comfyUI 插件安装环境的教程
康复 ui 也有使用手册了，看完之后让你对康复 ui 有一个全面的了解。大家好，我是木心，自从我做了康复 ui 的教程后，通过私信发现很多朋友看到康复 ui 中众多节点选择后就非常头疼，尤其是一个采用器后面加上括号，就让人产生了选择恐惧。 所以今天给大家推荐一个康复 ui 的神器，果园职业和辣椒酱共同出品的康复 ui 插件节点使用手册。这个手册里详细的描述了每一个节点的功能和使用方法，尤其是各种不同侧重点的采样器、加载器、检测器、遮罩等等让大家看了就非常头疼。的功能区，同时搭配了节点功能区的图片，理解起来非常方便， 让大家在使用康菲约的时候就能够更加得心应手。使用手册的获取可以在后台私信我获取，也可以在垃圾酱处获取。进入无限收微节点使用者手册，找到第二章即可学习。 我个人的建议是大家把使用者手册通读一遍之后进行收藏，可以作为一个工具书在使用康复意外的时候进行查阅。好，今天视频到这结束了，我是木心，我们下期视频见。
粉丝1615获赞6278
相关视频
04:16查看AI文稿AI文稿country ui 它是一个基于节点的 slippertitution 的 ui 界面，在这里它可以把各个功能转化为一个个的节点，通过节点的连接来进行图片的输出和控制。 它的好处是比我们平常用到的 stabody shows 外部 ui 更加的容易操控，甚至可以自定义一些没有的功能，比如说在图上图里面它是没有生成图片后 就直接放大的，那么通过 confu i 我们可以自定义一个放大的功能，你可以直接安装 confu i， 但是安装的话会比较麻烦，而且如果你之前就使用过别的版本的启动器的话，比如说秋叶版本的会试，那么你的电脑上就会会存在两 个环境，会占用更多的体积，而且你启动器里面的模型还要再导到 confi 里面，这样子就会非常麻烦，所以我们可以在扩展里面找到这样一个插件，就是这个 comfi ui type， 我这里已经安装好了，它可以将 它可以将 ctrl ui 和你本身安装好的 cbt fusion 的环境或者是模型做一个共享，这样就可以节约很大的空间。安装好后重启一下外部 ui， 然后来到顶部的导航栏就可以看到 comfitui， 点击进来的话，它会提示你安装一个 ctrl ui， 我们可以在安装路径里面写上 ctrl ui 安装的位置，当然也可以留空，留空的话它会自动的安装在 ctrl ui 的插件里面，选择好路径之后就可以点击安装 ctrlfui。 安装好后再重启一下外部 ui， 之后 我们再次点击 comfi ui， 就可以看到 confiui 的页面，在里面是它预设好的一些节点，我觉 他这个的设计真的是非常非常的有意思，因为你看着他的话，就能够很直观的看到提示词在潜在空间里面匹配特征，然后通过解码最后输出成图片的过程。我们大致先来看一下他的流程， 最左边是加载模型，点击他的话可以加载我们安装好的模型，然后他这边是有三个点，一个是 model， 一个是 clever， 一个是 va e， model 的话就是模型，大家很好理解，然后 model 下面是 cleve， cleve 就是让 ai 来理解你的提示词的地方嘛。 所以说 click 连接的就是两个文本输入框，这时候我们要注意文本输入框他是不分正向提示词和负向提示词的，而是说他在右面来到这个采阳器的节点里面， 他上面会有正向提示词和负提示词，那么这个文本框他是连接到正向提示词里面，那他就是正向提示词的文本框， 他是连接到负向提示词里面呢，他就是负向提示词的文本框。比如说我们把这个节点给他拽开，这两个都拽开，然后把上面的这个拽到下面，那么这一个文本框他就是负面提示词的文本框，把他拽到上面呢， 那么他就是成了正面的文本框。接下来往下面看，下面是一个空白潜在图片 的节点，他这里可以决定你输出的图片的尺寸，然后一次生成了几张图片，这些都是可以调，然后这个节点他是会连接到彩阳器节点的潜在图像这个位置，在这里可以调节种子，也可以调节 采样、叠带步数，还有提示词间观性，也就是 c f g， 还有一些采样器或者是降噪的强度，然后再往右侧，他会来到 v a e 的解码器，然后再往右边，他就是生成图片的节点， 我们点击右侧的这个地方就可以开始生成图片，可以看到他这边会运行的一个运行流程， 运行完成之后，在这里就能够看到生成的图片，那么他生成图片存储的位置并不是在你原先装好的 c botifusion the output 文件夹里，而是说你刚才， 而是说你刚才安装的 confi ui 里面有一个 altprod， 在这个文件夹里面像 confi ui 的话，它真的有很多可以玩的地方，但是它我目前接触的还不多，如果大家感兴趣的话可以在评论区留言，我以后会多做一些关于 confi ui 的教程。
626松柏君
01:26查看AI文稿AI文稿confu i 教程合集来了，那么接下来主要讲一下 confu i 的插件管理器和汉化的安装。 confu i manager 可以理解为在 confu i 上管理插件和模型的一个集合工具，你可以很方便的在上面下载你需要的插件和模型，或者使用大佬的工作流的时候发现自己缺失某个插件，可以在这里一键安装你缺失的插件，简直非常方便。 推荐每个使用 cover ui 的同学都需要下载汉化插件，安装之后可以轻松在设置中切换中文和英文，因为很多 cover ui 教程都是使用的英文版作为教学，所以在学习的时候建议同学先使用中英文来回切换对照，在熟练之后根据自己的喜好选择使用中文还是英文。 confu i manager 和汉化插件的安装包我已经打包放在了我的粉丝群众了，现在我们来讲一下如何安装。首先下载并解压这两个安装包，将这两个文件放到 confu ig 目录 confu x time 下划线 notes 文件夹中，再重启 confu i 即可。 打开之后可以在右侧看到 manager， 点开就可以进行插件的管理，并且在右上角这里能看到一个小齿轮， 打开之后在这里可以切换成中文界面，包括模块和节点都被很好的翻译了，这就是完成了 confu i 的准备工作了。下一期我们将用一个小案例讲解文声图的基础流程，并且如何在流程中加入 lower in beding control 节点。 最后，如果这个视频对你有帮助，请不要忘记点赞收藏，你的支持对我制作下一期教程非常重要。如果你有任何想学的内容，请随时在评论中告诉我们。感谢你的观看。我是设计师，学 ai 教你实操胜于虚言，我们下期再见。
333设计师学Ai
04:13查看AI文稿AI文稿今天我来演示一下在 obto 系统下安装部署 campay ui 以及 ganstability 属于正共享模型文件的一个教程。 首先我们选择一个目录，打开终端，这里我选的桌面。接下来我们输入 gatecom comfi ui 项目地址， 这时候可以看到桌面多了 confi ur 文件夹，我们可以打开看一眼。 然后我们用 wechat land 命令创建排扫三虚拟环境，避免项目环境污染。 一会我们执行 virtual mnp python 三 come for ui 命令之后会多出一个电影目录。 接下来我们进入拍放三虚拟环境，然后在虚拟环境下可以放心大胆地进行接下来的操作。 这里王记事先进入 camphi ui 目录，所以报错了，先来进目录，再重新执行刚才的命令。 这时候可以看到终端提示服多了 confi u i， 说明我们已经在虚拟环境中了。 回到项目仓库地址，我们来看看 comfy ui 的安装步骤， 因为我用的是 nvidia 显卡。根据要求我们可以先来执行下面这段 在哪？ pps door are requirements 刺激是 python 中常用的依赖性安装命令，同样也执行一下。 当所有依赖读完装好之后，我们就可以输入 python main 并运行起来了。 这时候模型库还没有设置。如果之前你有用 stability fusion， 你可能会将 stability fusion 中的模型拷贝到 confi ui 目录下，如果这样的话就会占用更多的磁盘空间，而且每次都需要拷贝。 我们可以用软链接 just table defusion 的模型目录地址映射到 configi 的模型目录下。 我们可以用 promile 先来获取 camfi ui 模型目录的绝对路径， 然后再来获取 stability fusion 的模型目录， 然后按照 l n s l 共享的目录要预设到哪个目录，这 这样的格式输入到终端执行。 这个时候我们可以在 comfy ui 的模型目录下发现一个带有箭头符号的目录，有点类似 windows 下的快捷方式。然后我们回到 comfy ui 页面刷新，就能看到可以加载出来所有 stability fusion 的目录了。视频的最后， 我们来试试用 configui 生成一张图。 configui 的功能非常强大，我们会在接下来的视频中为大家展示 confus ui 出图的每一个过程都可以直接看到，这对于理解 ai 绘画的底层原理也是非常有帮助。
51风之语
08:32查看AI文稿AI文稿今天来看一个不一样的 stable diffusion 绘图工具，它就是 configui， 用过呼迪米、 blender、 ue 等节点式软件，是不是很熟悉？ confuse 是一个基于节点流程式的 stable diffusion 绘图工具，它集成了 stable diffusion 功能，通过将 stable diffusion 的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。 同时因为内部生成流程做了优化，生成图片时的速度相较于 y b u i 有大概百分之十至百分之二十五的提升。生成大图片的时候不会爆显存，只是图片太大时会因为切块运算的导致图片碎裂。 那如何下载呢？首先打开官网，找到最新的整合包，把它直接下载下来， 然后解压到一个空间足够的盘里， 解压后就可以使用了，安装超级简单，但这个包只适用于 windows 电脑，在运行的时候，如果有英伟达的显卡双击让 video gpu 运行， 没有的话就只能栾 cpu 运行了。打开后自动跳转到 confus 界面，或者复制这个链接到浏览器也行。 可以看到刚安装好是没有模型的，我们还需要配置各种模型，需要将不同的模型放置到 confu i 文件夹的 models 里，这里是存放各种模型的地方。如果你使用过 yui， 那你已经有一套自己的模型了，如果复制过来就会很浪费硬盘空间。所以 confus 的作者提供了将 webui 中存放的模型链接进来的功能。在 confused 的目录中找到这个叫做 extra model path yamel example 文件，打开后 在 basepath 这行写上你的 web ui 跟目录地址。我的 web ui 是这盘的 stable diffusion， web 文件夹里我们直接复制这个地址粘贴到这里，然后保存， 保存后将后缀名 example 去掉。 现在在启动 comfuse ui 就可以直接使用 了。打开后，这就是一个最基本的纹身图的工作流程。首先可以看到有一个 low checkpoint， 这个节点就是在 webui 中选择模型的地方，点开可以选择你的主模型，其中 click 分别指向了正向描述词和负向描述词。 creep 是什么意思呢？ creep 是一种由 open ai 开发的神经网络模型，它可以将自然语言和视觉信息进行联合训练，从而实现图像与文本之间的跨模态理解。 