ai分销插件的安装教程

二月十五日 com ui 新版整合包重磅更新，妥妥的新手小白福音，全全中文界面，完全不需要懂英文。更惊喜的是，这次整合包直接内置了两百三十个 ai 模板，全是大佬们都认可的实用功能，还全都帮你整理成现成的 工作流了。安装也还是超简单的，三步就能搞定，一下载二解压三双击打开，一键升图，一键升视频，一键做音乐，一键建模，所有操作都是点一下就能实现，特别省心。模板数量太多，我就不挨个介绍，想要的小伙伴七七八直接带走去玩。接下来开始软件教学。 hello 各位小伙伴大家好，欢迎来到 kufui 系列教程的第二节课，那么在本节课中，我们将介绍 kufui 的 配置要求以及安装与部署的过程。那么首先是电脑配置以及系统环境的介绍，首先是显卡方面， 最低要求是拥有四 g 级以上显存的英伟达显卡，如果显存不足，可能会影响到绘图过程的流畅度。接下来是 cpu， 关于 cpu 要求不高，英特尔十代 i 三以上就可以使用，但推荐使用性能更强的，如英特尔十三代 i 五幺三六零零 kf， 以获得更好的性能。 接下来是内存，内存至少需要十六 gb， 推荐三十二 gb 以上，以确保可以加载和运行较大的模型。 最后是硬盘，关于硬盘呢，至少需要两百 g 的 空余空间，推荐使用大容量的固态硬盘，因为 ai 绘图过程中会下载和生成大量的模型以及图像数据。那么接下来我们详细介绍一下 cf u i 的 下载以及部署方式。我们先安装资源包里面附带的启动器运行依赖， 接着打开解压之后的 cf ui 文件夹，在文件夹内找到 a 会式启动器，随后点击一键启动即可。首次启动时可能会安装一些必要的环境依赖。 稍等片刻后，我们便来到了 cf ui 的 主界面，接下来介绍第二种安装方法，官网资源包的安装，当然关于官网的资源包我们也可以在评论区内获取。我们解压完资源包后，在文件夹内找到这个项目， 双击运行，等待片刻后，我们便可以来到最原汁原味的 comfui 界面了。这个版本的 comfui 是 没有装任何非官网的插件的。 此外， comfui 完全离线工作，对 gpu 的 要求相对较低，但是也有 cpu 模式，不过在 cpu 模式下绘图速度较为缓慢。如果小伙伴们之前有使用过 webui 或其他类型的 stefusion ai 绘图应用，那 我们可以通过修改 comui 的 配置文件来实现在不同的 ai 绘图应用间共享大模型以及 loa 等等，以此减少对硬盘内存的占用。那么接下来我将向大家演示一下 如何将我们的 comui 大 模型以及 loa 的 加载路径修改成 web ui 的。 如果小伙伴们没有玩过 web ui， 那 么这一段可以直接跳过。好的，那么我们打开 comui， 接着我们找到这个文件 extra model path y a m l 点 example， 接着我们用记事本打开。好的，那么打开之后我们找到这一项 base path， 我 们要做的是把 base path 后面的这一串改成我们 web ui 文件夹的路径。比方说我们打开了 web ui 的 文件夹后，我们可以单机上面的这个栏目， 随后 ctrl c 复制。接着我们回到刚才的记事本内，将我们刚刚复制的路径粘贴到此处，随后我们保存并关闭记事本。接下来的一步很重要，我们需要将 example 以及这个点给删除，也就是将我们的文件名后缀改成点 y a m l， 随后点击确定即可。那么接下来我们打开 ctrl u r 来确认一下。 好的，我们这边看一下区块朋友加载器里面的大模型，点开后我们可以看到多了，非常多啊，那么这就证明我们成功把模型路径合并到了 vip ui 内。好的，那么以上就是关于本期的全部内容了，如果你觉得对你有帮助的话，那不妨给个三连加关注吧，我们下期再见，拜拜！ 欢迎来到 kufu y 系列教程的第三节，那么在本节课中，我们将一起了解 kufu y 的 主界面以及各种参数到底代表了什么。