vizcom使用教程
粉丝47.1万获赞242.3万
相关视频
13:54查看AI文稿AI文稿经过前四期的视频，相信很多朋友已经了解了基础的纹身图流程、模型使用和放大方式。但很多朋友真正卡住的地方不是不会生成，而是生成出来不好看。 同样的提示词，为什么别人出来的是精修大片，你出来的像普通练习图，尤其是人物质感、画面细节、整体审美，跑出来的图很多都达不到心理预期。为了解决大家实际的需求，这一期我们就讲讲新的图片生成模型 z image。 首先我们先来看一下它们在实际出图中的效果。我们使用同样的一组提示词，分别在 s d x l 模型和 c image 模型中进行生成， 看看两者在画面质感、细节表现以及提示词理解上的差别到底有多大。大家可以看到，不管是写实漫画、插画， z image 生成出来的效果都更精致，也更接近我们平时做人物图、封面图时想要的质感。 而 s d x l 虽然生态成熟，但默认出图的精致度和人物细节，确实更依赖具体模型 lora 和后期调整。这就是我们这一期要讲 z image 的 原因。因为很多时候图片不好看不一定是提示词和参数的问题，而是模型本身的能力上线不一样。 我们先要搞清楚一个关键的问题，传统 s d 模型和 g image 的 加载方式不一样， 我们以前用的 sd 模型大多数都是打包好的，也就是说模型本质 clip、 vae 基本都封装在一个 checkpoint 文件里，所以我们只需要下载一个 checkpoint 模型，然后用 checkpoint 加载器加载就可以。但 c e image 不是 这样， c e image 不是 一个简单打包好的 checkpoint， 它需要把几个文件分开加载，模型本质单独加载，文本编码器单独加载， ve 也要单独加载。所以很多同学第一次用 z image 报错，不是模型坏了，也不是显卡不行，而是把 z image 当成传统 s d 模型来用了。这一点先搞清楚后面下载文件和放置路径就很好理解了。 搞清楚加载方式以后，接下来我们来看第二个问题， z image 到底应该下载哪个版本？这里初学者很容易乱，因为你搜索的时候可能会看到两个常见来源，一个是通用的官方源，这个是官方发布的原始版本， 更适合懂代码、懂拍分部署的人使用。另一个是 comfy org 整理好的 comfy 版本，这个版本已经帮我们把 comfy 需要用到的文件整理好了，更适合新手直接在 comfy 使用。我们这一期是让初学者在 comfy 里跑通，所以优先使用 comfy org 整理好的版本。我们先记住一个原则， 先跑通，再折腾。那么怎么选择适合自己显卡的模型呢？大家可以看到这里有三个版本。第一个是 bf 十六版本， 这个版本更接近原始质量，画质和稳定性更好，但对显存要求也更高。如果你是十六 g 显存以上，可以优先选择这个版本。 如果你是十二 g 显存，也可以先尝试这个 b f 十六版本，我自己实测下来，三零六零十二 g 是 可以正常跑的，但要注意，能跑不代表可以随便把分辨率开很高。第二个是 int 八版本，它可以理解为压缩后的版本，显存压力比 b f 十六更低， 适合 b f 十六跑不稳或者显存比较紧的情况。第三个是 nv f p 四版本，它压缩的更厉害，显存压力更低，适合 ink 八也跑不稳或者显存更小的情况。个人的建议是，如果你是十二 g 显存以上，直接优先选 b f 十六。 如果你是八 g 显存，建议选 int 八，不是说八 g 一定不能跑 b f 十六，我们这一期的目标不是极限压榨显卡，而是先跑通。如果你是六 g 左右显存，那就优先选 m v f p 四， 这个版本文件最小，显存压力最低，更适合低显存用户先测试。当然，如果你愿意折腾，也可以都测试一遍。 但如果你是初学者，我建议不要一开始就折腾这些，先按自己的显存选一个最稳的版本，把工作流跑通能正常生成图片以后，再考虑要不要换更高质量的模型版本。 主模型下载完以后，还需要下载文本编码器，这里也有三个版本，如果你刚才主模型选的是 b f 十六，这里就选原版的是 int 八，这里就选四 b f p 八 mix 的 模型。 如果你主模型选的是 nvfp 四，这里就选四 bfp 四 mix 模型。简单说就是主模型选高精度文本编码器也选高精度主模型选压缩版，文本编码器也跟着选压缩版，这样对初学者最简单，也最不容易出错。 最后还有一个 v a e 模型，这里就比较简单了，因为它只有一个版本，大家直接下载下来就可以了。到这里， g e m g 需要的三个部分就准备齐了，主模型文本编码器和 v a e 主模型负责生成画面， 文本编码器负责理解提示词， v a e 负责输出最终图片。这三个文件都下载好以后，下一步我们再把它们分别放到对应的文件夹里。 模型下载完以后，我们需要把它们放到各自对应的文件夹中。第一个主模型文件，也就是刚才下载的 z image turbo b f 十六要放到 comfy ui models diffusion models 文件夹中。不管你下载的是 b f 十六还是 int 八，或者是 n v f p 四模型，都需要放到这个文件夹里面。第二个文本编码器模型，也就是千问三四。 b c tenses 要放到 comfy ui models textencoders 文件夹中。第三个 v a e 模型，也就是 a e safe tenses 要放到 comfy ui models v a e 文件夹中。模型都放好以后，重启 comfy 或者 f 五，刷新模型列表，再导入工作流， 这就是 z image 的 基础纹身图工作流，大家可以看到它的整体逻辑其实和普通纹身图差不多。这里的 unit 加载器是用来加载 z image 主模型的， clip 加载器是用来加载前面我们下载的千万文本编码模型的 ve 加载器是用来加载单独的 ve 模型， 后面的空 latent 正向提示词、反向提示词 k 彩样器 v a e 解码都跟 s d x l 纹身图工作流是一样的。 这里还多了一个彩样算法节点，有些 z image 和 flex 的 工作流会加上这个节点，用来调整模型进入彩样器前的彩样方式。初学阶段不需要重点研究它，使用现成工作流时保持默认即可。为了方便本期的演示，我这里直接把它删除掉。 接下来我们重点看两个参数，步数和 c f g。 先说步数，以前我们用 s d x l 步数经常会设置到二三十甚至更高，但 c image turbo 不 一样， 它本身就是偏低步数生成的模型，所以不需要像传统 s d x l 那 样跑很多步。大家看这个工作流里，步数设置的是八步， 这也是为什么他出图速度会比较快。所以刚开始不要一上来把步数拉到三十四十，步数太高不一定会更好，反而可能浪费时间，甚至让画面变得更硬更脏。这里建议大家先设置八到十步左右， 然后再看 c f g。 这个地方最容易套错经验。以前的传统 s d 模型， c f g 经常会设置到七八，因为传统模型需要通过比较高的 c f g 让模型更强地遵循提示词。 但 z image turbo 这类低步数模型本身就不适合直接套那种高 c f g 逻辑。如果你把 c f g 直接拉到七八，画面不一定更听话，反而可能出现颜色变脏、细节变硬、人物不自然，画面过度锐化。所以这里建议新手先记住 z image turbo 的 c f g。 先从一开始。 为了更直观的演示，我们先把 c f g 调高到八，生成一次图片，看看会出现什么问题。 大家可以看到，图片明显已经崩了，整体严重模糊，背景大面积过曝，白色区域直接炸成一片。所以这张图根本就不能作为可用图片。我们再把 cfg 调回到一，重新生成一次，看看效果。 大家可以看到，画面是正常的，人物脸部清晰，五官完整，头发、皮肤、衣服细节也都比较自然，背景虽然做了虚化，但主体本身是清楚的，所以这是一张正常可用的图片。通过这个对比就能看出来， z image turbo 这种模型不适合直接套 sdxl 那 种高 c f g 参数。在 sdxl 里，高 c f g 可能很常见，但放到 z image 这里反而会把画面质量直接拉垮。所以我这个工作流里默认的 c f g 是 一，这不是写错了，而是它本身就更适合这种 d c f g 的 生成方式。 接下来我们换几组不同风格的提示词，实际测试一下 z image 在 不同场景下的出图效果。 时间关系这里就不测试太多了，大家可以根据自己的需求继续更换不同类型的提示词去生成 图片。生成完成以后，如果你只是自己预览，其实到这里就可以了。但如果你想把它用来做封面图、口播视频素材、电商海报、课程配图，那原图分辨率可能还是不够，这个时候就需要做一次放大。这里就要用到我们上一期讲过的放大方法了， 如果你还没看过第四期，可以先去看一下第四期里讲的几种放大方式。如果你的显存压力不大，这里可以直接使用 cvr 二来作为放大手段。因为 g image 生成出来的图本身质感已经不错， 我们后面要做的不是大幅度改图，而是在保留原图效果的基础上提高分辨率和细节。 c 的 vr 二正好适合这种情况，它可以对图片进行一定程度的细节重建，让画面更清晰。但如果你显存不够，跑 c 的 vr 二容易爆显存，那就不要硬上， 直接用普通超分放大也可以。所以这里记住一句话，显存够就用 c 的 v r 二显存不够就用普通超分。先把基英妹举原图生成好，再做放大处理，不要一开始就追求超大尺寸，这样更稳。 如果你跟着本期视频教程操作，还是因为显存原因跑不动，或者生成速度很慢，那么后面其实还有其他替代方案。 比如现在画面里的 non 叉库，就是一种低显存运行方案，它的主要优势是通过量化模型和专用推理方式，尽量降低显存占用，同时提升升存速度。这对低显存用户很有价值，因为现在的新模型效果越来越强，但显存占用也越来越高。 不只是 g e m， 后面你继续接触 flex 或者千万 emoji 这类模型，就会发现它们对显存的要求更高。 有些模型常规方式可以跑，但速度很慢，有些模型显存不够直接就跑不起来。所以 non 叉库这类方案其实就是给低显存用户提供了另一条路，它可以让一些原本比较吃显存的模型，通过量化版本和专用节点， 在更低配置上也有机会运行。不过本期我不展开讲 non 叉库，因为它的安装方式和普通插件不太一样。 n 叉库还需要安装对应的预翻译文件，这个文件要和你的 pie song、 pie、 torch、 qdi 版本系统环境尽量匹配， 只要版本不对应，就很容易出现安装失败的情况，所以它的安装门槛确实比普通插件要稍微高一些。如果后面有很多低显存用户反馈，常规方式跑不动，或者大家对这个方案感兴趣， 我再单独录一期，专门讲 nonchaou 的 安装。这一期你先知道 nonchaou 是 一个很值得低显存用户关注的替代方案就可以了。 这一期的重点其实就五个，第一，模型加载方式的不同。第二，模型版本要根据自己的显存来选。第 三，模型文件不要放错路径。第四，工作流的本质还是基础的纹身图。第五，不要直接套 s、 d、 x、 l 的 参数习惯。对于初学者来说，要做的不是追求最新的模型，而是先搞清楚不同模型之间到底有什么区别。 底层逻辑清楚以后，你后面再接触新的模型，就能更快的判断到底怎么做。而且不只是图片生成以后继续做视频工作流，比如图声、视频、数字人动作迁移，都会遇到不同模型、不同节点、不同加载方式的问题。 所以这一期不只是为了让大家会用一个新模型，而是通过它让大家理解不同模型的加载方式、工作流结构和参数习惯可能完全不一样。 本期需要用到的各种模型工作流，我依然会整理好放到网盘，方便没有魔法的同学下载和使用。如果你需要这些资料，可以在评论区留言，我会在看到后发送给大家。这一期就到这里，我们下期见。