creep 可以用于各种视觉与语言任务，例如视觉问答、图像分类、图像生成、文本分类等。 c l i p text ten code 节点，也就是正负向 tech 分别链接到 k sampler 采样器的 positive 和 negative。 k s e per 即是 web u i 中的采样器，可以调整采样方法 c f g 步数等 参数。 k sample 上的 model 链接的即是上面提到的 low checkpoint 节点。 latent image 上面链接了一个 empty latent image 模块，可以设置图像的宽和高。 最后可以看到有一个 v a e d code 节点，前面的采样节点产生的其实是一个前空间的图像，经过 v a e d code 节点解码后还原到像素空间，也就是我们最终生成的图像在 v a e d code 之前都是在前空间中操作。注意， v a e d 扣中 samples 参数链接的是采样器节点。 v a e 参数链接的是 low checkpoint 节点，也就是这个模块。 最后别忘了还有一个 saving mage 节点，用来展示和保存图形，如果要生成一张图片的话，点击这个 pup prompt 就可以生成了， 我们也可以通过 sam 保存当前的工作流程。 load 就是导入工作流程的， 我们先清空这个工作流程来从新搭建一个，这里先创建一个 low chat point 节点，然后创建一个关键词节点， 按住 alt 键，鼠标左键再复制一个。接下来创建一个 k 三 pro 采样器，然后创建一个调整尺寸的节点， 接下来是 va 解码器，最后是输出图像了，这样一个基本的纹身图模块 就搭建好了，接下来就是连线了，点击左上角的这个灰色圆点，可以把节点收起来。节点连接是左边接入右边接出的规则，最新版有了颜色的标记，这里连接就更容易了。 这里的话有两个关键词结点，应该怎么确定正向和反向呢？首先把 creep 连接起来， 如果把这个关键词节点连接到 positive， 那么它就是填写正面的关键词。 另一个接入到 negative， 那就是负面关键词。 然后把 checkpoint 的 model 和 k sampler 的 model 连接起来，再把设置尺寸的节点连接到 k sampler the latent image， 把 k sampler 的 latent 连接到 v samples， 记得把 low chat point 节点的 v 连接到这里。 最后就是连接到这个输出图像节点，随便升一张图测试一下。 这就是一个最基本的流程了。如果主模型没有自带 v a e 的话，就需要添加一个 v a e 模型，然后连接到这个 v a e 节点。如果想用 lora 模型的话，可以再创 建一个 lora 节点。双击鼠标左键两次可以调出搜索框，可以直接搜索节点名字。因为是小模型，所以要和主模型这里连接，做一个串联就好。 对应的颜色都连接上左边的 model 和 clip， 再连上关键词模块和 k sampler， embedding 和 hyper network。 模型就直接放在 confui 对应的模型的文件夹里，在关键词写上对应模型的名称就好。 你可以尝试不同的节点组合。如果你想要更多的流程， 可以打开 confu i 的官网，找到 confu i examples 点进去。这就有很多常用的工作流程，这些官方都已经做好了。 我们只需要保存这张图， 然后拖入到 confui 界面里，就会自动识别到这个工作流程。 后续更新。如果后面需要更新 configui， 可以直接使用 configui 中的 update 脚本，就不需要重新下载和配置了。 总之， confuse 是一个功能强大的界面，为 stable diffusion 提供了极大的便利和灵活性。它支持多个版本的稳定扩散方法，具有一步对列系统和部分重新执行功能，同时还允许用户在 d， v， r， a， m 的 g， p u 上运行。此外，它还支持各种功能和模型，使艺术家能够更加轻松地创造出惊人的图像和作品，是非常适合尝试练习的一个 stable diffusion 工具。
1420AI绘画小站
02:32查看AI文稿AI文稿之前给大家介绍过这种在随波 tpushion 里面的抗 bui 的差价，但是由于差价它不能够完全占据整个屏幕， 它上面会有好大一块的浪费空间，所以很多人都想体验一下原声的抗 boi， 这个视频就是带领你如何从头安装一个原声的抗 boi， 并且能够和你已经安装好的 sport 地球枕共用一套模型。首先来到 bghub 的康菲 ui 的界面，向下来到这个位置，然后点击它的话就能直接下载 整个的安装包，大概有一点四 g 的大小，下载完成之后将它解压在你的本地，然后进入解压后的文件夹里，这里可以看到有在 cpu 上运行，也有在英伟达显卡上运行，这里可以根据你的实际需要去操作。我这 这里可以点击在显卡中运行，第一次打开的话会相对较慢，等运行结束之后会自动的弹出 cocui 的页面，大家弹出的页面可能跟我的不会太一样，这个是我之前保存好的工作流，那么现在整个 ccocui 都布置完了，但是里头还没有模型，有 人生的 confuse ui， 它安装的模型的地方是在这里 confuseui 的文件夹里面有一个 models， 在 models 里面有一个拆一个 plans， 在这里面放大模型，但是如果你已经有 stepheton 的话，再去把模型放到 confui 里面，对你电脑的空间肯定是一个很大的挑战，所以我们可以想办法将模型之间做一个共享。 首先需要我们进入 comfui 的文件夹里，然后找到这个文件，将它复制一份，然后将这个文件的名字的后缀这个地方就给删掉，然后 打开我们修改后的这份文件，然后进到里面之后需要我们修改的是这个 basepass， 这个地方需要写我们的 saberty fusion 的根末路，比如说可以把根末路 给他复制一下，然后直接粘贴到这里。配置完模型的路径之后，还需要在下面配置 ctrl net 模型的目录，来到你的 ctrl net 插件的文件夹里，在里面找到 models， 把 models 的路径复制下来，然后粘贴到这个地方，这样你就可以在 confu i 里面用到 ctrl night 了。 将这个压面文件保存一下，然后将 comfui 的后台整体的关掉。在新打开的 comfui 里面可以加载一个模型的节点，我们可以看到这时候已经可以自由的选择各种模型了， 就证明模型已经被安装成功了。咖啡 ui 的加速包已经放在云盘里了，想要的朋友可以在我的粉丝群找到。
266松柏君
07:32查看AI文稿AI文稿sd 叉一点零的强大你都懂，但到底咋使嘞？三种主流方式，第一种方便，最后一种门槛低，总有一款适合你。本期内容涉及安装使用、优缺点对比，建议先收藏点赞慢慢看， 要想用，得先了解。看过我上期视频的朋友应该清楚， s d 叉 l 是 stability ai 推出的号称地表最强的纹身图模型，并于七月二十六正式开园，代号 s d 叉 l 一点零。它呢，有四个显著的特点需要咱特别的注意。第一， s d 叉 l 一点零有两个大模型， 画一张图得跑两遍，先用贝斯基础模型画，再用 refiner 优化模型调细节。听起来呢很麻烦，但别怕，咱今天的三种方式都完美的解决了这个问题，都能一次成图，这条过。第二条， sd 叉 l 一点零风格百变，这个百不是虚， 是真的可以只靠这俩模型就能画出一百多种风格，关键是呢，都还画的很不错，真正的以一抵百，节省空间。最关键的是， 他对提示词的要求大幅度降低，即使咱不写骑手式和复向提示词，只要你像平时一样说人话，就能获得高品质的画面，真正的零基础也能玩。最后一条， 官方指定的使用叉 l 一点零的最小尺寸是一零二四乘一零二四，推荐的采用方法是 d p m 系列。 这条呢，确实是对电脑的配置要求有点高，但咱有大神做优化，只要你配置得当，最低四 g 显存加八 g 内存就能玩。理解了这四点，咱今天这三款软件的使用就会了一大半。 先看第一款 stead bodyphone rebui， 其实呢，就是大部分 sd 玩家使用的秋叶版的 sd， 这个使用最方便，直接升级到最新版，再装俩插件下 模型就能用。老玩家呢，可以直接按截图的方式自行的升级本体安装插件，再去全文件中把一点零的模型下载下来，放到大模型文件夹就齐活了。如果呢，你是从未装过 y 不 u i 的小萌新， 那就直接从群文件中下载我已经打包好的 v 四点三 sd 叉一点零版，解压以后，将整个文件夹放到你空间最大的那个盘里，双击启动器就能用。 比如呢，我想画一只可爱的小海豹，先从左上角选择 sd 叉 l bass 基础模型作为大模型，再在正向题词框中简单的描述画面的内容。比如一只小海豹在水下游泳，大眼睛看着镜头很可爱。行了，就这样，其他的呢，都可以不写， 携带步数设置成二十八。接下来呢，就是听官方的话，采用方法 d p m 加加尺寸，一零二四乘一零二四。再往下拉就可以看 到刚装的 sd 叉 l styles 插件，这个呢，就是用来选择那上百种风格的，但是呢，在 ybui 这个插件中，现在只有七十七种风格，但也够用了。先随便选一个，继续下拉，找到刚装的另一个插件 refine， 看名字就知道，这里就是配置优化模型参数的， 先勾选启用模型，选 s g 叉 l refiner， 步数设置为七。为啥是七嘞？因为根据下方的使用说明， refiner 的步数值需要是贝斯步数值的四分之一，过高会导致失真。而刚才呢，咱对贝斯模型设定的迭代步数是二十八，四分之一呢，就是七， 数学题自己算哈。妥了，点击生成有了。不喜欢这个风格，那就去 styles 插件里点一下，换一个风格，七十七种风格玩花了眼，如果你电脑跑图慢，我这呢有 ybui 七十七种风格的中英文图文对照素茶表， 全文件自取喽。以上呢，就是使用外部 ui 玩 sd 叉 l 一点零的方式，适合大部分的 sd 玩家，但缺点呢，就在于外部 ui 他不会主动的清理显存，多跑几次容易爆。所以呢，接下来这款 comfortui 就有了一席之地，他对显存的管理会比较好，生虫以后呢，会自动清理显存， 节点式的操作，对动手能力要求实在是高。我接下来就分享一个一键配置 comfu i 的方式。首先，如果你没装过 comfu i， 可以直接从群文件中下载我已经打包好的免安装包，双击 gpu， 点 bnt 即可打开软件。 已经装过的朋友呢，只要去全文件中下载俩大模型，放到本地的大模型文件夹就可以了。使用前需要一键配置，只需要将安装包里自带的这张拼接图片拖到 comfu i 中就可以一键配置好所有的节点。可以看到呢，配置好后的节点已经默认选择了 sd 叉 l 的两个模型，我们只需要更换题日词，再点击最右侧的这个按钮，带绿色的框框跑到底就画好了。虽然呢， confu i 对现存的管理好，灵活度呢也高，但这是把高端局，如果你只会像我今天这样一键配置是远远不够的。 动手能力差，不会手动配置节点的朋友呢，咱还是看一看下一款软件吧。今天的第三款软件 focus， 绝对是迄今为止门槛最低的使用 sd 叉 l 一点零的方式，小白可一定要去玩玩看。它是由 ybui 的 ctrlnet 作者研发，在 guitarp 上连续数日霸榜 top one。 focus 的优点就在于对硬件的要求低，作者声称最低四 g 显存加八 g 的内存就能玩。现在的功能非常聚焦，上手简单，号称三步出土。老规矩，自带 sd 叉一点零模型的 focus 免安装包也放在了群文件中， 下载以后解压到本地剩余空间最大的那个盘里，双击软点 b a t 就可以使用了。