comfyui如何批量生图
咳咳，嗯，这节课讲一下这个，呃，这个节点哈，这个节点它可以呃批量出提示词啊，然后 就是它会呃每每一行提示词啊，它是会跑一次图片，然后我们点一次运行，它会把这里面，呃所有的提示词都会跑完，然后它的最大的上限是一千啊， 呃，但是，呃，根据这个显卡来说的话，一般来说，嗯，四零九零的显卡可以跑到一百张左右哈，然后这个根据这个显卡的大小的话，可能会降低一点，八 g 的 话应该能跑个呃，十张左右哈。 我们来来看一下效果啊，这个提示词啊，就直接接到这个这个可立方里面去就可以了。接这里面，然后这里，这里配个模型，这里配个模型，这里配个模型 啊，然后这里设置一些尺寸啊，这是一个参数啊，我们到这里来看这个提示词就可以了啊，它会自动跑， 稍微等一下啊， 呃，跑完了哈，然后我们可以数一下，这里是九张图片，九张图片，然后分别对应我们这里的九主题字词啊，九主题字词， 看一下九个图片对应九主题字词。
粉丝196获赞1265
相关视频
02:59查看AI文稿AI文稿今天教大家怎么快速用工作流洗图。首先打开 comui 后导入这个工作流， 打开之后就是这样子的，上面是总控制，下半部分是用来升图的，这些是提示词表，方便以后我们整理常用的提示词。这里是升图的部分，我们一般不用管这里， 只需要控制这三个窗口就可以了。这个工作流主要是批量调用 api 的 方法，所以不吃电脑配置。 把准备好的产品图传上去，记住这个窗口是用来传你自己产品的图片，下面把我们要临摹的图片依次传上去， 然后按 ctrl 加鼠标框选，把每一组都打开，打开快捷键是 ctrl 加 b， 再按一次就是经用。最上面是我们要加入的 api 信息，自己填写自己的 api 信息就好了。 下面可以选择图像比例、画质等信息，把我们的提示词复制一份过去， 提示词可以根据自己的需求填写画质我选的四 k。 好 了，我们点击运行 这个，外面有一圈绿色的矿，代表已经在跑了。如果线条看着太多，看着不舒服，我们可以进入左下角设置，在画面选项里把连接线隐藏掉， 我们耐心等待出图即可。这里我用的 a p i 测的生成四 k， 大 约一张三十秒到七十秒左右。 生成好，我们去文件夹看一下， 效果还是挺不错的。
77GGxp
01:48查看AI文稿AI文稿提示词如何批量生成？这种高质量写实美女，关注点赞一分钟教会你！第一种，一组提示词同时生成多张图片种子固定。我们先打开 comfyui， 找一个纹身图工作流，我们就以千问的 z image turbo 的 纹身图工作流为例，鼠标在空白区域双击搜索， 找到复制 laten 的 p 四这个节点，点击应用。接下来教你如何连接，这边的数量你可以自行选择，想要几张就写几。接下来我们把 k 采集器与 ve 解码这两个节点拖到旁边，把 k 采集器这边的 laten 与复制 lenen p 四左边的 lenen 相连 同理，右边的与 ve 解码的 lenen 相连接。我们跑一下工作流，看下效果，最终同时生成多张图片种子随机。 我们接着来看刚才的工作流，我们搜索 latin 批，处理随机行为这个节点，然后应用该节点连接，跟着视频操作即可。 需要注意的是，把控制条件改成随机，这点千万别忘记。 第三种，多组提示词同时生成多张图片，这边我找三个节点，大家根据自己的节点情况自行选择，你的 comui 里面有哪个，你就用哪个，功能差不多，提示词列表这个节点最多五个，其他可以达到一千个，但是显卡估计吃不消。我接下就以提示词行这个节点给大家演示， 我们把节点连接一下，把复制 lin 的 批次这个节点加一下，一起演示， 最后把工作留跑了，看一下四组提示词，每组四张，最后一共十六张，效果还是可以的。咱们下期讲图生图的批量操作方法，这里是七兆赫 ai 频道，记得点赞关注，下期再见！
31七兆赫的Ai频道
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。
1172啦啦啦的小黄瓜
27:13查看AI文稿AI文稿今天我们继续更新无线画布，由于上一期发布之后播放量跟互动量特别高，说明大家还是非常喜欢无线画布的。我们先来讲一下无线画布这一次更新了些什么功能。首先就是大家期盼已久的视频生成， 现在可以调用很多的模型，例如 cds、 二点零。其次就是交互方式进行了更大的优化，例如我们现在传统的连接方式是这样子，我们框选了之后， ctrl g 打组，它就会自动合并，并且分组自动连接。 同样的，当我们想要增加图片进来的时候，我们就可以直接拖入图片，可以看到这里就已经输入进来了，我们就可以左右拖，就可以进行图片的排序，我们把图片拖到外面， 他就会删除这个图片。此外我们对生成节点增加了非常多的连线功能，例如我们拖出来就可以有快捷的菜单，图片拖出来也可以进行快捷的连接，我们在生成卡片，鼠标右键可以调出非常非常多的快捷方式。 我们对图片编辑进行了更大的优化，当我们生成想要的图片之后，我们往外拖拽就可以创建图片，双击图片就可以进入图片编辑模式。例如第一个功能是裁剪，我们可以裁剪想要的区域。 第二个是遮罩功能，我们可以涂抹之后让 gpd 只修改这一部分，我们还增加了画笔功能，可以单独框选，让 ai 精准的修改。最后我们还增加了宫格切分，然后点击切分就可以快速的导出多宫格的图片。这个做 ai 视频的小伙伴们应该非常喜欢，我们点击打开图片就可以预览， 可以放大，也可以拖放，左右键就可以看下一张，总体的一致性保持的非常的高，得益于 g b t 非常强大的文本生成，还有图像生成的能力，例如这个图片一次性生成了十个卖点，我们使用四 k 的 尺寸， 可以看到每一个卖点的文字都没有任何的问题，再结合我们的多功能裁剪，我们就可以快速的得到十张相同风格的卖点图， 而且消耗的价格非常的低。此外，如果觉得使用四 k 图片裁剪出来的这个图片不够高清，我想要保持风格统一的情况下，生成四 k 的 每一个卖点图。 现在我们可以使用 gmail 一 次性给我们出非常多的卖点提示词，然后通过循环节点来控制生成第几张卖点图，并且我们支持并发， 可以看到这里一次性就生成了非常多不同的卖点图片。最后我还增加了连接不同的工作流的功能，就可以连接在我们生成的图片之后进行一个二次放大。最后就是 api 的 设置，现在改的非常的简单，例如 modisko， 我 们可以直接拉取模型 就可以看到非常非常多的模型可以选。另外我们现在不仅支持 openai 的 协议，我们还支持异步协议，而且验证非常简单，我们只需要点击验证协议 就可以看到它是异步还是 openai 的 协议，现在就可以支持市面上所有的 api 平台。好，下面我们详细介绍一下，我先给没看过上期视频的人大概讲一下，我们这个是纯本地运行的开源项目，直接点击一键启动就可以了， 可以看到这里运行的地址我改成了 ip 地址，使用这个 ip 地址公司的人都可以使用这个无线画布的项目。现在我把拍摄环境打包到项目里面了，所以这一次大家就不会有报错的问题了，直接点击启动服务就行了。 使用苹果电脑的也可以用 mac 的 这个启动，如果是在 github 下载的这个依赖全部都打包在这里面的， 所以这一周我就更新了很多的功能，也修了很多的 bug， 这让我意识到其实大家对这个需求是非常高的，一个是市面上开源的这种无线画布的项目非常的少。 第二个就是大部分无线画布都是会绑定自己的产品，你不用他的产品就不能使用。而我设计的这个不仅可以使用 modscop 的 免费的，也可以调用第三方的 api， 我们可以点击获取 api， 例如这个平台生成一张 gbt 的 一 k 就 只需要两分钱人民币。除了 api 生成跟 model scope 生成，我们还可以连接本地的 comforuai 生成， comforuai 内置了一些工作流， 你也可以上传自定义一些工作流，我们可以在这里自定义设置自己的工作流。我们来讲一下优缺点，首先是本地 comui， 它是纯免费，而且自定义程度非常高，你可以做各种各样的工作流，但是缺点是比较吃配置和显卡。其次就是 model scope 的 生成， 例如这个图像生成，这些都是纯免费的，并且还可以调用 laura， 我 们可以调用，并且 model scope 可以 调用非常多的大语言模型， 例如我们进行提示词反推之类的，它都是免费的，但是缺点是它生成图片的分辨率相对比较低一些， 这个就非常适合想要学习 ai， 但是没有那么多钱，我们就可以先从免费的慢慢开始学习使用。接下来就是 api 生成， 我们可以使用很多不同的 api 平台，例如使用 nano pro 或者是 gpt 生图，我们还可以使用 api 进行视频生成，例如 cds 二点零，还有可零，还有 vivo 三点一， 非常非常多。使用 api 生成有一个非常大的好处，就是我们不需要对每一个平台进行充值，这个做过 ai 视频的人应该非常清楚，开每一个平台光是会员费都非常的高。