comfy ui出图流程

hello， 大家好，欢迎大家来到 comfort 教程第二期，本期我们将一起来学习如何进行文声图流程的搭建，以及如何在文声图流程中使用 loler。 话不多说，现在我们就开始吧。首先 我们把画布清空，在 comfort 流程搭建中，最核心的节点是一个采样器，通过采样器我们就可以把所有在纹身图中我们所需要的东西给调出来。首先我们需要一个纹身图的大模型， 然后我们需要正向提示词 以及反向提示词。 同样我们还需要指定一下我们想要输出的图片的一个大小， 比如我现在把它改成五幺二乘七六八， 在图像被生成到隐空间之后，还需要通过一个 v e 解码才能把它解码到像素空间来，所以我们这里需要一个 v e 抵扣的。然后在图片有了之后，我们就可以预览它了， 这样一个流程的轮廓基本就搭完了，下面我们就把该连的线给连上 好，这样我们就完成了整个纹身图流程的搭建。这个流程图其实跟我们的 comfort ui 中所载入的默认流程图是一模一样的，这个是在 comfort ui 中载入的 默认的这个流程图。然后下面我们来测试一下我们的流流图到底能不能工作来输入我们的祖传提示词 one go， 我们来选择一个模型。 好，他已经成功的输出了图片说明，说明我们这个工作流是正确的。而且我们在使用 ctrl ui 的时候有一个好处，如果我们有中间有节点搭错了，或者没有连对的话，就比如我现在断开一个节点， 我们再来点生成图片，他会提示我们哪里错了，这样我们就可以很快的定位到呃出错的位置，然后把出错的位置的线再给连上。 然后有玩过 过 s d 外部 u i 的小伙伴可能会发现，在我们的 s d 外部 u i 中，我们还可以去自己去选择模型的 v e， 然后同时也可以设置颗粒跳过程，这一点在 comford 里面也是可以的。现在我们就把呃这两个东西复现一下， 自己要载入 ve 的话，这里就要把这个 ve 断开，也因为这个相当于使用是模型内置的 ve， 使用自己的 ve 的话，使用其他 ve 的话就需要来加入一个 ve lowder， 然后同样的，如果你要设置可力谱跳过程的话，就要把就调出来一个可以不 set last layer 这个节点，然后同时把这个可力谱连接到我们的正反向提示词上来，这样我们就得到了一个 和 s d 外部 e y 中纹身图流程几乎一样的一个流程图了。现在我们再来测试一下这个流图到底对不对， 可以看到他也成功的生成了一张图片，说明我们搭建的流程是没有问题的。好， 接下来就进入到我们如何在文生图流程中使用 lord 的学习。 lol 的使用也特别简单，我们现在先把这个呃，由于现在的模型一般都会内置了一个 ve， 所以所以我们一般就不去不再去再选择一个漏了一个 ve 了，而是直接使用模型内置的一个 ve， 然后同样呢 clip set last layer， 这个一般情况下对生成图像的影响不是特别大，然后我们为了讲解的方便，先把这个节点给删掉，而是用一个默认的礼物来讲。 好。现在这个流图又恢复到我们 默认的一个状态，默认的文声图流程的一个状态了。下面我们就来看看如何在文声图中来载入一个 lord。 我们来双击鼠标左键搜索一下 lord loader， 在这个里面我们就来可以就可以来载入我们想要的 lower 模型了。然后现在我们把该连的连线修改一下，把 model 连到 model 上， model 连到 model 上， 同时把 clip 连到 clip 上 clip 连到 clip 上，呃，接下来我们来选择一个 lora 测试一下效果。我们选择一个由于我们使用的是一个 anything 卡通的模型，我们现在把它换成一个派萌的 lora， 呃，同时我们把种子值固定一下，方便待会对比。我们把种子值固定为六六六。然后我来我们来把我提前准备好的一个提示词填进来， 这里大家也可以一起来复习一下上节课我们讲过的如何写一个负迁入。好，现在我们来测试这个 lower 的一个效果， 可以看到他很好地为我们生成了一个派蒙，派蒙人像的一个卡通人物。然后为了对比有没有 lola 的一个区别呢？然后现在我们再来搭建一个 工作流，我们首先来一个采样器， 然后两个用一样的模型同时把这个种子跟 set 跟上面一样， 然后来接我们的正反向提示词， 同时也指定一下输出图像的一个大小。 为了让两边正反向提示是一样的，我这里复制粘贴一下， 然后这边来连接我们的格力普， 这边来接入一个 ve d coder， 同时把 ve 给连过来。 最后我们来预览一下这个图片， 现在呢我们再来点击这个生成， 可以看到这就是由于这个流里面我们并没有引入这个 lora， 然后上面这个流呢是引入了 lora 的一个流，所以它上面这个流它生成的是一个派蒙风格的一个图像，下面一个呢它就是一个很原始的一个图像，我们同时可以来切换这个种子来看一下， 这里告诉大家一个小技巧，就如果我们想控制两个产量器，或者说是其他的呃内容一样的话，我们可以把这个东西变为一个输入来， 比如这里面的一个 seed， 我们就可以把它 convert seed to input， 这样的话它就 c 的就会出来一个节点，我们把它连到这边来， 点击 i 的 note， 然后 youtube 是 primitive， 同时这个地方的 say， 我们也把它转换为一个 input， 把这两个 say 接到同一个上面来，这样我们就可以控制这两个彩阳系的总值值是一样了。 