默认界面简洁到像假的，上面呢是预览图，下面是正向提示此框和生成按钮。 其实呢，你现在随便写点啥，点个生成就能用了。但我还是建议你勾选 advance 展开更多参数，在设置里可以指定是性能优先还是品质优先。 性能优先呢，对应着三十步迭代步数，而品质优先则是六十步迭代，一般呢，选性能优先就足够了。下方是软件作者根据 s d 叉二一点零的模型试验出来的最佳尺寸，涵盖了不同比例的竖图、方图和横图，咱按需选择即可。紧接着的是每次渲染的张数 默认是一次画两张，副项提示词可以不写。最后 random 是种子随机的意思，相当于外部 ui 里的负一。取消勾选以后可以锁定种子值，切换到 style 标签 就可以看到。 focus 内置的一百零五种风格，分为官方出品、广告、艺术、未来游戏、杂相、旨意照片等八大类。同样的， focus 一百零五种风格的中英文图文对照，素茶表也在群文件中自己去拿喽。 我先随便的选一个 focus 都有的风格，点击生成有了。根据我个人的测试呢，同样的风格， focus 的出图品质会更高。这或许是因为 focus 的作者对 s d 叉 l 一点零模型进行了最优配置，这些配置呢，可以在额德旺斯的标签页里看到，这些参数呢，一般咱都不需要改 顶部的模型选择区域，除了 sd 叉 l 一点零的两个官方大模型以外呢， focus 还多配了一个官方的 offset lord 模型。 focus 的作者表示呢，他在多方尝试以后，认为将这个 lord 的权重设置为零点五十，出图效果最佳。所以呢，咱就不动了， 默认就成。从界面的布局呢，也不难看出，后续随着加入更多的捞绕模型， focus 的想象空间是无限大。展开高级选项目前还只有一个采样清晰度的选项，可以简单的理解成画面的锐化数值越大，锐化值越高，画面呢也就越清晰。默认是二，一般也不需要改。 ok， 三种方式介绍完毕，有升级就能用的外部 ui 自由度更高的 comfortui。 还有三步搞定的 focus， 你最青睐谁呢？无论你相中哪一款，都快去外边看！ 本期呢，只做软件的推荐讲解呢，并不深入，如果你想要更深入更系统的了解 stabortiforn， 可以看看我的系统图文教程 sdvk， 从基础到进阶，持续更新，新手必备使用方式，在群公告找不到的朋友可以私信我喽！这里是只讲干货的聚梦小课堂，点赞关注更多 ai 绘画教程，咱下期继续喽！
2903聚梦小课堂
08:09查看AI文稿AI文稿大家好，我是咖啡猫，欢迎来到我的视频。现阶段，当我们在使用 stable diffusion， 一直采用的是 web u i 界面，这个 g u i 界面因为简单易用，受到人们的喜爱。 但 webui 的不足之处在于使用者无法准确了解模型的架构，操作上往往会忽略一些重要的参数。例如这个 vae 模型，在设定里面的这个选项中进行选择，设定非常隐秘的位置却是很重要的参数。 并且 vip u i 中一个界面对应一个功能，我们无法灵活定制一些需要的工作流程。例如，我想一次性生成两张图片，一张需要放大，另一张不需要， vip u i 中你只能逐一点选生成。 今天我们将介绍 stable diffusion 另一个最新的 g u i 界面 confu i， 它完美的解决了 上述问题。这是 github 上 confine anonymous confu i 用户创建的，提供了基于图形节点和流程图设计的模块画式的模型操作方式。 简单来说，他允许使用者像搭积木一样逐一添加 stable defusion 的每一个计算模块，通过鼠标连线的方式把每一个相关模块连接起来。用户可以直观地查看 stable defusion 模型的架构，了解每个模块的功能，更方便的调整模型参数，定制自己需要的工作流。 并且 confuse ui 提供的一件式安装包无需配置 python 操作环境，下载即可使用。现在就让我们进一步来了解 confuse ui 的原理和使用方法吧。 confuse ui 的下载和使用十分简单，在 github 下载界面下，如果是 window 用户可以直接点 击这里下载一键式安装包这个文件里已经配置好了 python 运行环境，集成了所有相关依赖库和代码库。下载后打开文件夹，点击 run 下划线， nvidia 下划线， gpu bet 就可以运行了。这个和 webui 是一样的， 点击后等后台运行好，系统会默认加载最基本的流程结构。如果版本更新了，我们可以点开 update 运行这两个文件就会自动更新代码库了。我们下载的模型需要放在这个路径里的对应文件夹内，底模型放在 checkpoint 文件夹里。 下面我们来介绍一下 confu i 的使用方法。我们先来回顾一下 stable diffusion 生成图片时候的基本流程与结构，这将帮助我们理解接下来的内容。以下我将 stable diffusion 简称为 s d。 首先，我们的长度不一致的文本包含正面的内容和负面的内容。通过 text coder 文本编码器，一般是 play 模型转换成固定长度的易于电脑计算的食量数据。 然后与初始化的噪声图像一起带入 annet 网络，进行多个不长的去噪处理。就像这样， on at 网络是 sd 中最重要的网络，上面有上一个参数。最后去造后的图像数据再通过 vae 模型进行解码，还原成最终的图像，也就是我们看到的图像。 让我们来到 confu i 界面，在 confu i 中，我们可以按照之前介绍的流程逐一添加 s d 模块，然后将它们串联在一起。这是一个串联好的 s d 模型的流程。首先我们 我们要生成一个 checkpoint loader simple， 这是瞩目快可以看到上面包含了 model， clip、 v， a、 e 三个连接点，分别对应我们之前说的 annet 网络模型、 clip 模型、 v a e 模型。 我们后面的操作就是要添加与这几个模型相关的参数模块，然后把它们串联起来。可以看到这里有两个 creep text and code 模块，用来写正面和负面的文本的。添加后，鼠标长按这个绿色的点，把它们与主模块中的 clip 连接起来。 接着我们再新建一个 k 三普尔采样模块，这个模块主要是用来设定绘图参数的，包括种子数、采样方式、采样不长、 cfg 参数等。把主模块的 model 与之连接起来，同时把正负文本也连接到相应的位置。 我们还需要添加一个 mt latin image 图片参数模块，上面输入图像的长宽等信息。把图片参数模块与采样模型也连接起来。在采样模块之后，我们继续添加 vae 模块，将 vae 模块与主模块和采样模块连接起来， 这样代表着采用主模块对应的 sd 模型自带的 va 模型。当然我们也可以再添加一个 va loader 模块，选择我们自己的下载的 va 模型，然后与 va 模块连接，最后再添加 savmage 模块，与 vae 模块相连。 savmage 模块是生成图像的显示窗口， 这样我们就搭建好了一个最基本的 sd 模型了，可以生成图像了。我们在瞩目快下选择一个 sd 模型，调整好各个参数，点击这个按钮，可以看到 的 image 模块中显示出了我们创作的图像。添加节点的方式就是右键点击 add node， 选择相应的模块即可。这里还有一个 add group， 用来创建组合框，像这样把几个模块放在里面，就可以同时拖动了 右键已经添加的模块，还有诸如颜色，形状等一些选项，大家可以试一下。我们可以点击这个 saf 按钮，把这个工作流界面保存下来，下回直接加载就可以了，并且我们调整的参数也会保存下来。 我们再来看看其他工作流的介绍。在 github 下载界面下往下可以看到 confu i examples 这一选项，点击后可以看到这里面列举了一系列流程说明，包括图声图流程、局部修正的 in painting 流程，还有 laura embedding 使用流程等。我们点开图声图流程看一下这个流程图和我们之前介绍的基本一样，只是 mtatin image 模块被替换成 load image 模块和 v a n code 模块。 在 log image 这边添加用于生成新图像的图片参数。我们再来看看 lore 流程，这里是在主模块之后添加了 lore loader 模块，在这个模块内选择 lore 模型， 我们可以把两个 lora 模型串联起来，这样就可以同时应用两个 lora 来生成图片。使用 embedding 就比较简单了，你只要把模型放入指定文件夹内，然后在 clip text and code 按照格式输入文字就可以了。 图片放大流程是在 v a e 模型的后面额外添加 upscale model loader 模块和 image upscale with mode 模块。 你也可以使用 control net 流程，他是在正面描述词和采样器之间添加了这三个模块，分别用来选择预处理器和预处理图片的。 最后我们再来介绍一个十分有趣的流程， area composition， 这个流程可以制作一个大图符的图像，并且指定每个部分需要绘制的内容。例如，这张图像从上往下包含了深夜、入夜、白天、清晨等场景。 查看模型流程主模型这里连接了四个文本描述框，分别用来定义不同位置的图像内容。最后将所有文本串联起来。输入采样器，采样器这边接入了一个 vae 模型， 然后输出第一张图像。紧接着采样器又接入了一个图像放大器，放大器后面接入另一个采样器和文本描述， 生成另一张放大后且内容稍作改变的图像。基于这样灵活的串联，我们就能设计出我们想要的图像生成工作流程。 感谢大家收看本视频，相信 confuse 将会是一个非常有用的工具，帮助我们更加轻松的构建、编辑和优化自己的模型，而且他仍然在不断更新和开发中， 我们可以期待更多的功能和改进，让我们保持关注。如果你觉得这个视频有帮助，记得分享给你的朋友。如果你想学习更多更好玩的 ai 绘图技巧，记得关注我呦，我们下期再见！
54虎赳虎叔虎AI