另一个方面是我们如果要去订阅 gpt， 对 你的网络环境还有支付这些要求都比较高， 我们如果使用 api 平台的话，就完全没有这些要求，所以这三种生成模式各有各的优势，可以用这个无线画布，只使用一种方式，甚至可以把它们连接起来。例如我用 g p t 生成了图片之后，我再使用 comforu i 进行一些细节增强，或者进行一些放大。 我们打开网页之后，我们在 api 这里设置，首先可以把 model scope 的 这个 api 设置一下，我们可以在这里去获取 token， 我 们可以创建一个长期 token， 然后填写 key 在 这里就可以了， 我们可以点击验证地址， key 正确的话就是可以正确的找到模型，我们可以点击拉取模型看一下，就有非常多的模型可以选，例如我们现在有很多的深图模型，我们可以全部选择， 还有大语言模型，例如我们可以选择千万三的全量模型，也可以选择这个 vl， 就是 视觉版本。然后点击应用到模型，可以看到这下面的模型列表就已经存在了，我们也可以去挑一些自己想要的 laura， 呃，方法也非常简单， 我们可以点击这个链接，然后点击筛选，我们现在随便点击一个 laura， 之后点击上面的链接跳转，然后我们点击这个复制按键， 在这里点击添加，然后粘贴过来就可以了。我们需要选择对应的模型， 而例如现在是 z e image turbo 的， 我们就选择这个。最后我们点击保存就可以了，可以看到 modscode 上面有非常多的 laura， 这里有六万多个，所有的这些图像模型的 laura 我 们都可以免费调用，所以非常推荐大家去注册配置一下。接下来我们可以点击这个获取 a p i， 然后在这里注册一下就可以了。 我们可以看一下这个 api 的 收费标准，例如 gpt 的 模型，现在生成一 k 的 图片只需要零点零零六美金，也就是四分钱人民币，我们如果使用这个 official 的 话会更便宜， 生成一张只需要零点零零三美金，也就是两分钱人民币，生成二 k 和四 k 就是 四分和八分钱人民币， 非常非常的便宜。注册成功之后，我们就可以在这里复制我们的密钥，我们也可以在控制台去查看我们生成的图片。当我们注册完毕之后，我们可以看一下运行说明，复制这个链接，然后粘贴到这里，我们的 api key 保存正确的话，就可以验证地址，找到很多模型， 我们点击验证协议可以看到这里使用的是异步协议，我们也可以添加其他的 api 平台，例如现在这个，我们点击验证可以看到这里使用的就是 open ai 的 协议。我们接下来就讲一下异步跟 open ai 的 区别。 使用 openai 的 协议就是直连，当你中途网络不好或者是断开的时候，他就会直接扣费。但是异步就是我们把任务发到后台，后台去运行，当后台运行成功之后，他就会把图片返给我们。 易步的好处就是假如说审核原因或者是网络问题导致的中断，它是不会扣钱的。可以看到有非常多的模型，我们可以添加 nano banana pro， 还可以添加视频模型，例如 cds、 二点零、可零、 vivo 三之类的，点击应用到列表就可以了。 除了设置 modscope 跟 api 的 key 之外，我们如果想要使用本地的 cfui， 我 们就在这里 cfui 设置，这里面我们填写自己的端口号，默认是八幺八八。要说明的是我们这个支持多显卡跟局域网多端口。 填写完毕之后，我们可以点击这里上传工作流，这个我们后面详细再讲。如果你想无线画布的 cfui 的 功能全部正常运行的话， 你需要点击 workflow 这个文件夹，这里边的工作流全部拖入到你的 comui 里面，我们可以每一个工作流都点击运行一下，看会不会报错，如果遇到报错，例如我们的 laura 名字不一样，就改成自己对应的 laura 名字，当我们修改完毕之后，可以点击正常运行了， 我们就点击菜单这里文件夹导出 api 导出之后我们粘贴替换掉 flow 这里面的工作流，我们所有工作流都可以正常运行的时候，我们打开无线画布， 点击新建画布，当我们进入无线画布之后，我们接下来详细的讲一下无线画布的操作。首先右上角是建立节点，可以看到节点就已经建立成功了，我们也可以鼠标右键建立， 我们也可以拖动节点，然后通过快捷菜单去建立 api 生成，同样的我们也可以往左边去拖 建立图片卡片，我们还可以在 api 生成右键，它就会调出输入跟输出的快捷指令。例如我们现在建立一个图片，我们可以在这里选择自己的平台， 还有需要调用的是哪一个模型，包括分辨率这些。比如现在我们通过一个非常长的文本点击 ipi 生成之后就可以看到生成的效果非常的好，一次性生成了非常多的卖点。我们可以滚轮缩放，我们也可以输入图片跟提示词，生成你想要的图片， 我们按住 shift， 鼠标左键划过就可以快速的断开这些连线，按住 ctrl 框选这些节点， control 键打组，可以快速的在分组里面管理，我们也可以新建一些图片，然后丢进来就可以快速同步，然后左右拖动就可以摆放位置输出的内容，往外拖 就可以新建一个图片，我们拖放图片进来就可以替换，也可以鼠标右键替换，还可以把深沉的图片拖放进来。 当我们双击图片的时候，就可以调出图片编辑功能，首先是裁剪，我们可以裁剪任意的大小，其次就是遮罩，我们可以在这里调整画布，保存遮罩节点，将这两张图片一起发给 jimmy， 就 可以进行局部编辑。接下来是画笔功能，我们可以框选某一些地方， 让 gpt 单独改某一些地方，我们可以在左边调节它的线，因为现在是等分的六宫格，所以就可以直接点击裁剪，我们预览一下就可以发现，由于有接缝的存在，所以我们导出的每一个图片 多多少少都是有接缝的，所以这里有一个间隔，当我们放大图片看，我们拖动间隔， 我们就可以把接缝完美的给它裁剪出去。我们点击切分，可以看到现在切分的效果就非常的好了，没有任何的接缝。接下来就是我们生成的四 k 图片，我们可以看到每一个高度都是不一样的，所以我们如果使用等分的空格去切， 就对不上他的线，所以我们点击这里自定义，就可以自己建立裁剪的区域，我们也可以拖动微调，在这里可以点击垂直，我们就可以建立垂直的线，同样的我们可以调整间隔， 把中间的这个白线给它全部剪切掉，点击切分，切分出来的每一个图片 都非常的高清，而且效果非常的好。接下来是视频生成节点，我们可以输入多张图片进行多餐，提示词就可以直接描述，因为我们这里有图片编号，所以就可以直接说将图一的人运动到图二的场景，然后就是时长比例这些东西， 如果要生成首尾帧，我们就点击首尾帧就可以看到这里有首尾帧的标记，我们同样的是可以拖动就可以调换首尾帧， 然后点击生成就可以了。我们通过四 k 裁剪出来这么多图片之后，我们要是觉得这些图片的分辨率还是有点低，如果我们想要放大分组里面的所有图片，我们就点击右键 可以直接转为输入组，或者复制为新的输入组，我们就转为输入组，可以看到现在就已经变成了可以连接到生成， 我们就连接到 copy ui 的 生成，然后我们选择放大，这里可以自己导入自己想要的放大功能，当我们想要批量的把这些图片进行放大的时候，他就会将十张图片一次性输入进来，这显然不是我们想要的，我们想要一张一张的放大， 一共放大十张，这里就需要引入一个非常重要的节点，就是循环节点，循环节点也非常好理解，就是他一共循环多少次。我们打开图片节点之后，我们连接图片进来， 然后连接到 comui 的 生成，我们这里就可以看到有两个参数可以调节，第一个是起始计数，就是从第几张开始，例如我们现在设置为二就是第二张图片开始，设置为三就是第三张图片。批次也很简单，就是一次性输入几张图片进来， 例如我们设置为二，右边就出现了两张，所以现在我们就保持起始和批次都为一，图片一共是十张，然后这里有一个循环跟并发 循环就是第一张图片生成之后再生成第二张图片，并发就是一次性生成多张，例如我们有多张显卡的话，我们就可以点击并发，我们可以快速的测试一下，所以我就设置为三张，然后循环点击运行，然后双击调出对比节点， 你就可以看一下，对比效果还是不错的。当我们使用这种四 k 的 图片裁剪成很多，然后再进行二次放大，我们要是觉得这种放大的效果还不是特别满意，我就想让他一次性给我生成十组相同风格的这种不同的卖点图，那我们就需要用第二种方法。 同样的我们可以输入图片，调用 gmail 的 模型给我们输出十张图的描述，例如现在我是生成了三张图的描述，但是你如果直接输入图片跟提示词，让 gbt 去生成的话， 它就会把三张卖点给你生成在一张图里面，这不是我们想要的，所以同样的我们就可以连接循环节点， 我们连接进来之后，我们可以看到这里有个提示词，我们打开提示词，例如我们现在输入生成第几张图片，我们点击计数，那这个计数就会跟你运行的次数是一模一样的。例如我们现在要生成十张 这个文字，第一次就会变成生成第一张，第二次就会变成生成第二张，这样子就可以控制他让 ai 知道我们那一大段提示词里面，他现在需要生成第几张描述的提示词，例如我们现在是三张，我们就设置为三，点击运行之后，我们就可以得到这种 斑图的这种卖点，这个循环节点的作用非常非常的大。