粉丝45获赞399
相关视频
00:47查看AI文稿AI文稿我抗议爱圈榨干了 comfy uiv 四十五整合包的出现，直接宣布比赛结束，他无限生成图片和视频，不用积分也不用排队，最重要的是完全免费！操作简单到我想骂街！以前你们装个 comfy uiv 环境配到哭，何况爆粗报道想砸电脑， 现在直接给你把安装问题干碎了！一键解压即用全中文大白话提示词伺候，不懂英语都不用担心了，一键跑出商业级神图！最离谱的是什么？做 ai 视频直接一键直达，没有狗屁生成次数限制！最关键的是生成的内容完全无审核，就算是你家那张撕毁的一千零六十破显卡，照样能带着飞起！为了让你少走弯路， 这次 v 十直接内置了完整的三百八十八套大佬级别专属精品模型，配置的傻瓜式工作流直接给你开启了批量支出模式。想尝尝这个整合包啥子味道？六七八常抢咸蛋！
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。
08:22查看AI文稿AI文稿kra 二生图速度快，人物、产品、场景和海报都能做，画面质感和细节表现也比较自然，同时还支持高分辨率图片生成， turbo 加速版 更是可以做到几秒出图，在保证画质的同时大幅减少等待时间。但如果你觉得 kra 二只是多了一个生图模型， 那就有点低估他了，现在他能配合九百九十九种不同的 lara 模型，把同一个提示词变成水墨、动漫、蓝白等不同风格，甚至你上传一张参考图，他还能把这张图片的风格迁移到新的内容上。 这期我直接演示 kryya 二在 comfyui 里的本地工作流怎么搭，模型怎么放，以及 lara 模型该怎么使用，并且这些内容将全部免费分享。那话不多说，我们直接开始本期的内容。 好的，那么这节课呢，我们来看一下 kryya 模型的本地使用方式哈，那么这里呢，是我自己做的一个简单的工作流， 官方也提供了视力的工作流模板，但是里面加了一些 lara 的 处理逻辑，包括图片分辨率的额外设置，可能相对来说比较复杂一点，如果是新同学的话，可能接受起来比较麻烦。那么这里呢，就是一个简单的纹身图工作流，再加载一个 lara 模型的且点，也是官方提供的视力工作流的提示词。我们来生成一张图片试一下。 这里用到的是 crea 二的 turbo 模型，所以说呢，它生成的速度会很快啊，基本上也是在两三秒的时间就可以完成我们一张一零二四到一零二四图片的生成哈， 那么生成图片的质量也是不错的，我们最近的包括 google image， 然后 z image turbo， 还有那个 ideagram v 四，以及我们现在的 krya 二， 它们生成的图片质量相对来说都是不错。那么这里呢，我就主要给大家讲一下怎么使用，然后包括一些新出的技术哈。那么大概的工作流使用方式呢，就是在下面这一个节点，叫做 coleten 的 图像，我们可以去修改生成图片的分辨率，那么中间这里可以支持我们进行提示词的输入，包括中文以及英文的内容哈。 然后呢，前面就是我们对应的 crea 二模型的套件，然后首先是模型本身是 crea 二，我这里用的是 turbo 的， 那么接下来呢，是一个千万三 v l 四 b 对 应的模型， 然后最后是一个千万 image v a e 的 编辑码模型哈，那么这三个模型在网盘里面都有提供，大家直接下载就可以， 那么这里用到的节点也不需要进行额外的安装。我们来看一下官方提供的模型， kufui 官方呢对 kryya 二模型做了一个组织啊，大概是提供了两种，一个是 kryya 二杠 ro 的 模型，还有一个呢是杠 turbo 的 模型， 这两个在生成的时候，也就是我们做生产的阶段，推荐大家用 kryya 二 turbo， 因为这个做过加速，所以说升图的速度比较快，那么 ro 模型呢，会更加方便于我们去进行 lara 模型训练的， lara 可以 直接在 turbo 上面使用， 大概是这样的，那除此之外呢，网盘里面还有很多的 lara 模型，这个呢就是具体风格的一个使用，每一个风格的 lara 都有对应的触发词，那么我们可以看一下 lara 模型的使用哈，在当前这个工作流里面，我们打开前面这个粉色的节点，按键盘上的 ctrl 加 b， 就 可以加载对应的 lara， 这里我就会选择 dark brush， 也就是类似于水彩画的这种黑色的风格哈，那么水墨画哈不是水彩画，那么这里呢就是黑白的两种颜色， 那么 lora 模型都有对应的一个触发词，我们可以在这个网站里面看到啊，比如说现在我们用到的是黑色的 duckbrush， 也就是黑白水墨画的风格，那么在这个网页里面可以看到有对应的 trigger word， 就是 对应的触发词，我们可以把它复制一下， 复制之后呢，在工作流里面加到提示词的前面，然后我们一个逗号隔开哈，那么下面的内容我们不做修改，这个时候我们点运行，可以看到我们生成的内容就偏水墨画的风格，那这个呢就是我们 loa 模型的一个使用，如果想要更换其他的，那我们就在这个 loa 加载器当中去修改就可以了， 好吧，就在这里去修改，然后用上我们对应的触发词加在前面就可以。那么这个触发词的由来就是我们现在这个 korea 的 网站哈，也就是 comfor 官方这个网站呢，我也会在视频剪辑去提供。 除此之外呢，社区或者说官方也发布了非常非常多的 lora 哈，我们可以在这里直接搜索 korea 哈，然后能够找到有个叫做 for korea 二 still loras， 也就是它对应的风格化的 loa 模型，我们点击进来，点击这个 fills and version， 然后就可以看到对应的 loa 模型是存在舒适的，也就是 comfort 这个文件夹，我们点击进来哈， 这里边一共给我们提供了好几百个哈，大概是有九百多 g 的 容量，需要我们下载这些模型，所以说大家不需要都下。然后呢，在主页的 model car， 也就是模型简介里面，我们可以看到这每个风格的 loa 模型呈现的效果是怎么样的，在这里都能够看到哈， 再往下拉，我们可以看到有这种白色的风格，蓝色的，然后包括一些比较幻想化的风格哈，然后这是它对应的风格，然后是每一个 lara 模型对应的触发词，需要哪个就把前面进行一个复制就可以了。然后呢，这是 lara 模型的一个链接，我们可以直接点击过来直接下载， 我们这里可以做个简单的案例哈，比如说这个，以这个 blue white 风格为例哈，我们可以点击这个 shift 上打开，然后把这个 loa 模型下载，一共二百二十三兆哈，下载速度相对来说还是比较快的。 那么下载完之后呢，我们就把这个 loa 模型剪切粘贴到你的 comforion 对 应的 models 文件夹里面，会有一个 loa 文件夹哈，然后我们就给它粘贴到对应的 loa 文件夹里面就可以， 然后粘贴完之后，我们把这个出发词进行一个复制，复制完之后回到 ctrl u i 当中，我们按下键盘上的 r 键刷新，刷新完之后在这里加载我们对应的 lora， 刚才下载的就是这个 blue white， 那 么我们把出发词呢粘贴到前面， 其他的内容不修改，然后再点击运行好的，可以看到这里呢，就依照我们对应 low 二模型的风格去进行了图片的产出。那么如果想要修改，我们可以在后面改一下，比如说海岸边的风景触发词，如果说是英文，我建议大家就用英文，好吧， 然后我们点运行好的可以看到这里呢，就生成了类似风格的海岸边的一个风景的照片哈，那么如果有角色呢，我们也是修改提示词就可以了。 好的，那么可以看到风格依然是有保留的，那么更多的内容大家就可以自己去下载这些 lo 二模型去进行一个尝试哈。 那么接下来我们看一下 kryon 模型，现在官方呢，或者说现在我们的社区也做了一个 edit 模型，或者说风格迁移的一个支持哈，但是呢，他需要我们下载额外的一个插件，插件我们也有提供，接下来我们看一下工作流怎么使用哈，那么这个呢，就是我们对应的风格迁移的工作流， 工作流里面我们需要上传一张图片，然后这个图片就是你要迁移的风格，然后呢这里就是我们正向提示词的一个写的地方啊，这里我写了一只熊猫，也就是这个工作流，让他去参考我们图片的风格去给我们生成一只熊猫。 那么工作流里面用到的模型跟我们的 create 二本身给大家提供的纹身图的模型是一样的，然后需要额外加载一个 lara 模型，叫做 create 二 style reference， 所以 说在这个节点当中，我们一定要加载对应的风格迁移的 lara 模型，那么这个呢，在网盘里面有提供哈，然后我们可以测试一下 这个工作流的使用比较简单，就是上传图片，写提示词，然后点击运行就可以了，我们点击运行哈，提示词写的是一只熊猫上传了一个动漫风格的哈，然后这个时候可以看他给我们生成的内容哈， 好的，可以看到在右边呢，我们就生成了对应的一只熊猫哈，也是参考了我们原图的风格，大家可以看一下这个风格迁移的效果怎么样，那么接下来我们再测试一下更多的风格哈，比如说这里我上传一个动漫角色，然后点击运行。 好的，那么这里熊猫出现在了右边，我们再点击一下运行哈，再抽个卡。那么这次呢，我们获得的图片相对来说结果就比较不错哈，这种黄色的光晕的风格也有迁移过来哈，那么我们可以再做一些更多的测试。 好的，那么整体画面的滤镜，然后包括熊猫都变成了一个机器的熊猫哈，也就是他会根据我们的提示词生成内容，同时呢会参考我们上传图片的风格，然后甚至说参考其中的一些元素哈，那么我们再来换一个风格哈，这个数是属于当前在短剧里面经常用到的勺式风格哈。 好的，那么这里呢，就是我们的原图，这是我们最终生成的图片啊，大家可以看一下，基本上能够将上传图片的风格参考个百分之八九十左右哈，生成的效果还是可以的。那么大家呢，如果想要测更多的案例，也可以在本地去进行一个使用哈。
1107啦啦啦的小黄瓜