17:34查看AI文稿AI文稿大家好，我是浑水鱼，延续上一个视频，今天给大家介绍在 sixo 模型生成更可控的图像，结果包括 sixo 模型下 ctrl next 使用 stable 为 i 官方发布了 ctrl lara， 但是支持的软件并不包括 stable diffusion webelle， ctrl low r a。 目前支持的软件包括 comfort ui、 unstable、 swarm you， 因此整个视频会包含 confi ui 软件的。安装到 controlland 使用的完整过程准备好了，我们就开始吧。首先是下载安装 comfiui 在 windows 的下载，安装的过程非常简单，打开 uil， 输入 comfiui 的下载网址，地址我会放在视频简介里，找到 comfiui 的下载地址， 点击下载， 下载完成之后解压，收到你希望放置 的文件夹， 解压完成后进入文件夹，点击启动文件，即可使用 confu i 了。 打开浏览器，输入控制台看到的网址，就能看到 confi ui 的界面了，点击启动，我们可以试一下，效果 都失败了，这里提示我们的是没有找到模型，不用担心，继续跟着我一步一步的下载安装 sexo 模型吧。大家一定要记住哈根 face 这个网站，扫了模型就到这里找。进入哈根 face 网站后，找到 swgai 的频道，找到我们需要的 sexo 模型， 进入文件列表页进行下载。 下载完成后，将模型放置到模型目录中， 回到 confi ui 的界面，点击刷新，我们就可以在 load checkpoint 节点看到可以使用的 sexo 模型了。选中模型，我们再次点击执行， 图像就开始生成了，我们可以通过这种能力串联的界面更好的控制和了解图像是如何生成的。 stable diffusion the prompts 分为正向词和副向词，所有的节点的名称都可以修改成我们更习惯的名称。 在这里我们可以设置图片生成的大小， 再次点击执行，生成的图片就是一千零二十次大小的了。 我们换个提示词试一下，如果不知道该用什么提示词，可以试试 pumped art 这个网站，找到你喜欢的图片。打开图片找到 pump。 如果你看不懂这段 prompt， 还可以点击 prompt 分析，复制 prompt 粘贴到 kombi ui 的正向提示词节点中， 点击执行，再看看生成的图片效果。 sixo 模型果然还不错的。了解 sixo 模型的人可能都知道， sixo 除了贝斯模型，还有一个 refine 模型。 接下来将继续教大家如何使用 base 加微 find 来生成图片，这可以让图片的细节更好。 我们回到 hogan face 网站下载 refiner 模型， 下载完成的 refiner 模型放到模型文件夹下 下载。安装完模型回到 comfy ui 界面。 confi ui 是一个将节点串起来的界面，很灵活，但节点一旦多了就很管理和查找。这里建议大家一开始就养成一个分组的习惯，就像现在的界面其实有两个大的功能，一个是基础参数，一个是图片输出。我们就按照这个方式将节点进行分组， 便于后面增加新的图片。深层的控制节点， 每个 globalpops 节点都是可以设置节点的，这个功能你一定会喜欢，建议试试。 然后就是开始设置 refiner 模型的控制节点。 refiner 模型是在贝斯模型后用于进一步优化，同样我们先建一个 refiner 的分组， 然后我们在这个主理增加图片生成的核心节点采样。 see latens 输出到图片输出的环节， base 环节呢则输出到 refiner 环节，然后增加加载模型的节点，用于选中 refiner。 这里很多 stable defusion 模型的一些概念不了解也没关系，一步一步照着我做就能生成想要的图了。 we find 模型还需要有提示词 prompt， 怎么看？还需要什么呢？我们就看节点的输入有没有没有被接线的。 我们再稍微调整一下 refine 那个屋布的大小，让所有节点布局看上去整齐一些。 base 价位发现认为是 base 模型生成的图， 再由 refiner 继续油画。我们要把贝斯默认的三 pro 节点切换成高级节点，用于调整一些贝斯号的 final 之间任务分工。 这里大家按照我视频里挨个把线头接上，不要漏。 然后开始设置 k s m per 的一些参数，包括结束步数，也就是总共二十 steps base 执行到哪一步， base 至少要占百分之八十的步数，避免过度优化。想想看过的过度精修图，这里二十 steps base 执行十八 steps， 剩余两步用于优化完成 steps 分配。我们找个现实一点的 prompt 看看效果。 将提示词分别粘贴到 base 和 refiner 的提示词框内，点击执行就可以看到效果了。大家可以多试试不同的 steps 分配的效果是什么样的。 到这里我们就掌握了如何使用贝斯加 refine 实现图像生成。在使用 ctrl night 之前，我们还要了解一下如何通过 logo 来控制一张图的生成。同样，我们还是建一个 logo 的控制分组， 在这里增加 laura 控制所需要的节点。 如果你没有可以直接使用的 laura， 推荐你在 services com 下载， 这里有很多的 lola 可供使用。 延续三 上一期视频，我把之前念的 lola 直接复制到 company ui 使用，这个 lola 的下载地址我也放在了简介中。 复制完之后，可以在 log 中选择需要使用的 log 模型，如果下来列表没有 log 模型，点击一下刷新，然后把相关节点都挂接上。 修改 pump 增加了 的激活词，我这是个人物劳拉，需要名称。激活完成之后，点击启动即可再次生成图片，我们可以看到正在执行的节点，耐心的等待一下， 我们看到图片变成了 lola 模型，模燃机的图片。 假设我们想要生成和我们的参考图片姿态相似度非常高的图片，我们就需要用到 control night 的组件了。我们先把参考图片下载到本地，一会儿会用到。我们先来下载 control night 的 lower 模型，进入到 hogan face stability ai 页面， 找到 controllog 模型。在文件目录下，我们就能看到所有的 controllog 模型，这里可 可以挨个将文件下载下来。除此之外，还有个更快捷的方式，进入到 custom note 的目录下，点击进入终端， 输入 get 命令，将所有 controllow 模型下载到本地。我这里粘贴的地址是错误的，实际应该是跟节点的 url 再次复制粘贴到命令行李， 点击回车， ctrl logo 模型就开始下载了。 注意，看到这个信息意味着下载完成了，然后我们就可以开始在 comfort 中使用 ctrl。 net 的能力了。 这里我们还是 保持一个良好的习惯，深圳 group 设置有差异的颜色， 给分组取一个名字， 我先换个温和点的颜色， 然后添加 log。 ctrl live 的节点。 这里我们发现并不能选中 ctrl lola， 这是因为我们刚才只是下载了模型，并没有把模型放置到 ctrl。 net 模型目录下。我们回到 custom note 节点下，找到 ctrl log 模型，复制所有的模型，粘贴到 ctrl。 net 目录下。 再回到 confi ey 界面，我们就看到 controllala 就加载出来了。 点击肉的节点上的输出参数，节点界面上就会多出一个应用 controllight 的节点。 我们知道 ctrl。 net 是需要 low 一张参考图片的。点击 image 节点上传图片的节点就出现了。 点击上传我们刚才保存的参考图。 我们把所有的节点连接上采样器的信息来源多了一份看错。 net 因此我们要和 sample 连接上 图片，和 prompt 同时作为输入，用于生成图片。因此我们这里要改一下 prompt 的连接线，把 prompt 连接 apply control 呢？ 稍微调整一下 group 焊接点的位置，让图片生成过程看得更清晰。 完成设置，我们就可以点击启动，观察图片生成的过程焊结果了。 这里我们可以看到图片变得和参考图更加的相似了。我们再换一张图片试试， 同时复制下来 prompt 看不懂 prompt， 可以点击右下角的 prompt 分析。将刚才保存的图片上传到 ctrl 那主内的 ima 节点 plump 中。修改提示时记得保留烟机关键词， 点击执行， 图片中的姿势也变得含参考图一致，大家也一起来试试如何使用 ctrl lord 生成更可控的图片吧！本期视频就到这里了，后面我会给大家带来更多好玩的图像生成技巧，比如合照等，感兴趣的欢迎关注，下期再见！
03:25查看AI文稿AI文稿千呼万唤使出来的 s d x l 零点九模型终于支持本地使用了。大家好，这里是智障剧 s d x l 今天在 red 出现了泄露版本，智障在测试了之后，马上在第一时间为大家放出 s d x l 零点九在本地安装使用方法。安装的话分为三步， 第一，你需要下载智障君在评论区放出的 s d x l 的模型。模型有两个版本，一个是十三 g 的原始版本，另外一个是六 g 的经典版本模型。 从效果上面来看，两个版本肉眼看不出来有什么太大的效果上的差异，观众们可以根据自己的需要来选择下载哪一个版本。大家切记要到智障军发布的安全的链接去下载模型，不要使用 c k p t 版本的模型，因为网上已经出现了含有恶意修改的 c t p t 版本，会在你的电脑上运行恶意脚本。第二步是你需要下载 confu i。 confu i 是和 automatic 幺幺幺幺类似的一个 stable diffusion 出图工具，智障君在之前的视频当中有详细介绍过 confu i 的安装和使用方法。如果你还没有下载过 confu i， 或者你的 confu i 有一段时间没有更新了，建议你下载评论区中最新版本的 confu i， 以确保你的版本可以运行最新的 no 的脚本。下载完毕之后， 你只需要将文件解压至一个目录就可以了。这个版本里面已经包含了你需要的 python 运行环境。然后你需要来到 confu i models checkpoints 这个文件夹，把你刚才下载的模型放到这个文件夹里面去，然后返回点击 run 下划线， nvidia 下划线 线 gpu 点 bat。 如果你的显卡不是 n 卡的话，你需要点击 run 下划线 cpu 点 bat 来运行启动，运行成功的话， 你应该可以看到这个界面。然后我们就要开始第三步，装在 s d x l 的脚本并且切换模型。我们先需要点击在右侧的 load， 然后把刚才同模型一起下载下来的 workflow confu i s d x l 零点九点 g s o m 这个文件来加在 s d x l 的 workflow。 然后我们需要更改两个地方， 一个是上面的 refine 的这个部分，我们需要把刚才下载 refiner 模型加载进去，接下是 base， 这里我们需要把零点九的 base model 加载进去。最后我们点击 q prompt 来生成画面，这个时候我们会先生呈由 base model 生成的画面，然后我们可以看到 refiner model 生成的画面。如果是普 通的物品图片的话，其实 base model 和 refiner model 的效果差别不是特别的大，但是如果是人物的话，我们可以看到 refiner model 对人物的优化还是非常显著的，可惜对手脚目前还看来还是有不足的地方。 这个又是一个老生常谈的话题了， s d x l 的模型也支持不同的画风出图，这个在之前 stability 的在线演示上面大家也看到了效果，对自然语言的识别能力也相比一点五有了大幅的提升，更多的功能也等着大家一起跟智障军来发掘 好啦，大致的安装流程就是这样，更多的相关话题的讨论，也欢迎大家加入智障军的 q 群和知识星球来跟我们一起来讨论，喜欢这期视频的话， 请为这期视频一键三连点赞！关注智障军，获得更多最新的 ai 绘画资讯和教程，我们下期视频见了，拜哦！
39人工治障