循环跟并发的意思，循环就是他等第一张图片生成了之后 啊，才开始第二张，而并发就是我们同时生成，由于我们使用的是 api， 它是支持并发的，所以我们可以一次性让它生成十张图， 生成之后我们再挑选有没有合适的，然后再进行一些修改。同样的我们也可以调用其他的节点，例如包括 ui 节点，我们可以将 api 连接进来之后， 比如我们现在可以调用放大或者是增加细节之类的工作流去对每一次生成的图片进行编辑。另外需要说的是，我们的所有的生成节点都可以前后连接，就像康复 u i 一 样。我这里简单的演示一下，我们先生成周杰伦的海报 之后，我们再调用自定义的工作流进行放大，我们点击运行之后就只会生成一次这个工作流。如果我们想要生成很多次， 同样的我们可以连接循环节点，我们可以随意的连接到哪一个生成卡片上面都无所谓，然后我们就可以设置它的次数，然后也可以设置循环或者是并发总体这个循环节点在整个无线画布里面的作用是非常非常大的。我们来看一下效果， 可以看一下现在是放大之后的效果，我们双击就可以调出对比节点，我们看一下放大之后的效果就要清晰一些了。现在这种首尾连接的模式，就像 comui 的 工作流，它中间是不会显示的，当我们想要查看中间的某一个节点生成的效果，我们直接往外面拖 就可以创建一个输出节点，我们也可以在节点右键也可以建一个输出节点。好，我们再次运行一下，看一下，可以看到这里就已经开始生成了，我们可以看一下首轮的分辨率，设置的比较小，是幺零二四，这后面的工作流也在开始运行了， 现在是放大到二零四八的，我们看一下对比， 嗯，要清晰了很多。另外当我们多人打开同一个画布的时候，它是会实时同步的，例如我们现在新建一个图片节点， 就可以看到这里的，就会实时同步。接下来我们讲一下 model scope 的 生成模式，我们现在就新建一个 model scope 的 节点，然后把这个提示词连接进来，我们可以看到 model scope 这边就已经生成成功了， 可以看到效果还不错。我们接下来看一下 laura 的 功能，可以看到我们刚才添加了一些 laura， 我 们就使用第一个 laura 点击生成一下 modscope， 也是支持好几个任务同时并发的，所以我们可以多选一些 laura 点击生成 little scope， 生成速度还可以，在白天的时候相对比较慢，但是晚上速度会比较快一些，而且主要是免费生成。我们看一下这个 laura 的 效果，就是皮肤就会比较光滑， 这一个就比较偏向于原本的生成的效果，这个的颜色就比较像电影的配色。 我们也可以看一下其他的，比如说千问的二五幺幺的编辑模型，它就可以进行一些编辑， client 也是，我们也可以用一些自定义的，例如二五幺二。然后我们也可以启动 laura 点击生成，我们也可以试一下编辑模型，例如 client 我们输入一张图片，提示此时变为夜晚，然后我们就可以选择一下它的尺寸，或者是选择自定义，当我们选择自定义的时候，就有一个适配图片，我们就可以点击适配图片， 好点击生成，在等待生成的时候，我们就继续讲一下大圆模型，我们可以看到大圆模型节点， 他有很多的这些平台的都可以选，比如说 gbt 或者是 gmail， 例如我们选择 model scope， 就 可以调用很多的这些模型，例如千万的模型，我们就可以输入给我写一首诗，然后就等待运行，可以看到这个输出结果就已经出来了， 我们也可以拖出一张图片出来，然后连接到这个大圆模型里面。 gmail 跟 gbt 都是可以识别图片的，我们如果使用 model scope 的 话，就必须要用 vl 模型，比如说这个 vl 的 八 b， 八 b 就 比较小，可能识别的效果就没有那么好， 我们就可以选择这个全量模型，二百四十 e b 的 v l 描述，这张图片可以看到识别的非常的准，我们也可以切换到聊天模式，可以看到他就能认出来是周杰伦，他的回复也是非常的快，而且他能够记忆我们的上下文的聊天记录，可以看到 他是先认出了周杰伦之后再说他有哪一些出名的歌曲，我们可以直接放大了在这里跟他聊天， 也可以在左边 gpt 对 话，我们可以选择不同的平台跟模型，例如我们也选择 model scope， 可以 看到就已经回答了。在深图模式下面，我们就可以使用 gpt 或者是 nano banana pro 去生成， 我们可以拖拽图片进来，或者是 ctrl v 粘贴，然后跟他说怎么样进行一些图片编辑，或者是生成一些什么图片，非常的简单。然后我们在在线深图这个页面也是我们可以上传参考图或者是文本生成图片， 我们就可以选择平台，也可以选择模型，我们就可以看一下这个是之前生成的，效果非常的好，也可以生成各种的海报，这些效果看起来都非常的好，可以看到 model scope 这边就已经生成成功了，这个生成了两分三十秒，虽然不太像周杰伦这个耗费了三分三十三秒， 我们双击就可以看一下对比 啊，这个夜晚的效果不是特别好，但是是可以编辑的，因为 model scope 是 可以免费调用的，所以我还是比较推荐新手去学习使用一下， 然后在自定义这里，你也可以自己去添加想要的模型。接下来我们就讲一下上面这四个网页的功能。第一个是纹身图，只是在无线画布中，这几个功能都是有的，只是这边做成了网页 比较方便调用，我们也可以用本地 ctrl u i 去生成，也可以用 model scope 去生成。细节增强也是一样的，我们可以看一下对比效果， 上传图片，然后本地或者是 model scope 生成图片编辑，这里也是一样的，这里就是我们刚才在工作流里面生成的，可以看一下这些生成的效果对比。最后就是角度控制，我们可以上传一张图片， 然后进行一些参数的编辑，就可以点击生成，这里同样的也是可以使用本地的 comfui 和 modelscope 去生成，我们可以看一下这种就是切换不同的角度，这里就是仰视，这里就是远一点， 这里就是俯视效果，总体的功能非常非常的多，而且非常丰富，其实这个循环节点 第一次使用可能会有一点复杂，但是学会了之后这个节点是非常非常实用的。最后就是右上角有一个日制的功能， 我们就可以看一下我们运行了一些什么东西，有没有什么报错，例如现在就有一些报错就可以方便我们快速去排查。最后我们就看一下下面的这些按钮，第一个是可以切换白天跟黑夜模式，第二个就是 api 设置， 我们在开头也讲了 api 怎么去设置，我们可以点击这里去获取。注册之后我们就可以在 api 密钥这里复制，然后我们打开说明文档复制这个 api 地址， 然后粘贴进来之后复制我们的密钥，然后点击验证地址和验证协议，没有什么问题的话，我们就可以拉取模型，然后选择自己想要的模型就可以了，最后保存就可以了。下面我们要重点说明的就是 comui 的 设置，上面的是可以保存你 comui 的 后端地址， 我们也可以多显卡或者是多电脑，把局域网的域名设置好之后，它就可以调用。我们接下来重点说的就是上传工作流这个东西，我们需要说的是调用我们本地的工作流的时候，一定要保证它能够正常运行， 然后我们点击文件导出，导出为 api 导出成 api 之后，我们就可以点击上传工作流，我们上传了之后打开就会是这种界面，把图像和文本还有 laura 给他做了颜色的区分，方便我们去找。 例如我们现在这个工作流是风格迁移，所以我们需要输入两张图，我们就把图一勾选， 图二也勾选，下面这些就是你可以勾选它的这个类型，我们当然是图片就不用管，然后这里是提示词，提示词我们也可以勾选，勾选了之后我们就可以看到这里的预览就已经出现了， 然后我们也可以选择是否勾选 lora， 例如我们勾选 lora 强度，我们就可以看到这里已经有强度的滑块可以选，我们就可以设置最小值是零，最大值是一，这里就已经有预览效果了。 如果我们不想要设置这个 lowra 强度的话，我们就把它取消，我们觉得没有什么问题的时候，我们就可以点击测试一下。图一，我上传了一只猫， 图二，我上传了一个动漫，然后提示词式将图一变为图二的画风，我们点击运行测试一下，我们也可以在右边这个简易画布去测试。例如我们现在需要输入两张图，我们就点击两张图， 然后点击上传和提示词，点击运行就可以看到效果，这两种运行效果都是一样的，只是看我们需要不同的测试效果，就可以切换不同的模式。好，可以看到现在已经运行成功了， 我们放大一下看，这是我训练的画风迁移的一个 laura 后面会制作视频分享给大家，不仅可以把真实的图片转为各种画风，它也可以把动漫转成另一种画风，它还可以把光线迁移成另一种光线，当我们觉得这个效果还不错的时候， 我们就点击保存配置。现在回到无线画布，我们新建一个 comui 节点，然后我们选择自定义，可以找到我们刚才风格迁移的这个工作流。例如我们现在把图一变为图二的画风， 我们稍微等待一下。这种方式最大的好处就是我们可以精简我们的工作流，我们可以看到原本的工作流有非常非常多的节点，我们现在只需要暴露出来两张图片和一个提示词就可以了， 可以看到这后台非常的简约，这里已经生成成功了，我们看一下整体的效果非常不错， 我们可以对比一下，原来的是这种平面的，我们可以变成这种卡通人偶的效果，这个 logo 后续会分享给大家。由于这次画布的功能更新了非常非常多，所以这一次的教程也是比较长，希望大家能用的开心，谢谢大家。