同时我们也可以对刚刚的流程进行一个优化，就比如这个正反向提示词，我们也可以把它 text 变成一个 input， 这里的 text 也可以变成一个 input， 同样 primitive 正向 提示词，然后与反向提示词 同样，这里的为我们也把它变成一个输入， 这这个时候我们再把这个 premietable 连到它这个上面来，就可以通过这个我们的输入来控制这两个的提示词是完全一样的。 现在我们再来进行一个生成以及效果图像的一个对比，我们可以改一下种子值，比如我们把种子值改为 呃一二三四。现在我们来对比一下， 左边这个图就是由派盟 lola 生成的一个图，而右边这个呢就是不带 lola 生成的一个图。其实通过这样这样一套工作流，大家也可以发现 konfui 有非常大的灵活性，它可以非常方便的来让我们进行一些对比啊，包括一些其他的一个操作。 然后如果你想要在流程中使用多个 lora 的话，只需要把多个 lora 进行一个串联就可以了。比如我现在再来引入一个 lora， 我们把相应的连线给连上 modeling model clip clip clip clip model。 好，这个时候呢，我们就可已经引入了两个 lower 了，我们再来选一个 lower 叫水下 c， 然后这个 lola 它有一个触发词叫 underwater， 我们来把这个正向提示词里面加一个 underwater。 现在呢我们再来点击一下生成， 啊哦，有点翻车了。这个主要的原因是因为这个没有画好的主要原因是因为 这个劳拉的他那个权重设的太高了，就有些劳拉他在训练的时候可能会由于呃某些原因你给的权重太高了，他就会出现的都是这个劳拉的一个特征了。然后我们把这个劳拉的权重给调低一些，我们把它调为比如零点二， 现在再来生成一下， 现在呢就是一个水系的一个派门了。 好，以上就是本节课所有的一个内容，主要讲解了如何进行文声图流程的搭建，以及如何在文声图流程中使用 laura 以及多个 laura？ 下节课见。

s d 的开发团队又在搞事情了，前不久才出的 l c m 采样器加 low 模型，大大提高了 c o d q 上的出图速度，实现了时时绘图的强大能力。 这 l c m 采样器还没在我电脑里捂热呢， s c 开发团队又又又又上大招了， 太酷了！这回出的这款 sd xl turbo， 据说出图更快更凶猛，真正实现不到一秒钟出图啊兄弟们！我在这光看着他蹭蹭蹭的出图，我提示词都来不及说了。 这次 stability ai 除了可以在线测试 sd xl turbo， 也一如既往的放出了 sd xl turbo 的开源大模型，简直是业界良心，牛逼！那这回我可是坐不住了，上网一通搜，不但下载到了 sd xl turbo 模型，还有其他的很多干货，这次就一定分享给大家，这回绝对属于手把手了。今天这条视频主要是教大家在 comfortui 里面部署 s t x l turber 的工作流，那准备的工作呢，有点多，首先我们需要下载 s t x l turber 的底模型， 在这里选择这个六点九四 g 的 f p 十六就可以了。下载好以后呢，把它放到 cover ui 的根目录下面的 models checkpoints 目录里面。呃，顺便说一句，视频中所有的网址呢，我都会分享在评论区里面。接下来我们需要下载 s d x l turbo 的工作流。我们来到康慧 u i 的下载界面，往下拉，找到 s d x l turbo， 看到这个小狐狸的图片了吧，我们右键保存它，这玩意就是 s d x october 的官方工作流。 接下来我们还需要下载一个绘图用的扩展插件。这次我们来到 comfort 约跟目录下的 custom notes 自定义节点这个文件夹，在这里启动 cmd， 输入 get clam 加绘图扩展的下载链接，回车稍等就可以了。 我这里因为已经下过了，就会出现这样的提示，最后的最后千万别忘了把 comfort u i 更新到最新的版本， 那么好，经过这一顿猛如虎的操作，我们终于可以来到 cover ui 的界面了，点击清除，找到刚才下载的小狐狸图片， 直接拖到 comfortui 的界面里面，这样 sdx october 的工作流我们就有了，但还不算完，为了实现实时绘图，我们还需要进一步的部署。可以看到这边底模型 默认就是 s d x l table， 鼠标右键点击新建节点，点击 i like 节点图像绘画来添加绘图的插件。鼠标拖动节点右上角的图像到空白处放开， 选择 ve 编码， ve 编码的 ve 连接到底模型的 ve 上，在 ve 编码节点拖动输出端到空白处 选择 latin 缩放，设置宽高尺寸。如果是 s， d， x， l 的底模型呢，要在这里设置成一零二四乘以一零二四，那么这里呢，我们就设置五幺二乘五幺二默认。 再把 later 缩放的 later 和采样器的这个 later 的连接，改变采样器为 l c， m， 点击运行后操作，选择固定种子。接下来再和大家介绍一下绘图插件的各个功能，这个 be 呢，其实就是画笔， e 呢就是这个橡皮擦擦除。接着可以看到这里都是这个圈圈叉叉啊，这个圈代表圆形，我们来绘制一个圆形，这个自然就是矩形，哎，一个矩形 出来了，接着就是三角，那么在这个呢就是直线了，这个 p 是什么呢？这个是上传本地的图片，那么 t 呢？就是输入文字，好，接下来我们看这个 for 填充 实际演示一下，我们调高二法的参数，调整颜色，画一个圆，可以看到圆的里面填充的是我们设置好的这里的颜色外圈边缘呢？