05:45查看AI文稿AI文稿大家好，我是耐克星星。这段时间我在腾讯 u i 中做了一套真正接近于无线花布的节点超满 api， 这套插件解决了不少痛点，多个 api 节点可以同时运行， 也可以局部重跑，不会影响上下游的结果。另外，我颠覆性地打造了多现金一点的设计， 将臃肿的是一个输入端点转化成了一个能够同时接收多种素材，同时每一根连线上都有序号，用于区分是第几个素材。并且我还打造了 这个横条体系，能够集成管理各种渠道模型、模式和参数。这相当于将几十个分散节点归一化为一个节点， 为的就是追求及时解决的体验，而这些设计正是无线画布的核心，交互心智。好了，废话不多说，下面具体介绍一下整体用法。 这套插件无需固定工作流，可以像无线发布一样使用，点击鼠标中间就可以呼出一个小菜单，用于便捷的创建节点，大家也可以在任何的其他工作流中使用，非常的方便。创建好节点之后，从输入或者输出端点引线出去，能够便捷的创建相邻节点。 这位也是专门设计的，我还精心打造了一批卡片节点，用于保存或者中转结果。首先是这个文本卡片节点，它可以用于接收、推理节点输出的结果， 同时这个节点本身也可以编辑，所以能够作为普通的多行文本节点，用于给其他节点输入信息。现在我们再来看这个图像卡片节点也是特殊设计过的，他可以接受不同比例的图片，同时有个主图功能，如果有多张后选图，可以设置其中一张为主图 动下一个节点使用。同时这个节点支持保存到任意文件夹位置，只需要填写相应的路径就行了。节点中包含了当下各种主流模型， g p c、 emoji 二、 banana c 零三二等等。 使用前，大家需要先配置好所需要的渠道 apikey， 如果没有配置，点击单点运行按钮会自动弹出设置页，或者通过中间菜单也可以进入设置中心设置。 值得一提的是，因为某些渠道可能涉及不同分组的 a、 b、 i t， 可以 通过这个齿轮图标点开可以设置模型的专属密钥。 大家可以使用我预设好的这几个平台。不过插件也支持了自定义渠道，但是由于各种平台的接口种类繁多，暂时只适配了图像模型的 g p e、 隐秘 g r 和各种纳洛布纳的模型。 呃，应该也够用了吧，只要接口不不是那种特别偏人的，应该就可以用。后续我还会继续完善自定义渠道的相关内容。在插件中，我还设计了一个艾特功能，只要在输入框中输入艾特，就能呼出菜单。选择参考图。 针对视频节点，为了适配 c 链子二的全能参考模式，艾特的范围还包括了视频和音频。同时，插件中我精心预设了大量提示词，在不同的 api 工作节点中，通过顿号或者斜杠就能呼出相应的菜单。 在设置中心，大家还可以对这些预设提示词进行创建或者编辑，如果有自己常用的也可以添加进来。在预设中，我还加入了五种我自己打磨的故事版提示词，我自己试了，感觉还挺不错的，下面给大家看看效果吧，同时也演示一下我的工作流用法， 你去哪里又要给秦明送食物，两个孩子会挨饿的，报小停了会有办法解决的。最后来介绍一下批量功能， 这个节点是我精心打造的独家功能。首先是批量文盲卡片，大家可以在工作流中直接对直接编辑多条提示词，从后面的批量图像节点使用，也可以在前面连接我们的推理节点， 直接批量生成这些提示词。当推理节点与批量文本节点相连时，它的预设提示词菜单会自动变成批量相关的预设主要是输出 json 格式的结果，批量文本卡片就能进行拆条， 大家也可以参考预测提示词，通过 ai 照自己想要的。然后是这个批量图像节点，它支持常规批量和文件夹批量，常规批量中可以选择多种配对模式，文件夹批量模式则可以直接读取一个文件夹中的图片进行批量任务， 皮带模式全部支持并发，这对于需要大量跑图的朋友来说，应该会非常实用。插件目前只是第一个版本，后续还会不断完善，我希望能够把很多无限化物中的实用小功能也搬进 comu 中，后续都会进行完善。 这套插件倾注了我非常多的心血，很多设计在 comu 中都属于勇闯无人区了，踩了非常多的坑。 如果是给别人定制的工作流的话，价格绝对不会低，但是我还是希望把它开放出来，让更多的人用起来，也让它继续成长。
269那颗星星
15:20查看AI文稿AI文稿天塌了，家人们 ai 手搓时代真的结束了！七月二十三日， comfy 中文本地部署整合包重新构建。这次他带着教程杀穿全场 ai 小 白第一次体验到了无限生成图片和视频的爽感， 而且操作简单到我想骂街！想要生成图片，在这里敲入中文提示词，就能生成你想要的图片。想要生成视频，只需把图片丢这里，敲入描述词，就能生成想要的 ai 视频，完全不限制次数，支持 n s f w， 就算是一零六零的老古董也能流畅运行。重点来了，这次更新自带了三百多种风格模型，酷炫打斗，一位美女总能有百款画风任你换。整盒包是什么味道呢？四五六尝尝咸淡。 除了最基础的图片生成跟视频生成，还会带你如何生成人物三百六十度的人设图片，以及多种图片转成视频的方法。真正的手把手带你做 ai 视频。话不多说，接下来进入正式学习环节， 那么现在我将结合默认的纹身图工作流来讲解其中的工作流程。首先第一步，在我们输入完正负相提示词后，文本编码器内的 clip 模型会将我们的提示词转化为特征向量输送到 k 参照器内。那么这边有个疑问，就是文本编码器的 clip 模型从哪来呢？ 我们顺着这个节点往下看，可以看到它来自于 checkpoint 加载器，而这个加载器主要是加载各种各样的大模型， 也就是说，文本编码器内的 clip 模型是属于各个大模型的内置 clip 模型，而不同的大模型之间 clip 模型也可能会有所差异。那么接着我们可以看到这个缓冲加载器的输出有个 ve， 那 么也就是说它提供了 ve 模型，我们看看连到哪 哦，连到了 ve 解码这里，而 ve 解码的作用就是将 k 采集器内经过了降噪之后的前空间图像解码成像素空间的图像，也就是我们肉眼可以看到的图像。这边我们可以做个实验，先将种子值固定，最后断开 ve 的 连接， 然后我们生成，我们可以看到这边是直接报错了，而这个报错的意思是缺少了 ve 的 输入，那么接下来我们重新将 ve 模型给连上，随后开始生成。这边再提一嘴，生成的快捷键是 ctrl 加 enter， 非常的实用，请牢记。 如果说你想调节生成图片的尺寸，那么我们可以在空内存这里，比如说我们将高度调成七百六十八，注意这个数值一定是八的倍数，宽度也一样。至于批次的话，则是控制单次生成的图片数量。比如说我们设置成二。好的，我们按 ctrl 加 enter 开始生成。 图片生成后，我们是不是可以看到它的比例已经成功变成了竖屏的比例，并且它一次生成了两张图像？好，接下来我们一起学习提示词的相关语法。首先我们来聊聊书写规范， 不论是正向提示词或者是负向提示词，我们在书写的时候一定是英文以及英文的标点符号，不然系统可能会识别错误。比如我们输入 one girl garden， 还有 yellow dress 黄色的裙子。这边再提一嘴，生成的快捷键是 ctrl 加 enter。 好 的，我们得到了一个穿着黄色裙子在花园中漫步女孩的图片，那如果说我们用中文来输入，结果会是什么样呢？ 一个女孩，花园以及黄色的裙子，我们这边可以看到，不能说是毫无关联吧啊，他们至少图片中都有女孩，但是黄色的裙子以及花园很明显没有在图片中复现。接下来我们来讲一讲提示词的权重。 在这之前，首先我们要理解什么是权重。对于权重概念模糊的小伙伴，我们可以理解，权重就是比重 分量，那么一个提示词的权重越高，它的分量就越高，它的比重就越高，它在整体中的地位就越高。比如现在一个提示词的权重是一点二，而另一个提示词的权重是零点九，那么当然是一点二的提示词会占更大的比重。 那么接下来我们做个演示，比方说我们输入 one girl garden， one girl 的 权重是一点二啊， garden 的 权重是零点八，那么画面会更侧重于 one girl 的 展现。 那如果说我们 one girl 的 比重是零点八，而 garden 的 比重是一点二，那么画面会更注重于描述花园是怎么怎么样的。好的，接下来我们来讲一讲我们该怎么去控制提示词的权重。 首先是中括号，中括号代表着零点九倍的权重，也就是说给提示词加上中括号后，提示词的比重会变小， 会降低它的重要性。那接下来是小括号，小括号代表着一点一倍的权重，如我们给一个提示词加上小括号后，那么该提示词在画面中的比重 就会增高。最后是大括号，大括号代表着一点零五倍的权重，算是一种微调，当我们给某个提示词添加两个中括号时，那么就相当于为这个提示词加上了零点九，乘以零点九是零点八一， 那么就相当于给这个提示词加上了零点八一倍的权重。那么同样的，当我们给一个提数词加上两个小括号时，那么就等于一点一乘以一点一倍的权重，那也就是一点二一，相当于我们给这个提示词加上了一点二一倍的权重， 括号也同理。那么有的同学可能会问，关于这个权重的变化有没有什么快捷键呢？哎，这个还真有，比如我们将光标移动到某一提示词上时，打个比方说 garden 摁出 ctrl 加上键，那么就是给它加权重，我们可以看到它的权重在不断的增加， 那么 ctrl 加下减，那么就是减少它的权重，是不是很方便呢？不过我们要补充的一点是，关于权重我们要多低都行，但是不可过高，因为过高的话图片就会过你和，换句话说，图片就会变形，会 失真。接下来我们来讲短句和长句，我相信不少小伙伴都有这么一个疑问，为什么我写提示词的时候，一定是一个一个词这样去拼写， 而不是用一句话去描述我们想要生成的内容呢？那么这边我可以很明确的回答你，其实两种都行， 但是就目前而言，用一个一个的词组去生成，效果会更加的准确，更能表达出我们提示词不含的意思。另外一点，使用一个一个的词的时候，也方便我们进行权重的调整，比如刚才我们有提到将光标放在某一题字词上， 按住 ctrl 加上或下就可以调整该提示词的权重，那么如果说是一句话的话，你想调整某一提示词， 那么可能就得手动去输括号进行相关的权重调整。当然现在全世界的 a i g c 从业者也在不断地去研究该怎么样让自然语言，也就是我们的长句能达到媲美短句的效果。 接下来我们来讲一讲提示词的整体长度。这边要注意，比如我们在输入正向提示词的时候，并不是说越多就越好，多可能会让你的表现 更糟糕，那么我们最好把提示词控制在什么数量之内会效果最佳呢？