1616wuli大雄
05:19查看AI文稿AI文稿现在我们来搭建这个徒身视频工作流，这是所需要的所有节点，我们一个一个搭建，现在搭建第一个，双击空白处，输入 one video vs 选择 one 视频 vs 模型，再输入 one video， 选这个模型加载器，然后把这两个复制一份， ctrl 鼠标左键框，选 ctrl 加 c， ctrl 加 v， 复制一份额外模型连接额外模型，双击空白处输入 one 视频快交换，在 one 视频快交换这有个叉槽戳出来，选择 one 视频设置快交换， 拖出两个，然后把模型连接上，在 one 视频设置这里有个模型，点击它拖出来，选择 one 视频 rola， 这个也是一样的，点击 rola 拖出来，点击 one 视频 rola， 选择 在 lala 后面的空白处，双击输入 one 视频文本编码，选择 one 视频文本编码环存 在文本编码器后面，双击空白处输入 one 视频 ve， 选择 one 视频 ve 加载器，在 ve 叉槽这里拖出来，选择 one 视频 ve 编码，在 ve 编码这里点击参考图像，点击加载图像， 这就是你要加载的图像，在 vse 节点点击 vse 打草拖出来，选择彩样器，拖出两个，现在连线文本编码镶嵌 模型， 注意的是上面这个连接第一个，下面的连接下面点击彩样器的样本，连接到下面的样本，点击下面的样本拖出来，输入 y 视频解码，解码一个图像插槽拖出来，输入合并，选择合并为视频，最后把 ve 加载器连接到视频解码这里，这样这个工作流到达就完成了。现在我们一步步加载大模型， 回到最开头，这里有 v i c 模型选择，这有两个模型，一个高照模型，一个低照模型，上面的选择高照模型，高照模型的数字是 h i g h d 照模型是 l o w， 我 们选择高照模型，下面选择低照模型， 这两个模型加载也是，上面的是高照，下面的是低照，下面选择高照模型。注意区分 y 二点二 t 二 v 和 y 二点二 i 二 v， i 二 v 是 纹身图， t 二 v 是 图身图，我们选择图身图， 看清楚。 y 二点二 t o b h i g h 十四 b f p 八，选择这个模型下面的同样一定要选择好模型，模型选择好之后，它这里有一个注意力模式，点击它，它有闲者注意力选择这个， 两个都选择一样的。现在加载洛拉，注意上面是高照洛拉，下面是低照洛拉，我们选择上面的，先加载高照洛拉，这个就是高照洛拉。 y 二点二 t l v， 它的高照是 h i g h， 然后它是四步， 这是 d 照罗马。 y 二点二 t l v。 加载好罗马之后，这是文本编码，我们可以在这里用提示词工具点击基础的封面，然后翻译 在这。 ve 加载器这里选择 y 二点一的 ve 加载框高可以输入五幺二七六八， 马力，输入四十九，在采样器这里步数选择四步， 引导值一定要选择一，开始步数选择零，结束步数选择二。下面是 d 照模式，一样的步数选择四步，引导系数选择一，开始步数选择二，结束这里不用选 最后合并视频这里这里可以选择文件的名字，这里选择格式选择 ap 四，这里可以选择十六帧，选完选择零，想让这个图片做什么动作， 输入好之后，这里选择加减模型，选择这个模型，选择好之后点击运行，看一下这工作流有没有包错。有一个包错 啊，这个包错是合并罗拉的包错， 我们点击这个，这是合并 load， 把这个给关掉，再点击运行，运行成功，这个工作流就打剪完成。
2485熊猫怪兽AI日记
10:39查看AI文稿AI文稿逼自己一周吃透 comfyui 制作视频，二零二六保姆级全套教程，小白直接冲警告！本视频耗时六个月打磨，总计三百分钟，内容比较长，但全程通俗易懂，堪称抖音最良心的 comfyui 教程。相关的制作流程， ai 工具、提示词均已准备完毕， 感兴趣的六六六暴走不谢！各位同学好，我们这节课呢，来教大家如何第一次搭建工作流。相信大部分来学习 confu i 的 同学都是对 stable diffusion 的 操作有一定理解的， 所以我们下面呢，就对比一下 stable default 当中不同的操作模块，来帮助大家更深刻的认识 comui 当中的节点。相信各位同学使用 stable default 的 流程是这样的，我们先选择一个大模型文件，选择好之后呢，输入正反面提示词，然后设置输出尺寸。必要的时候呢，我们会选择一个插件模型， 选择好插件模型之后，我们点击生成，最终呢，在右下方就会生成一个我们符合提示词要求的内容。那么其实像大模型 a e 模型，正反面提示词，生成图片时所使用的彩样器，以及生成时的输出尺寸插件还有生成结果，在 confui 当中也是对应有相同功能的节点的， 只不过这些节点呢，在 confui 当中，我们可以对其任意的移动位置删减或者复制或者新增一些其他功能的节点来强化我们生成的结果。 所以相比于 stable diffusion 不 可动的模块， confui 当中的节点呢，它的灵活性会更强。至于在生成效果上，两者并没有特别大的区别，甚至它们使用的模型文件都是相同的。大家可以将 confui 呢理解成开发者版本的 stable diffusion， 它的自由度呢会更高一些。 我们下面来简单的介绍一下 ctrl y 的 基础操作。我们首先点击右下方的清除，将当前默认的工作流呢进行清除，清除之后，我们就得到了一个空白的操作台，我们右键界面当中的任意位置，然后点击新建节点， 就可以从中呢选择我们想要创建的功能节点。例如我们现在点击新建节点当中的彩样，点击创建 k 彩样器节点，那么这样一个具备 k 彩样器功能的节点就被我们创建好了。 相信从这个节点当中呢，大家不难看到在 stable devolution 当中我们熟悉的参数，例如彩样器选项，提示词，相关性以及迭代步数。 我们在节点当中呢，还能看到很多颜色不同的小圆点，此时我们拖拽其中的一个小圆点，例如拖拽紫色的模型圆点， 拖拽后松开，可以看到此时就弹出了一个选项菜单，其中下方这个区域呢，是我们拖出这个圆点之后经常会创建的节点选项。因为我们拖拽 k 彩样器当中的模型圆点，通常呢会创建一个 checkpoint 加载器简易的节点，此时呢 checkpoint 模型加载器与 k 彩样器这两个节点 就以相同颜色的模型原点进行了相连，其他位置的原点呢也是相同的逻辑。我们拖拽之后呢，选择我们需要创建的对应节点，那么两个节点当中相同颜色的原点就会进行相连。 此外，我们双击所创建节点的名称，可以看到此时他的名称呢，就变为了可编辑的状态，我们就可以对其名称进行重命名，因为我们给他起一个名字叫模型， 然后回车确定，这样名字就改好了。当然通常是没必要刻意修改这些节点的名称的，但有些时候呢，可能两个节点是相同的节点，只是功能不同， 所以需要对其修改名称。例如在 k 采集器当中，我们拖出正面条件这个源点，会创建一个叫做 clip 文本编码器的节点，这个节点是用来输入正面提示词的。 同样，我们拖出负面条件这个源点呢，也是要创建一个叫做 clip 文本编码器的节点，这两个节点是相同的节点 是一个连接正面提示词，一个连接负面提示词。所以有时候呢，我们就要对这样的情况对应的节点去修改名称。比如说把连接正面条件的这个节点呢，我们改名为正面提示词。 把连接负面条件的这个原点的节点呢，我们改名叫做负面提示词。不过平时自己用的话，即便是这样的情况，其实也没必要修改。 我们点击之后可以选中这个节点， 选中之后呢，这个节点的周围会多出一些白圈来显示我们已经选中了这个节点。选中之后，可以对当前的这个节点呢进行拖拽，或者呢 ctrl 加 c 复制， ctrl 加 v 粘贴，再或者呢按 delete 键删除。跟我们在电脑上操作文件呢，是非常类似的。 我们最后来简单介绍一下 confy 右下方的这个操作位置，首先最常用的就是点击添加提示词队列来开始运行工作流，我们创建好完整的工作流之后呢，点击这个位置就可以开始运行当前的工作流，这跟我们在 stable diffusion 当中点击生成是一样的。 我们创建好一个完整的工作流之后，如果确定运行无误，你想保存的话呢，就点击这个模块当中保存的按键，点击之后呢给这个工作流起一个名字，比如说我们起名叫 abc， 然后点击确认，此时我们这个工作流啊就会作为一个工作流文件下载到本地， 可以看到此时我浏览器的右上方呢，就已经成功的下载了这个名为 abc 的 工作流，想要再次使用这个工作流的话，就把这个工作流文件拖拽到我们当前的浏览器 comui 的 操作页面就可以了。