Stable Diffusion 模型的關鍵。Stable Diffusion 模型包含三大元件：MODEL、CLIP 和 VAE。以下是這些元件在 ComfyUI 中的作用與對應關係：

1. MODEL：這是潛在空間中執行的噪聲預測模型，是圖像生成的核心。在 ComfyUI 中，Load Checkpoint 的 MODEL 輸出會連接至 KSampler 節點，由該節點執行反向擴散與去噪步驟，逐步生成圖像，直到接近提示詞內容。

2. CLIP：CLIP（對比式語言-圖像預訓練模型）負責處理提示詞，將其轉換為模型可理解的嵌入表示，以指導圖像生成。在 ComfyUI 中，Checkpoint 的 CLIP 輸出連接至 CLIP Text Encode 節點，該節點接收提示詞並轉換為語義嵌入，讓 MODEL 能根據語意生成相符圖像。

3. VAE：VAE（變分自編碼器）處理圖像在像素與潛在空間之間的轉換。其包含圖像編碼器（encoder）與解碼器（decoder）。在文字轉圖像的流程中，VAE 用於最後一步——將潛在圖像轉換為可視的像素圖像。ComfyUI 中的 VAE Decode 節點會接收來自 KSampler 的輸出，使用解碼器重建圖像。

⚠️ 請注意：VAE 是與 CLIP 分開的元件。CLIP 負責語意處理，而 VAE 專注於圖像空間的轉換。

2.4.2. CLIP Text Encode 📝

CLIP Text Encode 節點負責接收使用者輸入的提示詞，並傳入 CLIP 模型。CLIP 是一個強大的語言-圖像模型，能理解語義並將文字轉為向量表示（嵌入），再與視覺概念匹配。

每個詞語會轉換為一個高維向量，這些嵌入向量能捕捉語意，讓 MODEL 能生成與語意一致的圖像。

2.4.3. Empty Latent Image 🌌

從文字生成圖像的第一步是建立一張潛在空間中的隨機圖像，這張圖像是 MODEL 運算的起點。這個潛在圖像的尺寸比例與最終圖像相對應。

你可以在 ComfyUI 中設定潛在圖像的寬度、高度與批量大小（一次生成幾張圖像）。

✅ 推薦尺寸：

• SD v1.5：512x512 或 768x768
• SDXL：1024x1024

ComfyUI 也提供常見的長寬比選項，如：

• 1:1（正方形）
• 3:2 / 4:3（橫向）
• 2:3 / 3:4 / 9:16（縱向）
• 16:9（寬螢幕）

⚠️ 注意：潛在圖像的尺寸需為 8 的倍數，以保證與模型架構相容。

2.4.4. VAE 🔍

VAE（變分自編碼器）是 Stable Diffusion 中的關鍵元件，負責像素與潛在空間間的圖像轉換。它包含兩個部分：

1. 編碼器：將像素圖像壓縮成潛在向量（例如將 512x512 圖像壓縮為 64x64 潛在圖像）。
2. 解碼器：將潛在向量還原為像素圖像，用於生成最終輸出。

✅ 使用 VAE 的優勢：

• 效率高：壓縮圖像後可加快生成速度並節省記憶體。
• 潛在空間操作性強：能在低維度空間中更精確地控制圖像樣貌與細節。

⚠️ 潛在限制：

• 資料遺失：編解碼過程中可能遺失部分圖像細節，造成影像略有差異。
• 細節捕捉有限：潛在空間可能無法完整保留圖像的所有資訊，部分特徵可能缺失。

儘管如此，VAE 是實現快速圖像生成與可控圖像修改的核心元件，在 ComfyUI 中扮演著不可或缺的角色。

2.4.5. KSampler ⚙️

ComfyUI 中的 KSampler 節點是 Stable Diffusion 圖像生成過程的核心。它負責對潛在空間中的隨機圖像進行去噪，以符合使用者輸入的提示詞。KSampler 採用一種稱為反向擴散（Reverse Diffusion）的技術，透過去除噪聲並根據 CLIP 嵌入進行引導，逐步為潛在表示添加有意義的細節。