还是白色 rush with 调整画笔的粗细，那么这个呢，就是改变背景的颜色，如果对画的东西不满意，我们也可以点击右上角的撤销导上一步，或者是直接清除画布。我们这里可以直接跑 跑一张看一下效果，可以看到跑图的速度呢是非常的快，我这里完全没有做视频的加速。最后为了实现实事绘图，我们在提示词对列下面勾选更多选项， 再勾选这个自动对列，这样准备工作就完成了，我们试着改变提示词来出图，首先清除官方的提示词，输入一个苹果 iphone blue 蓝色，出图的速度呢和效果可以看到都很惊艳。接着我们重新输入一只猫， 再输入风格，这里来一个皮克斯的风格，好，再输入一只狗，一只猪，天空，月亮，星空，我们可以看到图像以离谱他妈给离谱开门的速 速度在我们眼前疯狂的刷新。哦买噶，那么我们刚才装的这个绘图插件呢，也不是吃素的，这里我们先把背景调成白色，调整画笔颜色和大小，调粗一些。提示词只留下一只猫，卡通，皮克斯，月亮这几个 好的雷丁森，安德砖头们。接下来就让大家见识一下我这个美术学院毕业学了几十年绘画的功底到底有多深厚？ 好，那么通过我这个十级残废的画工，先不论质量如何，大家可以看到， s t x l turbo 和先前的 s t x l 模型相比，在出图的速度上绝对是吊打呀！我们可以展望一下， s t x l turbo 的出现，标志着人工智能在图像生成领域的右 一次巨大飞跃啊有没有？这可能预示着他的后续版本在视频生成方面会提供更加强大的支持？这样的话，也许今后我们在做电影短片、短视频以及广告制作等方面也会更加的高效和经济， 甚至能够实时生成定制化的视频内容。其实我也只是想到了这么多，那后面就让我们拭目以待吧！

实际上关于蒙版创建还有一些更加高级的方式，之前玩过 step defuge 的小伙伴应该知道，这里面有一个特别好用的插件叫 in paint anything， 这个插件呢就可以通过模型对原图像进行分割，之后呢，然后经经过点选的方式来选择我们所想要的区域，比如现在我来点选他的上衣区域，那么这个模型呢，最终就会给我创建一个关于上衣区域的一个蒙版。而这些功能呢，在 comfortui 里面也是可以很方便的去实现的。 我们在这个输入的图像这里右键菜单，然后点击 open in some detector， 比如现在我想选取它的上衣区域，就在这相应的区域上面点上点，然后点击 detect， 可以看到它也很好的识别出来了上衣的一个区域。 我们也可以点点其他点，看一下它识别区域的一个特点。比如现在我点击了这些点，然后点击一下 detect， 可以看到他现在尝试呢把会把整个人身都给识别出来。所以有时候我们想要创建一个比较好的蒙版的话呢，还需要经过一定的尝试 好，现在呢基本上把一个上衣区域给识别出来了。然后呢，我们点击一下 save to note， 如果你对这个蒙版呢还不够满意，还可以点击，还可以再在这个 mask detail 中进行编辑 来补全他的蒙版。 好，这样一个完整的蒙版的就创建好了。然后呢，我们接下来呢就可以来改变它上衣的一个颜色，我现在把输入的提示词改为 one go yellow sweater， 来把它的毛毛衣的颜色给改变一下， 现在呢，我们再来点击生成看一下这个换色的一个效果啊。由于我们只关注这个两个那个蒙版重绘的一个效果，我们把这边普通的图层图重绘给屏蔽掉， bypass 就是就不执行这个步骤的意思。 ok， 我们现在来点击这个生成看一下效果。 好，现在这个重绘呢已经完 完成了，我们打开两张图片来对比一下。 呃，其中现在呢，左边这张呢，是我们普通的一个创建蒙版进行的一个图层图的一个重绘， 右边这张呢是我们的使用 ctrl net 进行 inpent 那个蒙版的一个图像图的重绘，可以看到使用 ctrl net 的效果呢，明显是好于我们这个直接的蒙版进行重绘的一个效果的。 还有另外一个比较高级的蒙版创建的方式呢，是通过羽翼分割的方式，通过羽翼来指定我们想要识别的区域，从而创建相应的一个蒙版。 这个功能的实现呢，需要我们去安装一个插件，叫 comp ui click seg 这个插件，这个插件的安装非常的简单，我们只需要把这个插件下面 有一个叫 clip set 点 p y 这个文件下载下来，然后把它给丢到我们的 这个插件文件夹里面就行了。注意，只你不需要放整个文件夹，你只需要把那个文件给放在这个插件的目录下面就可以了，就是这个文件放在插件目录下面就可以了。这样呢，我们的这个插件就安装好了。 然后呢，我们下面来看一下这个插件怎么用的。 ok， 刚刚的界面太乱了，我们通过组的方式呢，对刚才的工作流进行了一个重组，现在呢，我们来讲解一下 click set 接电如何使用。 首先来引入一下 click set 界点，然后把我们的原图输给这个界点。 这个节点呢，就可以根据我们的羽翼来进行一个区域的识别，比如我想要识别出女孩的头发区域，就可以填入 hair。 然后呢，我们可以把它识别出来的区域这个蒙版输出出来看一眼。 我们也可以预览一下它的蒙版的一个热力图，看一眼 可以看到他很好的把这个头发的区域呢给识别出来了。然后接下来呢，我们就用这个蒙版去改变一下女孩的头发颜色。 那我们首先需要一个 ve 引扣的 for in pain， 这里的 mask 呢就是我们这个通过这个 grapesack 识别出来的一个头头发。 然后呢，我们需要一个 k c m 的采用器，把这个 bypass 去掉， the later 呢就来输给他。 