688V.c 的节点炼金术
00:06
03:36查看AI文稿AI文稿百分之九十九的人学习匡费的第一步就已经走错了，还有人甚至因此白白浪费了好几万。你是不是也还在考虑该买什么配置的电脑来本地部署匡费？ y， 我 劝你赶紧停下来。 上期视频已经非常详细的给大家介绍过本地部署使用的方式了，然而对于所有新手来说，本地部署并不是最好的选择。想要用上 com p y， 你 完全没必要非得花大价钱去配一台电脑，你家里现在十年前的老电脑也可以直接用，那么解决方法就是云端在线使用。 说直白点就是在云平台租一台高性能电脑来部署使用 comfyui， 你 可以直接在自己的低性能电脑上操作这台云电脑，完成 comfyui 里的所有工作。 这样做最大的优势就是你可以省下大几万的购买电脑的费用，而且不用把软件固定安装在某一台设备上，任意台设备只要能上网就可以使用 comfyui， 而且功能和本地的完全一致。 但缺点就是云端使用租用显卡需要按时间收费，一般来说在每小时一到三块钱左右随用随停。这个费用相比于你直接去买一台高性能的电脑要便宜太多了。 不信你可以自己算笔账。按照一天使用六小时计算，你买一张五零九零的显卡所支付的费用足够支持你在云端租用相同显卡使用四五年左右的时间。 五年之后呢，你自己的显卡已经旧掉了，而你在云端完全不用考虑损耗，一直都可以用最新的显卡，所以该如何选择就很清楚了吧， 接下来教大家如何操作。首先是平台选择，这里大家只需要考虑两个点，一个是平台的显卡储备够不够，要保证自己随时都有显卡可以用。第二就是价格要尽量低一些， 这种云平台有很多，我就不一一给大家举例了，今天我就用自己平常用的比较多的成语之云给大家做演示，其他平台的操作方式都是差不多的。 进来之后先完成注册登录，然后进入到控制台，找到左边的账号管理，在这里完成实名认证，然后选择账户充值，充值记住一定要少量多次，防止你忘记关机一下把钱全都扣光了。 这里我还给大家准备了一个福利，使用我给大家申请的这个优惠码，购买算力卡可以三十抵四十五。然后回到应用商店，在搜索框中输入我的名字，蓝天，找到我提前给大家部署好的这个云端 com 镜像， 这里千万不要选错了版本，默认选择最新版本，按照你的自身需求选择使用一张显卡，一般我用的最多的是四零九零 d， 然后点击立即使用，等它启动好之后，点击这里的 web ui， 就 可以进入到 com p i 界面开始工作了，是不是非常方便呢？这里还要给大家强调一下，使用完之后一定要记得回到这个我的实体界面，点击这里的销毁并关机选项，这就相当于是你在网吧开机玩电脑是一样的， 只有关机了才会停止计费，不然你就相当于一直占用着这台电脑，他会把你卡里的钱全都扣完，才会自动关机，这是很多新手会踩的坑，也是我前面为什么让你们少量多次充值的原因。 confire 的 安装部署是大家学习过程中遇到的第一大拦路虎，很多人连 confire 界面都还没有打开就已经早早放弃了，原因就是不知道该怎么装。我上一期给大家分享的本地解压急用满血版整合包，还有今天讲的云端在线使用方式，就是为了帮大家解决这个拦路虎， 让大家能少走弯路，少踩坑，特别是不要浪费钱，让大家能快速打开软件，第一时间体验上矿泉水的操作使用。如果觉得本期的视频对你有所帮助，别忘了点赞、关注、收藏，我们下期再见！
901南天AIGC
13:16查看AI文稿AI文稿竟然有这么一款免费且不限次数生成 ai 视频的工具，它就是 comui v 十中文破线版，和那些烧积分要排队买会员的网站不同，这个版本不用联网，更不用魔法上网，全程本地离线运行，彻底摆脱平台各种限制。全中文界面，兼容中文提示词， 零基础也能学懂操作，内置海量工作流与主流模型，开箱即用，即使是这种质感拉满的电影级 ai 视频也能轻松拿捏，最低支持一零六零显卡使用也是极其简单，只需三步，一，拿到整合包，二解压缩，三，双击打开，还没体验过的朋友直接开冲。 hello， 大家好，我们今天继续来学习我们的 kfcui， 那 么现在同学们呢，我们看到的就是一套 controlnet 的 姿势控制加图生图的 kfcui 工作流，那么这一套工作流呢，就是要比我们之前学的那些基础操作呢，又要更加难上一些了。 那么我们的核心目标呢，就是提供一张真人的这个图片，然后呢提取他的一个人物骨骼姿态，通过锁定他的这个站姿呢，最后生成一个与姿姿势相同的人物图像。 那么听起来呢，是不是感觉有一点点小复杂？没关系，可以跟着我一起来学习如何进行这种操作。那么首先我们对整个工作流呢进行一个逐个拆解，分为四个板块，像这里面就是我们的模型加载板块， 比如说我们常见的这个大模型文本加载器，用于图像解码和编码的加载器，以及我们的一个姿势模型加载器这块呢就是我们的模型板块，然后这块就是我们的姿势呢提取板块， 包括我们的图像预处理，以及我们的 openpos 骨骼的预处理器，那么是这样的一个块。第三块呢则是我们的这个条件控制，那么主要就是通过我们输入的文本呢来对它进行一个控制了。第四个就是我们的双彩样控制， 通过我们的双彩样器呢对我们的深层图像进行优化和提升，这样子呢，可以输出更加高清，更加有质感的图像。那么我们来先看一下我们的模型加载区，那么加载了我们的 z 杠一位置的模型， 那么我们使用的是 f p 十六的，那么这样子呢，它的显存占用更低，出图的速度更快，那么也是为什么这套工作流速度快的一个原因。 第二个则是我们的千问三私币通用千问常用的文本处理器最大的优势呢就是可以完美的识别我们中文的提示，那么不需要额外的安装中文插件，直接写中文描述呢就能生效， 非常的适合我们这些新手设备，选择默认即可。然后 ve 这里呢，我们直接使用这一套， 那么专门呢用来矫正我们模型的色彩，避免我们的画面发挥啊，饱和度不足啊，那么能够保证我们人像的肤色自然通透，以及加载我们的模型补丁，那么这个补丁呢，主要就是为了给我们的 zga 一 mate 模型追加 controlnet 的 视频能力， 让我们的主模型呢也可以接收我们下方的这些姿势控制。那么解决了原生的 z 杠一 mag 模型，它不兼容 controlnet 的 问题，那么我们就通过这四个节点就搭建了一套支持 controlnet 的 中文友好极速出图的 ai 绘画的底层环境了， 听起来还是挺简单的，对吧？我们继续看下面的图像，这个就是我们工作流的核心环节，姿势的提取以及预处理。那么首先我们需要上传我们的原图，一张站姿的女生照片，这是我们的参考图像，我们可以将原图呢进行一个缩放，同时保证画面的一个比例不变形。 因为我们输入的原图它的尺寸过大的话，会导致我们处理的时间过长，同时影响到我们后续的图像生成，因为有可能爆显存嘛，因此我们需要把它进行一个缩放，但是在这个过程中，我们不要对它的一个人像进行双向的拉伸， 我们要么呢就缩放到这个长度，要么呢就缩放到边，不要导致这个图像呢发生积变了。下方呢是我们的集成玉处理器，这里面我们其实有很多选项是可以选择的，这里面我们人像的话，常用是使用这个 dw 的 姿势玉处理器， 那么这个处理器呢，会自动的识别我们的人体，把照片中人物的肩呐，腰啊，四肢，手指都提取成我们的彩色的骨骼图像。那么我们在这个右侧的预览窗口里面的这些彩色线条呢，就是提取出来的 这些姿势骨架。那么后续 ai 绘画呢，会严格的跟随这根骨架，人物的姿势呢，基本上都会跟这张图像呢保持一个 一致性，不会歪和变形，而在这个地方是属于我们的文本编码器，这里面我们随便输入一个提示词，一位美女， 那么搭载我们的中文 clip 呢，就能够精准的识别这样的文字描述了，通过这样的一个方式就可以把这些条件传送给我们的采压器，然后这里面有一个 control 的 控制节点，那么这个我们就可以看到它输入了我们的大模型 ve 以及我们的模型补丁， 就是这个搭载了我们姿势控制模型的这个布丁，然后也会传入进来，包括下方的姿势图像也会传上来，那么呢就是非常关键了，而这个 comlatent 就是 我们生成的空白的浅空间画布，那么尺寸呢， 和之前缩放后的图像呢，搞尺寸呢也会有所一致，这样呢就为我们的深图预留了图像的空间。而第四个呢则是我们的彩样器，那么这是这套工作流的一个进阶的角色，也是新手最容易啊看不懂的地方， 那么就是用我们的双彩样器来进行图深图的混合彩样，那么这种彩样呢，会比我们普通的单彩样图深图呢效果更稳定，他不容易出现这个人脸的崩坏啊， 肢体的扭曲啊这种。我们把采安气候的数据呢输入到我们的解码器当中，通过解码器之后就生成了我们肉眼可见的人物图像，我们是可以看到人物的站姿和原图是完全一致的，然后服装啊，人物啊 都进行了一个变化，那么这就是一个整体的一个工作流流程，这里面我们自己再重新生产一下，那么可以看到也是生成了一张新的图像。那么最后我们来对整个工作流呢进行个复盘，首先我们的底层呢就是加载我们的模型以及中文的 clip， 再搭配上我们的 chanel 补丁，再搭配上我们的 controlnet 补丁，这样子就实现了我们的中文绘图环境，然后再上传原图，提取我们的人物骨骼姿态，通过 controlnet 呢把动作锁死，深层使用我们的双采光器进行质量优化，最后通过我们的解码器呢进行解码出图， 那么就完美精确的实现了最后的深图环节。今天这一节课呢，让我们来深入 kufui 的 一些进阶课程，那么在之前的课程中，我们已经彻底的掌握了 kufui 的 一些基础操作， 以及包括像纹身图，图像高清放大等等操作细节，那么我们自始至终呢，一直在一个纹身图也就是图片生成的阶段进行出发，那么我们也是时候来接触一个比较重要的 技术手段，那么就是我们的图像的局部修改，这种局部修改包括什么呢？包括图片本身的某个部位的一些改变，又包括整张图片的一些扩图， 又或者整体的一个模样物品替换，那么这些都属于我们的一个图像编辑的一个过程，那么我们要来熟练的掌握好这一些技能，当然市面上目前呢也有很多更加直接有效的方式呢， 来帮助我们进行这些图像的修改，就比如说直接将我们的图像呢发送给我们的豆包，但是我们使用或者学习这款软件，那么有一些基础的操作我们一定是要掌握的，就算我们要不要用，我们也只是在为后面的一些进阶的一些操作打下一个基础，因为其实有很多原理呢是通用的， 那么掌握起来肯定不会吃亏的，好吧，那么这个工作流呢，就是我们的一个 flex 的 局部重绘工作流，那么它的核心功能呢就是上传我们的一个人物图像，通过遮挡呢圈出需要修改的区域， 然后呢可以看到我们会对这块区域呢进行个标记，最终实现我们一个局部修改的操作， 那么他只会重绘我们遮罩内的画面，其他的人物姿态，五官，背景构图，百分百进行完整的保留，那么这就是这项工作流的一个核心的用法， 那么具体怎么使用我们来分析一下。那么首先呢它分为五个区域，第一块呢就是我们的原图呢进行输入，然后通过我们的遮罩软件呢进行一个遮罩的一个预处理。第二个呢则是我们的模型加载，使用我们的 flux 模型呢进行底层生成 基础的绘图环境。第三部分呢则是通过我们的提示词进行编码，同时加入我们 flux 的 一个专属引导来控制我们重绘的强度。 