02:48查看AI文稿AI文稿confu i 教程合集来了，我将从零基础开始讲解如何使用 confu i 这套教程我将结合几个案例来讲解文生图图生图中节点的基础知识，并且讲解如何安装选择自己需要的插件并建立起工作流。在之后也会分享一些大佬的 confu i 工作流，让观众老爷根据自己的工作需要学会搭建自己的工作流。 康菲 u i 的安装在上期视频中讲过了，这里我就不再赘述了。如果不知道怎么安装康菲 u i， 可以去看我的上期视频。 这期视频我将从个人的使用体验讲一下我为什么使用 come ui， 推荐哪些同学学习使用，再分享一下推荐使用 come ui 的电脑配。 首先讲一下我为什么开始学习并使用 confusion。 一、他更接近 stable diffusion 的底层逻辑，根据官方的 stable diffusion 论文可以看出 sd 的工作原理，而 confused 更像把其中的每个步骤单独变成一个模块，让你能够对模块进行自由的组合。二、他能很容易地参 参考学习其他大佬的生成图片工作流，并且搞明白是如何搭建这样的工作流的。会有一些大佬在 youtube cbdi 上分享自己的工作流。这里告诉你一个小技巧，你可以在 cbdi 里会有大佬分享的图片。点开在这里可以看到有一个 workfow， 只需要点击复制，再到你的 comfyui 界面，点击 ctrl 加微，你就可以服用大佬的工作流。到你的 compyui 之后我也会结合案例从零基础讲解常用模块的使用方式，在熟悉每个节点的作用之后，再结合参考大佬的节点使用方法，你可以搭建出属于你自己的工作流程。 三叉系统占用更小，生成图片的速度更快。其实在 s d x l 模型出来之前，大家的电脑都能基本上可以在 y b u r 运行使用，但是新发布的 s d x l 对性能的要求高出不少， 在 y b u i 上最低要求八 g 显存加三十二 g 内存，经常还会面临爆显存的问题。总结一下，如果你有以下的目标，我建议尝试学习 comfy u i， 一是想要了解 stable defusion 详细公 做原理。二是想要提升生成图片效率并且想要搭建自己的工作流程的同学。三是不希望功能限制自己操作思路的同学。 接下来简单讲一下 windows 电脑配置要求。使用 stable diffusion， 影响最大的因素就是显卡使用 comfy ui， 最低使用可用显存四 g 的显卡，建议使用六 g 及以上显存的英伟达显卡。第二影响因素是运行内存，内存建议十六 g 及以上。 第三是硬盘会影响加载模型速度，建议安装在固态硬盘中，加载模型的速度会更快。总结一下，如果你的电脑能流畅运行三类游戏，或者能流畅使用 ybui， 那使用 combeyui 是妥妥没问题的。如果有性价比比较高的配置单，希望有小伙伴可以分享到评论区中，给其他想要配电脑的同学一个配置参考。 如果是电脑没有达到以上要求，并且最近还不打算有过多的硬件投入，可以首选云端部署。我和一家高性能电脑桌面服务商进行了合作，后面 会专门出一期视频讲解，敬请期待哦！最后，如果这个视频对你有帮助，请不要忘记点赞收藏，你的支持对我制作下一期教程非常重要。如果你有任何想学的内容，请随时在评论中告诉我们，感谢你的观看。我是设计师，学 ai 教你实操胜于虚言，我们下期再见！
1425设计师学Ai
07:51查看AI文稿AI文稿这期视频我会展开讲一下怎么在康复 ui 中使用图升图，并且深入讲解在康复 ui 上四种不同的局部重绘方式。这条视频干货超多，相信看完这条视频你就弄明白了图升图局部重绘的正确使用方法。四种不同的局部重绘工作流也会在视频的最后分享给大家，进入正式讲解之前，记得一键三连哟！ 我们先打开一个基础的文生图工作流，图生图的工作流在此基础上微调即可。首先我们调出捞 dimage 模块，这张图片就是用来进行图生图的图片。在之前的这节课中有讲到 stable diffusion， 在输入前空间的时候，需要添加一个空的噪点图，也就是 mt latintimage 模块，然后在空的噪点图片上进行降噪。 那么我们现在有一张图片之后，就不再需要这张空的造点图了，也就是将 low b max 的这张图输入到前空间再进行重新降噪即可。但是这张图是像素图片，不能直接输入到前空间，所以这里需要一个 va e 编码器对加载的图片进行编码， 变成前空间能够识别的内容，这样加载进来的图片就成功的输入到前空间了。这里 vie 编码器和最后输出图片时的微解码器是相反的功能，现在这个 m t latin dh 模块没有连接任何模块，所以可以直接删掉。这样我们就搭建好了一个图生图的基础流程。我们先来尝试生成一下， 可以看到生成的图片和我们的图片几乎一点不一样，这里就有一个新的知识点，就是 k 三 pro 采样器上的降噪功能，降噪可以简单地理解为融汇幅度，数值可以在零到一之间调整，降噪值越大和原图偏离越多，如果想要与原图更加类似，调低降噪值即可，这里我调整到零点六再来尝试一下。 生成的图片整体和原图还有些相似，但是细节已经完全不一样了。具体降造值和生成图片的效果大概是这样的，你在使用的时候可以根据自己的需求调整使用图声图，你可以对找到的参考 导图进行更换画风、添加细节等等，还可以进行面部修复、高清修复、图像扩展等更多的功能后面会讲到。 接下来如果我想要修改图片中的人物头发颜色，就需要用到局部重绘飞，这个功能我将展开讲解。四种在康复 ui 中使用局部重绘飞的方式， 你可以根据你自己的喜好选择最适合你的局部融汇方式。我可以说第四种方式是不仅方便使用，而且效果优秀，一定要看到最后。首先是在 confu i 最常用的方式使用 viencod for in painting 模块，这个模块和 vie 编码器一样，都是将图片直接变成前空间能够识别的内容。 不过这个模块上面多了一个输入遮罩的节点，那么可以看到图像上面也有一个遮罩节点，将他们之间可以连接起来。但是现在图片上还没有遮罩，我们可以在楼底美式模块上面使用。鼠标右键选择 open in maskdatter， 如果你是第一次打开，可能会需要下载一些东西，稍等一下即可，打开后就可以 直接在画面上进行涂抹，将需要局部重绘的内容使用画笔蒙住，在左下角可以调整画笔的大小。 绘制好蒙版，点击右下角的 sift note， 回到工作流，可以看到图片中画布涂抹的位置以及变成灰色，这样蒙版就建立好了。也可以从蒙版处调出蒙版到图像模块。预览一下你绘制的蒙版，然后我填写一下提示词，希望重绘出女孩的头发是粉色的。生成一下 翻车了是因为在输入到前空间的时候已经被蒙版去除了原图片的这部分信息，所以在生成的时候很很容易出现重绘的部分和原图片对不上的情况。我在经过多次尝试生成了一版能够看得过去的图。 接下来是第二种方式， set latin noise mask 模块，翻译过来是设置 latin 的噪波车照，它的原理是先把图片使用 vae 编码器变成前空间能够识别的内容，再到前空间中 将遮罩部分变成噪波内容重新生成一次，这样相比上一种方式能够更好地理解你要重新生成的内容，生成错误图片的概率也会更低一些。这种方式的连接就是遵循它的原理。先将图片使用 vae 编码器模块进行编码，将输出的内容连接到 satellite noise mask 模块，最后再输入到 k sample 采样器中， 我再重新复制一个采样器的模块进行同时生成。调出 v 解码器的模块，然后连接好其他的节点， 并且右键将这两个 k 三 pro 采样器上的 c 的值转为节点，固定这两个采样器的 c 的统一，这样能够很好地对比生成图片的质量。 生成一下可以看到使用设置 laten 的造波遮罩模块一次性就成功了。将种子只取消固定，两个都重新生成一次，可以对比一下这两种不同的方式生成的效果。我整理一下这两个 工作流，分别用不同的组来区分不同的局部重绘方式。然后使用转接点整理线条，争取让线条看看起来没那么杂乱，并且给提示词这些容易混淆的节点添加上颜色。红色是负向提示词，绿色是正向提示词。 第三种方式就是使用 control net 中的 inpent 功能进行局部重会连接方式和在 comfort ur 中使用 control net 是一样的，还是使用相同的条件输入搭建一个新的采样器，将 control net 应用模块连接到正向提示词和 k sample 采样器中串联， 然后添加 control mat in paint 模型和 in paint 与处理器 预处理器连接，加载进来的图像和对应的蒙版即可。可以看到图片不是直接输入前空间的，而是通过 conditioning 提示词输入， 而现在就没有输入 k sample 模块 latentmage 节点的内容了。我尝试了在这里使用 mt latentmage 和图片使用 vie 编码再输入都可以实现重绘的效果。我这里还是使用 vie 编码器输入到采样器中 生成一下。这里发现出现一个问题，输出的整个画面会偏离原图的颜色，我猜测偏离的颜色和使用的大模型与 vie 有关系，所以这个效果肯定是不能接受的。最后，经过我的尝试， 将 v a e 内部编码模块或者设置 latin 的噪波遮照模块，输出的 latin 节点连接到 k 三 pro 采样器上的 latin 节点，颜色就会恢复正常。这里我使用设置 latin 的噪波遮照模块生成一下，可以看到颜色恢复正常了， 不过局部重绘出来的部分和其他两种也是不一样的。排除这个问题之后，我发现使用 control night in paint 输出的图像是比较稳定的，而且融绘的内容 也比较精致。以上这三种局部重恢复的方式，小伙伴可以根据你自己的喜好去使用。不过我最推荐的是第二和第三种方式，因为输出的内容出错的概率小，重恢复的内容也比较精致。 以上的方案都依靠我们手动绘制的蒙版，那么有没有一种不依靠手动绘制蒙版，可以自动绘制蒙版的方式呢？这就是第四种方式，使用 crepe set 节点对画面内容进行识别，然后自动划分出蒙版区域，再进行局部重绘。 使用方式也相当简单，搜索调出 crepe set 模块之后，将图片连接到 creep set 模块上，然后在 tax 栏中填写你想要识别出的内容。这里我想要重绘头发，就填写 here， 可以看到头发被自动识别，并且绘制出了蒙版区域。 hit my mask 和 b w mask 可以分别预览划分出来的内容，然后这三个值可以分别调整遮罩的模糊程度、识别内容的精细度和识别出来的区域扩散程度。你可以根据你画面的需求去调整这三个数值，以 调整蒙版的精细程度。了解了这些，我们来搭建一下工作流，再调出一个采样器的模块，然后将设置 latin 的噪波遮罩模块复制过来， 然后将 mask 连接到设置 latent 造波遮罩模块。 click set 模块相当于替代了之前手动绘制的蒙版， 将节点连接好之后点击生成，重绘的效果还不错。需要注意的是， clip seg 模块需要到 comfi ui mini 这中进行下载，下载方式就是打开 mini 之后选择第一个安装节点，搜索 copsic 安装，然后重启 comfi ui 即可。 以上就是四种使用局部重绘复的方式了，其中有三个都使用到了设置 latin 的造波遮罩模块，所以看完之后记得一定要自己尝试使用一下，加深记忆哦。最后还记得最开始讲的降噪值吗？在局部重绘的时候也可以调整降噪值以达到混合的 效果。这部分我就不再展开讲了，感兴趣的小伙伴可以自己尝试一下，或许可以达到一些意想不到的效果。这就是本期视频的全部内容，下节课将讲一下怎么使用 confus 达到和 ps 贝塔类似的图像扩展功能。 大家的三连支持是我更新最大的动力。以上就是本期视频的全部内容了，我是设计师，学艾教你识操圣于虚言，我们下期再见！
392设计师学Ai