然后我们还需要一个 controlled applied 接点， 把我们的正向提示词连过来，还有我们的反向提示词也连过来，以及我们这个 l c m 加速后的 lord 大模型连过来， 还有我们的 ctrl net 重绘模型， 这里面同样不要同样不要忘记去调整一下这个 ctrl nine 的一个权重，我们把它设为零点一吧。当图像被重绘为倒影空间之后呢，我们通过一个 v e 解码器把它解码了像素空间来。 ok， 这样一个通过羽翼来识别出头发区域进行总会的一个流程就搭建完了。然后我们把 shift 这个 v e 脸上 点击生成来看一下重回效果， 可以看到很好的对图像中人物头发的颜色进行了一个更改，我这里提示词呢，填的就是一个 blue hair， 所以呢，他同样把这块蒙版区域里面的头发的颜色呢给画成了一个蓝色的一个颜色。 视频的最后呢，我们再来把这个工作流用一个 group 给框起来 修改一下，名字叫 well 羽翼蒙版充会吧。 okay， 这就是图声图重绘以及蒙版重绘的全部内容了，下节课见。

hello， everyone， this is matteo and today i'm going to play a little with comfy ui the goal is to create this kind of anime like realistic illustrations without the need of laura or checkpoint specifically trained for that and the cool thing is that you can set the realism factor from cartoonish to very realistic， so everything starts from a good checkpoint you need a generic model and i find deliberate to be a good one for what we are going to do today the prompt is very simple i like to split it into three parts the first is the main subject then we have the settings of the scene and finally keywords like cinematic， highly detailed and so on， and also all these will serve only as a scuffled in for the illustration that we are going to do later， so i'm not worried about the fine details i just want that the composition is fine let's see what we've got okay this is a good start already the image is a little bit burnt， but it is not important because we are going for an anima style so high contrast is good， but what i don't like is that there's a lot of bleeding between the tokens that are given in the positive prompt you can see that in the prompt， i have perfect piercing blue eyes and the scene became all blue not only the eyes， but also the armor and the big ground too so to fix that we can split our positive prompt into two vectors and merge them with a conditioning concat note like so the order is not important now in the first prompt， i will only have the main subject so portrait photo of a muscular woman wearing a sci fi or mac armor now， there are a couple of important keywords here one is muscular and the other is sci fi muscular helps to bring the attention back to the body of the woman otherwise， we will very likely get only the face and the sci fi keeps the attention