另外就是我们刚才演示过的清除当前所有的工作流节点， 我们点击清除，点击确认画面就清空了。当然我们同样是可以通过 ctrl 加 z 撤回刚才的操作的，或者呢按 ctrl 加 y 去重新执行刚才的操作。至于其他的功能不是特别常用，我们就不再赘述。 下面话不多说，我们来开始演示如何从零开始搭建一个完整的纹身图。工作流通常呢从原点最多的工作流节点开始搭建， 也就是 k 彩样器，我们右键画面当中任意的空白处点击新建节点，点击彩样这个选项，从中呢点击 k 彩样器，我们创建一个 k 彩样器节点， 这个节点上面的原点是最多的，所以我们先创建它，将来创建其他的节点呢，调理会更加的清晰，我们下面拖拽 k 彩样器节点当中的模型原点， 拖出之后呢，松开，我们点击创建 checkpoint 加载器简易这个节点，然后我们再次拖拽 k 彩样器当中橙色的正面条件源点，松开之后呢，点击创建 c l i p 文本编码器节点，负面条件源点呢，也重复刚才的操作。拖出之后呢，创建 c l i p 文本编码器节点， 然后我们继续对 k 彩样器这个节点上的源点呢进行拖出操作。首先拖出左侧的这个粉色的 lighten 的 源点， 拖出之后呢，我们点击创建这个叫做空 lighten 的 节点，这个节点呢是用来输入输出图片的尺寸的，那么最后呢，就只剩下一个原点没有拖出了，就是 k 彩样器右侧的这个粉色 lighten 的 原点，我们点击拖出，然后点击选择创建 ve 解码这个选项。 最后呢，我们点击拖拽 ve 解码这个节点当中图像的这个节点，拖出之后呢，我们点击创建保存图像这个节点， 这样一来我们纹身图工作流所有的节点呢就都已经创建完成了，但如果现在我们点击添加提示词队列来运行节点的话，可以看到 ctrl u i 呢，会给我们一个十分明显的提示，告诉我们哪些节点是出问题的， 包括这个节点上面的哪些原点是没有进行连接的，所以我们就可以根据提示呢来继续补全我们当前的工作流。首先是两个 c l i p 文本编码器当中左侧的 c l i p 原点， 我们需要将其与 checkpoint 加载器节点当中的 clip 原点进行连接，连接好之后呢，我们再将 ve 解码器当中的 ve 这个原点，将其与 checkpoint 加载器当中的 ve 原点进行连接， 这样的连接逻辑其实很好理解，相同颜色的原点连接相同颜色的原点就可以了。最后我们选择一个合适的模型，写下我们需要的内容， 比如说 one go， 我 们点击生成可以看到此时我们就成功的生成了一个符合提示词描述的内容。那么至此呢，我们文生图的工作流就搭建完成了，相信各位同学只要跟着我们的视频一步一步的操作，都是能够搭建成功的， 即便在搭建过程当中出现了原点没有连接全的问题， comui 在 运行之后呢，也会给出一个明显的提示。 那么我们最后呢来对 comfyy 的 工作流搭建进行一个总结。首先大多数情况下呢，我们从零开始搭建节点，都是要先创建一个 k 彩样器节点的，因为这个节点上面的圆点最多，我们创建好它之后呢， 将 k 彩样器节点上面的圆点拉出之后，往往只需要创建一个节点就可以，所以条理会比较清晰。各位同学可以把 comfyy 的 操作理解成搭建一个节点就可以，所以条理会比较清晰。各位同学可以把 comfyy 的 输入尺寸的节点 就相当于我们的键盘鼠标，我们将它们插在电脑的主机，也就是 k 彩样器上面，通过 k 彩样器进行运算，最终呢再输出到显示器上面， 这样来类比呢，相信各位同学对 comfyui 的 节点连接逻辑就有了更贴近生活的体会。至于我们 stable fluidion 的 操作逻辑非常的相似，也就是先选择模型，再输入提示词，再选择彩样方法， 然后设置输出尺寸，最后点击生成。这是一个十分正常且完整的生成顺序。而在 ctrl y 当中呢，也遵循这样的顺序，例如此时我们更换一个随机种子，然后点击添加提示词队列， 我们可以看到绿色的位置啊，就是标注在生成过程中工作流运行的一个顺序。会先从 checkpoint 模型加载器开始 获取我们使用的模型信息，然后进一步地获取正反面提示词和输出尺寸，最后呢，将它们都集成在 k 彩样器，整合这些信息之后呢，由 ve 解码器进行解码，最后呢，留下我们的保存图像这个工作流节点。 不过相信大家第一次接触 cfui 的 话，即便工作流能够搭建完成，其实对工作流运行的逻辑呢，也处在一个比较懵懂的状态。不过根据我的学习经验，大家学习 cfui 最好呢，能够本着先操作后理解的方式来进行学习。 我们前期从零开始教大家搭建工作流，也并非是为了今后你一直从零开始搭建，而是为了在不断的搭建当中愈发的理解 confui 的 运行机制。 这样在将来获取了其他作者所创建的完整工作流之后，我们也可以更加灵活的对其加以改进，使其符合自己的需求。对此呢，我也专门制作了一套课间，上面不仅展示了 stableui 当中的节点的一个对照图， 同时也包含了我们课上所讲解的 comfy 基础操作知识以及工作流搭建流程，还有最后的总结，各位同学如果需要本节课的课件的话，也非常欢迎在评论区留言，我会尽可能的帮助大家解决在操作过程当中遇到的问题，同时也会发放这套课件。 那么以上呢，就是本节课的全部内容，各位同学如果觉得本节课的内容对你有帮助的话，也不妨点一个免费的一键三连支持一下，我们就下节课再见！
279AIGC老司机
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。
268子悟Aigc陪学
03:45查看AI文稿AI文稿这个视频来讲一下这个 f 循环批量处理图片啊，因为我们之前讲过这个图像加载它，嗯，如果加载图片太多的话，它就会爆显存啊，为了不爆显存，我们就用这个 f 循环批量处理， 每次处理一张图片啊，这个这个就是图像读取三线，就是每次读取一张图片去处理，因为我们读取图片太多的话，他容易炸显存啊，这里填写这个 图像路径啊，然后这里写一个总量，这个总量的话大概就是你有多少个图片就写多少数量， 然后在这里就是去处理这个图片哈，处理这个图片处理完之后啊，这个图这个值返回到这里来啊，就可以了，也就是一个完美的那个循环流程哈，叫负循环，我们来测试一下， 你看一下他正在处理这些图片，已经处理完了啊，很快的。好让我们来实战一下啊， 我们拉到这里来，把它接到这个图片里面去啊， 我们可以看一下这个这个图片啊，加载好图片之后，从它出来，加载到这个图像缩放里面去， 图像缩放之后，然后他会加载到这个图像编码器里面去，在这个图像编码器他处理完之后啊，他就把这个字返回到， 返回到这里来啊，就返回到这里来啊，就可以了啊，这个流就完成了，然后我们把多余的一些东西删除就可以了， 然后我们来看一下这个图片处理吧啊，加载完之后，我们先预览一下，这就三个预览啊， 这个是加载出来的图像啊，这个是生成后的图像，来看一下吧， 然后我们这里就简单的用一个素描风格来来处理一下这些图片吧，点击运行 啊，线条不足啊。 ah it's late huh。
43Li鱼
28:09查看AI文稿AI文稿挑战十四天，从零开始学习 ai 视频制作第二期，这是一个幼师级的康复 u i 视频制作保姆级教程，从打开电脑开始说起。警告，本视频耗时一千两百小时，制作视频为合集。您当前处于第二期康复 u i 学习阶段，内容包含康复 u i 部署文胸图图 生视频热门 ai 玩法包含实操教程，这套课程将手把手教你如何做出质感拉满的 ai 短剧大片。本套课程使用工具为最新版本的 coffee o i， 因为开源免 f， 这次整合包内置了三百三十家工作流模板，没有整合包的可以七七七抢抢咸蛋。我们现在开始正式教学， 欢迎来到我的康飞 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 edit 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，展会工作姿态的编辑，还有服装的更换，特别是这个角色资产库的建立啊，生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，我都已经放在板里面了，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层图的这个文件夹，然后模型把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使启动器的启动页面点击跟目录， 然后我们在根目录下找到啊 models 文件夹，点开，然后选中这四个文件夹，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 么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，显示层输入区，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 uni 的 加载器了，我们选择 我选择 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 闪器下面是正负面条键，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啊，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，后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。 