经过众多 a i g c 玩家的经验以及研究表明， 提示词控制在七十五个之内是效果最精准的，超过了七十五个提示词的话，可能会对提示词的识别不精准，整体的表现会降低。正向提示词如此反向提示词也是一样的，记住最好不要超过七十五个。 接下来我们来讲一讲骑手势，那么什么是骑手势呢？在 stable difficulty 各个大模型训练的过程中，会加入许多的 如四 k， 八 k 或者 masterpiece 各种各样高质量的图形去训练，那么当我们在输入提示词的时候，比方说输入四 k masterpiece， 那 么就可以使我们生成的图像更加的精美。反向提示词的话，那么就相反，比如我们输入模糊， 是我们不想要模糊嘛，那么相当于也是会让图片变得更加的清晰。或者说我们在反向提示词内输入文字 text， 那 么在画面中就会减少文字的出现，这边我们可以来看一下这几组的对比，差异还是很明显的， 接下来我们来讲讲提示词的顺序。或许有小伙伴会有疑问，一个提示词在整体的前部或者是在整体的后部会有什么影响吗？答案是会有影响，在一组提示词中，越靠前的提示词权重会有所增加。那么在我们书写提示词的时候，我们尽量按如下格式进行书写。 首先是书写那些可以提升画质的，或者说可以改变画风的一些词汇，比如 masterpiece， high quality， high detail， 类似这些词汇。第二步是描述我们画面的主体，比如我们可以说 one girl blue dress， 一个女孩，蓝色的裙子。 那么第三步就是描写环境，场景，灯光或者说构图，比如我们可以说啊 garden 背景嘛， garden 或者说是 white background， 白色的背景，或者说是 soft light， 柔和的灯光，类似于这些。那么最后我们可以在正向提示词的叠尾填上我们想要加的 laura， 关于 laura 和各种模型的下载，我上期视频也有介绍，感兴趣的小伙伴可以回去观看。 接下来我们来讲一讲提示词污染。那首先我们要知道什么是提示词污染，我们可以看一下这一组图片，未经处理时，在多个提示词同时书写的情况下，各个提示词的意思可能会相互渗透。那么为了避免这种情况，我们可以用 break 来隔开提示词， 尤其是防止颜色污染。之后我们来聊一聊提示词融合，比如我们写 one girl cat， 这边我们可以看到生成了一张猫在女孩身上的图片，好的，现在我们在 one girl 和 cat 之间添加上 and， 注意这里的 and 必须是大写，全部大写。这边我们可以看到生成了一张猫娘的图片，这个 and 的 作用就是将两个提示词融合在一起，同样的，下划线也有和 and 类似的作用，也是将两个提示词结合在一块， 除此之外，隔一组提示词用中括号括起来，中间再用竖线隔开，也有类似于融合的效果。那么这个的原理是，第一步画前面的关键词， 第二步画后面的关键词，第三步又在画前面的关键词，以此类推。最后我们来讲一下控制生成的时间段，比方说现在的迭代步数是二十步， 在这过程中，我想让前百分之三十生成森林，后面百分之七十生成一个女孩。那么我们可以试着这么书写大括号， forest， 再接上冒号 one girl， 再接上冒号零点三，最后以大括号结尾。那么这一长串 代表着是在百分之三十的时候结束画 horace， 开始画 one girl。 那 么如果说我们把零点三改成零点七，那么意思就是前百分之七十画 horace， 后面百分之三十， 哇， one girl。 好 的，那么以上就是本期的所有内容，那今天呢，我想要给大家分享的就是这个三百六十度自由转角度的一个工作流节电控制。那么这个节电呢？其实啊，也是出的比较早的了，带着大家去看一下官网的 个介绍啊，我整体使用下来呢，它的感受是非常的好，那这个呢，是用于三 d 摄影机角度控制的 control 人自定义节电，那目前呢，它是比较支持千问 i g 的 二五幺幺模型进行控制的，那么它的一个特色呢， 就是说有一个交互式的三 d 摄影机控制，也就是说我们有这个节电可以去控制我们图 像的一个角度，比如说在他的右方，或者在他左边去进行拍摄，那底下这里呢，还有一个快速下拉选择菜单，他是快速的去选择预设的摄影机角度， 比如说有正面是图三分之一构图，还有像测试图、后视图，那么在这个节点当中呢，都是可以直接使用到的，包括像仰角啊，低角度，视线的高度以及呢高角度等等，像广角中景特写，那么在这个节点当中都是可以直接快速的去进行选择。 这里呢除了像我们的这些三 d 摄影机控制以外，他还支持了这个多语言的一个支持。那我们现在回到这个工作流当中，我们来看一下他整体的一个表现。 那这个工作流呢，其实也是比较简单的，只是在这个千问 id 的 二五幺幺模型上面增添了一个多角度控制的这个节点，那我们去操作的时候也非常简单，上面这里呢我们上传需要去转角度的原图像来到底下， 我们在这个自由转角度控制的这个节点当中，可以去控制我们摄影机的一个距离，那距离呢，它是在这个橙色这里去进行控制的，比如说我们可以让他往前推或者呢往后拉， 那么都可以在这个节点当中去进行设置，包括像我们的这个水平角度，正面是图或者呢右前方是图， 那这个是一个快捷选项啊，包括我们可以先绕到这一边去拍摄，都有非常多快捷的选项，可大家选择，比如说我们来一个仰拍，仰拍呢就是这个绿色的选项， 然后呢我们这边就是往这边拉一些吧，我们拍这个角度，那设置好我们需要用到的角度之后呢，其他的这些参数大家都不用去管了， u n t 的 也是用的 id 二五幺幺，然后搭配它的一个裸耳模型，颗粒布呢也是千问的，然后 像 v e 也是使用到的纤维一英寸的 v e， 那 尺寸调节呢？我这里是接入了一个按宽高比缩放的， 因为有一些小伙伴呢，它的图片可能比较大，跑出来呢，整个图片可能就直接爆显存了，那这个节点呢，就是可以控制我们原有图像的一个宽高比缩放，那我们调节好之后， 在这边就是来到了采阳器，那采阳器之后就来到了最终的一个结果，那我们也可以按照刚才设置好的角度， 点击一下顶上的运行，我们来看一下整体的一个表现效果。现在呢图像生成好了，我们来看一下啊，这个呢就是按照我们摄像机调整的姿态生成出来的一个角度图像， 我们可以仔细去观察一下他的一个对比图啊，那原本呢我是上传了一个正面仕图，这个是他的一个原图，然后旁边这里是他的一个生成的角度图， 我们可以去对比一下，有没有发现这个人物呢？他的这个服装以及呢像我们的脸部他都是没有崩坏的， 而且都是按照我们原来的这个姿势以及呢，就是我们光打过来的位置也没有进行错乱，整体上的效果质量还是非常高的。那以上呢，就是我们的这个 工作流讲解了，有需要的小伙伴呢，也欢迎大家在老师的评论区底下留言。那整体来说这个自由转角度控制的节点呢，还是比较好用的，他比我们自己去输入提示词来的更加可控，因为我们这里呢是可以自己去自行调节他的一个水平位置 及压垂直位置以及像这个角度的一个距离，那这个会比提示词控制要好很多。那以上就是这期的全部内容，那下一期呢，我还会给大家去分享更多好用的工作流玩法，那我们下期再见！拜拜！
220-AIGC教程
01:50查看AI文稿AI文稿上期我们讲了模型的下载，好多粉丝问为什么我的画布非常干净，没有任何节点？今天教大家搭建第一个工作流，并跑通我们的第一张图。我新建一张画布， 这也是 comfyui 启动后的干净画布。第一步，鼠标双击空白处，打开搜索 k 彩样器，左边有模型正面条件 lay it 图像，右边 lay it 出图，点击模型直接拖出来 picant， 这个就是我们的模型加载器，切换成万能通用模型，然后分别拖出来正面条件和负面条件，选择 kerlop 文本编码，接 着拖出来一张空 latest 图像宽高选择默认五百幺二，批量大小选择一，解释一下， 这个大小是出图数量一就是一张图，我们拖动 k 彩样器，拉倒，右边拖动 late， 选择 ve 解码， 然后拖动图像，选择预览图像，这样第一个节点就搭建好了。最后连接一下节点，将各个颜色的节点相互连接，我们的第一个工作流就搭建好了。我们在 clip 正向文本输入 one grill， 点击运行，等待几秒钟，我们的第一个纹身图工作流就运行成功了。生成你的第一张 ai 图片，跑通的那一刻，真的会兴奋到拍桌子。我是 ethan， 失业搞 ai 漫剧，关注我，咱们一起把技术变现。评论区扣运行，我看看多少人跑通了，下期见！
1271Ethan玩漫剧
12:10查看AI文稿AI文稿挑战七天，手摸手教你学会康复优哎，第二期，今天我们学图生图，视频很长，建议收藏起来慢慢看。 本期视频用的工具是最新的整合包，因为开源免费，本地部署还能无限制生成，没整合包的同学验牌或者可以回看我往期的视频， 现在开始教学，我们可以大致的看一下它的呃结构。我这里呢主要就分成了三个区，模型，加载区，提示词输入区，产量区，还有图片输入区，然后这边是这个跑出来图片的展示啊。好，那我们现在就开始演示怎么去搭建这个工作流。 好，那我们先新建一个空白工作流，我们一样是先从 k 采暖器开始搭建啊，我们先需要有一个呃核心的生图工具，那就是个 k 采暖器，跟昨天的搭建思路是一样的。呃， k 采暖器有了之后，我们需要有一个支持他生图的模型，我们给它拉出来。 但是跟上期不一样的是，我们这期不选择 unit 加载器了，我们选择我们选择 diffusion model loader 的 这个这个加载器。这个加载器呢？它跟这个加载器，它跟昨天用到的 unit 加载器其实它的作用是一样的，只不过 diffusion model loader 的 这个加载器，它的架构更新啊， 要适配我们这节课要用到的这个新模型。接着往往下看啊， k 产气下面是正负面条件， 我们需要拉出来给他一个文本编码器啊，那我们这次用到的是千问编辑的这个模型啊，我们的文本编码也要用这个千问，千问编辑的专用这个文本编码啊，我们正封面条件都需要一个文本编码框 拉出来，我们看文本编码框上面需要连接 clip 和 ve 啊，那我们一样拉出来，我们加载 clip， 同样的，雾面条件的文本编码框也需要连接加载 clip， 还有 ve 啊， ve 也要连接出来，我们加载 ve。 