第四个呢则是我们的叉分扩散局部重绘的彩样核心。第五部分呢则是我们的最后的出图预览以及成品的输出，那么就分为这五个部分，那么我们来看看这些地方。 首先就是需要上传我们的原始人物的图像，我们点击一下右键，然后在这里面找到这个，在遮罩编辑器中打开画布点击进去，那么在这里呢我们可以通过我们的鼠标控制他的一个画笔， 使用左键呢进行一个涂抹，那么可以看到有块黑色的区域，那么这个就是我们之后可以对它进行重绘的地方了，那么想要修改或者是撤回的话，就点这个返回按钮， 然后你不想要了这一块的话，我们也可以使用左边的这个橡皮擦工具给它进行一个擦除，那么这样的一个操作也是比较简单的。然后我们需要通过我们的图像缩放呢对原图呢进行一个处理，毕竟有些图它 实在太大了，不方便我们后期进行修改，因此呢我们需要使用这种图像的放大缩小的工具，在这里面我们要锁定它的一个长度，那么像这里面只需要着重的看一下这个缩放之边，我们选择最长，然后是缩放长度为一二八零，那么保持它的一个整体的人物细节不变。 同时在这个遮罩预览这里面，我们也可以看到刚才我们红色的那个区域，刚才我们涂抹的黑色区域现在已经被电脑识别出来了，然后是红色展现的地方，这代表我们等会区域的识别没有出错。我们进行了一个原始的图像上传以及遮罩处理之后，就可以来到我们模型这里面了， 那么使用到的是 flex 的 全套模型加载组，那么 flex 和我们之前介绍的那一些模型呢又有所区别， 首先它是采用的双 clip 加载器，也就说它需要搭载两个，为什么呢？我们最开始的生成模型哈，它只能够理解一个一个的单词，就比如说一块表白天黑夜 女人头发这样子的一个单词组，它并不能够理解我们的长文本的一些句子，因此我们在后面引入了我们的这个 clip 之后呢， 我们就能够识别一些很长的句子，比如说一个穿着黑色连衣裙的紫色头发的三十岁女人，对吧？就是他是可以理解了一个很长的句子，那么这就是我们后面进行了一个增强的一个引入， 他就能够理解了，然后加载一个 ve 来进行我们的一个生图，而为了方便我们进行图像修改呢，这地方还需要一个 ruler 来进行加载。 那么路由模型呢，其实指的就是我们在后面所遇到的很多需要进行特定风格或者特殊功能的时候，就会要使用到我们的路由， 那么这个呢是一个很小的模型，大概只有一百多 m b， 比起我们的大模型来说是非常小，而这个模型呢，一般也是在我们原本的一些模型网站都有所设计，我们可以对它进行一个下载。第三部分呢，则是我们的一个提示词部分，我们通过输入提示词呢，可以重新来 对遮罩区域内进行深图，然后我们通过控制这个引导系数来对提示词呢进行要不要是否强行遵循， 那么它这个值呢越高，那么我们的 ai 对 于提示词的执行力度也就会越贴合，也就会越强，这么就可以这样子来理解。而右上角这一块呢，是我们整套工作流最关键的核心的进阶节点。首先这个差异扩散，那么它的核心逻辑呢，就是只修改我们的遮罩标记区域， 完全保留遮罩以外的原图元素，那么普通的图层图呢，会整张图呢进行重绘，容易崩坏一些人脸啊，扭曲背景什么的， 而交叉扩散呢，就只会针对于我们的一些局部来进行修改，而内部模型条件呢，则是将我们所有的一些条件，比如说提示词，原图遮罩给我们的裁按器呢进行一个参数提供， 起到的是这么一个作用。而彩铅器呢，就很简单，是我们最终进行深层的地方，然后通过 ve 的 一个解码器 将空间数据呢转换为可视图像，然后最终来输出我们修复完成的新图，那么这就是一个整体的核心逻辑，那么通过下方的图像对比呢，就可以看到我们修复的非常成功，对吧？
231AI教程-Comfyui
03:56查看AI文稿AI文稿今天我们来分享一下怎么使用康复游玩有两种方法，分别是本地部署和云端。如果你想深度使用，体验更高的自由度和不用订阅的话，推荐本地部署。如果你只是想熟悉界面和操作，暂时体验一下，可以先使用云 端，我们这里就用云端为例演示如何操作。大家第一次看到这个界面可能会觉得有点复杂，没关系，我们先讲一遍基础操作，滑动鼠标滚轮可以放大和缩小界面， 按住鼠标左键可以左右拖拽，随意移动界面。恭喜你已经学会了两种最基础的操作方法。现在我们看到的工作流都是由一个个节点组成，比如 trackpoint 加载器， copy 文本编码， k 彩样器等等，这些都是一个个的节点，这些节点通过一条条的线相连，形成完整的工作流。那么线与线之间的连接逻辑是什么样的呢？我们可以看到， 比如这边的 touch point 驾驶器和克利普文本编码，它们是由黄色与黄色的点相连，而这边 v e 解码与保存图像蓝色与蓝色的点相连。好，我们大概先了解到这里，随后我们看到右上角有开始升图按钮，我们在正向提示时，里面输入一个森林， 注意这里要用英文，否则识别不了。互相提示时先不用管。点击开始升图，我们把保存图像先拖大一点，等待一会图片就生成出来了。 好，图片生成出来的，我们先看一下效果。你可能想知道这个图像是怎么生成出来的呢？我们从前往后讲一遍各个节点是什么。首先， trap point 加载器加载的十大模型，这些模型有不同的风格，比如写实、动漫、插画等等，你选择什么样的模型，它生成出来的图片就是什么风格。 随后上下有两个可以补文本编码器，这是什么意思呢？我们可以看到它的条件，这里一个是正面条件，一个是负面条件，这就意味着这个是正向提示词， 下面这个是负向提示词，图像就是通过正向提示词生成，而负向提示词则用于指定不想要的内容。随后到了 k 采集器，它就类似于人的大脑画面，内容主要在这里计算。我们可以看到 这里还有一个空内存节点，他有三个参数，宽度、高度和 p 四大小，这意味着他控制最终生成图像的尺寸。例如当前是五幺二乘五幺二， p 四大小为一，即生成一张图片。当然，如果你想生成两张或三张图，在这里修改即可。 随后是 v a e 解码，简单说， v a e 解码就像一个解压软件，把前面的节点信息解压出来，最后生成图像。理解了这些节点，我们可以试着来连接一下这个纹身图工作流。 首先我们鼠标左键双击新建节点，找到 checkpoint 加载器，你也可以右键点击添加节点，在这里搜索，但这里比较麻烦，我们最常用最方便的就是双击左键去搜索节点。随后在 checkpoint 加载器这里找到 clip， 把线拖出来， 按住 shift。 我 们可以看到利普文本编码器，我们选择。随后还是相同的步骤，我们再生成一个负向提示值的克利普文本编码器。 在克利普文本编码器后面先拖出一条线，按住 shift 松手之后，我们可以看到 k 传感器，就在第一个，我们选择它， 再把封面条件连一下，在 laten 这里加载一个空 laten， 用于控制图像最终的大小，找到空 laten， 最后在 k 采用其的 laten 后面继续。 第一个就是 v a e 解码，我们选择它，这样其实是很方便的，我们可以看到前面还有一个 v a e， 它连接哪里呢？我们找一下。哎，是不是 java 的 加载器这里我们连接过去就有图像，我们就选择预览图像。 好，我们发现黑采游戏这里有一个模型，我们连接 powerpoint 加页器的模型，这样整个技术的纹身图工作流就搭建好了。这期先到这里，如果你觉得对你有帮助的话，可以帮忙点赞支持一下，我们下期再见。
240小亮亮学剪辑
00:40查看AI文稿AI文稿抖音如果被人拉黑了怎么办呢？如果你被别人拉黑了，你是看不到他的视频的，包括他所有任何的消息，而且你也搜索不到他，那你不用着急呢，今天呢，我就教你一个好方法，建议呢，点赞收藏起来，你以后呢一定会用得到的。 首先呢，我们打开抖音右下角我的，然后呢，再点击右上角的三条杠，点击下方呢设置拉到底， 点击退出登录，然后呢再返回抖音主页，可以在右上角的放大镜啊搜索他的抖音号或者名字，搜索之后呢，你就可以看到他的视频，而且呢，他以后再也没有办法把你拉黑了，学会了吗？如果没有学会的话，多看几遍吧。
3333是大婷吖🐰
59:56查看AI文稿AI文稿逼自己一月学会康复 ui 系统课前一百九十八级存下吧，很难找全的！警告，本视频耗时两个半月制作，制作时长六百分钟，带你系统学习康复 ui， 从小白到进阶全合级，保姆级教学，这应该是抖音最良心的康复 ui 系统课了， 哪怕你是零基础也能轻松学会。本视频学习文档已经整理齐全，只要是我粉丝留下，三个八直接甩给你！竟然有这么一款免费且不限次数生成 ai 版，和那些烧积分要排队买会员的网站不同 版本，不用联网，更不用魔法上网，全程本地离线运行，彻底摆脱平台各种限制。全中文界面，兼容中文提示词， 零基础也能学懂操作。内置海量工作流与主流模型，开箱即用。即使是这种质感拉满的电影级 ai 视频 也能轻松拿捏。最低支持一零六零显卡使用也是极其简单，只需三步，一，拿到整合包，二解压缩，三，双击打开，还没体验过的朋友直接开冲。那么欢迎大家来到我们的 kfui 全流程系列解析课程， 那么这个新手教程呢？将细致落地的将我们 kfui 这款软件一步步按图指引，覆盖了新手 从小白到进阶的所有关键细节，那么只要你一步一步跟着我来进行实操，那么我相信你对于 cfui 这款软件也可以迅速的拿捏！好的，那么话不多说，我们直接开始今天的也是整个系列的第一个课程。首先我们在之前的视频中，我们已经可以正常的 打开我们的软件，那么像这里面我们就会得到一个这样的界面，当然你打开的工作流呢，可能不是这个， 但是没有关系，我们先看，不急，慢慢来，同时呢这工作流我也会给到你。那么这里面有我们的一个整体的一个界面认知，就比如说最上方是什么？最上方呢？就是我们不同的一个工作流，你随意的点开就是一个不同的工作流， 那么这样子就可以进行个工作流的切换，同时你同一时间呢可以打开多个的工作流来进行使用，但是每一次我们运行的任务只能是一个，就不可能你同时运行了这个工作流，然后还想运行这个工作流，这样子是不可以的， 咱们的电脑没有这么强大，你如果让他同时干两件活，他不就崩溃了吗？对吧？咱们要一心一意专一一点吗？是不是？然后 可以看到我们左上角这边是不是有非常多的一些小的一个续列，那么这些续列是什么用的呢？我们一步一步来，首先点击这个，这个呢就是我们的一个菜单按钮，然后这里面有新建啊、文件啊之类的， 那么这些呢，我也不一个一个介绍几个重要的，我们打开设置，这里面就比如说常用的我们的一个 cfui 基础设置里面我们最基本的一个语言，对吧？你可以通过在这里面切换我们整个界面用到的一个语言，而在下方这个画面，这里面这个主要是来调整我们整个界面的一个显示效果的。就比如说我们在画面中有些连线，现在是曲线，我们可以给他改成直线， 就比如说这里对不对？他从一个丝滑的曲线变成这种直线了，又或者直接改成直角线，按照自己的喜好来就可以了。至于快捷键，这里面可以按照大家的需求呢，自己掌握几个比较实用的。 我一般来说主要用到的就是一个运行工作流，我们可以使用 ctrl 加 enter 键进行一个快速运行。在关于这里面有我们整体的一个系统设置，像这里面着重强调的就是我们的 python 版本是二点九加库达一二八的，以及包括我们 设备的一个显存大小十六 g 使用到的一个显卡，这个地方大家可以大致的了解一下。然后左侧这里面还有不同的一个按钮，这里面我们快速的了解一下。像这个资产，就是说我们在这个使用软件期间所所生成的一些图像啊，视频内容，那么这些素材就是我们的资产。 然后节点，这里面有个节点库，这里面有非常多可以使用的节点，就比如说这个 k 传感器，对吧？