away from fantasy because we used armor we only want futuristic armors and not fantasy ones now we can remove from the second prompt the main subject and keep everything else this way we have two separate vectors that do not bleed too much into each other so let's see the difference as you can see now the scene is less blue the armor is still bluish， but better than before and overall we have more brown tones which is nice so i think this is a good start for our illustration let's go to the next step that is adding a touch of ip adapters just for curiosity say let me try to remove muscular and write like strong and see if we get a portrait instead of a body shot you can see the attention is not on the body anymore， but only on the face because we have portrait as first token in our prompt， so let's put muscular back and go to the next step so the easiest way to add the ip adapter is by starting with the apply ip adapter node and then you can simply drag all the inputs and select the node this is the ip adapter model loader then the clip vision loader and we have to load an image then we connect the model and back to the case sample now we have essentially three options for the ip adapter model one is the base model， the other is the plus model and the last one is the light model you have to experiment a little， but if you want just a hint of the reference image you either pick the light model or the base model the plus would be too strong so i'm starting with the base model and as for the reference image i have this very nice scene you can pick actually whatever you want， but it has to be very simple and very cartoonish there should be not too many elements otherwise the scene is going to be contaminated too much of course we want to lower the weight i'm starting with point 35 and it's always a good practice to prepare the image for the clip vision so i'm going also to add a prep image for clip vision node the crop position is in the center and let's see the result and now we have a strong comic book graphic novel kind of illustration it's not exactly what i was aiming for also the eye is a little bit crooked and so i'm going to first of all lower the weight and i'm also adding a bit of noise that often helps with a generation now it's closer to