图像图的工作流本质上就是你提供一张图片给机器，然后机器它会参考你的这张图片去进行一个图片的重绘，那么我们这里就要引入一个新的节点，那就是加载图像， 我们需要把图片上传到这个节点，好吧，然后通过这个节点将图像啊输入到文本编码框中，我们可以看到这个文本编码框这里，它是可以支持输入三张图像的啊，我们给，所以说我们可以给加载图像布置多两张出来。 ok， 我 们将三个加载图像的节点 都给它们连接上。呃，正负面的这个两个文本编码器啊，都需要连啊， 好，然后这这里的 v e 也要连上，我们还需要在这个模型加载器和 k 加载器之间啊，再加上一个节点，我们叫 laura， laura 加载器啊，仅模型我们只需要加载模型就行了，让我们给它连上 啊，这个 laura 的 作用是什么呢？我们一会再讲好吧。啊，还有就是还要再加上一个彩样算法， 呃，这个彩样算法的话我们上节课也是有说过的啊，然后算法的作用就相当于是一定程度上左右这个 k 彩样器的绘画方式啊，然后再加上一个 c f g 归一化。 那么 cfg 归一化的作用是什么呢？就是，呃，当你的 cfg 值调的很高的时候啊，他会让你生出来的图片出现色彩溢出的情况，或者对比度非常高，会炸图啊，那我们 cfg 归一化加上这个节点的话，会有效的防止这个情况的发生。 ok， 那 我们这边的这个像模型区域啊，模型区块那还有彩样区块啊，就搭建好了，我们给它分类一下，我们 ctrl g 这里的话就是模型加载区，这里就是提示值 出入区，然后这里是彩样区，彩样区这边还没有完全搭建好啊，我们就先不狂，我们说了这个 k 彩样器，它是一个相当于是绘画的机器吧，它需要一个画布，我们给它拉出来啊， 我们还是选择这个空雷弹图像，那是第三去设置它的画布大小，然后出图嘛，我们需要用 ve 编码啊， ve 解码好吧， ve 连接过来，然后图像可以预览，然后还可以保存一下，可以保存到本地啊，好，我们再把这个加载图像给它分好类，要做图像输入， 那么彩样区的话也搭完了，我也给它分好类。好，那我们还差就是，呃，选择正确的模型啊，我们这里的话，大模型选择千问，编辑的是千问 image edit 二五幺幺的这个模型。 ok 啊，然后还有 laura， laura， 我 们这里选择千万编辑 lightning 四部的这个 all steps 这个啊， laura 模型，然后 clippo 的 话，我们这里选择千万二点五的啊，千万三的这个是用不了的，我们要选择千万二点五的，好吧， 然后还有 veve 的 话，我们一样是选择千万英美 g 的 ve 模型展示一下。那我们现在来讲一下这个 laura 的 作用是什么啊？这个 laura 作用其实是提速的作用，那它为什么能实现提速的作用呢？其实， 呃，比如说这个大模型啊，它假说它有，假如它有二十亿的参数量，那如果不放 laura 的 话，那这二十亿的参数它会在运行的时候全部流入这个 k 传感器里面啊， 无论是用的上还是用不上的参数，它都会流进 k 传感器里面，这样的话它跑图的话会花费很长的时间，因为它参数量太大了。那么这个 lora 加载器的作用就相当于啊，给它设置了一个过滤条件， 组合条件呢，它就可以经过这个 lora 加载器被输入到 k 传感器，不符合条件呢，它就会保留下来，那么就相当于流入 k 传感器的它参数量就没有那么大，从而达到一个提速的效果啊。 然后这里的话，我们可以看这个啊，这个 log 加减器上面的这个千万的模型名称啊，这里有一个四步啊， four steps 就是 四步的意思啊，那我们这里的啊， k 传感器也要调整对应的步数，调成四。 那么刚刚说过 c f g 值如果调太高的话，会出现那种啊，对比度非常高啊，或者说色彩溢出的那种炸图现象，所以说我们要给它调低点，调成 c f g 为一就可以了。 然后，哎，然后我还有还有点差点忘记调了，我们再加载 clip， 这里啊，这里的类型我们得给它调成千万 image。 好，那我们这个工作流搭建呢，也是完成了啊，好，我们来看一下这个工作流它可以怎么使用，比如说我现在想让啊图片中的这个女生啊，改变一下她的这个动作姿势，我只需要用到一张图，那么我就选中这两张图片啊，按住 ctrl 可以 多选， 我们使用 ctrl 加 b 的 快捷键将它们先关闭掉。啊，我们只需要用这一张图片，那我们就来到啊正向提示词这里输入，将 图像一中的按着镜头微笑 就可以了啊，就这样就可以了。那负面提示词的话可填可不填啊，因为千万编辑的它这个模型训练质量本身就挺高的，就算你不填负面提示词，它跑出来的质量也不会很差，除非你有明确的 啊，不想让图片中出现的内容的话，就可以往这上面填东西啊，那我们现在我没什么特别的要求，我就不填了，那我们现在来运行一下看看效果。哎，我现在看到这个 k 传感器这里啊，好像有些异常啊，然后我检查了一下，发现 这里的彩样算法我们放错节点了。啊，我们修正一下啊，我这里的彩样算法呢，应该是放这个 alpha floor 的。 这个我们换成 sd 三的彩样算法了啊，是会出现异常，那我们重新修改一下啊， 我们再把这个移位调成三，我们再去运行一下。 好，这次采暖器它是正常工作了啊，好，那运行结果也是出来了，我们把原图拉过来看一下好了，可以看到啊，比心了，眼睛也是看着镜头了，然后也对着也对着镜头微笑了啊。 这边是完完全全的按照我们的提示词进行了一个图像编辑，但是呢，我们可以看到我们上传的图片比例啊，他是一个竖图，但是生成出来的图像他是一比一的这个宽高啊，原因是这里的空位腾，我们没有调整他的宽高，那么他默认就是一比一的， 那我们这里的话就可以引入一个新的节点。好，我们给他这个图像拉过来，先我们引入一个图像缩放，按我看一下 按边， ok， 我 们可以用这个节点啊，这个节点的作用是什么呢？比方说我想让他缩放到一二八零， 当图像经过这个节点之后，他的高就会被缩放成幺二八零，因为这个尺寸是按照他的最长边来算的，这里的最长边显然是他的高吗？ 这图片的高是二幺三三，那么经过这个节点之后，他的高就变成一二八零，但是他的宽度也会按照比例进行啊缩短。好吧，最终他的这个进行缩放之后的图片放高比也是一样不变的。然后我们再来一个节点 获取图像尺寸啊，就这个这个节点的作用是什么呢？啊？ 顾名思义吗？就是获取这个图像的经过这个节点处理之后的这个图像尺寸，我们将宽度啊和高度同步到这个空里腾这里。好吧，那我们之后就不需要手动的去调整这个空里腾的大小了， 他跑出来的图片就跟我们的啊，输入图片他的宽高比例是一样的啊，我们运行一下看看效果啊。好的，这个图片结果也是跑出来了啊，我们再把图片原图拉过来看一下啊，这个宽高比也是十分相近的了哈。 啊，那像是其他的玩法呢？我们来看一下这里已经跑出来的这个效果了，如果你想让他生成角色三式图的话，那你也是只需要啊开启一个节点啊， 你可以跟题字词上面直接输入啊，生成胡一中女生的角色三式图，分别为正视图， 测试图和背式图就可以了啊，但是你要注意，你要将他的这个图像尺寸啊调成啊横图啊，十六比九的这种比例会比较好一点，不然的话他会， 不然图片是会崩的，他因为因为竖图的话他是很难塞的下三式图的啊，比例就会变得非常奇怪。 好，那如果你想实现图片转会的话，那也是一样的，在文本编码器这里直接输入你想转会的风格就可以了啊啊，只要这个千万编辑他有训练到的那种， 呃，绘画风格的话应该是都可以转会的，然后的话就是像是啊换衣服啊，或者说这两个女生拥抱在一起啊，也是一样的，你只需要把图片上传到这个家的图像，需要几张就上传几张图片，最多三张图片，然后把你的提示词要求说清楚就可以运行了。
1302comfyui工作流冠锐
12:56查看AI文稿AI文稿大家好，这里是秋叶，在二零二六上半年，各种衍生模型和插件层出不穷，现如今生成这样的 ai 视频完全不在话下，很多教程和工作流也满足不了大家的使用需求，所以我联合几位老师制作了一套新的康费 u i 教程。 教程会从工具部署到纹身图图声视频，再到电商产品应用 ai 视频生成，从入门到实战应用， 一步步带大家掌握并使用康费 u i。 无论你是完全不懂康费 u i 领域的小白，还是说已经熟悉这个领域的老手，相信在看完这个系列的教程后都能有所收获。教程中用到的新版康费 u i 以及整理好的工作流模板和教程老规矩，验个牌试试。接下来开始第一期的教学纹身图， 欢迎来到我的咖啡 u i 零基础从入门到精通系列的第二课，纹身图工作流的搭建啊。这节课呢，我们打算围绕 z image turbo 这个模型啊来进行一个纹身图工作流的搭建啊。好了，现在我们来到工作流里面去看一下，我自己也是有 实际去跑了一些图片的啊，大家可以在这里参考一下啊， 无论是人体的结构啊，还有这些发丝啊，都是非常细腻的啊，它的手指啊也是正确的，人体结构也是没有错误的， 质量还是非常高的啊。那好，我们现在可以来呃，在进行工作的讲解之前，我们还需要知道这个模型啊，怎么去安装。呃，模型呢，我都准备好在这个网盘里面了， 大家下下载的时候啊，会看到这几个文件夹，那么模型呢，都是放在这个 model 文件夹下面的， 那我们的我们主要要下载的呢，就是这啊， diffusion models， 还有 text encoders， 还有 v a e 啊，那 laura 也是可以下载下来的，都可以下啊，后面的歌词都可以用的到。下载下来之后呢啊，在文件夹里面就是这样子的啊，把这四个文件夹啊复制 来， ctrl c 复制一下，或者说直接剪切也可以。我们剪切到什么位置呢？我们打开会事启动器这里，点击这个根目录 啊，这样他会弹出来我们客户在本地部署的根目录位置，我们在根目录底下找到 model 文件夹， 把我们刚刚啊下载的这几个文件夹啊剪切，或者或者直接移动到这个文件夹下面就可以了啊。我们，呃，因为我已经安装好了，所以它会显示我有九个同名文件夹啊，那我就不替换了， 那么这个模型也是安装完成了啊。