我们点击一下 就可以把它拖入到画面当中，然后哎他不就出来了吗？但是这里面有一个问题，对吧？我们不可能每一次想要找一个这样的节点，我们还去这个节点里面一个一个找，是不是很麻烦？我们直接在空白处双击左键， 然后在这里直接可以搜，就比如说我们输入一个 k， 对 吧？ k 传感器，这里面呢就可以直接的找到所有包含 k 这个 英文的节点，然后右边呢还有他的一个什么预览图，也是非常的方便，所以这个就是我们的节点库， 然后就是模型库，我们所有使用到的一个模型都会在这上面进行一个显示，但是同理我们也不可能每一次想使用一个模型在这里面找，我们反而会直接在这个模型加载器里面，我们点击一下就可以进行选择，我们所有需要用到的模型直接在里面选就可以了， 也是非常的方便。而这个工作流呢，就是说我们的一个软件之中有多少的一个内置工作流，那么大家可能可以看一下不同的一个版本啊，或者使用到的一个素材不同， 那么这里面展示的工作流呢，也有所不同，像这里面我们只要将我们自己编排好的工作流呢进行保存，那么我们下次打开软件之后，我们可以直接在工作流这里面找到我们的一个 名称，然后再点击一下，我们就可以使用，然后下面这两个可以略过，我们直接看这个输入和输出，那么输入和输出呢，主要就是我们 在使用工作流的过程中，我们有一些时候是不是需要将我们一些外部的图片导入到里面，然后再进行一个输出，那么这里面我们输入的图像就可以在这里面显示，同理输出的也可以显示，下一次呢也可以直接进行调用，就相当于我们不用再去单独的去找这张图片是 放在我们电脑的哪个文件夹里面，我们可以直接在这里面进行一个调用，使用起来呢也就更方便了。再看一下这个模板啊，这个模板呢个人认为呢使用量的情况并不多，但是如果对于一些 完全不了解的，或者是那些或者素材比较少的同学们，可以大致的看一下，我就比如说点击一下这个纹身图，我点击一下哎，然后他就出来了一些这样的一个内容，对吧？其实就相当于他把这个工作流呢做成了一个 类似于软件自带的功能。但是这里面的一些模型啊，还有节点，如果没有的话，还是需要自己进行下载，个人认为实用性不大，我们主要的还是掌握一些我们自己能够本身想要使用的工作流， 这里面很多工作流都是我们不经常使用到的，大家可以简单了解一下即可。然后左下角有这个什么说明啊， 又或者是控制台啊，那么这些里面控制台可能稍微还是有点作用的，那你在生成的时候呢，这里面会显示一个进度条，我就比如说我点击一个运行，对吧？你看这里面是不是有一些正在运行的一个进度条， 那么他这个进度条呢，其实也就跟上方刚刚我们看到的这个蓝色的进度条差不多，你直接通过这上面这个也可以看，但是有时候呢我们可能会出现一些报错什么的，我们直接点击这个控制台看一下 是什么地方出现报错，我们就可以通过这个来进行一个检查。然后这下面这两个什么快捷键和设置，我们其实已经看了，那么就不必再重复了。右下角的话 就是几个比较简单的功能，像这个什么选择啊，或者拖拽，其实很好理解的，你按这个微，现在呢就是一个选择按钮， 对吧？我直接拖动这个对吧？就是进行一个选择，你按 h， 他 就变成一个小抓手，我们就直接想拖哪拖哪，就选择不到，这些节点用处不是很大，试图那就更没用了。我们一般来说放大和缩小都是用滚轮， 因为滚轮呢，操作起来非常的方便，我们不需要再额外的说点击一个这样的什么放大缩小没什么用， 至于这个显示小地图，那就更没什么用了，它就是一个缩放按钮，就相当于说，哎呀，我这个一放大，可以在这个小地图上看到我这个画面的一些缩略图吧，算是算不算大？然后这个隐藏链接这就更没用了，我们在做工作流的时候，不看这个 线条，我们怎么知道该怎么连呢？对吧？你不显示这不是瞎蒙吗？对吧？肯定不能这样子，而且有时候我们还要通过这些线条嘛，来判断一下生成的一个路径怎么样，然后再看一下上面的这几个， 那么这几个呢，都是一些显示的一些节点，比如说你的内存多少， cpu gpu 多少，我们着重需要注意的就是这个管理器功能， 那么在里面呢，可以安装我们缺失的节点，甚至包括缺失的模型，是比较好用的，但是这里面涉及到的内容呢，是比较多的，我们在后面的几节课中会有所提的，我们现在先大致的了解这界面上的每一个按钮呢，是什么功能，至于这里面运行， 这就不用了解了，我们直接按住 ctrl 加 enter 键，对吧？就可以执行一次运行，非常方便，你想执行两次就把这个改成二，对吧？可以任意的进行修改， 但这里面还有一些其他的操作，你就比如说这个是运行，那第二个运行更改时则是什么呢？ 这也可以简单的进行个试例，就是说你这个工作流，只要你改了任何的一个地方，他就会不需要你点击运行就自动跑起来，就比如说我把这里我随便改一下哈，一点六改成一点五， 哎，你发现我刚刚有没有动这个运行呢？我没动对吗？但是为什么这工作流还是自动跑起来呢？是不是这就是一个运行更改时的作用，然后这个运行实时， 这个就更好理解了，就只要你点了这个运行实时，你每一次这个工作流一旦生成完成，就立马再一次执行，就相当于永动机，你可以这么理解， 那么我们还是把它调成一个运行，可以自己来操控是否要进行一个生成，然后我们把下方的这个生成预览关掉，这里面我们可以看一下展开这个任务列表，这里面可以查看我们刚刚已经完成了一些工作流运行，我们点击一下 就可以进行一个放大预览，那么可以看到我们刚才生成这些图像呢，所用到的这个时间十来秒左右，偶尔长的话三十多秒，五十多秒，还速度还是可以。那么通过这种简单的方式，我们就大致的将整个界面中这些按钮啊到底有什么作用 进行一个详细的讲解。那么这一节视频呢，让我们继续关注于 f u i 全流程系列解析课程的第二个课程，那么这节课呢，我们将来深入的了解如何进行深图，到底里面有什么样的困难等着我们呢？我们可以一起来探索一下。首先我们要知道在上个视频呢，我们已经大致的了解了整个界面上这些按钮的功能， 现在就来看一下我们画布里面的这些节点到底有什么作用。在开始之前呢，我们先将模型进行一个放置，那么在 kufui 这款软件当中呢，模型这个玩意啊 可以说是非常的多，有不同的种类，比如说我们常见的 checkpoint 模型， z image 模型，那么不同的模型都需要有不同的使用方法，那我们来到我们 kufui 安装包里面的 kufui 文件夹里面，我们打开之后可以看到是一个这样的， 然后我们找到里面的 models 文件，然后在这个里面呢我们向下滑一下，然后找到这个 diffusion models， 在 这里面就可以放置我们刚刚使用到的 z 杠 image 模型，那么模型文件呢也会给到大家，大家就直接把这个 这一枚模型呢放置到这个文件夹里面，然后再回到我们刚才的 models 目录里面，将我们的滚轮呢往下滑，找到这个 test encode， 我 们找到这个文件，将这个千问三杠四 b 放到这里面， 返回上一集，来到这个 ve， 将我们常见的一个 a e 点 ve 呢进入，然后直接开始我们今天的教学。 模型放好之后呢，我们可能第一时间打开，这边不会显示有模型，我们可以刷新一下浏览器，把浏览器进行一个刷新， 然后呢他就可以在里面找到了。我们首先从整个界面来看，这上面的一个小方块呢，我们称之为节点，每一个不同的节点呢，都具备有不同的功能，那么这样的一个串联的节点呢，就跟一个流水线一样，就比如说这个模型，它是用来提供我们的素材库的， clip 呢，是用来识别我们输入的文字的， ve 呢，则是来将我们的减空间数据，也就是我们人眼无法识别到的计算机数据转化为真实的 图像的。那么每一个节点它都具有不同的功能，所以我们需要对每一个节点都要有所了解，而在这些节点与节点之间有不同的连线，那么这个连线呢， 就是我们的工作逻辑，就比如说相同的这个点，我们要与下一层级的相同点相连接，比如说 clipp， 就 要连接 clipp， 模型是这个绿色点，那么我们也要连接下一级模型的这个绿色点，也是非常好理解的， 就要保持这样的一个前后关系，就比如说你这里面模型，你想连到 clipp， 可以 发现哎是连接不上的。 当然有时候我们也会碰到这个模型可以连接到一个地方的模型上，但是会出现报错，因为模型和模型之间也是有所区别的， 这个我们还会在后面可能会遇到，到时候我们再细说。那么在了解完这些连线之后，我们就可以具体的来看一下这个简单的工作流是怎么样运行呢？我们通过这个 u n 的 加载器加载出我们需要使用到的模型，然后模型将传输数据到我们的 k 传感器里面， 采安器呢，你就可以理解为是一个锅子，对吧？他在炒菜，然后模型呢就是提供素材的地方，但是这个素材需要什么素材？就像我们做菜我们需要有菜单，对吧？ 那么这个克里普文本编码器就是菜单，那么这个时候这个菜单呢是用摩斯密码编码的，哎，这个时候你需要把它破解，这个时候呢，哎，我们就需要用这个克里普加载器， 那么他的一个正式的名字呢是叫做文本编码器，就是说我们虽然输入的是这些中文文字，但事实上电脑是不理解的， 我们的电脑只知道看懂零和一，对吧？那么通过这样的一个文本编码器呢，就可以将我们输入的这些中文转换为电脑计算机可以看懂的语言，所以呢就是这样子的一个理解， 我们有了这种菜单之后，你会想我们要做几人份的，做多大一碗的，这个时候就有一个空内存的图像，我们输入到这些具体的尺寸上面， 以及要生成的数量大小，就可以决定我们这张图像它的具体尺寸多少，要输出多少张的图像， 可以把这个进行确认了。好，那么我们现在菜单有了，素材也有了，然后做多少也有了，最后是不是就直接出锅摆盘就行了？那么这个时候通过我们加载的这个 ve， 我 们就直接 端好盘，直接上桌就可以开吃了。那么通过这种通俗易懂的方法呢？我相信你对于这个生成流程也更加了解更加清楚。就比如说我这里面 直接只输入一个甜美少女，我们点击一下运行，看看生成出什么样结果，可以看到生成的这个是不是很符合我们提的词的要求呢？对吧？这个笑容真的很甜，是不是有没有感觉？然后我们可以看到 上面这个是输入我们的这个生成的内容，那么这里面还有一个是干什么的呢？这里面大致的就为大家进行一个科普哈，就是在我们 以前的 ctrl u i 当中，我们会使用到一个叫正向题词和反向题词的内容，这样题词呢就是需要说明我们图像里面要出现什么内容，而反向题词呢，这就是我们图像里面不需要出现什么内容。但是后来呢，我们的模型也与时俱进， 你会发现这些反向题词大部分的内容都是一样的，比如说崩坏的手啊，糟糕的图像。很少有人会直接通过我们的反向题的词来控制我们画面中不想出现的内容， 所以我们就直接将我们的反向题词呢已经预置在底层里面了，所以我们的反向题词就不怎么需要输入了，因此我们一般就会在这个文本编码器后面加一个条件零化解点，也就说取消掉我们的反向题词输入，然后再连接到我们的 k 函数上， 是一个这样的关系，相信这样子呢，你也会有所了解。而在下方我们之前说了这空内存的尺寸和生成图像的数量的， 那么这地方有没有什么讲究？答案是有的。首先我们一般来说生成的尺寸是五一二的倍数，这是为什么呢？因为像我们模型在训练的时候，他的一个训练级基本上都是一个五一二或者是一零二四为尺寸的， 那么像这个 z image 模型呢，它就是以一零二四为训练尺寸的，因为我们要知道的一个事情就是模型它是怎么训练出来的呢？它是将大量一零二四乘以一零二四的图像整合到一起，同时它给每一张图像呢都进行了个描述，就比如说在描述这张图片的时候， 他会写着说甜美少女，然后亚洲女生，对吧？