what i want， but i think i'm going to add a little weight to get some anima style back and this is pretty good now the face is a little vanilla i wanted to have a stronger character so i'm going to try to add some famous art actress to the positive prompt we need someone who played some strong character and we can try with michelle rodriguettes now it is certainly more interesting we can try with like lucy flawless zoe salgana and i'm about to or this are your tools on now this is a good one now let's try to change the reference image and see if we get more interesting result as you can see the reference image doesn't need to be of the same kind of the image that we want to generate in this case this is not a sci fi scene， but of course if it is close it is better so let me see what i have here okay this is closer to what we want let's see what happens now since the reference is closer to our subject now we can set a higher weight let's try with and of course this is the portrait， so we lost part of the body， but but it's fine it's very nice illustration， very well lit and a good candidate for the next step which is upscaling so there are many ways we can upscal an image aka hires fix if the upscaled image can be very different from the original， we can upscale the latent directly and probably one one of the best method is with the an an latent upscale， but we want to use a low denois， so i'm not going to use this one on the other side of the spectrum we have upscaling with tile control net and that we grant an upscaled image that is very close to the original， but i want a certain grade of freedom when i'm scaling so what i'm actually going to use is a model upscaling in the pixel space so i add an image upscale with model then i grab the inputs and select the upscale model loader i like the full handy remarkry model， but you can use whatever you want we connect the image so this is a four times up scaler and it is a little too much so i'm going to scale the image down note with image scale by note by point five so the resulting image will be two times the original then we need to convert the pixel image into the latin space with vade and code we need the v model and finally we can connect a second k sample i can copy this and with ctrl shift v we'll