呃，模型完安装完成之后呢，我们记得把 comu i 重启一下啊， 就可以正常的去使用了，那么这就是模型的安装环节啊。 ok， 那 我们来到工作流这里，我们现在要对这个基础的节点啊做一个认识。首先呢，我把这工作流啊大致分成了一个三个区域， 一个彩样区，提示词区和模型加载区啊，我们先看看彩样区，这里面最重要的就是这个 k 彩样器啊， k 彩样器，它可以说是，呃，这工作流里面啊最核心的一个生图节点， 你可以把它理解成是一个绘画的机器啊，图片从零到有，它都是在这个节点里面完成的。 然后我们再看看提示词区，这里有两个啊， clip 文本编码器，这两个文本编码器的作用就是 我们可以看到 k 闪样器这里它有正正面条件和负面条件，那么这个 clip 文本编码器的作用就是分别去对 k 闪样器输入啊，正面条件和负面条件，你想要生成的图片就往正面提示词这里输入你想要的， 你不想要的内容呢？比如说啊，丑的坏的，质量低的，你就可以输输入在这个负面条件这里可以看到这一 match turbo， 他 对于中文的语言的理解是比较到位的好吧， 他甚至知道赛亚人悟空是什么，证明这个模型里面还是有训练对应的这种啊，赛亚人啊，孙悟空的这种合集的。 ok， 那 这就是提示词区啊，提示词区就比较简单，这有两个啊，克利普顿的编码器，那我们再来看看这个模型加载区啊， 首先我们看看它加载模型一共有三个节点，一个是 unik， 那 么这个 unik 加载器呢，加载的就是我们的生图大模型， 那么这个生这个 unik 的 加载器呢，它加载这个模型啊，就相当于是工作流的大脑没有 unik 的 加载器啊，那么这个 k 传感器啊，它作为一个绘画的机机器，它相当于就是脑子空空的，它什么东西都画不出来， 也就是说用那个加载器的他加载的这个大模型啊，他可以一定程度上的去决定 k 传感器他能画什么东西，画出来的质量怎么样啊，所以说我们在挑选大模型的时候，尽量去挑选那种质量好的那种大模型， 然后就是 clip 加载器啊，可以看到这个 clip 加载器这两根线，它是连到呃文本编码器上面的，它的作用就是将我们输入的提示词翻译成机器可以读的懂的语言。 那么 cleveland 要加载的模型呢？就是语言翻译的模型，然后还有一个就是 ve 的 加载器啊， ve 的 加载器作用是什么呢？我们可以看到它这根线啊，是一直连到 ve 解码这里的。 我们刚刚说了， cleveland 文本编码器，它是要将我们输入的这个提示词翻译成机器要读懂的语言，那么图片也是一样的，机器需要将它生成出来的图片解密啊，解码成人类能看得懂的图片。 那么这就是 v a e 解码的作用啊，那么 v a e 解码的话，它一样是需要有一个呃相对的模型来驱动的。那么还有一个节点就是这个 comlaten 啊，这两个节点是同一个节点啊，它只是尺寸不一样。那 klen 的 作用是什么呢？其实它就相当于啊，比如说 k 传感器，它是个绘画机器，那么它需要有一个画布，提供一个地方去让它去绘画，那么 klen 就 相当于是一个画布，这个画布的大小就是它的宽高， 这里的框高也决定了他生成出来的这个图像他有多大，比如我这里输入的是七六八，宽是七六八，高是一二八零，那么他生出来的图片尺寸就是七六八和一二八零。 ok， 那 么这就是这几个这个工作流里面基础的这几个节点的认知啊。那我们现在来讲一下这个工作流它的搭建流程是什么样的？我们先新建一个工作流出来。好，我们先双击空白区域。 我们先放哪个节点呢？啊？我们先放 k 采暖器节点啊，因为，呃， k 采暖器它就是一个核心的胜图节点嘛，图片从零到有，它都都在 k 采暖器去实现的。那我们驱动 k 采暖器，不让他的脑袋空白，让他有东西可以画，让他可以画出来东西。那我们需要一个模型， 那我们按住模型这个点给它拉出来，我们这里选择一个 unit 加载器，然后在 unit 加载器上面选择我们要用的模型，我们这里选择 g m h turbo。 好，我们拉到这里来，然后我们还需要正封面条件啊，去告诉 k 采集器我们需要什么？我们不需要什么。好，我们再给它拉出来。好，我们这里选择 clip 文本编码，然后封面条件也是一样的，我们也需要一个 clip 文本编码， 然后 k 采集器它是一个绘画的工具，它是不是需要一个绘画的画布来供它去绘画？那我们拉出来选择一个， 选择一个空里头，我们这里选择 s d 上的空里头。 ok， 那 我们有了文本编码之后，我们还需要一个将提示词翻译成机器的能看懂语言的一个模型，我们从这里拉一条线出来，我们要需要加载一个啊， 可以供我们编码器使用的一个 clip 模型。好吧，那我们需要一个加载 clip 的 节点，我们给他也连上，选择 z match turbo 可以 适配的。这个千问的啊，千问的这个 clip 模型啊， 这个 clip 下划线三下划线四 b 的 这个 clip 模型。然后就是啊， 还有一个就是 ve 模型啊，我们先看一下，他画完图之后，他在这个空内存上面画完图之后，啊，是从这个内存里面去啊，输出出来的，我们要将它进行一个 ve 解码， 通过这个节点将 k 传感器生成的图片解码成人类可以看懂的图像，我们拉出来预览图像啊， 那么这个 ve 解码，它需要一个 ve 模型去进行驱动，我们拉一条线出来加载 ve 啊， ok， 然后放到这里 ve 的 话就选择对应的模型啊，我们选择这个 ve 的 这个模型啊，就可以了， 那么这个基础的纹身图工作流就搭出来了。那其实呢，这里这之间呢，还差一个啊，就是这个彩样算法， 我们选择这个 url 的 这个彩样算法， 我们能给他数字填成三。这个彩样算法的作用是什么呢？你可以理解成啊，这个彩样算法他是可以一定程度上的去影响 k 彩样系他的绘画方式啊，呃，加上这个节点的话，会让他出图的这个结果会更加好看一点。 ok， 我 们给他呃，稍微整理一下，好吧，我们摁住 ctrl， 再摁住鼠标左键拖动框，选这几个节点，然后我们 ctrl 加 g 给他打一个组，这个组我们就给他叫做模型加载区， 然后同样的 delete 文本编码框，我们给它归类为这个提示时输入 区，其他的像这个 comrade 啊， v e 睫毛啊，我就给它分分类成这个呃彩样区， 然后这里是预览图像，我还可以再出来一张图，叫做保存图像，那保存图像的话，它就是会直接将生成出来的图片保存在本地，那么这 k 传感器还需要一些啊，对它的参数进行调整啊，我们把自己的步数啊改成 n 八八或者九就可以了。 cf 句子改成一， ok， 那 么这个工作流啊，就相当于基本上就是搭建完成了啊，我们再给这个画布啊，给它大画布调整一个大小，我想生成一个数组，那就七六八幺二八零， 这是一个十六比九的一个画布大小，那么我们现在就呃试一下它能不能跑起来吧。好，我们先。好，那我们现在去找一个提示词给它输入进去， 那么底下的负面提示词的话，其实可填可不填我这里可以啊，随便填一下，填一个比较通用的提示词， 然后我们点击右上角的运行啊，我们也可以把这个运行按住前面这个六个小点给他拖下来，然后我们点击一下运行，看看可不可以跑，哎，可以看到 k 传感器，他已经开始工作了。好，可以看到图片已经跑出来了，非常快啊， 我们可以看一下他总共花了多少时间，花了二十一秒啊，那么他因为他是呃这工作流里面首次加载这个模型啊，他花了一些时间， 如果你是第二次第三次去深图的话，那么他的时间就会更快啊，差不多就十五秒上下，可以看到我之前跑出来的图片都是十五秒左右就可以跑出来了啊， 那个图画的质量啊，可以看到是非常不错的啊，我们可以看一下提示词写了什么？发丝凌乱蓬松，还遮面，尽显凌乱美，我们看一下他有没有啊， 有没有遵循我们的提示词指示啊？发丝凌乱蓬松，好吧，看它是有这个遵循我们的提示词来进行深图的啊。好的，那么这节课我们就是围绕这 image tabo 去搭建的一个纹身图的工作流。 那么下节课呢，我们将会围绕啊，一个新模型千万编辑啊，去搭建一个图深图的工作流啊。
617秋叶ComfyUI
00:46查看AI文稿AI文稿这是一款可以免费生成视频的 ai 工具，无需积分，无需排队，它就是秋叶 comfyui 中文版，它完美解决了大部分新手 comfyui 安装困难和报错的问题，而且支持中文提示词，输入一段中文就可以生成这样的 ai 视频，而且没有次数要求，你想到的画面都能生成。 唯一缺点就是需要独立显卡，显卡越好，生成速度越快，只要是英伟达显卡即可运行。显卡不行，那我还会教你云端部署的技巧，让你十年前的电脑也能玩起。 最最重要的是，这款秋叶整合包内置了三百一十八款风格模型，搭配工作流即可实现批量生成。电脑一般的选择 base 基础版，电脑配置好选 large 大 型版，我会从软件的下载、安装开始，到简单的图片生成，而到一阶的各种 ai 视频生成方法，一步步带你精通，感兴趣的。