KSampler 節點提供多個參數，讓使用者可以微調圖像生成流程：

Seed（種子）：種子值控制初始噪聲與圖像構圖。設定相同的種子可重現結果，確保多次生成的一致性。

Control_after_generation：決定每次生成後種子如何變化。可設為：

• 隨機（每次使用新隨機種子）
• 遞增（每次加一）
• 遞減（每次減一）
• 固定（保持不變）

Step（步數）：設定采樣步驟數，數值越高生成越細緻但所需時間也會增加。

Sampler_name（采樣器名稱）：選擇具體的采樣算法。不同采樣器會生成略有不同的結果，效率也不一樣。

Scheduler（調度器）：控制每一步去噪時的噪聲水平變化速率。

Denoise（去噪強度）：設定要消除的初始噪聲量。值為 1 表示完全去噪，生成乾淨且細節豐富的圖像。

透過這些參數的調整，你可以更細緻地控制圖像輸出的風格與品質。

現在，你準備好展開 ComfyUI 之旅了嗎？

在 RunComfy，我們為你打造了終極的 ComfyUI 線上體驗，無需複雜安裝！ 🎉 立即體驗 ComfyUI 線上版，釋放前所未有的創作潛力！🎉

---

3. ComfyUI 工作流：從圖像到圖像 🖼️

「從圖像到圖像」的工作流會根據輸入圖像與提示詞生成新圖像。現在馬上試試看吧！

使用「從圖像到圖像」工作流的步驟如下：

1. 選擇 Checkpoint 模型。
2. 上傳輸入圖像作為圖像提示。
3. 編輯正面與負面提示詞。
4. 可選：在 KSampler 節點中調整 denoise（去噪強度）。
5. 點擊 Queue Prompt 開始生成！

如需探索更多進階 ComfyUI 工作流，歡迎參考我們的 🌟ComfyUI 工作流列表🌟

---

4. ComfyUI SDXL 🚀

得益於其高度可配置性，ComfyUI 是最早支援 Stable Diffusion XL（SDXL）模型的 GUI 之一。馬上動手試試看吧！

使用 ComfyUI SDXL 工作流的步驟如下：

1. 輸入或修改正面與負面提示詞。
2. 點擊 Queue Prompt 開始生成圖像。

5. ComfyUI Inpainting 🎨

讓我們來探索一個更進階的功能：Inpainting！當你擁有一張不錯的圖像，但想要修改其中某些區域時，Inpainting 就是你的最佳選擇。現在立刻試試吧！

使用 Inpainting 工作流的步驟：

1. 上傳你想進行 Inpainting 的圖像。
2. 右鍵點擊圖像，選擇「Open in MaskEditor」。在要重新生成的區域繪製遮罩，然後點擊「Save to node」。
3. 選擇一個 Checkpoint 模型：
   • 此工作流僅適用於標準 Stable Diffusion 模型，不適用於 Inpainting 專用模型。
   • 若你想使用 Inpainting 模型，請將「VAE Encode」和「Set Noise Latent Mask」節點替換為「VAE Encode (Inpaint)」節點。
4. 自訂 Inpainting 過程：
   • 在 CLIP Text Encode (Prompt) 節點中輸入額外提示詞，來指引 Inpainting 的風格、主題或內容。
5. 設定適當的 Denoise 值，例如 0.6。
6. 點擊 Queue Prompt 執行 Inpainting！

---

6. ComfyUI Outpainting 🖌️

Outpainting 是另一種令人興奮的技術，能讓你將圖像延伸超出其原始邊界。🌆 就像你擁有一塊無限延展的畫布！

使用 ComfyUI Outpainting 工作流的步驟如下：

1. 從你想要延伸的圖像開始。
2. 在工作流中使用「Pad Image for Outpainting」節點。
3. 設定 Outpainting 的參數：
   • left, top, right, bottom：指定每個方向要擴展的像素數量。
   • feathering：調整原始圖像與延伸區域的過渡平滑度。數值越高，過渡越柔和，但也可能引入模糊。
4. 自訂 Outpainting：
   • 在 CLIP Text Encode (Prompt) 節點中輸入提示詞，指定你希望在延伸區域中展現的風格或主題。
   • 嘗試不同提示詞來獲得最佳效果。
5. 微調 VAE Encode (for Inpainting) 節點：
   • 調整 grow_mask_by 參數以控制遮罩的大小，建議設為大於 10。
6. 點擊 Queue Prompt 開始 Outpainting！