他通过这样子给每一张图片呢进行一个描述之后，然后让我们的 ai 呢就把它融合成一个模型。因此在我们生成图像的时候， 我们是不是生成与他的那个尺寸有关系的成倍数关系，或者是直接就是一致尺寸的效果会更好。当然这时候就问了，那么我直接生成更大的可不可以呢？当然是可以的， 像这里面我们也可以直接生成一九二零的尺寸，但是这样子的话，我们生成的速度会变慢很多，也可以直接生成五百一十二尺寸的，但是这样子我们生成出来的画面，他的画面效果肯定不是很好。因为在我们生成过程中，我们的尺寸越小呢， 我们的 ai 对 局部细节的描述或者是生存能力就没那么好，尺寸越大呢，反而就会描述的越细节。但是有可能你的尺寸过大，一个是会导致你的电脑呢会显示显得存不足，然后强制关机。 此外呢，也有可能因为你生存的尺寸过大，那个 ai 呢就在一个小地方里面使劲描绘描绘，导致出现一些过度畸形，那么我们有一些合适的办法就可以避免或者说 处理掉它，因为一般来说我们想要生成更高清更清楚的图像，我们都是需要经过二次的图像放大的， 那图像放大也是一个非常关键的一个技巧，在后面的视频中我们也会提到，那么接下来呢，我们来深入的了解一下，在生成图片中我们有哪些重要的参数，我们可以进行调节，就比如说这个纹身图的一个深图流程，在前面的这些地方呢，我们将这一块已经讲解了很清楚了， 那么接下来我们重点呢来讲解一下这一款 k 转换器里面的这些参数到底有什么意义。那么首先 k 转换器就是我们一个做饭的锅，对吧？ 然后在这个锅里面呢，我们也可以进行一些参数上的调整。首先我们看到第一个种子，哎，种子是什么？就比如说西瓜种子和冬瓜种子，那么不同的种子呢会结出不同的果实， 因此种子也就是我们这张图片的一个来源。我们的每一张图片呢都有一个固定的种子数，那么也就是说只要你拥有这张图像的种子，你就能够完整的复刻出这张图像，那么这里呢我们直接来输入，好吧，首先我们输入一个一一一，然后点击运行， 那么这张图像呢，就是我们一一三个一的种子数生成的图像，我们复制一下，然后呢粘到边上，再把这个种子呢改成二二二， 那么可以看到两张图像不一样，对吧？是有很明显的一个区别的，哎，这个时候我后悔了，我不想要这个二二了，我还是想要之前的一一，怎么办？是不是我直接在上面输入 是不是？然后点击运行，可以看到这两张图像是不是完全一样的，那么这个就是我们的种子到底是有什么作用的？然后后面有一个生成后控制，这个里面有三个意思，一个呢则是说我们每一次生成图像的时候，这个种子呢不改变，就相当于你需要自己手动的一个来输入，也就是这个固定。第二个呢就是随机， 随机呢就是指的是你每次生成图像之后呢，这个种子数呢，会随机生成为任意一个种子。第三个则是固定的增加或者减少也很好理解，就比如说你生成之后，一一一就变成了一一二， 要变成一一三就变成这个样子，那么像我们刚刚不是直接输入一一一吗？对吧？然后我直接点击运行之后，你会发现，哎，这地方会变成其他的种子，那么这样种子其实是你下一站要生成出来的头像的种子数，如果你在这里面点固定的话，你输入对吧？然后你点击运行， 你会发现它完全不会改变的，因为它没有提供新的种子数出来，那么就是一个这样的意思，然后再看一下这个步数，我们把这个种子数先固定吧，这样子更好的能够看出我们生成图像的效果。这个步数呢其实就是我们 ai 绘画的时候，这个画笔的次数， 在我们画画的时候，是不是我们画的越多，画的越久，这张图像的细节就越细腻，越丰富，那么 ai 呢，也是一样的，我们直接把步数呢调成三，我们来看一下生成的结果哈，你会发现这张图片是不是没有这张细腻，就包括它整体的一个光感啊什么的， 你会发现这些地方都泛白，就是整张图片没有这么细腻的光感，也就是说它绘制的比例减少了， 而你再把它的一个步数调高呢，你调成个二十，你会发现这张图片呢就比这一张又要重很多，整体的一个感觉，那么这个呢就是两种不同的一个数值上的差异， 但是其实在这个 z 一 妹子模型上面，这种差异不是很明显，如果你换成其他的那种 flux 模型啊，又或者是普通的 s d a 三点五的模型， 那么它的一个效果差异会非常的大，这个其实看不出非常明显的差异，但大家只要知道这个知识点就行，我们依旧把这些数值还原一下，然后就是这个 c f g 值，那么这个 c f g 值的意思就是我们提示的一个执行力， 也就是说你这个 c f g 值高，那么它这张图像呢，就会遵循我们的提示词更加的多，那么我们的那么如果你这个 c f g 值它比较小的话， 他就不会完美的按照我们提示词里面的内容来生成图像，而是会自己的发散来进行生成。就比如说我这里直接调成零点一，然后点击运行，可以看到他随机的生成了一堆不知道是什么样的内容，跟我们提示词一点关系都没有。而我们这里面把它调成一个五呢，可以看到画面呢又非常的奇怪， 他会让我们的画面变得很僵硬，其实你可以看到在这个里面他会把我们的一些格纹呢，然后黑色的下装啊 都体现出来，但是他的一些组合就会非常的奇怪，会变得畸形，所以说就按照我们设置的一个尺寸就好了。然后就是我们的传感器和调度器，那么这个里面会有非常多内容，但是事实上我们并不需要了解这么多，因为通用的来说就是用这个优乐和 simper 有这个调度器和采暖器呢，就已经完全足够满足我们生存的要求了。如果有一些特殊的工作流需要不同的这个采暖器的话，其实在我们使用的时候也会单独的进行强调，没有必要说浪费这么多时间来一一介绍，这每一个采暖器， 其实是非常没有必要的，当然如果感兴趣的话，我在后续也可以给大家些资料让大家去看，但是事实上呢， 这个就属于是事倍功半，而这个降噪呢其实就指的是我们图像从一个原始模糊的像素点，然后逐渐变清晰的一个过程，你也可以理解为是它的重绘幅度，那么一般是在图深图当中会有所体现的，我们纹身图当中只需要固定为一点零就行了，不需要做其他的一些修改， 因此呢这个就是我们一个基础的传感器的参数，那么我们这里面复习一下。首先种子就是说我们每一次生成图像都会产生固定的一个值，这个值呢就像我们的身份证一样，只要知道这个值，我们就可以完美的复刻这张图像， 而生成后可以控制这些种子数的增加或者减少，又或者是随机固定，可以来帮助我们找到这个种子值。步数的话则是我们的一个绘画强度，这个值越高，我们的画笔画的次数就越多，细节就会越丰富。 cfg 值呢则是指我们这个提喻词和图像的关联程度， 但是过低或者过高呢，都会导致图像畸形，不是很适用。而传感器和调度器在不同的工作流可能会有所区别，但是我们只要按照这样的一个比较平衡的设置来进行使用的话，其实区别并不大。而降噪只是只有在图深图当中会使用到，纹身图当中是不会有其他变化的， 那么这就是一些我们所需要了解到的内容。这里面也可以给大家再看一下我们的一个排版布局，就有时候我们的那个鞋领比较多的时候，我们就可以用一些不同的排版来设置，就比如说这里面我们的三件套可以进行一个 ctrl 加左键的一个宽选， 然后上面这个位置可以调整这个节点的颜色，比如说统一调成绿色。然后有时候我们会想着说给这些节点分组，我们可以直接框选这一部分内容，然后点击这个创建一个组，这个的好处就是说，哎，我直接想移动这三个的时候，我不用框选，我直接移动这个框就行了， 也是比较方便。然后就是说这里面还有些其他的内容，我们可以对它进行一个排版，就比如说我直接将它转换一下，是不是我们可以把这一堆的这些节点直接转换为一个小结点， 看起来是不是就小了很多？而且我们点击这个节点，可以在右边的这些参数输入，这里面我们可以输入他的一个文字啊，或者是种子数，那么可以根据大家的喜好来， 然后我们点击刚才那个右上角，就可以进入到这个组里面，在组里面再对他进行一个单独的编辑，再按一下 esc， 又可以退出来，对吧？又回到这个大组里面，反正就是挺方便的，不想要这个组的话，我们可以点击这个按钮，我们选择这个解开所选子图按钮，然后点一下，对吧？我们的图像又回来了， 那么这就是一些基本的简单操作，我们可以按照自己的需求来进行一个使用，那么现在你对于整个这个软件已经有一个比较大的宏观上的认知，那么接下来我们就要从一些细节上入手，那么我们这一次看一下我们这个纹身图的一个操作流， 带大家一步一步进一个实操，那么大家也跟我一起来进行相同的操作，那么我们这里面直接宽选，然后把它全部都删掉。那么首先 我们来想一想之前的逻辑，在我们搭建一个自己的一个工作流的时候，最先应该搭建什么呢？那么很明显就是直接先加载出我们的模型三件套，首先是什么呢？第一件事就是把我们的模型加载出来，那么使用的是 unit 加载器，我们点击一下， 那么里面呢就有非常多模型可以供选择，那么之前也教大家如何放置我们的模型了，那么像这里面我们可以一次性把我们的其他那几个也加载出来，第二个是 clip， 第三个是 v e， 那 么这三个呢，就是一般来说我们的模型加载三件套，加载出这三个之后，我们就可以 来进行下一步，我们搜索克利普文本编码器，也就是说用来输入我们的提示词的，然后这个是正向的，我们还需要一个副向的，但是因为我们使用到的是这个 z 杠一 mate 模型，所以呢我们就可以加入一个条件零化解点， 我刚刚使用到的一个操作是我们点击这个按钮，然后按住 alt 键，使用鼠标左键一个拖动，那么就可以直接将这个节点进行一个复制，是一个快捷操作。如果记不住的话，我们也可以正常的使用我们的 ctrl c， 再点一下 ctrl v， 那么也是一样的，没什么区别，只是我这样子操作会更快一点。然后我们就加载一个条件零化解点，那么为什么要用使用这个条件零化解点？在之前的视频中我也跟大家已经提及过了，就是说我们的一个正负向提示词他们有什么关联，那么具体会导致我们生成的出来的内容有哪些影响，这里就不再多赘述了。 如果我们觉得这个框框比较大，然后比较占空间的话，我们点击左上角这个圆圈点一下，哎，他就缩回去了， 那么这样子就可以让我们的排版更好看一点，看起来更方便美观。我们先把其他的也加载出来，那么还包括我们的 传感器以及我们的解码器和空内存图像，我们将这几个呢通通都进行个输入，最后再连接一个保存图像按钮，那么我们就将所有的这些节点呢都拉出来了，接下来就进行一步连线，连线也按照我们之前的那个操作是什么呢？颜色连接相同的颜色，就比如说模型，我们连接上模型 克力普，连接上克力普上面的这个连接我们的正面条件，下面这个连接我们的负向条件，但是这里才要连接一个条件零化解点，再把这个条件零化连到我们的负面条件。再看一下左边还有个 veve， 连接上我们右边的 ve 解码，这里面再连接下方的 comlite 的 图像，连接上来，再把 later 图像输入到我们的保存图像按钮，再把我们的 later 图像输出到我们的解码器当中，再把图像进行一个输出，然后再把我们的 comlater 图像连接到我们的传感器上面，再把传感器上的 later 输入到我们的解码器当中， 再将图像进行一个保存，那么就完成了一个最简单的纹身图的工作流搭建。这里面我们就进行了第三步， 我们在设置好节点，布置好连线之后，就第三步要选择好我们的模型像，这里面我们选择的是 f p 八的 z 杠以及模型，它的速度更快，然后更好用一点，那么其实还有一些其他的，比如说 b f 十六，那么一般来说数字越大，也就代表这个模型所用到的参数越多，训练级越多， 那么由此导致的就是我们图像可能质量会更高，但是整个生成的过程会变得慢， 那么就是没有那么快，因此我们要着重的考虑到自己的一个电脑的设备性能，我们要按照自己的设备来进行一个选择，不然的话你就很容易出现报显存，那么报显存这个行为在我们生成过程中会经常的出现，因为有时候我们的电脑设备可能确实是带不动这样子一个比较长的工作流， 但是像目前这种比较小的纹身图啊，图腾图啊这种，那就是非常简单的，一般爆显存会出现在视频生成中，会比较多一点，生成图片来说，大部分的电脑应该还是没有什么压力的。 