16:41查看AI文稿AI文稿如果我不说，你看得出来是 ai 做的吗？这就是二零二六最强的 ai 生产的工具 comui 生成图片免费，生成视频同样免费，不用魔法上网，不用高配电脑，所有运行均在本地，最低三十系显卡都能使用纯中文界面，自带三百加顶级工作流，让你轻松生成这样的视频。 所有工作流和模型我都整理好了，还没尝尝呢。从本期视频开始，我将带着大家从新建文件夹 到使用工作流出片，从零开始制作属于自己的康复 ui 工作流。无论你是完全不懂康复 ui 领域的小白，还是说已经熟悉这个领域的老手， 相信在看完这一系列视频后都会有所收获。那么本系列视频教程会带着大家使用最新最全面的模型与节点搭建工作流，抛弃老旧模型， 真正意义上从入门到精通，正式开启你的 ai 绘画进阶之路。准备好了吗？我们现在开始上课，那么欢迎来到我的空飞 u i 零基础从入门到精通系列的第三节课。本节课呢，我们将围绕千问 ed 啊，就是千问编辑模型来展开一个图深图的工作流搭建啊。那么这节课的工作流它有什么作用呢？首先，它可以呃建立角色资产库， 进行双图或者三图的编辑，风格转会，动作姿态的编辑，还有服装的更换，特别是这个角色资产库的建立啊，分成这个角色三四图是一种极具实战意义的使用方式啊， 三四图可以用于 ai 视频生成时保持角色的一致性。好，那我们先来讲一下本节课要用到的模型的安装方法， 同样的，我们本节课用到的模型啊，我都已经放在百度网盘里面了，可以根据我们这节课用到的来选择啊， 我们找到第三节课的千万一的图生图的这个文件夹，然后模型啊，工作流我也放在这里了，模型啊，把这里的整个文件夹都给下载下来，我们可以看到是四个文件夹， 安装方式和上一期也是一样的，我们将啊我们打开会议室启动器的启动页面，点击根目录， 然后我们在根目录下找到啊 models 文件夹，点开，然后选中啊这四个文件夹就是下载下来的四个文件夹，直接拖动到 models 啊根目录底下的 models 文件夹的空白处公开手， 然后进行文件覆盖就可以了，就可以完成模型安装了。 ok， 那 我们来到工作流的这个搭建页面，我们可以大致的看一下他的呃结构。 我这里呢主要就分成了三个区，模型加载区，提示词输入区，彩样区，还有图片输入区，然后这边是这个跑出来图片的展示。啊，好，那我们现在就开始演示怎么去搭建这个工作流。好，那我们先新建一个空白工作流。 ok， 好， 双击，我们一样是先从 k 采暖器开始搭建啊，我们先需要有一个呃核心的生图工具，那就是个 k 采暖器， 跟昨天的搭建思路是一样的。呃， k 采暖器有了之后，我们需要有一个支持它升图的模型，我们给它拉出来，但是跟上期不一样的是，我们这期不选择 uni 的 加载器了，我们选择， 我们选择 diffusion model loader 的 这个这个加载器，这个加载器呢？它跟 这个加载器，它跟昨天用到的 unit 加载器，其实它的作用是一样的，只不过 diffusion model loader 的 这个加载器，它的架构更新啊，要适配我们这节课要用到的这个新模型。接着往往下看啊， k 传感器下面是正负面条件， 我们需要拉出来给他一个文本编码器啊，那我们这次用到的是千问编辑的这个模型啊，我们的文本编码也要用这个千问千问编辑的专用这个文本编码框啊， 我们正方面条件都需要一个文本编码框拉出来， 我们看文本编码框上面需要连接 clip 和 ve 啊，那我们一样拉出来我们加载 clip。 同样的，雾面条件的文本编码框也需要连接加载 clip。 好， 还有 ve 啊， ve 也要连接出来，我们加载 ve。 我 们这个工作流本质它是图声图嘛，那既然是图声图的话啊，图声图的工作流本质上就是你提供一张图片给机器，然后机器它会参考你的这张图片去进行一个图片的重绘， 那么我们这里就要引入一个新的节点，那就是啊，加载图像我们需要通通过这个节点啊，把图片上传到这个节点，好吧，然后通过这个节点将图像输入到文本编码框中， 那我们可以看到这个文本编码框这里，它是可以支持输入三张图像的啊，我们给，所以说我们可以给加载图像复制多两张出来。 ok， 我 们将三个加载图像的节点都给它们连接上。 呃，正负面的这个两个文本编码器啊，都需要连啊， 好，然后这这里的 v e 也要连上，我们还需要在这个模型加载器和 k 采集器之间啊，再加上一个节点啊，我们也是一个新的节点啊，我们叫 laura， laura 加载器啊，仅模型我们只需要加载模型就行了，让我们给它连上 啊，这个 laura 的 作用是什么呢？我们一会再讲好吧。啊，还有就是还要再加上一个裁量算法。 呃，这个彩样算法的话，我们上节课也是有说过的啊，然后算法的作用就相当于是一定程度上左右这个 k 彩样器的绘画方式啊，然后再加上一个 c f g 归一化。 那么 c f g 归一化的作用是什么呢？就是，呃，当你的 c f g 值调得很高的时候啊，它会让你生出来的图片 出现色彩溢出的情况，或者对比度非常高，会炸图啊，那我们 cfg 归一化加上这个节点的话，会有效的防止这个情况的发生。 ok， 那 我们这边的这个像模型区域啊，模型区块还有彩样区块啊， 就搭建好了，我们给它分类一下，我们 ctrl g 这里的话就是模型加载区，这里就是一次值 不入区，然后这里是彩样区，彩样区这边还没有完全搭建好啊，我们就先不狂，我们说了，这个 k 彩样器，它是一个相当于是绘画的机器嘛，它需要一个画布，我们给它拉出来啊，我们还是选择这个空雷腾图像还是第三 啊，去设置它的画布大小，然后出图嘛，我们需要用 ve 编码，把 ve 解码，好吧， ve 连接过来，然后图像可以预览， 然后还可以保存一下，可以保存到本地啊。好，我们再把这个加载图像给它分好类，要做图像输入，那么裁样区的话也搭完了， 我也给它分好类。好，那我们还差就是，呃，选择正确的模型啊，我们这里的话，大模型选择千问，编辑的是千问 image edit 二五幺幺的，这个模型 ok 啊，然后还有 laura， laura， 我 们这里选择千万编辑 lightning 四部的这个 four steps 这个啊 laura 模型，然后 clippo 的 话，我们这里选择千万二点五的啊，千万三的这个是用不了的，我们要选择千万二点五的。好吧。 然后还有 veve 的 话，我们一样是选择千万 image 的 ve。 我先展示一下，那我们现在来讲一下这个 laura 的 作用是什么啊？这个 laura 作用其实是提速的作用，那它为什么能实现提速的作用呢？其实，呃，比如说 这个大模型啊，他假说他有，假如他有二十亿的参数量，那如果不放 lol 的 话，那这二十亿的参数他会在运行的时候全部流入这个 k 传感器里面啊，无论是用的上还是用不上的参数，他都会流进 k 传感器里面，这样的话他跑图的话会花费很长的时间，因为他参数量太大了。 那么这个 laura 加载器的作用就相当于啊，给他设置了一个过滤条件，符合条件的他就可以经过这个 laura 加载器 被输入到 k 传感器，不符合条件的他就会保留下来，那么就相当于流入 k 传感器的参数量就没有那么大，从而达到一个提速的效果啊。 然后自己的话，我们可以看这个啊，这个 log 加载器上面的这个千万的模型名称啊，这里有一个四步啊， four steps 就是 四步的意思啊，那我们这里的啊 k 传感器也要调整对应的步数调成四。 那么刚刚说过 cfg 值如果调太高的话，会出现那种啊，对比度非常高啊，或者说色彩溢出的那种炸图现象，所以说我们要给它调低点，调成 cfg 为一就可以了。 然后，哎，然后我还有还有点差点忘记调了，我们在加载 clip 这里啊，这里的类型我们得给他调成千万 image。 好， 那我们这个工作流搭建呢，也是完成了啊，我们来看一下这个工作流他可以怎么使用， 比如说我现在想让啊图片中的这个女生啊，改变一下他的这个动作姿势，我只需要用到一张图，那么我就选中这两张图片啊，按住 ctrl 可以 多选， 我们使用 ctrl 加 b 的 快捷键将它们先关闭掉啊，我们只需要用这一张图片，那我们就来到啊正向提示词这里输入，将图像一中的按着镜头 微笑就可以了啊，就这样就可以了。那负面提示词的话可填可不填啊，因为千万编辑的它这个模型训练质量本身就挺高的，就算你不填负面提示词，它跑出来的质量也不会很差，除非你有明确的。 呃，不想让图片中出现的内容的话，就可以往这上面填东西啊，那我们现在我没什么特别的要求，我就不填了，那我们现在来运行一下看看效果。 哎，我现在看到这个 k 采集器这里啊好像有些异常啊，然后我检查了一下，发现这里的彩样算法我们放错节点了啊，我们修正一下啊， 我这里的彩样算法呢，应该是放这个 over flow 的， 这个我们换成 sd 三的彩样算法了啊，这是会出现异常，那我们重新修改一下啊， 我们再把这个移位调成三，我们再去运行一下。好，这次采暖器它是正常工作了啊，那运行结果也是出来了，我们把原图拉过来看一下 好了，可以看到啊，比心了，眼睛也是看着镜头了，然后也对着微也对着镜头微笑了啊。 这边是完完全全的按照我们的提示词进行了一个图像编辑，但是呢，我们可以看到我们上传的图片比例啊，他是一个竖幅，但是生成出来的图像他是一比一的这个宽高啊，原因是这里的空位特我们没有调整他的宽高，那么他默认就是一比一的， 那我们这里的话就可以引入一个新的节点。好，我们给他这个图像拉过来，先我们引入一个图像缩放，按我看一下 按边， ok， 我 们可以用这个节点啊，这个节点的作用是什么呢？比方说我想让它缩放到一二八零，当图像经过这个节点之后，它的高就会被 缩放成一二八零，因为这个尺寸是按照他的最长边来算的，这里的最长边显然是他的高嘛， 这个图片的高是二幺三三，那么经过这个节点之后，他的高就变成一二八零，但是他的宽度也会按照比例进行啊缩短。好吧，最终他的这个进行缩放之后的图片宽高比也是一样不变的。然后我们再来一个节点 获取图像尺寸啊，就这个这个节点的作用是什么呢啊？顾名思义嘛，就是获取这个图像的经过这个节点处理之后的这个图像尺寸， 我们将宽度啊和高度同步到这个空内存这里。好吧，那我们之后就不需要手动的去调整这个空内存的大小了，他跑出来的图片就跟我们的啊输入图片他的宽高比例是一样的。 好，我们运行一下看看效果啊。好的，这个图片结果也是跑出来了啊，我们再把图片原图拉过来看一下啊，这个宽高比也是十分相近的了哈。 啊，那像是其他的玩法呢，我们来看一下这里已经跑出来的这个效果了。如果你想让他生成角色三式图的话，那你也是只需要啊开启一个节点啊， 你可以跟题字词上面直接输入啊，生成图一中女生的角色三式图分别为正视图、 侧视图和背视图就可以了啊，但是你要注意，你要将他的这个图像尺寸啊调成啊横图啊，十六比九的这种比例会比较好一点，不然的话他会 不然图片是会崩的，他因为因为竖图的话他是很难塞的下三式图的啊，比例就会变得非常奇怪 啊。那如果你想实现图片转会的话，那也是一样的，在文本编码器这里直接输入你想转会的风格就可以了啊，只要这个千万编辑他有训练到的那种。呃，绘画风格的话应该是都可以转会的， 然后的话就是像是啊换衣服啊，或者说这两个女生拥抱在一起啊，也是一样的，你只需要把图片上传到这个家的图像，需要几张就上传几张图片，最多三张图片，然后把你的提示词要求说清楚就可以运行了。 好吧，那么这就是这节课的千万编辑的一个图升图工作流搭建 啊。我们这节课的话，这个工作流就到此为止。下节课的话我们会讲一下这个基于 joycaption 的 一个啊提示词反推的工作流进行喜图操作啊。这个喜图有什么用呢？我们下一期会做讲解啊。