若想探索更多進階的 Inpainting / Outpainting 工作流，歡迎造訪我們的 🌟ComfyUI 工作流列表🌟

---

7. ComfyUI Upscale ⬆️

接下來，讓我們深入了解 ComfyUI 的放大（Upscale）功能。我們將介紹三種基本工作流，幫助你高效完成高品質的放大任務。

目前有兩種主要的放大方式：

1. Upscale Pixel：直接對可見圖像進行放大處理。

   • 輸入：圖像；輸出：放大後的圖像

2. Upscale Latent：對潛在空間中的圖像進行放大，最後再解碼成可見圖像。

   • 輸入：潛在表示；輸出：放大後的潛在表示（需要經 VAE 解碼）

7.1. Upscale Pixel 🖼️

這裡有兩種 Upscale Pixel 的實現方式：

1. 使用演算法：生成速度最快，但畫質略遜於模型放大。
2. 使用模型：結果更佳，但所需時間較長。

7.1.1 使用演算法進行 Upscale Pixel 🧮

• 新增 Upscale Image by 節點。
• method 參數：選擇放大演算法（bicubic、bilinear、nearest-exact）。
• Scale 參數：指定放大倍率（例如 2 表示放大兩倍）。

7.1.2 使用模型進行 Upscale Pixel 🤖

• 新增 Upscale Image (using Model) 節點。
• 新增 Load Upscale Model 節點。
• 選擇適合你圖像類型的放大模型（如動漫或寫實風格）。
• 選擇放大倍率（X2 或 X4）。

---

7.2. Upscale Latent ⚙️

另一種放大方式是 Upscale Latent，又稱 Hi-res Latent Fix Upscale，它直接在潛在空間中執行放大處理。

---

7.3. Upscale Pixel vs. Upscale Latent 🆚

| 方法 | 特點 | |----------------|----------------------------------------------------------------------| | Upscale Pixel | 僅放大可見圖像，不新增細節。生成速度快，但可能有模糊、細節損失。 | | Upscale Latent | 不僅放大潛在圖像，還會根據提示重新合成細節，更豐富但與原圖略有偏差。生成速度較慢。 |

想深入探索還原與放大的進階工作流？歡迎參考我們的 🌟ComfyUI 工作流列表🌟！

---

8. ComfyUI ControlNet 🎮

準備好透過 ControlNet 將你的 AI 藝術提升至全新境界吧！這是一項革命性技術，徹底改變圖像生成方式。

ControlNet 就像魔法權杖 🪄，賦予你前所未有的主控力，讓你能夠精確引導 AI 生成圖像內容。它與 Stable Diffusion 等模型合作，提升表現與準確性，為創作者提供更大的自由度。

你可以控制圖像的邊緣線、人物姿態、深度資訊，甚至語義分割圖。🌠 一切盡在你的掌握！

若你想更深入了解 ControlNet 的應用，請查看我們完整的📚ComfyUI 中掌握 ControlNet 的教程📚，內含逐步教學與範例，幫助你成為 ControlNet 達人！🏆

---

9. ComfyUI 管理器 🛠️

ComfyUI 管理器 是一個自定義節點工具，允許你透過圖形界面安裝與更新其他自定義節點。你可以在 Queue Prompt 選單上找到 Manager 按鈕。

9.1 如何安裝缺少的自定義節點 📥

當工作流需要你尚未安裝的節點時，請依以下步驟操作：

1. 在選單中點擊 Manager。
2. 點擊 Install Missing Custom Nodes。
3. 完整重啟 ComfyUI。
4. 刷新你的瀏覽器。

---

9.2 如何更新自定義節點 🔄

1. 點擊選單中的 Manager。
2. 點擊 Fetch Updates（這步驟可能需要一些時間）。
3. 點擊 Install Custom Nodes。
4. 若有可用更新，你將在已安裝節點旁看到 Update 按鈕。
5. 點擊 Update。
6. 重啟 ComfyUI。
7. 刷新你的瀏覽器以應用更新。

9.3. 如何在工作流中載入自訂節點 🔍

雙擊任意空白區域，即可彈出節點搜尋選單，搜尋並加入你需要的節點。

---

10. ComfyUI Embeddings 📝

Embeddings（也稱為 textual inversion）是 ComfyUI 中的一項強大功能，讓你能將自訂概念或風格注入 AI 生成的圖像中。💡 這就像教會 AI 一個新詞彙，並將它與特定的視覺特徵建立關聯。

