【Vision人工智能设计 】ComfyUI 基础文生图设计

⚡⚡⚡ 新年新文⚡⚡⚡

---

文章目录

• • [1，ComfyUI 基础文生图工作流与 Prompt 使用](#1，ComfyUI 基础文生图工作流与 Prompt 使用)
  • • 1.1，Flux模型特点
    • 1.2，工作流主要节点
    • 1.3，工作流处理流程
    • 1.4，工作流搭建过程
    • • 1.4.1，左边潜空间的搭建
      • 1.4.2，右边像素空间的搭建
      • 1.4.3，连接检查
    • 1.5，规范提示词
    • 1.6，参数调整建议
  • [2，在 ComfyUI 中构建高清放大工作流](#2，在 ComfyUI 中构建高清放大工作流)
  • • 2.1，基础工作流中增加5个新节点
    • 2.2，参数设置规范
    • 2.3，效果对比功能
  • [3，在 ComfyUI 中运用模板设计生成高质量的科技海报](#3，在 ComfyUI 中运用模板设计生成高质量的科技海报)
  • • 3.1，增加4个节点
    • 3.2，节点连接
    • 3.3，参数设置
    • 3.4，运行工作流效果展示
  • [4，ComfyUI 工作流中 LoRA 风格化小模型的使用](#4，ComfyUI 工作流中 LoRA 风格化小模型的使用)
  • • 4.1，LoRA模型简介
    • 4.2，LoRA节点的添加与连接
    • [4.3，Load LoRA节点的设置与参数调节](#4.3，Load LoRA节点的设置与参数调节)
    • 4.4，其他风格应用示范

---

本文主要内容是在 ComfyUI 中构建文本生成图像（文生图）工作流的方法，并学习如何通过提示词（Prompt）控制生成图像的风格；如何在 ComfyUI 中将生成的图片高清放大；如何运用模板设计结合 ComfyUI 生成精美海报；ComfyUI 工作流中 LoRA 风格化小模型的使用。

1，ComfyUI 基础文生图工作流与 Prompt 使用

• Flux模型
• ComfyUI 的基本概念与工作流程
• 选择合适的模型（例如 Flux 模型）
• 利用不同节点调节图像生成过程
• 提示词的编写方法，强调通过明确描述主体、特征、背景、风格和画质等要素，实现对生成结果的精准控制
• 采样器与调度器参数的调整方式，并对比不同参数组合对图像效果的影响

1.1，Flux模型特点

Flux模型官网：https://bfl.ai/models/flux-pro

Flux 是我们使用的主要模型，它有四个显著的优势。

• 画质极佳：生成图像具有高质量视觉效果
• 人物画手准确：在人物和手部细节表现优秀
• 文字生成准确：能较好地处理文字元素
• 提示词简化‌：只需书写正面提示词，无需负面提示词

1.2，工作流主要节点

首先，我们要选择合适的模型，这里我们选择的是 Flux 大模型；

• 提示词（Prompt）节点输入生成图像所需的描述
• 随机噪波（RandomNoise）节点来控制图像的随机性
• 采样器（KSamplerSelect）和调度器（BasicScheduler）决定了去噪过程的方式
• 空 latent （Empty Latent Image）节点则用来控制生成图像的尺寸
• 自定义采样器（高级）（SamplerCustomAdvanced） 节点，它提供了极大的自由度，可以让我们调整图像生成的各个参数；它是整个工作流的核心节点，类似于计算机的主机。

1.3，工作流处理流程

左边：工作流潜空间构成

右边：VAE解码器将潜空间转换为像素空间

最终：通过VAE模型解码输出图片效果

该工作流首先构建潜空间特征，随后通过VAE解码器将抽象特征转化为像素空间，最终通过模型选择生成目标图像，实现"编码-转换-输出"的完整链路。

1.4，工作流搭建过程

1.4.1，左边潜空间的搭建

1. 创建基础核心节点：选择 自定义采样器（高级）（SamplerCustomAdvanced）节点；
2. 选择 随机噪波（RandomNoise）节点，并设置图像生成的方式，可以是随机的，也可以是固定的
3. 加载 Flux 模型，这一步使用的是 UNET 加载器(Load Diffusion Model)节点，根据你电脑的配置，可以选择 fp16 或 fp8 精度
4. 输入提示词，使用 CLIP 文本(CLIP TextEncode（Prompt))节点
5. 通过 双 CLIP 加载器(DualCLIPLoader)来连接模型（需搜索添加）
6. 使用 Euler、heun 或 dpm 作为采样器(KSamplerSelect)
7. 调度器(BasicScheduler)可以选择 normal、karras 或 simple，然后设置步数和降噪参数，默认为1
   采样器和调度器决定了模型去噪生成图片的方式是怎样的。
8. 图像的尺寸通过 空 latent（Empty Latent Image）节点来控制，可以根据需要设置不同的宽高比；自定义比例（示例：宽720×高1280），批次默认为1

1.4.2，右边像素空间的搭建

1. 使用 VAE 解码器（VAE Decode） 将潜空间转换为像素空间（需要VAE的模型，模型就选择这个 ae）
2. 图像输出到 保存图像（Save lmage）