pass the k sample keeping all the pipe connections course any delayton from the upscaled image now for the model i don't want the one that comes from the ip adapter， but i'm going to connect directly from the regional model because i want to be able to get back some realists out of this image when i'm scaling i like to use dpm plus plus 2m with kara scheduler and we change the seed we don't need many steps 20 are usually more than enough and of course we need to lower the denials， the lower， the denials， the closer will be to the original image。

hello， 大家好，欢迎来到 com 以外教程第五期，本期我们将一起来学习如何在 com 以外中使用 ctrl net 来让我们的图像生成更加的可控。玩过 web 以外的小伙伴应该都知道， cometronite 基本上是我们玩好纹身图还有图声图的一个关键。 实际上在我们这个 confu y 中呢，已经自带了那个 ctrl night 的功能了，但是为了让我们的 ctrl night 更加的好用，我们还需要去下载一个图像预处理的一个插件，然后这个插件的名字呢，就叫做 confu y ctrl night auxiliary。 这个插件的前身呢，是一个叫做 confui control net pre processors 的一个插件，但这个插件呢，现在作者已经不再维护了呃，然后他已经被完全被重构为。现在我们看到这个更新的这样一个插件呢， 这个新的插件呢，就包含了旧插件的所有的所有的一个功能的，并且这两个插件呢，他是不兼容的。如果有之前玩康复以外的小伙伴，你如果装过旧版的这个预处理插件的话，最好把它卸载，然后换到最新版的这个插件来。 在 crop ui 里面安装插件的时候，我们除了可以去直接把这个插件下载下来，然后放到到放到我们的 castom notes 文件夹里面去呢。还有一个比较方便来安装插件的办法，就是从我们的这个 manager 安装，我们来点击 alternatives of a one one one one 稍微等待一会。 好，我们在这个位置输入我们想要安装的插件。呃，这个第一个已经是我们想要安装的那个插件了，这里我已经安装过了，大家如果没有安装过的话，就可以来点击这个 ins 道来进行这个插件的一个安装。点击意识到之后呢，如果安装成功之后呢，还需要把这个 ctrl ui 重启一下，才能够正去正常的使用它。好，现在我们来看一下这个插件是如何使用的， 我们把当前的工作流清空。当我们安装好这个插件之后呢，我们会发现这个添加节点里面呢会多了一个选项叫 ctrl net pre processors， 在这个里面呢，我们就可以来选择我们说想要对图像进行预处理的一个节点了，比如我们来选择一个对图像进进行开立边缘检测的一个节点， 我们来假如一张图像看一下处理的一个效果，把处理的效果晕染出来。 这里我们随便载入一张图像，看一下预处理之后的一个效果。 好，可以看到很好地对图像进行了一个开领这样一个预处理，它其实呢就对应了我们在 stable tiff you in web 以外里面的这个 ctrl net 的，我们上传一张图像进来， 对它进行一个 cali 边缘检测的这个预处理器所得到的一个结果。 这个预处理器处理之后的这个图像的这个结果呢，才会被真正的输入到我们这个 ctrl net 模型里面去对我们的图图像生成进行一个控制。 接下来呢，我们就来搭建一个带 control net 的文称图工作流。首先呢，载入我们的 k example， 以 s k sample 为核心来展露我们在纹身图中所需要的大模型以及我们的正反向提示词。 然后呢，我们同时来载入我们的 l c m lawra 来加快我们的一个生成速度，刚好也复习一下上节课所学的内容， 这里来指定。我们说想要生 图像的一个大小，同样设为五幺二乘以七六八。当图像被生成到前空间之后呢，需要用一个 v e 解码器把它解码到一个像素空间来进行一个预览。 好，当前呢，就是我们一个带 l c m lara 加速图像生成的一个工作流。不要忘记了，在使用 l c m lara 进行加速图像生成的时候呢，我们这里的 c f g 值要调整到一到二之间的一个值，我们这里设为一。 同时呢，我们这个 steps 只需要一个四到八之间的一个词就行了。我们这里把它设为六。 把种子值固定一下， 把 l c m lola 给选上。然后现在呢，我们来填入我们准备好的一个提示词， 看一下生成效果。好，这个呢，就是我们最开始生成的一个效果。然后我们来看一下如何使用我们的 ctrl。 net 以及在 ctrl net 的作用下，我们生成的图像会是一个什么样的一个效果。 