3963ComfyUI[本地部署]
05:45查看AI文稿AI文稿只需一台电脑，你就能在本地生成这样的 ai 视频，它就是开源 ai 神器 comfy 破线版， 无限生成图片和视频，生成视频无需积分，生成图片同样无需积分。这次大版本更新对新手小白更加友好，以往配置环境与节点报错，这次也通通得到优化， 打开即用。做 ai 视频，只需输入详细提示词，点击生成，无需排队直接生成。这次配置了傻瓜式工作流，直接开启批量直出模式，并且还自带了三百多款工作流模板，想跟练的宝子六百六十六就好，不会用的小伙伴 接下来将进行详细教学环节，快速学会 comui 最基础的纹身图操作。首先看到画面最左侧这一个节点，这个节点叫加载检查点，也就是我们常说的加载大模型。这个这是整个绘图流程的一个起点， 就像打开 ps 软件一样，没有它，后续的操作就没办法进行。这里选择我们提前下载好的 sd 绘图大模型，选好之后，它会分出三条关键的输出路线，每一条都有它自己的用处。 紫色的这个线就是模型的主干，相当于 ai 画画的大脑负责核心的运算。黄色的就是文本解析模块，专门读取我们输入的文字。 红色的就是图像解码模块，最后把 ai 生成的隐形图像转换成我们能直接看到的图片，这三条线缺一不可。接下来就看到这个黄色的文本解析路线往上走，这里就是我们正向提示词的一个区域， 这个文本框里写的内容就是我们告诉 ai 我 们要画什么内容，比如我这里写一个长头发的亚洲女孩，这个编码节点会把我们文字框中所描述的中文翻译成 ai 能够读懂的指令，然后再通过这个橙色的路线 传输给核心节点，让 ai 严格按照我们所需求的提示来绘画我们这个图片。同样，下面这个文本解析路线就是附像的， 也就是反向的一个提示词，这里面我写了模糊、畸形、水印、低画质、色彩杂乱、画面崩坏这些词汇。 作用很简单啊，就是让 ai 避免这些问题，防止画出来的图片出现细节模糊、主体变形、色彩突兀这些常见的瑕疵，帮我们快速规避出涂雷区， 新手一定要设置好这一步。然后我们再看到画面偏右边一点的这个就是空白 t 空间的图像节点，我们就可以把它当做一张白纸。这里面有两个关键的参数，就是宽和高， 是用来设置我们最后出图的一个分辨率。新手入门我们就直接用五百一十二乘五百一十二像素就足够了， 不用调太高。还有一个就是批量升图的一个，也就是这个第三条，这里我们设置的是一，所以我们单次生成出来的图片就只是一张，如果我们把数值调高，如果我调到四这里，我们运行出来 最终得到的图片就是四张。来，我们讲重点，画面正中间的这个节点就是 k 彩阳器核心节点，这是整个流程最关键的部分，前面所有模块数据都会汇总到这里， ai 也会在这里正式开启计算并绘制图片。大家先看到输入端， 分别连接了大模型主干、正向提示词和反向提示词和空白画布。所有准备工作全部准备到位之后， ai 就 会开始工作。首先第一个就是随机种子，如果我们在这里填一个固定的数字，我们每次去运行的时候，它生成的图片就是完全一模一样的。如果选择随机，那么 我们每一次出图的画面都会不一样，大家根据自己的需求选择采样步数，这里我们设置二十到二十五步最合适，步数太少画面就会很粗糙，太多又会浪费时间，这个区间性价比最高。第三个就是引导系数， 这个 c f g， 它控制 ai 遵守提示词的严格程度，数值越高，那么画面就会越贴合我们写的内容。 下面两条就是彩样算法和调度算法，我们不用随便更换，避免出图出错，我们选择默认的就好了。最下面就是降噪强度，纯文字升图片的话，这个数值必须固定设置为一，代表完全从零开始升图。彩样器运算结束之后， 输出的还是 ai 内部专用的压缩数据，我们没法直接查看，这个时候我们就要靠旁边的这个图像解码节点，也就是这个它会接入彩阳器输出的 t 图像数据，还有最开始大模型分出的红色图像解码线路， 把隐形的压缩数据解码成我们能正常查看的 j p g p n g 格式图片，走到这一步，一张成品图片就真正生成完成了。这里我们就点击运行试一下看看效果。 运行完之后，我们可以看到右上角预览图片节点，也就是这个节点。整个流程运行完毕之后，我们可以直接在这里查看我们生成完了的图片，不用专门去文件夹里面寻找， 非常方便。另外这里这个节点就是连接了保存图片的一个节点，软件会自动把图片保存到 comfyui 跟目录的输出文件夹中，里面的文件名前缀选项 还可以自定义保存图片的开头名称，方便我们后续查找和管理。到这里我们就讲完了全部 comfyui 最基础的纹身图操作。
169文生图
10:35查看AI文稿AI文稿哈喽，大家好，我是子悟，今天我们一起来学习康复 ui， 我 们双击启动，一般启动后我习惯先看插件，也就是插件作者有没有更新，然后依赖分析一下，看有没有冲突， 然后环境依赖我们冲突检测一下，没有检测到任何冲突，内核版本是最新版，没啥问题，我们就启动 好，启动成功，可以看到是一个空白的。目前我们今天学习第一个这个搭建 zm 机纹身图工作流，也是最基础的一个工作流。我们先双击画布，然后 unet 加载器，选择这个 unet 加载器，它是 绘图的核心引擎，它决定怎么画，我这里是准备好的笔记。好，接下来我们选择模型，选择这个 zm 机模型， 我们复制粘贴，因为我们纹身图这个 z omega， 它是属于高低造彩样，所以说需要两个，这个是高噪，这个是低噪，高噪这个模型也也可以叫做底膜的模型，上面这个是基于底膜微调的肥厚大佬微调的这个 omega 微二二零模型， 它们的作用是什么？这个作用就相当于让 ai 把这张图画一个大概。第二张图是在会绘画大概的基础上面，然后进行高精度的绘画，也就是填补细节，然后互相配合，然后最后会画出一张比较好的这张画面。 好，介绍完了这两个，我们来看一下第三个 clip， 这 clip 相当于翻译官 ai， 他 需要知道我们让他们画什么，也比如说你想让 ai 画一条狗， ai 得能听懂，然后才能去画，对不对？这个相当于翻译官，他能够把我们输入的想让他画什么，变成 ai 能懂的向量， 我们选择千问三，这个千问三四 b， 这个模型相对中文提示词也比较友好类型，我们选择这个， 为什么？因为是配套的，可以看一下我的笔记。 click 好， 就这个有，那个加气器上面也有。好，接下来我们介绍第四个。呃， ve， 这个 ve 就 相当于让 ai 把已经画好的结果，然后变成我们能看懂的图片，相当于他也是一个翻译官，只是一个是人类翻译官，一个是 ai 翻译官， 人类翻译官就相当于我们把我们想让他画什么，然后变成 ai 能懂的， ai 就 能听懂了，然后这个是 ai 已经处理好之后，再通过这个 ve， 然后变成我们能看到的图像啊，作用就是这么几个，高噪低噪翻译官。机器翻译官，它是相当于把 绘画后的前空间里面的 latens， 然后变成图片，原理是这样的。然后接下来我们开始 连接节点，比如说这个模型，我们可以直接连 k 彩样器，但是官方推荐可以用那个彩样犯法，这样效果更好，官方推荐是五。然后我们再连接彩样器， 我之前具体试过有彩样算法，效果会好一点，它相当于一个锦上添花，能让原来画的比较好的，然后有这个彩样算法之后，它能够画的更好一点，没有的话它也能出来，效果也还行，只是稍微 歪了一点点。嗯，具体细微差别后面可以详详细讲一下。我们加上这个彩样算法，这个彩样算法就相当于让 ai 绘画的步骤。嗯， 可以这么理解他，他相当于画师，这个画大概这个画仔细，这个是我们告诉他怎么画，这个是画好之后给我们看，然后这个就相当于让画师知道会画的步骤，然后开彩样器，就相当于干活的一个地开彩样器，我一般更喜欢高级彩样器， 可以看到它里面，它这里面有很多条件，有正面条件、负面条件，它这个就跟我们连接的是一样的，可以看到我们通过输入，比如说一条狗， 然后连起来，相当于作为参数输入进去，让这让这个模型就接收到我们输入的参数，他就知道了。因为之前说过这个 app 是 一个翻译官，所以说它分为正负面提示词， 好连接上我们的工作空间。这个 linux 图像就相当于什么？相当于一个绘画，你想让 ai 画一张图，你是不是首先得给他一张图啊？给他一张空白的图， 对吧？所以说我们给他一张图，然后这张图我们自己可以决定他的宽高，我们宽比如说一零八零， 高是一九二零，就相当于一 k 的 竖屏图吧，批量大小是一，可以换成二三四，这样的话他一次他可以生成多张图片。好，我们具体的这个原理大家都讲的比较清楚了，这个是高噪， 到这一步的时候， ai 它只能够化成一个半成品，所以说我们需要 d 造，通过 latens 传直贴传感器， d 造这个模型要连接我们之前的模型，然后正面条件连一下，负面条件连一下 latens， 因为前面有，所以说就不需要了， 然后接着进行下一步，下一步就是 ve 解码，因为这个时候已经处理好了，但是它处理好之后我们并不能看到，所以说它需要解码， 然后变成我们能看懂的图像，然后预览一下图像。好，这个时候我们基础工作流搭建完毕，我们可以 继续看一下核心参数。添加噪波需要添加，需要返回， 为什么？因为这是高噪，低噪不需要具体的。为什么不需要？我下面也有，我可以给大家看一下我之前写的全部的笔记，纹身图的笔记也有高噪传感器。好，我们接下来生成控制是先固定一下种子吧，我们我们的这个随机种就给他 先填一个固定的，这样的话能看到后续对比效果。步数十二 c f g 值，我们选三，这个低噪选一。 为什么是三？三的话 ai 的 自由度更高，就绘画的自由度一的话是更更准确。部署是他采用部署，然后开始部署和结束部署，我们选三，这个是配套的，是官方推荐的值， 然后接下来我们看彩样器，彩样器我们选选一个这个，这个是最快的，第二个是选择这个彩样器和调度器，他们之间也是有区别的，这这些每一个都有，大家可以感兴趣的可以每一个都了解一下。 好，我们先看一下。