02:01查看AI文稿AI文稿我们导入官方 s， d， x， l 的标准流程，我在每个板块在旁边添加了中文备注，解释了每个板块的用途。接下来我演示一下如何使用 s， d， x， l 模型在 confiu i 上的工作流。在最左侧的这两个 load checkpoint 模块分别添加 base 模型和 refiner 模型。 下方 text prompts 模块添加提示词，绿色添加正向提示词，红色添加负向提示词。在 mt latin image 模块进行设置图片的宽高和生成数量。 sdxl 模型的图像最好使用一千零二十四乘一千零二十四，分辨率及以上的数值可以获得更好的效果。 这里有两个 k 三 pro 采样器，分别对应 base 模型和 refiner 模型，可以分别修改采样器参数，调整采样方法， c， f， g 步数等参数。 在这里有需要注意的一点，在 step control 模块里， steps 模块控制总步数 and at step 模块的步数是指结束 base 模型生成的步数，然后剩余步数开始用 refiner 模型进行生成。所以这里的意思是，图像一共使用 二十五步生成，前二十步使用 base 模型，后五步使用 refiner 模型。一般 refiner 模型的步数是 bass 模型步数的百分之二十左右即可。之后就可以点击 q prompt 进行生成图片了。 整个流程和 ybui 差别不大。如果对 sdxl 模型不是很了解的小伙伴，可以去看我这个视频。我将 sdxl 模型的优势和推荐使用的参数都详细讲解了。如果你想要更多的流程，可以打开 confused up 地址，找到 confused examples 点进去。这里有很多常用的工作流程，这些官方都已经做好了，我们只需要保存这张图， 然后拖入到 confi u i 界面里，就会自动识别到这个工作流程，直接更新。当然，你也可参考官方的链接节点方式，对你的工作流进行调整。调整好工作流，一定记得点 save 保存当前的工作流，方便之后的导入使用。总结一下， confi u i 是一个功能强大系统，它支持各种功能和模型，为 stable diffusion 提供 极大的便利和灵活性，使艺术家能够更加轻松地创造出惊人的图像和作品。如果这条视频对你有帮助，希望观众老爷可以点赞收藏，谢谢大家！如果这条视频点赞突破六百， 我就开一个 confuseui 的合集，从零基础开始，讲解 confuseui 的内容，让你学会如何创建自己的工作流。感谢大家的观看，我们下期再见！
242设计师学Ai
01:21查看AI文稿AI文稿为什么你做的动图模糊不清，而别人做的却效果清晰？因为 web ui 中的 animative 不完整，只有 confusion 才能使用完整版，并且速度快，对显存要求不高。 confusion 可以理解为 stable diffusion 的另一个操作界面，只需简单三步就能生成高清动图。 第一步，解压 confilli 安装包。第二步，将用到的扩展插件复制到 custom notes 目录下。注意要在 animated 扩展中配置相应的 vr 模型，网络不好的小伙伴可以我的粉丝群给你安排上。最后一步，打开 comfilli， 读取我配置好的工作流， 选择你喜欢的基础模型，输入你的提示词，我这里绿色的为正向提示词，红色的为反向提示词，填完后点击生成即可。要设置视频的时长，可以调整 empty latentmage 节点中的总帧数和 animate discombine 中的每秒帧数。此外，在 animate tiff 的 confu i 项目中也有其他配置好的工作流，比如使用了高清放大镜头控制 laura 以及 control net 引导动画生成的工作流。将你想使用的工作流图片保存后，直接在 confu i 中加载就能使用。 最后， confu i 的模型可以放在 model 文件夹内相应的文件中，你也可以直接修改 confu i 目录中 extra model pass 文件的后缀为 e m l。 然后右键记事本打开，把 base tap 后面的目录更改为你的 web u i 所在目录，保存后就能直接加在 web u i 中的模型了。我是菊大，分享更多 a i 干货！
1441橘大AI
06:27查看AI文稿AI文稿你是否能够忍受 wi 启动器的缓慢加载？是不是每次都得花上二至三分钟，让你等的焦早不安？而这等待真的值得吗？有没有感受过使用 wi 绘制高清大图的繁琐？从文生图到图生图再到后期处理， 这一系列步骤是否让你心烦意乱之后还容易忘记？再使用起来是不是变得特别麻烦？ 你是否曾尝试过让 bui 呈现出四 k 高清画质的待世耗时是否漫长到让你不耐烦？还有，险村是否经常因此耗尽，让你不得不另外加载插件？ 你喜欢 yui 的模板吗？是不是发现他们缺乏个性化选择？因此你的作品是否变得千篇一律，失去了新意和创造力？你好，欢迎来到康菲 ui 室内 设计大师课，我是你的朋友黑格，在这个课程中，我将带你一起学习和使用康非 ur 一个强大而模块化的稳定扩散和后端。你将了解什么是稳定扩散， 以及如何用图形节点、流程图的界面来设计和执行复杂的稳定扩散流程，而不需要编写任何代码。 你还将学习室内设计的基本知识和原则，以及如何用康复 ui 来生成各种类型和风格的室内设计图像。你还将掌握康复 ui 的一些精准声图、控图、修图技巧， 以及如何用康非 ui 来创建新的模型和完整的工作流。最后，我还将亲自带领大家手把手教你制作一个实用的落地案例，展示康非 ui 在室内设计方面的强大能力和 灵活性。我制作这套课程的目的和意义是为了让你感受到康非 ui 的魅力和乐趣，以及借助室内设计的案例加深你对康非 ui 的理解。后续我将按照以下课程大纲和大家做分享，喜欢的话希望大家给个意见。三连谢谢！ 黑格老师的视频制作水平很有限，还请大家见谅。以下视频内容是一些 comfire 的操作演示，依次顺序为，一、通过 controlled 实现草图到效果图的制作。二、 comfire 中的 x、 y z 测试。三、 sdxl 在 comfire 中的工作流。 我希望你能通过这堂课提高你的审美能力和创造力，开拓你的事业和思维。我也希望你能通过这套课程认识到康复意外的价值和 潜力，以及 ai 对于辅助室内设计的重要性和影响。我也希望你能通过这堂课结交到一些志同道合的朋友，分享你的想法和作品，互相学习和进步。我相信这套课程会给你带来很多收获和快乐。 如果你有任何问题或想法，请随时与我交流，我很期待与你一起开始这个精彩的旅程。
27Heige
13:48查看AI文稿AI文稿在上个视频里，我给大家演示了如何用 concui 去使用 sd 叉 l 的模型，但是有很多人反映当下的工作流程太复杂，根本看不懂，所以我将整个的流程做了一次简化，让他看起来更加的清晰，好理解 下来，我会结合讲解对整个的工作流进行实际的搭建，想要这套工作流模板的可以直接的来到视频的最后领取新建一个组，然后在上面点击编辑组，将这个组的命名为贝斯， 然后可以再新建一个组，在新建的这个组里头可以给他命名为 refiner， 然后在两个组的下面可以新建一个组，我们可以把他的名字改成共用，因为会使用到一些公共的节点，还可以 可以把它的颜色给他改一下，作为一个区分。然后可以在贝斯这个组里面新建一个模型的节点，就是这里加载大模型，然后大模型这里就可以选择 sd 叉 l 贝斯，然后从 model 这里 直接拉出一个，我们可以选择高级采样器，就是这个，然后选择完之后把它可以放到旁边，可以看到这个高级采样器里面有很多可以选择参数，比如正提示词，副提示词，浅空间的图片， 还有一些添加噪声，采用替代步数，还有提示词的相关性。首先我们要做的就是把其中的几个选项作为一个输入的值 放到公用的节点里面，所以我们在这里呢依次点击右键选择添加种子，可以看到左边就会出现一个添加种子的节点， 然后继续右键选择添加步数，然后左边这里也出现了一个步数相关的点，然后再次点击鼠标右键， 可以添加一个结束的步数，然后这三个设置好之后，点击小圆点，向外拽出一个节点，然后在这里呢点击添加节点，在最下面一个选项 找到一个原始这个节点，这个节点可以让我们输入参数，因为他连接的是种子，所以在下面我们可以改成随机这个节点添加好之后，我们可以在上方点击右键给他命一下名， 比如说把他的名字改成种子，改好名字之后，来到下面的步数继续向外拖，然后点击添加节点，在最后一个选择原始，这样又得到一个输入参数的地方，他对应的是步数，所以说我们给他改一 一个名字，就叫总步数。总步数的话我们可以写的稍微大点，因为是分两段去生成嘛，第一段是贝斯，第二段是尾翻的，所以总步数可以写成五十。然后第三个就是结束的步数， 我们继续向外拽一下，然后添加节点，在这里就可以得到一个结束的步数，那么使用贝斯模型，它结束的步数可以比五十要少一点， 比如说我可以写三十，同样的可以把这个节点的名字给改成结束步数，那么这三个输入框全部设置好之后，可以把它放到下面公用的组里面，以方便实用。那么将这三个节点都调整好之后， 我们可以看到采样器这里还空着三个节点，我们可以将这个潜在图像的节点向外拉，在这里可以看到有一个空白潜在图像 到节点，然后点击它就可以得到这样一个节点，在这里呢可以调整图片的大小，因为用的是 sd xl bass 这个模型，所以可以将它的长和宽稍微调大一点，比如说幺零二四乘以幺零二四， 然后剩下的就是正提示词和负提示词。我们在空白的地方点击鼠标右键，然后添加一个新的节点， 在这里找到高级，高级之后呢点击中间的调节，在跳出来的四个选项里面，最后一个是专门让 sd xl 使用的提示词的节点，然后点击它 会出现一个输入框，然后新建的这个输入提示词的节点，我们还是需要把它的两个变成输入的类型，在节点上方点击旧键，然后依次点击最后面这两个，就可以将提示词的节点变成输入的类型。因为是正负两个提示词， 所以说我们要将这个节点 ctrl c ctrl b 再复制一个，然后稍微整理一下各个节点的排列情况，整理好之后在空白的地方，然后点击右键 继续添加初始的节点，将初始节点分别的连接到提示词的输入框里，这个初始的节点我们需要再复制一个新的初始节点，要放到另一个提示词的节点。输入框之后将这两个提示词节点 分别的连接到正提示词和负提示词里面，然后将我们准备好的正提示词给复制进去，我们还可以调节提示词输入框的大小。完成之后可以将模型的这个颗粒发 连接到两个提示词的节点里面，然后我们可以调节一下采阳器的参数，比如 如可以将提示词的相关性，也就是 cfg 改成七，然后调节一下采样器的种类，我们可以选择最后一个，然后下面这个选项是输出的图片是否添加噪声， 我们可以选择添加，现在我们可以整体的看一下整个的流程。首先最上面是加载的 sd xl bass 这个大模型，然后呢最左边是正提示词和负提示词，然后呢我们通过一个空白潜在图像的节点， 规定了输出图片的长和宽，然后我们将噪声步数和中指采用迭代步数三个选项，把它们变成了可以输入的节点， 然后分别的赋予了不同的值。然后现在所有的节点都跟采样器节点有了连接，现在所有的这些节点都只作用于潜在空间里面，我们要把它转化成真正的像素 空间里的图像，这样子我们才能看得见，所以我们在 latin 的这个节点里面向外拽出一个，然后选择 v a e 抵扣的，也就是 v a e 的解码器，可以看到它是自动的连接到采样方式这里，然后在这个 v a e 这里向外拽出一个节点， 在里面我们选择 v a e lander， 就是加载 s d 叉 l 这个模型专属的 v a e 的模型， 我们可以点击它，只能够选择 sd 叉 lvae。 然后可以看到在右边有一个 emage 的节点，同样的向外拽出一个节点，然后在里面找到 save emage， 也就是保存图片，我们的图片一会会在这里 进行展示，可以把这个地方给他拉大，因为图片看的就会更加的清楚。那么现在呢，已经大致的做出了一个只使用被子模型生成图片的方法，我们可以先用这套工作流简单的 试一下效果，点击旁边的这个按钮就可以进行图片的生成，可以看到生成的图片是一个满是噪点的图片，这是因为我们在采样器这个节点里面，在下面就是输出的图片当中选择了添加噪点， 如果说我们把它选择禁止添加噪点，可以再输出一张图片看看效果，可以看到这一次生成的图片，它就是一个没有噪点的图片。回到采样器节点这里，我们在最下面还是要把它改成允许 添加噪点，因为在最后添加的这些噪点，经过 i c 叉 l refiner 的模型，可以为这张图片带来很多的变化，也就说可以让图片变得更丰富一些。