然后像这里面我们选择好这个加载器之后呢，下方有个数据类型，这个不用管，我们使用这个 default 默认就行。然后在 clip 这里面我们需要进行一个加载，那么像我们的 z 杠 image 模型呢，加载的就是千万三杠四 b 的 一个模型，我们选择这个，然后在类型里面我们选择千万 image， 那么这是他的一个模型种类。然后 ve， 这里面我们需要加载一个 ve 点 ve， 当然也可以直接加载我们的 z 杠一妹子 ve， 那 么都是可以的。那么这样子的话我们就完成了第三步模型的一个选择。第四步我们就直接来输入我们的参数了， 那么像这个文本编码器，这里面我们要输入哪些内容，因为这一款模型呢支持我们的中文输入，那么我们就输入这样的一个题词，韩国女明星角色扮演，那么我们来调整一下其他的参数，像这里面 k 函数，这里面我们需要将我们的步数调整一下，调成八，然后 c f g 值调成一， 传感器和调度器呢，我们就设置为默认，然后最后再调整一下我们生成的图像大小像，这里面我们可以设置为一零二四乘以一零二四，这里面我为了演示，我们直接就设成五一二乘以五一二吧，这样子速度会更快一点， 然后我们点击右上方的运行，等待他稍微运行生成一下，那么这样子是不是就完成了一张图像的生成，那么你自己来搭建的时候，会不会也完成了一张图像的操作呢？那么这些都是需要熟能生巧的， 接下来我们来学习一个进阶技巧，就是如何将我们生成的那些小尺寸图片变成更清晰更大尺寸的图像。那么我这里呢加载了一些这样的节点，大家现在看不懂，没关系，我会逐一为大家讲解如何使用这些节点。 那么上面我们是不是之前已经有过一个基本的纹身图的一个参数了，那么这里面我们调整一下，先将下方的这些节点框选，然后按住 ctrl b 进行一个跳过，也就说等会我们不会对它进行一个生成， 这里面我们固定好我们的种子数，然后在这个编辑的图像，这里面我们直接设置好我们想要生成的图像的尺寸， 然后点击运行，那么我们固定好我们的种子数，然后直接点击运行来进行生成，那么已经生成好图像了，这个时候我们来把下面的这个内容进行一个打开，然后将这个 ve 解码出来的这个图像， 这个图像节点呢我们进行一个连接，我们连接好这两个图像，直接点击运行，稍微加载一会，可以看到已经生成好了，这个时候这个图像呢就已经从一零二四变成了二五六零的尺寸，同时我们可以来看一下对比哈， 原本这个眼睛是比较模糊的，然后经过我们的放大之后，可以看到明显净白皙了很多，包括嘴唇上的这些纹路啊，以及眼珠子啊这些变化，包括眼睫毛这些都进行了一个放大深成像这些指甲上的反光什么的，对吧？这种效果可以说是已经完全足够满足我们的要求了。 那么我们就来讲一下这个放大节点是如何进行使用的，那么原理呢？也非常的简单，他主要是用到了一个分块放大的一个机制，我们正常的一张图像，他不是一个正方形的吗？对吧？然后我们生成图像的时候，他是一次性把这一整块图像进行生成的，而我们的这个放大， 他这个机子就相当于是把这一份一大块的这个图像变成一小块的。我们可以这样理解，就是比如说把它分成这样的一个四方形，然后我们每一次呢只生成其中的一份，然后我们依次生成这四份， 最后再拼接起来。那么为什么我们不直接一次性生成一大份呢？我们之前也说过，我们要生成这种超大尺寸的图像，他会有一个很严重的问题，就是我们的会爆显存，我们的配置不够，所以我们就一次性刚好生成这么一小块，我们配置就不会爆， 就可以生成下来，然后最后我们就依次生成这四张，然后再把它拼起来，那么拼起来像这种位置，他不是有些杂质的一个部分吗？就是接起来不清晰不干净的地方吗？这个时候我们就需要说我们每一次生成的时候覆盖的范围大一点，我们这样子生成， 那么这一些块是不是也会生成出来，对吧？这样子最后接起来的话就没有那种叫什么来着，就是分离感， 他会接的很融洽，很协调，那么就是这样的一个原理。当然像我们这种生成图像，他肯定不是说把一张图像分为四块，他可能是分为一百块、一千块，那么他通过这种把它分开的一种方式，就最后就能够实现这种像，我们就能够实现把我们这种图片变得高清 这种效果。那么这里面我们可以看到为什么要加一个缩放像素呢？这个其实是这样理解的，就比如说我们有时候的那张图像，虽然说他是这个地方，他可能是一个二五六零乘以二五六零，但是事实上张图像并不清晰， 那么这种情况你即便将它进行一个放大，因为它本身的尺寸已经在那，你即便放大了，它也不能够将图像里面去添加我们的细节，更重要的是将原本模糊不清的细节变得清晰起来， 因此我们最开始的时候可以将它这张图像呢进行一个缩小处理，这样子我们就将这张图像的细节和它的尺寸进行了一个关联，把它们连接在一起，然后再通过我们的放大节点呢进行放大。而这个里面这个其实是使用到我们的 set vr 二这个插件， 而如何使用插件进行下载，那么我们在之前的视频中也已经有所提及了，这里就不过多对数了。 我们使用到这个 c 的 vr 二这个插件呢，这个就是它的模型加载器，然后这个就是它的彩样器，这个模型加载器呢，我们主要使用到的是这个三 b 的 一个模型，如果你的电脑配置更好的话，可以使用这个七 b 的， 这样子它的一个质量会更上一层楼。下面呢则是我们的插件所使用到的解码器， 可以看到这里面也明确的写到了加载 ve 模型是不是，那么我们使用到的也是它搭配的配套的 ve， 那 么这两者 参数呢，我们不需要来管它，因为一般来说默认就可以了。主要来看一下我们的这个传感器，这里面传感器这里面我们同样可以控制它的种子数啊，包括是否是固定还是增加这些 最重要的地方就在于这个分辨率，分辨率是二五六零，是不是刚好和我们最终生成的结果保持一个一致啊？ 那么像这里面二五六零呢，指的就是我们的这张图像，他的一个最小尺寸，而他的最大尺寸呢，我设置为四五零零，因为我们的原本图像是一比一进行生成的，所以他的一个最小尺寸呢就已经固定好了，那么他就是一个二五六零。 而有时候呢，我们这张图像可能是一个长方形的，也就是长条形的，他可能是一个这样的，那么他的这个窄边呢，假如是二五六零的话， 对吧？那么可能就会导致我们这个长边呢很长会爆显存，因此我们就会设置成这个最长分辨率是四五零零，那么即便这个短边呢，会导致这个长边爆显存，那么也会因为这个四五零零呢对它进行个约束，使它能够最后生成出来，那么这个时候它的短边就不会是二五六零了， 那是依靠它的长边来决定的，这时候它的长边就是四五零零，大概就是这个意思。那么理解了这个点之后呢，我们就可以放心的使用了，就不用担心保险存了，而 p s 大 小就很好解决，就是说一次性生成几张，有可能你这一次生成了 效果不满意，对吧？我们可能会再生成一次，那么大体上也就是一个这样的操作，相信大家也能够对于我们这个如何进行一个高清图像生成有了一个非常清晰的认知了。这里面我们会有两个模型， 那么这两个模型呢，我们既可以直接等这个插件安装好之后，那么你在启动这个工作流的时候，这个软件会自动为你下载这些模型，关于整个基础片的一些详细内容，希望大家能够在看到这个视频之后呢有所收获， 我们下节视频再见。哈喽，大家好，我们今天继续来学习我们的 kfui， 那 么现在同学们呢，我们看到的就是一套 controlnet 的 姿势控制加图深图的 kfui 工作流，那么这一套工作流呢，就是要比我们之前学的那些基础操作呢，又要更加难上一些了。 那么我们的核心目标呢，就是提供一张真人的这个图片，然后呢提取他的一个人物骨骼姿态，通过锁定他的这个站姿呢，最后生成一个与姿姿势相同的人物图像， 那么听起来呢，是不是感觉有一点点小复杂，没关系，可以跟着我一起来学习如何进行这种操作。那么首先我们对整个工作流呢进行一个逐个拆解，分为四个板块，像这里面就是我们的模型加载板块， 比如说我们常见的这个大模型文本加载器，用于图像解码和编码的加载器，以及我们的一个姿势模型加载器这块呢就是我们的模型板块，然后这一块就是我们的姿势呢提取板块， 包括我们的图像预处理，以及我们的 openpos 骨骼的预处理器，那么是这样的一个块。第三块呢则是我们的这个条件控制，那么主要就是通过我们输入的文本呢来对它进行一个控制了。第四个就是我们的双彩样控制， 通过我们的双采样器呢，对我们的深层图像进行优化和提升，这样子呢可以输出更加高清，更加有质感的图像。那么我们来先看一下我们的模型加载区，那么加载了我们的 z 杠一位置的模型， 那么我们使用的是 f p 十六的，那么这样子呢，它的显存占用更低，出图的速度更快，那么也是为什么这套工作流速度快的一个原因。 第二个则是我们的千问三私密通用，千问常用的文本处理器最大的优势呢就是可以完美的识别我们中文的提示词，那么不需要额外的安装中文插件，直接写中文描述呢就能生效，非常的适合我们这些新手设备，选择默认即可。然后 ve 这里呢，我们直接使用这一套， 那么专门呢用来矫正我们模型的色彩，避免我们的画面发挥啊，饱和度不足啊，那么能够保证我们人像的肤色自然通透，以及加载我们的模型补丁。那么这个补丁呢，主要就是为了给我们的 z 杠一妹子模型追加 control net 的 视频能力， 让我们的主模型呢也可以接收我们下方的这些姿势控制。那么解决了原声的 z 杆一麦就模型它不兼容 controlnet 的 问题，那么我们就通过这四个节点就搭建了一套支持 controlnet 的 中文友好极速出图的 ai 绘画的底层环境了。 听起来还是挺简单的，对吧？我们继续看下面的图像，这个就是我们工作流的核心环节，姿势的提取以及预处理。那么首先我们需要上传我们的原图，一张站姿的女生照片，这是我们的参考图像，我们可以将原图呢进行一个缩放，同时保证画面的一个比例不变形， 因为我们输入的原图它的尺寸过大的话，会导致我们处理的时间过长，同时影响到我们后续的图像生成，因为有可能爆显存嘛，因此我们需要把它进行一个缩放，但是在这个过程中，我们不要对它的一个人像进行双向的拉伸， 我们要么呢就缩放到这个长度，要么呢就缩放到边，不要导致这个图像呢发生积变了。下方呢是我们的集成预处理器，这里面我们其实有很多选项是可以选择的，这里面我们人像的话常用是使用这个 dw 的 姿势预处理器， 那么这个处理器呢，会自动的识别我们的人体，把照片中人物的肩呐，腰啊，四肢，手指都提取成我们的彩色的骨骼图像，那么我们在这个右侧的预览窗口里面的这些彩色线条呢，就是提取出来的 这些姿势骨架，那么后续 ai 绘画呢，会严格的跟随这根骨架，人物的姿势呢一动不动，同时我们怎么修改我们的提示词，人物的站姿呢？基本上都会跟这张图像呢，保持一个 自信，不会歪和变形。而在这个地方是属于我们的文本编码器，这里面我们随便输入一个提示词，一位美女， 那么搭载我们的中文 clip 呢，就能够精准的识别这样的文字描述了，通过这样的一个方式就可以把这些条件传送给我们的传感器，然后这里面有一个 control 的 控制节点，那么这个我们就可以看到它输入了我们的大模型 ve 以及我们的模型补丁， 就是这个搭载了我们姿势控制模型的这个布丁，然后也会传入进来，包括下方的姿势图像也会传上来，那么呢就是非常关键了，而这个 comlatent 就是 我们生成的空白的浅空间画布，那么尺寸呢， 和之前缩放后的图像呢？