我 们这个工作流本质它是独生图嘛。那既然是独生图的话啊，独生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，我们可以，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他们连接上。 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，我们给它连上啊，这个 laura 的 作用是什么呢？我们一会再加，好吧啊，还有就是还要再加上一个裁剪算法。 呃，这个彩样算法的话，我们上节课也是有说过的啊，彩样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 c f g 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 导入区，然后这里是彩样区，彩样区这边还没有完全搭建好啊，我们就先不框，我们说了，这个 k 彩样器，它是一个相当于是会画的机器嘛，它需要一个画布，我们给它拉出来啊，我们还是选择这个控雷毯图像，还是第三 去设置它的画布大小，然后出图嘛，我们需要用 v a e 编码啊， v a e 截嘛，好吧， eve 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， 那么裁样区的话也到完了，我也给他分好类。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 lin 四部的这个 four steps 这个啊 laura 模型，然后可丽普的话，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 v a e， v e 的 话，我们一样是选择千万 image 的 v a e 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，它假如它有，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 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 加成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 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，比如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，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，将图像一中的看着镜头 微笑就可以了啊，就这样就可以了。那负面提示词的话可甜可不甜啊， 因为千万编辑的他这个模型训练质量本身就挺高的，就算你不填负面提示词，他跑出来质量也不会很差，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。 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，发现这里的参照算法我们放错节点了。啊，我们修正一下啊， 我这里的采暖算法呢，应该是放这个 aurora floor 的， 这个我们换成 s d 三的采暖算法了啊，就是会出现异常，那我们重新修改一下啊。 哦，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，然后也对着微，也对着镜头微笑了啊， 特别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，它是一个竖图，它是生成出来的图像，它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它的宽高，那么它默认就是一比一的， 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它的最长边来算的，这里的最长边显然是它的高嘛， 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跟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，就这个这个节点的作用是什么呢？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， 我们将宽度和高度同步到这个空雷腾这里。好吧，那我们之后就不需要手动的去调整这个空雷腾的大小了， 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，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，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， 你可以跟提示上面直接输入啊，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，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是很难塞的下三式图的啊，比例就会变得非常奇怪。 那如果你想实现图片转绘的话，那也是一样的，在文本编码器这里直接输入你想转绘的风格就可以了啊，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绘的， 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福生图工作流搭建， 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追 caption 的 一个啊提示词反推的工作流 进行喜图操作啊，这个喜图有什么用啊，我们下一期会做讲解啊，那么同样的啊，下一期用到的模型啊或者工作流我也会啊，同步到我们的网中，大家感兴趣的话可以提前的先去 去体验，先去预习一下。好吧， ok， 那 我们这节课就到此为止，感谢观看。这节课我们要讲的是 jacobson 提示词的反推喜图工作流啊，那喜图的这个工作流呢？日常我们的使用场景还是比较多的啊， 比如你看到一张非常好看的图片，你也想要一张和他的风格相似啊，内容也相近的这个图片的时候啊，那么你就不需要自己去手动的去观察图片，然后去想他的提示词了，我们直接使用这个工作流，他可以根据你上传的图片自动反推出来，把这个图片的提示词，然后进行深图。 那么你也可以在做真人短剧的时候，如果你不知道你的那个呃角色形象应该怎么设定，你也可以去找一张很帅很帅的男明星的照片啊，比如说我这个是张鹤林吗？ 但是你不能直接去使用它拿去做真人短剧吗？因为会涉及侵权问题，那么你一样可以把帅气男明星的这个照片放进工作流里面，让他进行自动洗图，搞出来一张差不多的啊，形象差不多的，很帅的一个啊，男角色形象就可以拿去做真人短剧了。 好，那我们现在来看一下这个需要安装哪些模型还有插件吧。啊，那一样的啊，我们的这节课的用到的模型啊，还有节点呢，我已经提前安装好了的啊，都放在这个百度网，然后我们深图的模型啊，这个是把里面这放的，这个模型是，呃，反推提示词的模型， 那么我们的生图模型呢，用的是第一节课的好把，第二节课的这个 g m 超薄的生图模型啊，我们只要把第一节课的模型安装就可以了，安装过的话就不用再重， 我们只需要安装多出来这个反馈提示时模型就可以。那一样的，我们将这个网盘里的这个文件夹下一下来啊，就是这个文件夹还是一样老规矩，我们打开会制启动器的启动页面，点开跟目录， 找到 models 文件夹还是这里啊，我们直接把这个啊文件夹拖进来，松开鼠标啊，就可以完成啊。 