1.4.3，连接检查

检查所有节点的连接是否正确，尤其是调度器（BasicScheduler）和模型节点（Load Diffusion Model）的连接

1.5，规范提示词

标准的提示词结构通常包括：主体、特点、背景/环境、画面风格和画质修饰；

使用这样的提示词："年轻女生，五颜六色的分散，渐变背景，科幻超现实主义肖像低多碎片风格，优雅神秘高分辨率数字艺术"。通过这种结构，你能够精确地控制生成图像的内容和风格。

1.6，参数调整建议

当然，生成图像时，你可以根据需求调整不同的参数，比如尝试不同的采样器（如 Euler、heun 或 dpm）来对比效果，调整调度器类型以观察差异，或者修改提示词的结构来生成不同风格的图像；

通过调整图像尺寸比例，你还可以获得不同构图效果的图像。

2，在 ComfyUI 中构建高清放大工作流

2.1，基础工作流中增加5个新节点

这个工作流是在文生图工作流的基础上改造而成，分为两部分：

1. 用于生成基础图像的文生图工作流：
   
2. 在文生图工作流基础上，新增的用于提升清晰度的5个节点：主要核心节点是 SD高清放大（UltimateSD Upscale） 节点；

• 需要将原图像连接到VAE解码器的图像输出端口
• 选择 Checkpoint模型（Load Checkpoint）并选择对应的模型
• 将正面和负面提示词分别连接到对应的clip接口： "Positive prompt words" → "正面提示词" 和 "Negative prompt words" → "负面提示词"
• 添加专门的放大模型（Load Upscale Model）节点，优先选择SD系列中常用的放大模型

2.2，参数设置规范

1. 关键参数：标准配置：CFG值设为1，降噪（denoise）参数保持默认0.2，采样器/调度器（sampler_name/scheduler）必须与文生图部分保持一致（如heun+simple）
2. 输出设置：推荐输出分辨率（tile_width*tile_height）为1024×1024

2.3，效果对比功能

为了验证效果，我们将使用对比（K AB Images）节点同时显示原始图像（a）和放大结果（b）

3，在 ComfyUI 中运用模板设计生成高质量的科技海报

3.1，增加4个节点

使用预设好的设计模板（PNG等）结合 ComfyUI 节点生成精美的文字排版海报；使用加载图像、图像遮罩、图像缩放和 Mask Resize 四个核心节点，实现底图与文字排版的精准融合。

• 加载图像（Load Image）节点，它的作用是承载我们的文字排版，它的作用是放置文字排版
• 图像遮罩（Image Composite Masked）节点，它的作用是将底图和文字排版合成一张图片，它的作用是将底图和文字排版结合在一起，最终呈现出合成效果
• 图像缩放（Upscale lmage）节点
• Mask Resize 节点 ，用来调整尺寸

3.2，节点连接

3.3，参数设置

• 图像缩放（Upscale lmage）节点，我们选择使用 bicubic 参数，这样能保持图像质量。在裁剪设置方面，选择中心对齐，并确保尺寸设置一致。
• 文字排版的尺寸是 1080x1920（竖构图），而海报的尺寸我们可以设置为 720x1280，这样能确保整体效果一致，其他参数保持默认即可。
  

3.4，运行工作流效果展示

点击 run 开始运行了。稍等片刻，你就会看到生成的海报效果

ComfyUI 中的四个核心节点：加载图像、图像遮罩、图像缩放和 Mask Resize，以实现高质量海报制作。

4，ComfyUI 工作流中 LoRA 风格化小模型的使用

在文生图工作流中加载和应用LoRA模型，使用LoRA模型来控制生成图像的风格。

4.1，LoRA模型简介

"毛线针织"风格的LoRA效果：

通过LoRA模型，我们可以控制生成图像的风格，使其呈现出不同的视觉效果。

4.2，LoRA节点的添加与连接

• 加载 LoRA （Load LoRA）节点
  LoRA 的功能就是在大模型的基础上，增加一个小模型来约束生成的风格，从而让画面呈现出不同的视觉效果。大家可以理解为，大模型决定了图像的整体，而 LoRA 则给它加了一层"风格滤镜"。

注意几个点：

• 左边的模型输出接到 LoRA 模型输入，再把右边的输出继续接到引导模型；
• 同时，CLIP 节点也要对应连接，一个接提示词节点，一个接 双 CLIP【Dual CLIP Loader】。

看起来有点复杂，其实逻辑很简单，就是在原来的大模型基础上，加了一层风格控制

4.3，Load LoRA节点的设置与参数调节

1. 节点设置

• 颜色设置
• 忽略节点
• "钉住"节点
• 删除节点

2. 参数设置（触发词）

• LoRA 的参数相对比较简单，最重要的就是模型的选择。系统里装了哪些 LoRA，我们就可以直接从列表里挑选对应的模型，比如这里我就选择 毛线针织风格的 LoRA；
• 一个是"模型强调参数"，它作用在视觉解码路径上，直接影响生成图像的风格和结构细节；我在这里把模型强调参数调整到 0.9，大家可以根据实际需要去微调；
• 另一个是"CLIP 强调参数"，它作用在文本编码路径上，主要影响提示词和图像之间的语义对齐；
• 触发词：只要用了 LoRA 模型，提示词里面就必须写上对应的触发词，毛线针织风格的 LoRA，那触发词就是 "wool felt doll"；

如果没有加触发词，生成的图像是不会呈现出 LoRA 效果的。

4.4，其他风格应用示范

把 LoRA 切换成金属机甲风格，同时提示词里加入对应的触发词。

---

感谢阅读，下期更精彩 👋👋👋