搞尺寸呢也会有所一致，这样呢就为我们的深图预留了图像的空间。而第四个呢则是我们的彩样器，那么这是这套工作流的一个进阶的角色，也是新手最容易啊看不懂的地方， 那么就是用我们的双彩样器来进行图深图的混合彩样，那么这种彩样呢，会比我们普通的单彩样图深图呢效果更稳定，他不容易出现这个人脸的崩坏啊， 肢体的扭曲啊这种。我们把采暖气候的数据呢输入到我们的解码器当中，通过解码器之后就生成了我们肉眼可见的人物图像，我们是可以看到人物的站姿和原图是完全一致的， 然后服装啊，人物啊都进行了一个变化，那么这就是一个整体的一个工作流流程，这里面我们自己再重新生成了一张新的图像，那么最后我们来对整个工作流呢进行个复盘。 首先我们的底层呢，就是加载我们的模型以及中文的 clip， 再搭配上我们的 control net 补丁，再搭配上我们的 control net 补丁， 这样子就实现了我们的中文绘图环境，然后再上传原图，提取我们的人物骨骼姿态，通过 control net 呢把动作锁死，深层使用我们的双采光器进行质量优化，最后通过我们的解码器呢进行解码出图，那么就完美的精确的实现了 最后的深图环节。今天这节课呢，让我们来深入 kufui 的 一些进阶课程，那么在之前的课程中，我们已经彻底的掌握了 kufui 的 一些基础操作， 以及包括像纹身图，图像高清放大等等操作细节，那么我们自始至终呢，一直在一个纹身图也就是图片生成的阶段进行出发，那么我们也是时候来接触一个比较重要的 技术手段，那么就是我们的图像的局部修改，这种局部修改包括什么呢？包括图片本身的某个部位的一些改变，又包括整张图片的一些扩图， 又或者整体的一个模样，物品替换，那么这些都属于我们的一个图像编辑的一个过程，那么我们要来熟练的掌握好这一些技能，当然市面上目前呢也有很多更加直接有效的方式呢， 来帮助我们进行这些图像的修改，就比如说直接将我们的图像呢发送给我们的豆包，但是我们使用或者学习这款软件，那么有一些基础的操作我们一定是要掌握的，就算我们要不要用，我们也只是在为后面的一些进阶的一些操作打下一个基础，因为其实有很多原理呢是通用的， 那么掌握起来肯定不会吃亏的好吧，那么这个工作流呢就是我们的一个 flex 的 局部重绘工作流，那么它的核心功能呢就是上传我们的一个人物图像，通过遮挡呢圈出需要修改的区域， 然后呢可以看到我们会对这块区域呢进行个标记，最终实现我们一个局部修改的操作， 那么他只会重绘我们遮罩内的画面，其他的人物姿态，五官，背景构图，百分百进行完整的保留，那么这就是这项工作流的一个核心的用法， 那么具体怎么使用我们来分析一下。那么首先呢它分为五个区域，第一块呢就是我们的原图呢进行输入，然后通过我们的遮罩软件呢进行一个遮罩的一个预处理。第二个呢则是我们的模型加载，使用我们的 flux 模型呢进行底层生成， 形成基础的绘图环境。第三部分呢则是通过我们的提示词进行编码，同时加入我们 flux 的 一个专属引导来控制我们重绘的强度。 第四个呢则是我们的叉分扩散局部重绘的彩样核心。第五部分呢则是我们的最后的出图预览以及成品的输出，那么就分为这五个部分，那么我们来看看这些地方。 首先就是需要上传我们的原始人物的图像，我们点击一下右键，然后在这里面找到这个，在遮罩编辑器中打开画布点击进去，那么在这里呢我们可以通过我们的鼠标控制他的一个画笔， 使用左键呢进行一个涂抹，那么可以看到有块黑色的区域，那么这个就是我们之后可以对它进行重绘的地方了， 那么想要修改或者是撤回的话，就点这个返回按钮，然后你不想要了这一块的话，我们也可以使用左边的这个橡皮擦工具给它进行一个擦除，那么这样的一个操作也是比较简单的。然后我们需要通过我们的图像缩放呢对原图呢进行一个处理，毕竟有些图它 实在太大了，不方便我们后期进行修改，因此呢我们需要使用这种图像的放大缩小的工具，在这里面我们要锁定它的一个长度，那么像这里面只需要着重的看一下这个缩放之边，我们选择最长，然后是缩放长度为一二八零，那么保持它的一个整体的人物细节不变。 同时在这个制造预览这里面，我们也可以看到刚才我们红色的那个区域，刚才我们涂抹的黑色区域现在已经被电脑识别出来了，然后是红色展现的地方，这代表我们等会区域的识别没有出错，我们进行了一个原始的图像上传以及遮罩处理之后，就可以来到我们模型这里面了， 那么使用到的是 flex 的 全套模型加载组，那么 flex 和我们之前介绍的那一些模型呢，又有所区别， 首先它是采用的双 clip 加载器，也就说它需要搭载两个，为什么呢？我们最开始的生成模型哈，它只能够理解一个一个的单词，就比如说一块表白天黑夜 女人头发这样子的一个单词组，它并不能够理解我们的长文本的一些句子，因此我们在后面引入了我们的这个 clip 之后呢， 我们就能够识别一些很长的句子，比如说一个穿着黑色连衣裙的紫色头发的三十岁女人，对吧？就是他是可以理解了一个很长的句子，那么这就是我们后面进行了一个增强的一个引入， 他就能够理解。然后加载一个 ve 来进行我们的一个生图，而为了方便我们进行图像修改呢，这地方还需要一个 ruler 来进行加载。 那么 rom 模型呢，其实指的就是我们在后面所遇到的很多需要进行特定风格或者特殊功能的时候，就会要使用到我们的 rom。 那 么这个呢是一个很小的模型，大概只有一百多 m b， 比起我们的大模型来说是非常小，而这个模型呢一般也是在我们原本的一些模型网站都有所设计，我们可以对它进行一个下载。第三部分呢，则是我们的一个提示词部分，我们通过输入提示词呢，可以重新来 对遮罩区域内进行深图，然后我们通过控制这个引导系数来对提示词呢进行要不要是否强行遵循， 那么它这个值呢越高，那么我们的 ai 对 于提示词的执行力度也就会越贴合，也就会越强，这么就可以这样子来理解。而右上角这一块呢，是我们整套工作流最关键的核心的进阶节点。首先这个差异扩散，那么它的核心逻辑呢，就是只修改我们的遮罩标记区域， 完全保留遮罩以外的原图元素，那么普通的图层图呢，会整张图呢进行重绘，容易崩坏一些人脸啊，扭曲背景什么的。 而交叉扩散呢，就只会针对于我们的一些局部来进行修改。而内部模型条件呢，则是将我们所有的一些条件，比如说提示词，原图遮罩给我们的裁按器呢进行一个参数提供， 起到的是这么一个作用。而彩铅气呢，就很简单，是我们最终进行深层的地方，然后通过 ve 的 一个解码器 将空间数据呢转换为可视图像，然后最终来输出我们修复完成的新图，那么这就是一个整体的核心逻辑，那么通过下方的图像对比呢，就可以看到我们修复的非常成功，对吧？那么今天呢，让我们来学习一些有关于如何将图像进行一个扩图， 那么这个操作呢，适用于我们有时候对于图像素材，他的一个尺寸比较小，或者想添加一些内容的时候，那么还是比较方便， 那么这套工作流呢，就是一个向外延伸扩展画布，在保留了原图的人物构图结构整体不变的前提下，自动的向上下左右进行一个扩充延伸，实现了这个图像呢尺寸进行增加的一个这么样的一个功能。 那么整个流程呢，和我们之前所学习的那个局部重绘呢，差别不是很大，所要使用到的功能呢，主要就是体现在一个半幅画板差距这里面， 也就是这个地方像上面的模型加载啊，以及包括我们的材料使用啊，其实差别不是很大的，那么等会我也会为大家就是讲解一下如何手把手的来搭建这个工作流，看看是怎么一个使用的方式。 但是这里呢为了给大家进一个复习，我们还是简单的说一下，就不像之前上一节视频说的那么感谢。 那么首先依旧是我们的一个原图输入，然后以及一个画布外去处理的一个过程，那么首先上传我们的一个原始人物图像，然后是一零二四乘以一零二四，然后他没有人物的下半身，那么我们最后的结果是需要将这个人物呢向下扩充一些， 以及两侧的这个街道啊，还有上方这一块进行一个四个方向的一个扩充，然后他的一个像素呢扩充一百零四，也没有扩充很大，因为扩充很大的话也容易崩显存， 所以呢我们就使用了一个这样的一个工具，把它简单的进行了一个小缩放，最后可以得到的是一个一四二四，也就是像这里面的一二一六，加上我们的一零四乘以二， 对吧？两边二零八吗？然后加上这个，然后最后是一四二四，通过这样的一个方式呢，得到了一个四边都带有灰色像素的一个图像，你可以理解为这个就是遮罩，这个就是一个类似于我们之前手画的那个黑色的遮罩的一个替代品吧，算是就是说之 就说这个是机器自动识别的，然后不用我们自己手画，而这个操作的话，无非就是调整这里的一个数字来控制它要延伸的像素，比如说你想左边控制延伸两百，那你直接在这个左这个位置输入两百就行了， 那么也是很简单。然后上方呢，依旧是搭载我们的 flex 的 一个模型套装，包括我们的局部重绘的模型套装，像这个三件套吗？ 然后加载一个提供特定功能的一个 rol。 而在这个部分呢，我们不需要输入我们的文本提示词，因为我们不需要对它进行一个影响，我们是通过我们的软件呢识别这个图片上的这些元素，以此呢来进行一个扩充， 不然的话我们需要将这个图像上每个边缘的一些元素还输入给 ai， 让他进行识别的话，这样的方式就很傻，对吧？就很难进行一个操作。所以这一块的文字提示词这里面我们就不需要输入了， 我们直接看到彩样后面，在彩样器里面，我们通过这个内部模型条件提供的条件呢，然后直接进行彩样，最后进行一个出图输出，最后我们也可以简单看一下生成的效果，对吧？这个地方是我们之前的原图嘛，然后我们把它进行一个扩展，你会发现，哎，整体的效果还是很不错的， 就比如说像这个腿这里啊，像这衣服褶皱，以及包括右下角的光影，对吧？这些地方就是衔接起来都非常的好，就是不是生硬。 那么这一点其实也和我们这个仓鼠有关系，就是羽化值在里面，这个羽化值呢，你对他进行调整，他会优化我们最后两个地方，衔接的地方就是我们深层出来的地方 和我们原图的地方，他会进行一个柔和过度，那么扩展出来的背景呢，不会出现一些生硬的拼接断层，因此呢，这个效果也是挺好的。然后这个值我们也不要动， 就用我提供的这个就行了，然后是用起来比较方便的，最后会得到一个这样的结果，效果也是很不错。那么在拆解今天这道工作流之前呢， 先给大家说几句心里话吧，算是就是我知道呢，大家对于我们目前的这个 ai 前景啊，是比较迷茫，甚至有点矛盾的，那么很多人呢，会觉得这个 ai 绘图啊，或者是这种 ai 工具啊，只是昙花一现，就是学了之后，但是没有作用。 那么还有一些人呢，觉得就是试用过那种网页一键的那种工具，可能觉得效果不是那么好，做不出那种商业级的一个效果，以及还有非常让人担心的一点，就是说这个现在的 ai 工具更新很快，那么今天学完了， 可能明天就会淘汰，那么花时间来学习我们的康复 ui 啊，纯属是就是白费功夫，那么这里面我统一给大家说一下，不用这样子焦虑，这是为什么呢？就是首先啊，我们的康复 ui 它是一种批量的生产工具，就是在目前这个阶段，能够批量进行生产的工具是很恐怖的， 因为它代表了什么？它代表了非常多的人力和物力资源上的减少，没有哪个老板不希望多赚点钱，对吧？那我能够用这种 ai 工具呢， 一键批量生成，那肯定是要比单个进行出图要更舒服的多的。