好的啊，我们就来到这个工作流的搭建页面看一下，好吧， ok， 这个工作流的话主要就是分为这四个区域了啊，图片输入区，模型加载区，场景区 和这个变化比较大的这个提示词反推区域啊，其实这底下呢，其实就是啊，我们第一节课上课用的那个这 image turbo 的 大致的工作流嘛，我们只是把这个提示词输入区给他改成了这个加入了这个提示词反推的节点 啊，并不会变得特别复杂。好的，我们现在来演示一下，从头开始搭建好。那么我们彩样区啊，模型加载区和图片输入区前几节课都讲过啊，大差不差的，但我们这次就快速的搭建一下。好，先来一个开彩样器，然后模型 啊， uni uni 加湿器啊， g m t turbo 的 话是使用这个 uni 加湿器的哈，我们选择这个 g m t turbo 的 这个模型， 然后正负面提示词，我们一会再连来个 laten 图像。我们问一下啊， unit 之后呢？我们有三节课，就是想必看了几节课之后都很熟悉了，有 unit 加载器，然后 clip 加载器，然后 v a e 加载器啊，就是三剑客肯定是固定要有的嘛，对不对？ ok， 然后我们的话，模型的话，我们中间还要再加入 laura， 错了啊，不是这个加入洛 杉矶砌模型的，然后还有它的彩样算法， laura flow 的。 ok， 我 们将这几个节点给它串联起来， 这里的一位数字调成三。 laura 的 话，我们选择这个 g m 超薄 district， 这个蒸馏的这个 laura， 这也是提速的啊，和上节课讲过的那个 laura 使用方法是一样的啊，我们把这个强度调低一点。 ok， 那我们模型的这个加载区啊，就搭建完了。 ok， 我 们现在来搭建一下这个呃，提示词反推区域啊，我们这里要引入一个。呃，新的节点，我们双击一下，这里直接搜 joy caption， 我是看这里有很多啊，我们选择哪个选择？呃，这个啊，不对，这个好好，那这个节点就是加载这个反推模型的这个节点啊，我们在这里拉条线出来，选择第一个 啊，那么反推提示时的工作主要就是在这个节点完成的。好吧，我给大家移一下位置，先移到空旷点的地方， 然后他在这里完成了提示时反推之后，他会需要啊，我们需要知道他反推出来的到底是个什么样子的。我们给他这里拉条线出来，我们这里选择 showtext 这个节点，可以让我们知道他反推出来的结果是什么样子的， 然后我们从 k 传感器这里拉一个啊颗粒文本编码出来啊，那这样子的话他反推出来的结果呢？让他直接输入到颗粒文本编码这里， 我们的负面条件这里也是需要连一个 click 文本编码的啊，但是呢，我们 因为我们也不打算去输入这个负面提示词了，我们可以把这个删掉，但是我们可以采用系这个负面条件，他必须有东西去输入进去，他才不会报错。那这个时候我们再引入一个新节点，叫做条件零化， 然后我们将这里的 click 文本编码连到这里，然后就从条件零化这里输出出来，连到负面条件，这样子 k 程序就不会因为负面条件被控制而报错了。 哎，那那其实啊，那其实到这一步的话提示词区域的话就连接完成了。 好，我们稍微给他排一下啊，那如果你想在升图的过程中啊啊并不是并不想百分百的按照你输入的图片去进行提示时反推，你还想加一点自己的东西进去怎么办呢？那我们这里都是还可以再加一个节点 hex 呃，开电音铺 这个节点呢，你可以往往里面输入你自己想要的啊图片，比如说你想要那个啊，比如说你想生成一个男人，你想要那个男人戴一个帽子，你在这上面写这男人头上有个帽子啊，那么他一样是要将啊你输的内容去合并到这个颗粒文本编码里面的啊。 但是呢，你不能直接这样子连啊，这样连是不对的，我们需要再来一个节点，叫做多文本多文本联合， 我们需要把这个呃提示词反推的这个节点，这里的线啊连到 文本联合这里，然后再将你自己输入的提示词内容放到这里，就相当于你自己输入的提示词和模大模型啊反推出来的提示词，然后你再通过这个节点将一整段完整的话输出到颗粒补文本密码里面去使用就可以了 啊，那如果，如果你自己输的内容在前面的话，那么他的提示值那个权重占比可能会更高一点啊，那我那这就根据你自己的需求来选择了，是你自己输入的内容在前面，还是啊模型还是模型反推出来的内容在前面啊？ 这个可以根据自己的选择来进行连线。 ok， 那 我们整理一下这里的线。好，整理好了我们给他归一个类，这就是提示词输反推区域，那么这里就是提示词反推区域。 好，那我们来把剩下的线给他连上啊，我们的 click 文本编码这里还要连接啊。 好，我们来把剩下的这些线给他连上啊。啊，我们这里的克里普文本编码，他是需要连接到这里的克里普模型的，我们把这里的模型也给他选上啊，选择啊，千万三四 b 的 这个模型，把类型换成罗密纳或者千万一妹子都可以啊， 那 ve 模型也是一样的，我们给他换成 a e 的 这个模型就可以了，然后最后的话，这就是这里输出图片一样的要 ve 解码。好，我们把 ve 也给他连上， 然后我们再给他整理一下，这里的话就是模型加载区，这里就是 海岸区，那我们还需要一个图片输入的节点，毕竟这个模型是基于图片进行反推的。那我们还需要加载图片啊，加载图像需要反推的图像就放到这个图像里面，然后我们可以加一个控制呃，图像大小的一个节点缩小，选这个， 然后获取图像尺寸。好，我们连接一下， 然后我们将被图像缩小这个节点处理后的图像尺寸啊获取下来，将方和高同步到 laten 啊，同步到空 laten 这里，然后我想要就是它的最长边就一二八零就可以了。然后我们需要将原本的这个图片啊 连接到这个提示时反退的这个模块这里， ok， 那 么这里就是，那么这里就是图像输入的模块啊， ok， 这个工作流呢，也就差不多就这样就啊搭建完了，我们来检查一下。 好，我们把这里啊给他换成 b f 十六，那其他的参数基本上是不用调的。你的，如果你如果你的文件夹里面这里的模型是自动给你选择。好的啊，只要按照我开头的方法安装了就可以了，他就可以使用了， 那么我们再将图片输出出来就可以了，我们这里来一个图像对比的节点。 ok， 然后我们再把图像保存一下。 好，那我们来一张需要进行啊提示时反反馈的图片啊，我们来试一下这个效果怎么样。哎，我们这里忘记给 k 采集器去啊调它的这个步数了啊，我们疏忽了啊，我们把步数调成九， 然后 cf 设置调成一就可以了。好，我们重新点击运行。好，那这里跑出来了啊，我们看下效果啊，这节点没有发挥作用是因为我们没有打开节点二点零的这个显示版本啊，我们现在可以啊，开起来看看效果， ok， 这图像对比的作用呢，就是可以拿原图和生成的图片来进行一个直观的对比啊，我们来看一下。哎哎，坏了，我这里没有连接这个生成出来的图片，我这里没有连接原图啊， 我们给原图也连接上，好，我们重新运行一遍。好，那么图片也是重新生成出来了，我们来看一下这种的效果啊。呃， 可以看到生成出来效果还是不错的，我们看那衣服啊，戴的首饰啊，发型啊啊，都尽可能的给他还原出来了啊，那但是我们还是可以看到有一些啊没有完全还原出来，如果有需要的，比如说 啊，比如说原原图上面有个项链，如果你想要的话啊，他这里没有生成出来，但是如果你又想要的话，你就可以在这里啊，在这里输入你想要的内容，男人脖子戴着项链，然后重新生成啊，那这里大概率他就会啊戴上项链了哈， 那这样子的话，这个图片的话，我们就完完全全的那个一个男角色了啊，就完完全全可以去使用了， 你只要需要后续给他用千万编辑啊，去给他编辑一些不同的衣服啊，那角色的定妆照啊，这些东西就可以啊，完成了也不会涉及侵权。那么这张图片虽然说啊人长得挺帅的，是可以看得出来，但是他不能直接啊，但是不推荐直接拿去用做啊。 这个 ai 短剧的生成为什么呢？因为他看起来还是挺模糊的啊，那么怎么解决呢？那这个就是我们下节课要讲的内容啊， 图片比较模糊，那你拿去跑视频，跑出来的质量它就不会很好，那我们还需要对它进行一个高清放大的处理，那么这就是我们下一节课的内容啊，我们可以先提前看一下， 那么这个工作流就可以将啊本身比较模糊的照片给它进行一个高清放大的处理，那么我们用高清放大后的图片去跑视频的话，那效果也会更加清晰，细节更多，质量也会更好。 同样的啊，高清放大的这个所需要用到的模型啊，或者啊节点还有工作流，我都会先同步到这个，那么这就是我们这节课的啊， jacobson 啊，图片提示词反推工作流。好，那么我们这节课就到这里啊，感谢观看。
1449AIGC秋雅
01:06查看AI文稿AI文稿如何实现多图多提示词，同时编辑生图，点赞关注，一分钟教会你。我这边以千万二五零九的编辑模行为例，我们在空白区域双击搜索 image batch multi 这个节点， 然后再搜索图像批次到列表这个节点，大家可以跟着视频操作。最后再找一个提示词，行这个节点。这三个节点已经都准备好了，我们开始连线，我们把 image batch multi 这个节点跟大家讲一下， 它这边显示只能连接两张图，我们可以通过改下面的数字无限增加，前提是你的显卡能带动。改完数字记得点击一下 update 这个按钮，刷新我这边演示，为了快点就把数量改成二，我这边开始连线，大家跟着视频操作即可。 最后把提示词节点连上，全部连上以后，我们现在写提示词，这边注意一下，一行代表一个要求，多个要求就多分几行， 我们让第一个人物戴上帽子，第二个人物戴上眼镜，点击运行看下效果，最后效果还是可以的，都按照描述完成了要求。这里是七兆赫 ai 频道，咱们下期再见。