我们来载入我们的 ctrl night blad 节点。 这里需要载入我们的 ctrl night 模型。 由于我们前面是对它进行了一个 candle 的边缘检测，所以我们要这里要选择相应的 ctrl 的模型为 candle。 这个预处理后的这个图像呢，要输给我们的 ctrl。 net 同样，这里这个正向提示词接点这里的条件要点到我们的 ctrl。 net 来，这样我们的我们的 ctrl。 net 才会对我们的图像生成过程进行一个作用。 好，现在我们来点击生成，看一下 ctrl nine 的作用后的我们这个图像生成的一个效果。 可以看到我们的这个 ctrl net 很好地对我们的图像生成进行了一个控制。最终生成的这个图像呢，完全是按照我们这个 candy 预处理后的一个结果来的。 好，这就是我们使用一个 ctrl night 来对图像生成过程进行控制的一个结果。那如果当我们要使用两个 ctrl night 来对我们的图像生成进行一个控制该怎么办呢？也非常简单，只需要把我们的 apply ctrl net 给串联起来就可以了。我们这里面再来加入一个 b 处理器来控制一下我们的人物的姿势。 face and process d w process。 然后把我们的图像输入进来。先来看一下这个 b 处理后的一个结果是什么样的， 可以看到他可以很好的识别出来人物的一个姿势。然后呢，我们再来载入一个 apply control that apply 把这个预处理后的图像呢输给这个 control net 同时呢，由于这个预处理呢是对姿势进行处理，然后我们需要载入一个控制姿势的 control net 模型叫 open pose。 接下来呢，把我们这两个 ctrl net 给串联起来，输入到正向提示词曲。 好，现在一个由两个 ctrl 来的来对图像生成进行控制的一个流流图呢就画完了。然后现在来点击生成来看一下我们的效果。 可以看到这个是新生成的一个 图像，这是这这个呢，现在就是两个 ctrl net 共同作用的一个结果。当我们需要更多的 ctrl net 来对图像生成进行一个控制的时候呢，以此类推，只需要把这些 ctrl net 串联起来就可以了。 好，关于 controlled 的使用呢，已经讲解完毕了，在视频的最后呢，我们来完善一下我们的这个工作流，为了让我们生成的图像呢质量更加的好，我们再来加一个图像高清修复节点， 叫 pixel k 三 plus kilo for y 的。好，我们来把该连的连线给连上， 这里我们还需要一个外部的放大模型，我们就来随便使用一个 output 吧。 这边来对图像进行一个迭代放大的一个过程，我们最终把图像放大为两，放大为两倍吧，然后 直接一次放大到两倍，然后把该连的连线连上， 最后当图像被放大到前空间之后，我们需要用一个 v 解码器把它解码到像素空间来预览 v e 连接上。 好，这里面也要注意，由于我们使用的是 l c m 这个加速的一个加速采样的一个模型，所以我们这个在高清修复的时候呢，这两这里的 c f g 值同样要设为一个一到二之间的一个值，我们这里把它设为一 step 的，也是要也要设为一个四到八之间的一个值就可以了。我们把它设为六 总值。值其实无所谓，但我们这里把还是把它固定为六六六吧，保持跟前面一样，然后重绘幅度呢，我这里为了保持尽可能跟原图保持相近，我把它设为零点三。好，现在呢，我们来 点击生成来看一下高清修复后的一个结果。 好，这就是我们高清修复的一个结果。我们来对比一下两张图像， 可以看到高清修复后的一个结果呢，很明显要比原图要清晰了很多。 好，这就是本节课关于 ctrl night 的全部内容了，下节课见。

confid ai 出图生产力继续提升。 toxis 大佬出手，将三 d 骨骼模型节点内置到软件当中，目前项目刚刚开源，如果你的电脑能跑清华的 lcm 模型或者 sdxl turbo 这两个高速出图的 ai 模型， 那就能体验三 d 模型节点带来的快乐。在界面中打好提示词，我们负责让人物摆 poseii 负责骚，体验秒级互动的快感。

今天我们来实验一下，用可以打加抗威 ui 进行一个实时的人物动作姿态的一个变化。随着人物动作的变化，我们的人物呢，不会进行重绘，而只是一个姿势的一个改变，在默认情况下呢，我们上次讲的抗威 ui 实施绘图的那个视频教程呢？ 我们的姿势只要改变，那么我们人物的穿着和打扮，还有还有面部表情都会进行一个随机的一个变化。 但是今天呢，我们只需要改变姿势，其他的都是固定一致性不会去改变的。我们是也可以实时的对同一个角色进行头发颜色的改变和眼睛颜色的改变，这里改变呢，只需要更改提示词就可以了， 比如说像这样，我们将粉色的头发呢，给他改为蓝色的头发，而我们的穿着基本上只有很微妙变化，我们还 可以通过改变他的骨骼形状来改变我们人物的一个姿势，我们可以将他的头部这部分让他稍微低一些，那么在右边生成的新的图像呢，那我们的头像就会往下低一些，那么想保持这样的一致性实时绘画的， 我们最好是选择一致性比较高的这个 pose 模型，比如说这个麦菊写实类的，然后呢，你再配上一个一致性比较高的一个 lora， 就比如说这个金克斯的 单独一个角色的一个 lora， 这样的话，这个 pose 模型配合 lora 模型都是一致性的模型进行实时绘画呢，就能够保持更好的一致性。好了，那么今天的分享就到这里，如果大家觉得这个方法还可以的话，那么请帮我点击关注加三连，我们下期再见。