要在 ComfyUI 中使用 embedding，只需在提示詞欄位中輸入：

embedding:BadDream

ComfyUI 會在 ComfyUI > models > embeddings 資料夾中搜尋名為 BadDream 的 embedding 檔案。📂 一旦找到，它就會應用該 embedding 所對應的視覺風格到生成圖像中。

10.1. 帶自動補全的 Embedding 🔠

記住所有 embedding 名稱有點困難，尤其當你安裝很多時。😅 這時候 ComfyUI-Custom-Scripts 自訂節點派上用場！

啟用 embedding 名稱自動補全：

1. 點擊頂部選單的 Manager。
2. 在 Install Custom Nodes 中搜尋 ComfyUI-Custom-Scripts。
3. 點擊 Install。
4. 重啟 ComfyUI。

安裝完成後，只要輸入 embedding:，就會自動顯示可用的選項列表，幫助你快速選取，節省寶貴時間與心力！

10.2. Embedding 權重 ⚖️

你可以控制 embedding 的影響強度，就像控制提示詞權重一樣：

(embedding:BadDream:1.2)

這代表 BadDream 的權重為 1.2，影響力更強。若使用 0.8，則會降低其效果。🎚️ 此功能可微調生成結果，更符合你的藝術需求。

---

11. ComfyUI LoRA 🧩

LoRA（Low-Rank Adaptation） 是 ComfyUI 的另一亮點，允許你在不修改整個 checkpoint 模型的前提下，針對特定風格或元素進行微調。🎨

當你將 LoRA 模型套用至 checkpoint 時，它會調整模型的 MODEL 與 CLIP 組件，而不影響 VAE，專注於圖像內容與風格的改變。

11.1. 如何使用 LoRA 🔧

在 ComfyUI 中使用 LoRA 的基本步驟：

1. 選擇一個 checkpoint 模型。
2. 載入一個 LoRA 模型（如風格、角色等）。
3. 編輯提示詞。
4. 點擊 Queue Prompt 開始生成圖像。

11.2. 多個 LoRA 🧩🧩

你可以在一個工作流中使用多個 LoRA 模型，ComfyUI 會依序應用它們的效果。

這樣可將多種風格與元素融合，激發創造力與實驗性，創造獨一無二的作品！🌍💡

---

12. ComfyUI 的快捷方式與技巧 ⌨️🖱️

12.1. 複製與貼上 📋

• 選取節點後按 Ctrl+C 複製。
• Ctrl+V 貼上。
• Ctrl+Shift+V 貼上但保留原有輸入連線。

12.2. 移動多個節點 🖱️

• 使用群組移動節點。
• 按住 Ctrl 拖曳來框選多個節點，或單獨多選。
• 按住 Shift 並移動滑鼠來移動選取的所有節點。

12.3. 靜音節點 🔇

• 選取節點按 Ctrl+M 靜音，暫時停用該節點。
• 若要靜音整個群組，請右鍵選單中選擇 Bypass Group Node。

12.4. 最小化節點 🔍

• 點擊節點左上角的圓點，即可最小化顯示。

12.5. 快速生成圖像 ▶️

• 按 Ctrl+Enter 加入佇列並立即開始生成。

12.6. 嵌入式工作流 🖼️

• ComfyUI 可將整個工作流儲存於輸出圖像的 PNG metadata 中。
• 只需拖放圖片，即可還原完整工作流！

12.7. 固定種子以節省時間 ⏰

• ComfyUI 只在輸入變化時重新執行節點。固定種子可避免重複運算，加快流程。

---

13. 在線使用 ComfyUI 🚀

恭喜你完成本教學！🎉 你已具備使用 ComfyUI 創作 AI 藝術的完整基礎。

那麼，為何還要自行安裝呢？立即體驗我們預先配置的線上版本！

我們在 RunComfy 提供：

• 超過 200 個熱門節點與模型
• 超過 50 個範例工作流
• 不需安裝，直接創作！

🌟 無論你是剛入門或是資深創作者，RunComfy 都為你準備好了一切。快來體驗 AI 藝術的創作自由吧！🚀