那么我们接下来构建 refiner 的工作流，我们可以先把彩阳器接点 ctrl c ctrl p 复制一份，然后再将左侧 的添加大模型的节点依然是 ctrl c ctrl b 复制，然后将贝斯组的采样器节点命名为贝斯采样器，然后在右侧 来到 refiner 的采用器节点，同样的可以给它重新的命名为 refiner 采用器，然后对应的可以再加点模型的节点，两者都要进行一个各自的命名，命名完成之后，将这一个节点的大模型改成 s d 叉 l refiner， 然后同样的把 model 连接到采样器的 model 里，然后瑞翻的采样器下面同样的有正提示词和负提示词，像他的正提示词和负提示词也是有专门的节点的。在空白的地方点击右键 添加节点，然后找到高级，然后点击中间的按钮，倒数第二个就是蕊帆的模型的提示词输入框，这样就会出来蕊帆的专属的提示词输入框， 我们可以右键单击它，然后点击，将提示词放入到输入框里，就可以在左侧看到一个 text 节点，然后将调整好的这个节点 ctrl c ctrl v 复制一份 放到下面，作为负提示词的输入，然后就可以将他们与采用器的正提示词和负提示词做一个连接，然后是将 refine 模型的颗粒法 和提示词节点的颗粒板做一个连接，那么现在就剩下 text 这个节点，这个节点呢？我们可以和贝斯模型的这两个提示词输入框的节点进行共用， 我们可以把这两个框挪到下面的公共组里面，稍微整理一下这些节点，为了避免混淆，我们可以将两个提示词的节点分别命名，然后将这两个节点连接到右边瑞帆的模型的 text， 上下两个都要进行连接，这样的话蕊帆的模型的图片生成就可以和贝斯模型图片的生成共用一套提示词，如果你不想让他共用的话，那么也很简单，只需要将提示词框复制一份，然后放到蕊帆的模型的这里，就可以采用细节点。下面的一个输入 是潜在图像，我们需要用到贝斯模型生成的潜在图像作为 refund 模型采样器的潜在图像输入。我们可以将贝斯模型右边的这个 latin 的这个点，然后直接拽到 refund 模型这个 latin 的一妹子，然后剩下的这三个点其实就非常简单， 只需要将下面三个公共节点依次拽进去就可以，第一个就是种子，第二个是总步数，第三个呢需要我们有所改变，因为瑞帆呢，这里是结束的步数，但是瑞帆的模型呢，他 是在贝斯模型结束了生成步数之后他才生成的，所以说这里呢，不应该是结束的步数，而是开始的步数， 我们右键点击将开始的步数转移到输入这里，然后呢同样的点击右键点击最下面的结束步数，就可以将结束步数的选择放到远方的彩阳器这个节点的里边，然后将他的开始步数 和下面的公共节点这里贝斯模型的结束步数给他做一个连接。这个意思其实就是很简单，贝斯模型和瑞帆的模型两个模型加起来的总步数是五十步嘛， 然后最开始运行的是贝斯模型，贝斯模型总共运行了五十步中的前三十步，所以贝斯模型运行完三十步之后，就会立刻开始瑞翻的模型的运行，所以说这个三十 可以作为蕊帆的模型开始的步数，然后蕊帆的的彩阳器节点这里还有一个中指的迭代步数，那么这里呢，他原先给的是三十，这肯定是不对的，因为总共运行的步数是五十步，所以在这里我们将三十改成五十，也就是总步数， 这里要注意蕊帆的采阳器的节点上面，下面是因为是添加噪声了，我们可以把他们都关闭，也就是说最后生成的图片我们不需要再添加任何的噪声了。修改好之后，我们继续的在 latin 的这里拉出一个节点， 然后选择 v a e 抵扣的，也就是 v a e 解码器，然后将这个 v a e 解码器的名字给它命名为 refund 解码器，因为我们同样的想要让它 refund 采用器生成的潜在空间的图像，解码成像素空间的图像，这时候我们发现其实这几个 v e 相关的节点可以给他新成立一个组，让他们在整个工作流程当中变成一个公共的节点。我们可以新建一个组，把这个组的名字命名为 v a e， 同样的可以给他编辑颜色以作为区分。 然后将刚才添加的几个 vie 节点放到这个组里面，调整一下节点的位置，可以将贝斯模型连接到的 vie 解码器的名字改成贝斯解码器。然后将我们刚才加载好的 vie 模型的这个节点里面的 vie， 把它拉出来放到蕊帆的解码器的 v a e 这个点里，同样的蕊帆的的解码器右边的一妹子，这个点我们拉出来添加一个 save 一妹子的节点，这就是最后输出的图片，我们可以调整一下节点的大小，蕊帆的生成的模型就 会出现在这，然后我们可以将两个图片输出的节点分别做一下命名，好让我们做更好的区分。然后我们可以整体的看一下目前搭建好的整个工作流程。左边呢是贝斯模型，他生成了一张图片， 那么这个图片呢，会反映在这里，同时 base 模型它生成的图片会作为 refund 模型的输入的图片， 然后经过一系列的采样迭代，最后生成的图像会在这边。我们点击这个按钮可以生成一下图片， 可以看到左边是贝斯模型生成的图片，因为我们刚才选择在最后的生成图片这里添加噪声，所以说你看到的是添加噪声之后的图片，那么右侧呢，是瑞翻的模型，将添加的噪声继续采样迭代之后生成的图片，可以看到画面的质感都非常的棒。如果我们不想让贝斯模型 生成的图片是这样子添加噪声的，可以在贝斯模型的这里给他关掉，然后可以再生成一张，这样子的话，贝斯模型和瑞帆的模型两个模型输出的图片都是不含噪声的，这样可以对画面质量进行一个更直观的比较。在整个的节点全部完成之后，然后可以点击右边的 c 五， 把它存储成工作流程，方便我们下一次去调用。模板文件呢已经放到了网盘里面，来到我的粉丝群，看群公告就能够领取。
379松柏君
03:30查看AI文稿AI文稿今天我来演示一下在 comfy ui 下进行换脸和高清修复的一个操作。因为没有用到 ai 扩散生图，所以你可以看到整个工作流是比较简单的。 这是我借助 keep the loads 创建的工作流。如果你也想尝试这个换脸，我推荐你先安装 comfy u i manager， 然后通过 comfy your manager 扩展去安装 keep nodes。 我会在视频简介中留下 come for um manager 扩展地址。如果还有什么疑问，可以在评论区留言， 上面标注的一道，五是换脸的需要的流程， 六到九则是人脸高清修复。 得益于 comfy ui 的工作流，你可以创建你需要的工作流并保存，以便下次直接使用。例如，您可以创建一个用于生成某种漫画风格的工作流，或者用于处理复杂加工的工作流。 与之前的 ybui 相比，在 comfyui 中，您无需来回切换工作台，只需要将这些处理过程以节点的方式连接起来即可。 这种无代码的编程方式是不是很有趣呢？
92风之语
03:16查看AI文稿AI文稿sd 叉 l 在空腹 ui 中更加进阶的节点流逻辑，第一，风格控制。第二，贝斯模型以及 refine 模型如何连接。第三，分区提示词控制。第四，多重采样分区提示词控制。节点流程这种东西一通百通，逻辑正确怎么连都可以，所以这一期视频我不打算讲得太细，只讲 搭建的逻辑和重点。看完视频找我拿笔记和节点流程文件，相信看过上一期视频的小伙伴应该一看就懂。首先就是风格控制，这个是上一期视频整出来的一个完整的节点流，区别只有一个，这个提示词变成了一个 sd 叉 l 的提示词。 说实话，这种连接乍看之下我都不知道风格节点往哪里插入，但是没有关系，遇到这种情况，我们先把风格节点先给亮出来，右键增加节点 utils， 选择 sd 叉 l 风格高级插入进来之后呢，你就会发现其实情况 放非常的明朗，对吧？说白了，风格节点就是一个追加的提示词，左边是输入提示词，通过风格节点补充风格提示词之后再输入到最后的提示词，倒 clip test in code 翻译成 ai 能听得懂的东西，但是找不到 positive 的连接点，那怎么办呢？ 右键选择文本 g 作为输入，同样的操作，把文本 i 作为输入，如此就可以将提示词变成节点输入的格式， 把 g 和 i 分别连接起来，左边再划拉一条线处来连接到原始节点，就可以将提示词独立成文本输入框，如此风格节点就完成了。这个原始节点非常的重要，有很多的参数都可以通过这个原始的节点 转化为输入，那么我们现在就可以开始搭建基础加精炼模型的节点流。我们先来理一下逻辑，基础和精炼模型是分开两个步骤的，所以我们需要分开两个不同的节点，流程中间再 通过某个节点将两个流程连接起来。整个的工作流程是基础完成百分之八十的采样，之后再送到精炼模型完成剩下的百分之二十的采样。所以需要有两个采样器，那么这两个采样器就是串联两个流程的节点，从基础的采样器 later 连接到精量采样器的 laden image 就可以完成串联。这里面有两个流程相同的共用的参数，第一，提示词相同。第二，风格相同。第三，随机种子相同，第四 v a a 相同。 我们可以把这四个参数放在中间作为共同的参数，如此你修改一个参数就可以同时修改两个流程的参数， 当然包括采样方式 c f 区迭代步数，这些都可以作为共同的参数，这里就不演示了。最后我们再说一下一个非常重要的参数，采样步数。假设整个采样步数是二十五步，基础流程从第一步 采样到二十步停止精炼流程就从二十步采样到第二十五步完成整个流程。所以两个采样器的采样步数设置是这样的，基础流程的终止步数作为精炼模型的 开始步数。找样器中还有两个关于噪声的参数，顶部的这个 adenoys 是在采样的过程中是否添加随机噪声。在基础模型要打开精炼模型则不需要打开 以下的这个 return with let overnoid 我也不知道我读的准不准确，这个很难用日常语言来解释。简单来说，打开 return 的时候，深层的图还处于有照点的中间态，而关闭则会让图片 形成最终的图片。为了让精炼模型有发挥的空间，基础模型要打开 return， 为了让图片成型，精炼模型则要关闭。如此整个基础加精炼的模型就搭建完成了。
206惡棍Borges
23:00查看AI文稿AI文稿嗨，大家好，今天我们要做的就是把我们这个脸部画斑的图片使用 s d x l 模型来把它进行修复，还有就是晃脸啊， 很多时候我们画出来的这个脸都不是很满意，要出很多问题，要崩掉，所以今天我们来做一个这样的一件流程，希望对大家能够有帮助啊。首先我们会教大家创建一个基础的模板和因为 这个工作旅游前面很多的一些步骤其实都是重复的，我们需要做一个模板，然后就一劳永逸了，否则的话我们下一次做视频再来重复，这 操作大家也不想看，所以要建立一个 sdxl 的终极的技术模仿， 这样以后都会一直用。嗯，如果你关注了我的这个，听到的话， 嗯，应该。虽然我粉丝不是很多，但是我会分享的东西都是一般都是这个官方的，就是 stable dpo 是他们官方的一些游泳馆上面的视频 啊，你关注一下的话可能还是很有收获的。然后我平时也会看到一些比较好的视频，我会 把它转成文章，然后自己收藏起来，其实都是为了自己学习，我这个做这个频道也没什么目的，本来自己也有工作，对吧？嗯，感谢大家的关注， 然后我们继续吧。首先我们要做这个流程的话，呃，先来做这个基础的模板。好， 先我们先来加载一个，呃，这个 point， 这个模型一个用，一个是技术模型，还一个是微翻的，这个是微翻的，这也就是微调模型啊，两个都加载好， 然后我们来处理一下这个提示词的两个结构框。哦，我们先处理一下这个，先保证大家有这个，呃，自定义节点里面啊。自定义节点里面大家安装的这个 impact pack， 这个是一个节点包，里面有很多非常有用的。呃， 有用的节点是这个叫 doctor lieutenant data 的人开发的啊， 他，他自称自己是，嗯，什么数据上将哈，应该是个很牛的人。这个人开发的这几个自定义节点啊，都是非常有用，基本上你装了空腹以外就要装这几个自定义节点。