89七兆赫的Ai频道
00:21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，自带三百家顶级工作流，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，需要的同学。
6.3万AI教程
09:58查看AI文稿AI文稿天塌了，家人们 ai 手作时代真的结束了！ comfy u i 加 l t x 二点三的出现，直接宣布了比赛结束，就把你那破小说往里头一丢， l t x 模型就能自动推理一切剧情，并生成带有人生和背景音乐的视频，这才是真正意义上的一 键生成。视频生成的人物前后统一，动作连贯真实，画面细腻，光影恰到好处。古代风格、现代风格、科幻风格、赛博古风、 中式怪谈、古王魔女，一百八十八种画风，满足你一切想象，他不限次数，无需登录，免你使用整合包跟模型，这些我都有公开，换个大家的小加号不过分吧，现在开始教学，我相信大家跟我看到的都是一样，都是这个默认的工作流界面， 咱们现在滑动鼠标的滚轮就可以发现，咱可以利用滚轮进行放大或缩小。接着现在我们按住鼠标滚轮，哎，按下去我们就可以发现了， 咱们是不是可以拖动屏幕了？好，那么恭喜你掌握了两种最基本的操作方式。接着咱们看到这工作流它是不是由一个一个的节点构成的？啥是节点？这一个我们也称为节点，这一个也是节点，这个也是。而节点与节点之间他们通过线连接， 咱们细心观察，可以发现这个粉色的按钮要连哪？连的是另外一个节点的粉色按钮。 继续看，比方说像这个什么 v e 解码的图像蓝色按钮，那它连接的也是这个保存图像的蓝色按钮。 好的，那么现在我们最基本的节点与节点之间是如何连接的？稍微参透了一点点，再继续深入之前，我们先看到右上角有一个直行点击一下，那么这个东西就好像咱们的松图按钮，点击了之后等待个 几秒到数十秒，这个等待时间就会由小伙伴们的设备来决定。我们可以看到现在生成了一张图像，那么生成这张图像的速度和大家的显卡性能有关，我这边还是比较推荐大家， 至少要三零六零级以上啊。当然如果说你没有这么好的硬件设备，我们也可以用云端，比方说现在什么 live ai， 什么端脑之类的， 有很多可以在线生图的平台，那这个我们放在第五节课中会提到。接着我们重新回到这张图片，咱们可以看到它是一个装着星云，装着紫色森林的行子，以及它的背景是树林。问题来了， 凭什么它生成的内容是这些，而不是一头大象或者说一只小猫？那这边咱们就要看到正象提示词， 啥是正向提示词？细心观察可以发现这边有一个正面条件，那正面条件这根线连出去的框框，这个叫做什么？ c l i p 文本编码器，咱们称之为 clip 文本编码器， 那么在这边输入的内容就被称为正向提示词内容，也就是我们想要什么就在这边输入什么。 咱们可以来做个简单的小实验，大家看我们把这些词汇给删去，输入一座花园，注意这边一定要输入的是英文，如果是中文的话，那么电脑将无法识别，从而生成错乱的图片。好， 那么在我们输入完一座花园之后就点击执行，现在我们可以看到生成的图像是不是成功变成了花园呢？简直是像魔法一般神奇。 当然现在我们称之为魔法，是因为不懂背后的运行逻辑吗？等到我们学完第三第四节课，也就是 ai 生图背后的运行原理之后，我们就知道这一切不是魔法，而是科学的结晶。好了，那么在我们说完正向提示词之后，我们来说一说 它的对夹，叫做反向提示词，也称为负向提示词。想想在哪输入看到正面条件的下面有一个负面条件，那么当然就是在这儿所连线的框框，哎，也就是这个课本文本编码器输入咱们的负向提示词， ok， 那 么新的问题又来了，正向提示词非常好理解，咱们刚才这个就是想要什么就输入什么，那副向提示词该怎么理解？其实和刚刚说的相反，我们不想要什么，就在副向提示词文本框内输入什么步骤我还是不懂。好，我这边来举个小例子， 比方咱们看到刚才生成的这张图像怎么样？是不是有非常多的花，有粉的、红的、紫的，各式各样？那如果我们现在不想要图片中的花占比这么多的话，那么我们就在副像提示词中输入 花朵，那花朵怎么拼 flower 了？当然如果小伙伴们在园上遇到任何问题，我们都可以用翻译，比方这个有道翻译我就挺喜欢的，非常便捷，我们接下来就点击执行。现在咱们发现了没有， 图片中花朵的元素是不是降低了很多？比方我们再次点击执行来看一下，经过两次实验，图片中的花朵确实是比例明显变少了，但是并不是说完全消除，那 这也正如我刚才所说，负面提示词，它所做的更多是消除我们输入的东西在画面中的比例，在画面中的权重，是吧？但是完全根除这需要其他操作。那么这款工作流是我认为最实用 最方便的一款纹身视频工作流。那么首先为什么说这个是最实用的纹身视频工作流呢？因为这个工作流非常的简洁， 没有什么多余的节点，所以说太容易上手。其次，他对于我们的显存要求非常低，即便是我们那些硬件没有那么好的同学们，也可以来进行一个生存，来感受一下纹身视频的快乐。整体就是这些节点， 其实这个节点跟我们的最基本的纹身图非常相似，这个主要就是因为我们使用的是 openway 模型，就是简单来说，它将我们的模型 clay 为 甚至包括我们的加速方式，我们平时经常使用的加速 laura 也集成到这个模型里面了，这样子就省去了很多多余的步骤，我们可以直接只使用这一个模型来进行生成，就是这么意思，我们来看一下具体一个使用体验， 我输入了一个现代女性在博物馆拿手机拍照，得到了一个这样的结果，整体的效果还是不错的。那么至于他为什么是一个外国人，是因为我们默认是生成外国人，当然你可以自己在提示词里面书写， 比如说亚洲人、中国人。这样子。我们来具体看一下工作流中有哪些需要我们注意到的地方。首先就是我们使用的模型，我们选择的是 t v， 也就是纹身视频模型， rap 代表我们使用的是加速模式， a i o 指的就是 y m 模型，后面呢是它的版本型号。我们来到了提示词部分，副象提示词不需要填写什么，我们主要是在正向提示词当中填写我们想要让画面出现的内容， 然后就到了我们的一个视频生成尺寸，这里面大家可以自己来设置， 其中注意我们的长度指的就是我们的视频生成时长，我们还要结合后面的这个帧率来进行一个考虑，将这些节点连接好之后，我们直接在 k 彩样器当中连接上这些条件，然后输出我们的 laten， 然后通过我们的解码器最后生成我们的视频，其中注意帧率，这里面建议是十八或者二十四， 因为这样子至少能够保证视频是一个流畅的感觉。至于视频时长指的是我们的八十一，除以一十八，因为帧率指的就是一秒钟有多少张图片的意思，那么之后就会生成这样的结果，那么我这边生成总共花了一百四十七秒，也就是两分来钟， 速度还是非常快的，那么也推荐大家去使用这款工作流，像这个视频里面所需要的一些模型内容，我都已经在网盘里面整理好，你打开进去之后会发现有我们的工作流，包括我们的模型， 一个是我们的正常模型，然后另外一个则是我们的 n s f w 模型，那么根据大家的需求来 就是这个视觉模型，按照我上面的提示，然后放进去即可，那么这种生成视频的方式呢，也是目前最常见最实用的。那么像这里面我们导入进去了一张图片，是一个女生在她的房间里面， 我们提供一段提示词，为让画面中的女人站起来，那么整体来说运镜动作是非常流畅的，没有明显的卡顿，动作幅度也是比较大， 个人认为这样的效果已经是比较好的。那么我们来看一下这个是怎么来运行的，这里我们把生存的视频关掉，然后看一下工作流。首先在模型上的选择，我们要选择我们的旺 i to v 模型，也就是图声视频， 这个是我们的微旺模型，和上一个视频当中提到的纹身视频是同一类型的模型，当然他也有我们的 n s s w 模型，那么可供大家选择。 这是两个提示词，负面提示词和正向提示词，我们只需要在正向提示词当中输入我们想要画面呈现出来的内容，然后在下方的加载图像，这里面上传。我们想要生成视频的图像， 那么它会通过一个图像缩放节点进行缩放，因为有时候我们的图像尺寸非常大，你拿这样的一个图像来生成视频，很明显是不可取的，那需要非常好的电脑，我们在这个地方设置一下它的生成尺寸， 这个节点指的就是缩放长度，那么他是将我们的最短边缩放到四八零，也可以看到我们的最短边是不是就是四八零 就这个位置，那么他缩放好之后，会将这个图像输入到我们的图像到视频当中，在这个位置我们要注意了，这地方长度指的就是我们生成视频的一个时长， 拿这个八十一和后面的这个除的关系，最后生成了我们一定时长的视频， 和我们之前的纹身视频差不差。因为我们的大模型自带加速，所以我们的 c、 f、 g 值包括部署什么都是已经设置好，那么这些参数你可以不用动，就按照我设置的来就可以了，那么生成的效果也是很不错的。