然后还有第二点，就是这个玩意一定得是那种可以自定义修改的，我不可能说就是说我每一次想完成一个事情呢， 我都得等别人做出来一个结果，我再自己又去用，我们一定要是自己就能够随意的进行个搭配，而开福 ui 呢，刚好能够满足我们，就是我们可以自己来搭建那些标准化的工作流， 然后这种工作流程呢，就可以无限的复用，然后批量的进行处理。那么也是目前这个商业接单啊，或者是那种工作室流水线这种唯一稳定的 ai 方案了。而且有一点非常重要的事，就是这些模型你今天可以用这个模型，明天也可以用那个模型，这说明我们的模型是完全可以 自由更新的，那明天这个市场上出现了新的模型，那我直接就用新的模型就好，一点都不影响我们之前在开服 u i 中投入的时间，反而这笔时间呢，会大大的增加我们的工作效率，节约我们的时间成本，就不存在说之前的技巧全部作废了， 咱们是有这种可迁移的技术能力的，那么就先说到这里，我们继续来看我们的工作流，那么这套工作流呢，他主要采取的一个方式依旧是我们之前所使用的模型搭配，但是他有一个另外不同的功能，就是说可以实现一个万物移除的效果。 就比如说这里这个女生左手有这样的一个手环，通过这个工作流进行处理之后呢，他就没有了，也包括这个女生头上的发卡， 那么通过工作流处理之后也没有了，同时还实现了两者这种人物的模型结构背景通通都保持不变，就效果很好。 所以也是为什么要教给大家，大家就可以想象一些应用场景啊，就比如说，嗯，想要去 p 个图啊，或者怎么样的，以及包括有时候素材受到污染了，但是我们需要去指定这个修改范围吗？这个工作流呢都可以非常好的来解决， 尤其是我们商用的那些摄影后期，经常需要去除多余的路人呢，或者是背景杂物啊，以及包括我们影楼修图电商的产品图去瑕疵， 那么都能够使用这种工作流呢，直接落地接单，那么效果也是非常不错的。那么看完这种实操，你就可以直观的感受这种康府 u i 精细可控的这种优势了，那么就能够打破之前这种 ai 修图不真实的刻板印象。那么还是回到我们的康府 u i 中， 就是这个工作流，那么主要的工作流程依旧是加载一张图像进来，然后右键手绘一个通道，那么 这一块的这个发卡处呢，就是我们的一个所要消除的区域，但是现在因为我已经给他涂上了，所以大家可能看不太清楚，那么我把这个勾选掉，他是不是就能够看到这个蓝色的发卡了，我再给他选上，对吧？就是把它涂抹的匀称一点嘛， 在这个右边有这个调节厚度的，就可以调节这个笔刷的大小，像这里你就可以把它调小一点嘛，慢慢的刷，然后你觉得刷的不好用呢，就按下 ctrl 把这个图像进行放大，这样子也可以很好的刷掉这个遮罩。我们回到这张图这边处理， 那么依旧是将它进行一个缩放原理，也就是为了节约我们的使用显存，同时呢保持这个细节都能够修复完善，这样子就能获取到我们的遮罩了。这部分完成之后就得看一下我们的模型加载， 那么也就是这几个模型，但是和之前有所区别的是，这个地方我们又新增加了一个去除模型，这个是我们之前所谓的一个增强重绘的一个模型， 然后这里又又来了一个去除模型，那么我们可以通过添加不同的 logo 组合来实现不同的效果，然后下方呢主要是去除物体啊，去除物品什么的也很好理解，然后就通过我们的一个重绘彩样的一个节点， 最终呢就实现了这种出图。那么像这里面我们也可以再为大家演示一下，我们直接复制这一张图片，然后粘贴到这个 输入框来，然后再为大家演示一下。我们右键打开这个遮罩处理器，我们先用这个画笔呢对他的这个耳环进行一个涂抹，把它涂上，有点小的呢，我们放大一点，然后把它涂干净一点，然后点击左上角的这个保存，涂好了之后呢我们就直接点击右上角运行，那就可以看到 这个绿色的框在疯狂的跳动，就代表他正在运行加载，那么可以看到已经生成完成了，我们看看生成的效果怎么样？那么可以看到我们的耳环呢就已经完全被去除了，是不是非常的简单呢？整体的这个流程并不复杂， 那么主要是看我们的使用方式是不是能够切合满足我们自身的这个需求，其中我们一定要多想一想，就是说我们使用 kufui 的 这款软件，它的一个最大优势是什么？ 难道不就是所谓的标准化、批量化、精准化？那么我们把握住这几个优势之后，那么你还认为这样的一个技术发挥不了作用吗？我相信大家心里也有了答案了。
398AI漫剧入门教程
01:57查看AI文稿AI文稿我是 eason 还是好多人在评论区全是问怎么装的。今天我给大家项目演示一下整体的安装部署流程，从安装到启动，并打开控制台。这是我使用的秋叶大佬的整合包，版本为 comfy。 九点五。如果你是新手，别犹豫，直接选整合包， 因为 python 环境依赖库全给你打包好了，只需要解压即用，有手就行。如果你要是喜欢折腾，追求最新版，再考虑去 github 下原声包。上期讲到安装分为三步，下载、解压、 启动。安装。下载成功以后用解压到文件中再次说明，一定一定解压到。非系统盘别放 c 盘，比如 d 盘跟目录。最好新建一个文件夹，名字不要带中文和空格， 不然启动报错，别怪我没提醒你。第三步，双击启动，解压完进去 n 卡，找到 gpu 便八载双机启动。如果没读写，找到 cpu， 便八载双机它。不过注意， 第一次启动黑窗口会自动下载依赖和基础模型，大概三五个机器，这个窗口会弹一会儿，千万别手欠给关了， 等着它自己跑完。因为我已经启动过，所以比较快，稍等下，等看到黑窗口出现 atp 空拦，傻傻幺二十七零点一幺八幺八八这串数字，电脑浏览器会自动弹出来。看到那个干净全是节点的灰白色界面，那么恭喜你安装成功，这就是 comfyui 的 起点。说实话，刚看到满屏英文节点，我也头皮发麻，但学会后 那生成画面的质感，工作流的丝滑却是真香。我是 eason， 一个失业后 a o i a i 漫剧的创业者。接下来我每天更新 comu i 漫剧教程，从零开始， 一步步带大家做出能变现的作品。先把这期收藏了，免得安装时候时找不到评论区扣安装，我看看多少人准备上路了，下期见！
1405Ethan玩漫剧
02:01查看AI文稿AI文稿大家好，我是晓峰，今天自学康菲欧爱打卡第五天，今天挖到一套超实用的人物多姿式工作流给你们直观展示，效果不复杂。拆解节点重点，跟大家聊聊我试用下来的感受，顺便抛几个问题，大家可以在评论区聊聊。 先看整体界面，只需要上传一张人物参考图，这套工作能一次性输出好几种不同全身动作，扭腰，坐姿、背影、抬手，各种姿势全都有，最关键是人脸不会跑偏，不会换脸，这点我试了好久才找到合适的配置， 我简单跑一组给大家看。原图就这一张，双马尾，女生直接批量出不同动作，服装五官全部保留，只变换肢体姿态，纯白背景出片也干净，做模特穿搭人设图特别省事。 不过我自己试的时候也发现两个小问题，第一个，如果原图人物占画面太小，生成出来肢体容易轻微变形，你们有没有遇到同款情况？第二个，低配显卡跑全套八组姿势会有点卡顿， 你们平时跑多分支工作流显存够用吗？我很好奇，你们做人物图最烦的是什么？是人脸崩坏还是姿势重复？或者每次重绘人物直接变样？ 评论区讨论讨论。如果有大佬们看到这个视频，有个小疑问，想问问这套用的 qum 编辑节点能不能在家室内户外场景自动替换？ 懂的朋友可以在评论区指点一下。我还在摸索整套多分支一键生成，不用复制，好几套工作流重复搭建，新手拿来直接用， 想要工作留的可以扣一，我统一发。同时大家可以把自己生成的人物图发评论，互相参考，一起交流避坑。后续我会根据大家评论里提的问题，专门出一期优化调整的内容，有任何想实现的绘图功能也可以留言我慢慢自学试出来分享给大家。
04:36查看AI文稿AI文稿这是用 confui 本地部署生成的视频， 今天通过三个步骤教会大家，首先将这段 ai 剧本提示词喂给 deepsea， 它将产出一整套剧本以及分镜流程。第二步，将第一步制作好的剧本丢给 confui 使用已经调配好参数节点的线程工作流开始批量生成 ai 慢距素材。接下来我们使用剪映合成完整影片。所有的工作流和提示词我都整理好了，感兴趣的小伙伴三个六品尝。接下来我们将进行零基础 comui 教程，我们今天跟着屏幕上这样连线的流程， 把最基础的 comui 纹身图工作流讲一遍。我们看到这个工作流的最左边这个节点，这个节点叫加在检查节点， 这是整条 ai 绘图的一个起点作用就是载入提前下载好的绘图大模型，就相当于我们打开了一款绘画的软件。没有这核心的模型， 那么我们后续所有的绘图步骤就没法进行。这个节点他会向外分出三条关键的路线，紫色的线负责传输模型运行的核心数据，他给中间这个模型，也 就是采用模块提供核心的数据。黄色的这个线就是专门用来解析我们输入的文字提示词。红色的这个线连接着最后的解码环节，专门把 ai 生成的隐形图像数据转换成我们能够直接看到的图片格式， 这三条线缺一不可。接下来就看到上面这条黄色的线连接的节点，这是正向提示词编码节点框内写着一个欧洲男孩，这句话就是告诉哎我们所要创作的人物主体， 然后这个节点会把我们通俗的中文描述转换成 ai 能够读懂的指令信息，顺着这条橙色的线传输给中间这个核心的节点，约束为 i， 按照我们的设定方向去生成画面。同样下面这个黄色的， 这是反向提示编码节点，里面写了很多负面的提示词，它的核心作用就是给 ai 划定创作禁区，主动避免一些负面的出图问题，我们从源头降低出图的瑕疵与翻车的概率。 下面这个节点就是空白 t 空间图像节点，我们可以给它理解成为一张空白的画纸，然后前两个参数是宽度与高度，我们设置的是五百一十二乘五百一十二，也就是我们最后生成的图片， 这是五一二的一个尺寸，下面这个数值默认为一，这是批量生成数量的一个数值，代表着我们单次运进行，运行出来的图片为一张。这个节点输出的还是隐形画布的一个数据，它会传输给中间这个节点，也就是 k 测量器。那么我们来讲解一下节点， 这个节点就是 k 测量器核心节点，也是整套流程中最核心的一个节点，前面所有节点都会把数据汇总到这个节点， ai 会在这里一步步完成它的一个图片计算的创作，它四个输入端口分别对接基础模型、正向指令、反向指令和空白虚拟画布，所有路线连接好之后就可以启动运算，这里前两个它是连在一起的参数，第一个就是它的固定数字，它会完全给我们生成一样的图像， 如果开启随机，那么我们生成出来的图片就是不一样的，这个就是采用步数，这里我设置的是二零，如果步数过低，那么画面细节就会缺失模糊，我们设置为二十到二十五，这是最好的一个数值区间，这里就是引导系数，这个数值如果越高， 那么越符合我们所描述的内容，这里我们设置为八就刚刚好合适。下面这两个我们设置系统默认的就已经可以了。最后这个就是降噪强度，如果我们是纯文字生成图片的话，数值必须是一代表在空白画布上丛林全新创作的新图片，那么这个节点运算完之后， 我们还是无法查看到我们能够看到的图片，这节点他会输出像这个节点，也就是图像解码节点，最开始的加载大模型分出的红色线路也连接到这个节点，这个节点的本质，这是叫做数据格式的一个转换，把 ai 加密的图像信息转换成我们能够直接看到的图片， 到这里，一张成品图才算真正的生成完毕。我们运行一下，看一下效果，这里就已经生成完了。 首先我们看到这个节点，他是预览图像节点，也就是我们点击运行按钮之后，图片会在这个节点来进行预览，不用手动查找文件夹直接展示，方便我们查看效果。再看到左边这个，这是保存图像的一个节点，我们运行完之后， 图片将自动保存到输出文件夹里面，我们可以随意的更改这个文件的前缀，方便我们后续的素材分类与查找。这里就是我们整个 comfy ui 纹身图的一个讲解。
65文生图