好 好，第一步我们就要加载这个 clip model， 嗯，这里一个基础，一个是瑞翻了，这两个区别在于，呃，这里我们要要有一个这个， 呃， score， score， 这里有一个数字，我们要把它填一下，填一下， 然后，嗯，我们把这个节点那个颜色改一下，红色的是负面提示词，绿色是正面提示词啊。关于这个 clip g 还有 clip l 的区别啊， 呃，可能就是有见得的区别，就是那个 craft g， 他是更加的 注重规则性，就是我们比如说描述这个，呃对象的时候就填在这里面，然后我们要填一些什么艺术风格呀，情感啊，氛围之类的，就填在这个 ktvl 里面 啊。负面题词是我只会填这个 clip g， 嗯，因为 refiner 模型，微调模型，他只能识别 clip g。 太萌。提醒您，这里不是阿婆主哑巴了，因为原视频作者太啰嗦， 咱们阿鹏主摒弃了视频原作这种长的解释和无尽的废话，只为您呈现最值得关注的核心。请各位观众老爷们随着轻柔的音乐旋律，让您的心灵得到片刻的宁静，在这个舒适的环境中，您将更容易吸收我们经验而富有深意的内容。 嗯，然后我们来保存这个模板，也直接点击右键保存就行了，注意到注意就是这个， 呃，我们要在这空白处不能在有节点地方点右键，不然，呃是没有的。好，我们 保存以后就可以，以后就可以一直用了。 嗯，好，接下来我们把这个基础模型做好了啊，就来进入我们这一期视频的主题，也就是晃脸， 要换脸的话，首先我们要使用到这个 impact， 这个节点包里面的一个超炫的功能叫做 pip， 这个 pip 基本上就是把一堆的这个 noodles， 我们就说这一对线吗？ 我们看那个空腹意外的时候觉得的好多线连在一起就很方，就像一堆面条一样搅在一起。现在我们有了这个派扑功能，就可以把这些东西都给他集成在一起， 就像我们那个，呃，这个有很多的线，我们桌子上用，我们办公的地方用的线，我们把它接线在一起就非常的方便，我超级喜欢这个概念，这样整个界面就看起来整洁多了， 而且他这个还可以把一些东西拆开涂了机身他也可以拆开啊。我们直接在这个空白地方双击输入这个 pip 这个词，然后你找到找到 two detailer pipe s， d， x， o 这个节点， 嗯，他会把所有输入的这些 noodles 啊都合并成在一起，非常的非常赞，而且在这个后面我们还可以添加这个 lola。 然后在这个最底下面有两个你可能不是很熟悉的那个，呃，接口哈，这个输入接口一个是 b box detector， 另一个是 same model 啊，接下来我们就是要加载这个 bbox， 这个 bbox 的意思你看嘛，他一个 box。 什么？这是盒子吗？其实它就是一个检测框，嗯，为了实现这个功能，我们需要加载一个还是这个 impact， 这个接电包里面的一个叫做 archolatics 的一个， 嗯，一个节点，我们直接双击，然后输入 url， ul tr 应该就会出来了，这个节点叫做 archolatics detect provider， 这是一个以 provide 开头的一个节点啊，要记住， provide 开头的通常就是放在这个节点前面的， 我们经常会都会用到这样的节点。在这里呢，我们就把这个 provide 给它啊，连接到这个 b box 上面， 它这个里面有一个有一个选项是 face yellow 八 m， 我们选这个这个 yellow， 这里面这个 yellow 很有意思啊，它是这个 you only look once 的缩写，不是 you only leave once 的缩写哈 啊，然后，然后我们还需要一个，呃， same same 模型，也就是分割模型，嗯，我们拖出来这个 same number， 热度很容易找啊。现在我们有了这个，然后把它接上去，这样我们就可以导入任何我们需要图片，我们导入图片可以是我们自己生成的，图片 也是 midjire 你的 cvdp 生的，或者是你自己照片手机拍的都行，都可以用来换脸或者是进行脸部的修复。 哼， 啊，我们这里就是用到这个 youtube 这个基础模型，用于用来修这个脸，修脸部的哈。 一般来说，嗯，我们这个流程点一次就能修复绝大多数的脸部问题，但是如果是有需要，我们还可以 要进行两步多步骤的修复，比如说我们第一步修复了这个脸部的大部分的问题， 但是还有些小问题，然后我们就可以再添加一个再进行修复，也就像一个就像我们这个从贝斯到 refine 的这个过程一样的大魔性的那个啊。我们看一下， 我们这里拿到了一张就是以前我生成的图片，这图片非常非常漂亮，你看这个衣服的褶皱啊，台上的这个台阶上的花呀，都非常的漂亮，颜色呀什么的都非常漂亮，但就是这个脸崩掉了 啊。我用的是 s d， s d 一点五的基础模型，呃，生成的这个头像， 因为这个 sd 基础模型啊，其实他他有一些呃，他挺好用的，他没有那些经过了微调的模型的一些偏见的问题啊，也 也不容易遗忘，也没有这里遗忘的问题。这里我们导入一张图片， 就加载一下这个导入图片的节点，然后把它放在这，虽然看起来有点怪啊，但是因为我们在这里要进行一个比较，所以我们就把这个图片放在这里， 可以预览一下，看看效果。这里这个 delete 是非常关键啊，因为这是脸部，他会考虑这个形状，还有形状光一，光线方向等等啊，应该零点五就够了，零点四也行， 效果都还可以。这里面还有很多其他的设置，很多其他设置比什么网格大 小啊，呃，最大值啊，最小值啊等这些，嗯，如果你要更详细的进行这个探索也行，可以看他那个节点的官方的文档， 然后我们自己我这里就用这个默认的设置就可以了，但是默认的设置效果就已经还是不错了。那如果要进一步深入的研究的话，你还是要看一下欢欢的文档啊，要自自己学习吗？自学 这里派膜帮阿婆主补充。啰嗦一句，阿婆主走神了。视频原作者还说了，如果你遇到了一些比例不对的问题，这个强制硬背挺功能可能会很有帮助，所以这个选项是唯一推荐你可以随意开启或关闭的， 但大体上这些默认设置都挺好用的。当然了，微调比喻也是个重要的设置，你想要微调大模型在这里起多大的作用呢？百分之二十应该就挺合适的，实际上也是推荐的比例 啊。顺便我们来看看这边的提示词，这里面我提示词就写了一个 aligent woman 和一个 beautiful woman， 也就是一个优雅的女人和一个漂亮的女人， 然后没有任何的负面提示词，然后负面提示词这里加了一个 birding buried 啊，就是模糊，我也不知道为什么这个词这么火，大家都在用，我也加一个吧。 其实我个人觉得负面其实是在这个 sdxl 的模型的时代，其实没啥用，没有必要。然后如果你想要的话，你也可以加一个罗然，就加一个罗然调，微调一下， 直接夹在这个后面就行了。好，我们现在看看这个脸部深蹲的效果，嗯，比之前是要好多了，真是太棒了哈。然后通过放大，我最希望这个， 呃，我希望这个官方啊，这个尽快的这个加一个，把这个图片直接放到他实际尺寸大小的这个功能啊，但是还没有，我们就再等一等嘛， 这里我想做一个把这个图片做一个左右的对比， 顺便说一下这个现在的这个空白 ui 里面，他加入这个中间按下去啊，鼠标的中间按住拖拽的这个功能。这个功能早就应该加了吗？ 我一直之前就很不方便，非得要找到空白的地方再来拖，现在直接用中间就可以拖拽了，世界上很多的软件都是用这个中间拖拽的。好，这里我们看看，再来看一下这个结果， 这里，哦，好像这个脸啊，显然鼻子尖就好多了，我还挺满意的， 我看我们能不能再优化一下。当然可以，我们在我们可以就是说在这个优化之后的结这个基础上，我们再优化一次，然后再就是再增加一个 consemper 或者 spaced tale， 因为我们用的是这个 type 这功能啊，所以简直是太好用了，就直接加上去就行了。 呃，因为第二次的话可能就不需要修顿太多了，我们把这里这个改成零点三， 因为前面这一次调整已经达到了我们大部分想要的结果。 嗯，结果结果的话，我看第二次还是给这个脸部加了一些这个体积感啊，虽然并不是很完美， 所以说第二次的话可能作用不是很大，这里可能是多余的， 这取决于你这个之前的这个图片啊，这个脸有多糟啊，如果是确实连一张人脸都看不出来，你可能还需要两次，两次微调才行，两次修复才行啊， 很多时候这个处理效果一次就已经不错了。现在啊，现在我们来讲一下第二个就是说我们如何扔 画画脸画一张，我们比如说我们把明星的脸或者是我们朋友啊脸画上去娱乐的那种啊。这里就我们需要安装一个自定义节点，这个叫做 react no 的零点，一点零这个节点啊， 这个节点的话，呃，大家可以点开他这个链接，他也适用于这个 automatic， 幺幺幺幺，这个 yby 哈， 这个大家也如果有的话也可以装，这里问大家，因为这个这个节点的话安装起来还是有一点门槛的，大家就是一定要认真看一下这 那个 dj hop 上面的说明，把那个应该安装的东西都装一下，不然的话大家可能到这一步可能就感染而止了，因为你你这个装不了的话，后面的步骤你都做不了，所以大家认真研究一下。但是我这个视频里面我不会说， 还是我之前提醒的，就是说你这个自定义节点，首先是大家要学会科学上网，然后在科学上网的基础上 提在全局代理，全局代理的以后相当于你就是在国外了，你就是一个外国人在上网了，是吧？然后你就在在这个里面先的装这个东西，装好了以后，然后我们这里 就不一一的说细说了，自己学习一下，多学习一下。 好，然后我们这里，嗯，把这个胶带进来， 这个 read， 这个好， read 这个，嗯，加载进来，然后我们加载一张我们想要换的这个图片， 要注意这个图片他的表情应该和你想要换的这个图片他的应该是差不多的表情啊，不然你一张是严肃的表情，另外一张是带大笑，那可能效果就不是很好。还有就是这个 脸尽量，如果他是一个侧脸，你也找一个侧脸啊，正脸你也找一个，正脸要匹配起来。 这里我想要有足够的定位四来解决这个问题哈。百分之四十的定位四应该是挺好的，所以这里给我们一个还不错的点， 我们就用这个结果吧。这个脸和另一个那个脸相比，每每次都会有点不同，所以我建议你多试几次，直到找到看起来更加真实，更加接近你想要的那个加入长点的人的脸。 再说一下，表情还有光线方向，并没有我原先想象的那么重要，他会自动调整这个画脸，这次的画脸效果还不错，看起来很像他啊。我们可以再试一次，也可以完全换一个 不同的图像来看一看哈。在我们继续使用这个模型之前，我先演示一下这个整个是怎么运作的，但是所有 之前视频里讲的细节，如果你想要一个长期的解决方案，都要注意。这次改进了，脸部效果很好。这里我用我老婆的脸试了一下，效果也非常的不错 啊。阿婆主好像脑子出现幻觉了，那是原始视频作者的老婆啊，又不是他老婆，神经兮兮的。 在这个例子里面，脸部一开始就不是很不是很就没有问题啊。我现在只是画脸，那如果脸部脸部有那个扭曲的话，嗯，我建议你还是按照之前那个把那个 脸先修正一下啊。我有一个很好的点子，就是在我，我在万圣节的时候，我装修房子，我把所有的照片， 把所有我邀请来的朋友的照片都换成那种恐怖的照片，然后把他们脸画上去放在墙上，应该是很有很好玩。 好，总之就是这里我们就给大家展示了这个呃 s retailer， 还有这个 pipe 这点个比较重要的功能啊，大家也会可能都会用的到，今天的视频就到这了，谢谢大家。 糟了糟了，他仆主又忘了打广告了，视频做半天又不提醒观众，老爷们 三连一下，还真是个佛系，太萌，只好帮忙打个广告了。阿朴主虽然是有工作有饭吃的正经人，但是那些还是渴望为社会创造更多价值，希望自己优质的作品得到广泛认可的观众老爷们的点赞上去了， 播放量上去了，阿婆主义高兴，说不定就把工作流什么的分享出来了。