好，可以看到这个高照彩样器，它是一个画面模糊的哦，因为我们的这个 ve 它需要，它需要也是配套的，所以说再重新运哦，彩样算法，这个就是我们生成狗了， 可以看到我如果再运行一次，结果不变，因为我们的随机种是固定的，如果我们前面添加一个一，这个时候再运行，它的结果就会变动， 它会变成一条其他的狗。然后这里我准备好了提示词，提示词很大程度上能决定生图的质量，还有负面提示词，它分为正面提示词和负面提示词，正面提示词就是你想让它生成的，负面提示词就是你不想让它在途中生成的一些东西，这是一条狗。 我们 ctrl 加 s， 保存一下文生图工作流，接下来我们看一下区别， 也就是我点击生成这个写的比较好的提示词，然后生图出来的质量。随机种我们已经演示过了，随机种如果一样，提示词如果也是一样的话，那生图的也是一样的。所谓的抽卡就是 你提示词稍微修改一下，或者你的随机种修改一下，当你生成的图片不满意的情况下，可以修改这两个，然后进行好，我们打开图像，这就是生图的效果。我们可以看一下和参照算法开始加 b， 然后给它注视掉，然后再再生成一下，看一下它的区别。 ctrl 加 b 是 忽略，也就是直接绕过，没有这个采用算法和有这个采用算法生成图像的区别好，可以看到它们之间还是有细微区别的， 我们可以仔细看一下这个高调彩样是一个，可以看到明显是一个半成品， 这两个一样，这就是彩样算法不同，我更倾向于打开彩样算法，彩样算法是一个锦上添花，因为，呃，如果有时候你可能会发现，比如说他这个法杖歪了，然后或者多一根法杖， 然后彩样算法你如果要是给他忽略的情况下，他可能就会有一点瑕疵啊，他打开之后会有更多理性，一般来说这就是一个完整的纹身图工作流，然后如果发现这个不行的话，我们可以通过 修改随机种，然后来多次抽卡。如如果要是发现我们的随机种抽了很多次都不行，那么这个时候就需要修改我们的提示词，然后哪里不对，然后就可以修改哪里，实在不行还可以加负面提示词，这样就能生成我们满意的图片了。然后最后我们说一下批量大小，也就是一次处理，批量处理四次 啊，这个是第二个提示词，可以给大家看一下效果，这个就是新提示词出来的，我们放大一下这个批量大小，就相当于让 ai 有 四个四张图，让他画四次， 但是相应的显卡也会占用更多压力，如果显卡不足，然后让他生成的比较多，那么还会降低质量，这个生图的质量， 所以说一般来说我会选择批量大小是一 好，我们快生成完了，可以看一下生成四张图这个质量，因为我换了一个提示词，看到效果还是不错的， 这张图大家知道就好，模型是破线的。好，这就是纹身图。
218子悟Aigc陪学
10:38查看AI文稿AI文稿哈喽，大家好，我是子悟，今天我们来一起学习第二个搭建图片编辑工作流。当我们启动后进到这个画布里面，我们想要图片编辑肯定需要先有一张图片，所以说我们先加载图片，双击画布，点击加载图像， 然后选择我们想要编辑的一张图片，比如这张图。好了，图片有了，接下来介绍一下这个图片编辑的节点， 这里是整理的出来的笔记，今天主要讲一下这个 test， 这个节点它主要是用于图片编辑，还有局部替换图生图，这个节点是适配千问的。 好，我们选择这个节点，这个节点可以看到有很多按钮，但是我们实际上用到的只有那么几个。好，不要慌，我们选择 clip。 好， 加载一下我们的模型， 这个模型我们选择的是千万 a m g 肥厚大佬基于原创来训练魔魔改微调的这个模型，这个模型融合了颗粒和 ve， 和本身模型是三合一的，所以说不需要再单独的去拉其他的节点去加载，它 是融为一体的，而且是破线的。好，我们连接一下原 ve， 这样一来就已经开始连通了， 连通了之后我们要把之前的加载图像连到这个参考图像里面，基本上这一步就已经完成了。好，写下提示词，提示词比如说背景换成沙漠。好，我们接下来连接一下模型， 选择我们的高级彩样器，也就是工作空间。好，这个时候可以看到还有正面条件，负面条件内存的图像，把之前的这个节点的内存连接到工作空间的开彩样器的这个内存图像里面， 正面条件也要对接上面，负面条件有两种选择，第一种是条件零化，条件零化的情况下就相当于让这个负面条件无效，因为如果不加的情况下， 或者这样子写的情况下都不行。不加的情况下，封面条件是 b 选项，而直接连的情况下，就相当于直接把这个条件以正面条件的参数和负面条件的参数都是一起的， 就会出现错乱，所以说我们有两种选择，第一种是条件零化，第二种是直接搞一个克利普文本编码，搞个空的就行了，这样子也行，但是克利普还是需要连一下的好，这样的话也是有点费劲，我更倾向于条件零化。好，这个就已经搭建好了， 接下来请我请出我们的这个 a i 的 图片翻译官，也就是 v a e 解码， 然后连接上配套的 v a e， 因为这个是三合一一体的模型，所以说直接连接就行了，跟上次的不一样，上次的是 unit 加载器，这次是切克破的加载器，本质上都是加载模型。好， 接下来我们预览一下图像，这样一来基础的工作流就已经搭好了啊，我们直接去选一下参数，比如说生成后控制，这个是固定的，这样一来不是每次生成都是随机的，随机种了 好，因为这样我们才能对比出效果好。步数选择八，为什么？因为我们的彩样器名称啊，我们要换一下，换成速度更快的彩样器，也就是这个 lcm， 它是专门为极少步数出图的，而且还比较配套的，这个它速度比较快， 而且效果也不错，所以说采暖器名称选择 lcm 还有配套的调度器。好，这个步数八步，对于对于这个采暖器和调度器来说，正好 cfg 我 们调低一够了。 好，开始步数和结束步数不用管，因为这个步数总步数已经固定的好，接下来我们直接运行一下，看一下效果。好，可以看到这张图片打开一下，背景已经提换成沙漠了，为了方便对比啊，还有一个节点，也就是打开笔记，也就是这个节点， 它是专门用于图片对比的。好，我们再连接一下原来的图，图像还有修改后的图像 我们运行一下，因为之前已经运行过一次了，所以说速度很快。第一张图是原图，鼠标放上去转过来就发现是沙漠了。好，可以看到他的人物保持的很好，接下来我测测试一下。第二个，也就是加了参考， 加了参考类单词之后，我感觉对于单图编辑来说，他的人物的约束力更强了，可以看一下效果运行一下。但是我尝试过加了参考类单词，在多图编辑中，好像效果并不是很力强，他只有在单图，也就是第一张参考图的时候， 效果约束比较强。可以看到还有两张背景图，可以说是多张图参考，后面我会演示一下多图参考，比如说图一的女性出现在图二的背景上， 我们看一下这个效果。和之前的相比，可以看到第二张图，他因为是沙漠，他多了一点风影，他的人物变换了，他的脸部可以看，可以看到第一张是更参考原图，也就是原来的图，他的人物的脸部，比如说红 色的东西，而第二个明显有点过于的变红了，第一张图是更贴近于原来的，所以说单图编辑的情况下， 如果要是更要好约束一下角色，用这个参考 list 会更好一点。好，接下来我们说一下多图的，把参考 list 删掉，保留对比多图的，我们肯定要有第二张图作为参考，比如说这张图吧，拉到这里面，这个时候就可以写一下，比如说 图一的女性出现在图二的场景中， 趴着面对着镜头，一种可以加一个其他的好，可以看一下效果， 这个随机种是决定出图后的这个随机效果，这是在填空间正在运行，这个是基础预览还没有彻底最终完成。可以看到第一张图我是二零四八乘幺幺五二，第二张图是幺六七二乘九四一，他们的分辨率是不一样的， 我测试下来他的结果也不错，这张图有有换一张图，他参考图一共是可以是三个，这样一来的情况下，单图编辑和多图融合，基基本上就用这个节点就可以完成了， 这个就是图片编辑。好，我们接下来说一下其他的，也就是可以看到之前说的比例不一样，如何让他比例一样。这里介绍一下其他节点，也就是这个图层工具， 可以用这个来看一下效果，预览一下，直接运行，可以看到它已经变了，换成其他的，比如说是幺二八零很高，是硬币 图像，我们需要选择一下，选择这个好，这个时候就已经变成了幺二八零乘七二零，和之前的这个也一样，要给他搞一下框高，这样的情况下都是幺二八零乘七二零了， 移动一下，排一下版， m g 连一下，连一下。好，这样就是同一个比例了，这样情况下它生成的效果会更好一点，因为参考图是一样的好，可以看到 这个已经融合好了，但是有时候我们会发现脸部不太一样，所以说这个时候就需要我们抽一下卡，或者说改一下， 这个时候我们再运行一下好，结果已经出来了。好，这个就是多图融合，我们继续更改一下其他的，比如说图一， 图中女性戴上了项链，因为有框高笔，我们一会对比的时候可以看一下效果 好，这个就是他戴上了项链效果，效果还是不错的。经过测试，我发现这个 test 他 选择幺五三六效果是最好的，大家注意一下，选择这个幺五三六，这是经过测试修改之后和原图最接近的，比如说这个他，你可以看到他是偏移的， 换成幺五三六和原图一致的情况下，他修复效果是最好的。然后像之前的多图编辑，他的人物一致性保持的也是最好的，之前人物一致性保持的不好，就是因为这个比例没有调对， 我们再换成其他的一会可以看一下对比。好，可以看到这次基本上是没有变的，他只是给他戴上了一个项链，同样的改成幺五三六之后， 他的人物一致性也比较保持的比较不错。好，我们测试一下，排一下版，好，可以看到这个效果已经出来了，效果只能说是很像这个多图编辑。我们再来一张其他的，比如说这张图吧。好，我们预设一下 这个参考哦，稍等一下，我需要连一下，运行好可以看到效果。目前人物已经出现在了这个场景里，这个就是多图融合好，我们再进行第三次，比如说加一个纯白背景，加一个预览图像 好可以看到结果图一和图二的女性纯白背景出现在同一张图上。目前测试下来，如果想要多图融合， 图一中的女性最好是纯白背景，然后图二的场景最好是纯场景，这样的情况下融合起来效果是最好的。 如果要是有干扰项，那么它融合起来效果就会出现人物和原图有细微差异，这种情况，我们如果要是用这张图片作为保存一下作为参考， 这样子是效果是最好的。好，融合好了，可以看到效果是和原图基本上是一样的，这个就是多图融合好。这次主要讲了单图编辑，还有多图编辑好结束。
102子悟Aigc陪学