最后我们将学习 stability fusion 生成图片的根本原理。好的，我们打开了秋月大佬的会式启动器后，点击一键启动。 经过一段时间的等待后，我们便来到了 comfyui 的 主界面。那么我们在面对 comfyui 这个完全陌生的软件时，我们要做的就是初步了解每一个模块的大体含义，那么接下来我带着大家过一遍。首先是操作方式，我们可以通过鼠标的滚轮来控制画面的缩放， 按住鼠标左键，我们可以拖动我们的仕途。点击鼠标右键，我们可以看到有非常多的栏目，这边我们可以试着点击新建节点，随后我们可以看到有非常多的节点可以供我们选择。好的，那么之后我们再来说一下快捷键，生成图片的快捷键是 ctrl 加 enter 框选节点的快捷键是按住 ctrl 加鼠标的左键。移动框选目标的快捷键是按住 shift 加鼠标的左键。 这边我们在框选完后，如果不按住 shift 直接进行拖动的话，我们可以看到此时只有单一节点进行了移动，剩下的快捷键我都放在这了，小伙伴们可以暂停观看。 好的，那么接下来我带着大家一起来解读一下这个默认工作流。首先在这边我们可以看到有个叫 checkpoint 加载器的东西，这个节点的主要作用是加载扩散模型，也就是我们常说的大模型。 此外该节点还提供适当的 ve 以及 clip 模型，具体它们是什么我们带回讲。我们顺着 checkpoint 加载器的节点连线，可以看到这里有两个 clip 文本编码器，在这里我们可以看到它们的输入都是 clip， 而他们的输出都是条件。那么究竟什么是 clip 模型呢？ clip 全称为 contrasted language image pre training， 是 由 open ai 公司在二零二一年发布的一款多模态与训练神经网络模型。 clip 模型的作用是理解我们输入文字的意思，比如我们输入 one go 生成的是一个女孩，而不是太阳， 这就是 clip 的 作用。接着我们顺着 clip 文本编码器的条件输出看过来，连接到了 k 采阳器上，这边我们可以看到 k 采阳器一共有两个关于条件的输入，一个是正面条件，另一个是负面条件，那么这代表着连接着正面条件的文本编码器内的提示词为正面条件提示词， 也就是我们常说的负面提示词。好的，我们把目光重新回到 k 采阳器内， 我们可以看到除了正面条件以及负面条件外，还有两个输入，分别是模型以及 latent， 那 么模型则是连接着刚才的 checkpoint 加载器，也就是我们的大模型。那么这个 latent 究竟是什么意思呢？ latent 通常是指前空间，可以理解为 static fusion 内部流程中的图像格式。如果将图像作为输入，则需要通过 v i e 编码将其转化为 latent 数据 在最后输出时也需要通过 ve 解码将其转化为像素空间，也就是我们最终看到的图像。这边我们可以看到 k 太阳器的 laten 连接着一个叫做空 laten 的 节点，这个节点内共有三个参数， 分别是宽度、高度以及 p 四大小。宽度和高度决定了我们最终生成图像的尺寸，而 p 四大小则代表着每生成一次将出多少张图。比如说我们将 p 四大小改为三，高度改成七百六十八， 最后我们按 ctrl 加 enter 进行生成。好的，这边我们可以看到一次性生成了三张图像，也就是我们 p 四数目的图像。接下来我们继续看 k 太阳器的其他参数。 首先是随机种，随机种的值我们一般称为种子值，每张图都有专属于他的种子值，我们也可以理解为种子值，就是图片的 id 号码。接下来是运行后操作，点开后我们可以看到一共有四个选项，分别是固定、增加、减少、 随机。如果选择固定，则在你生成完后，种子值会保持不变，方便你进行其他的调整与操作。那么接下来就是采样步数，采样步数越多，计算机的运算时间越长，在大多数的情况下，我们的采样步数保持二十到三十步即可。接下来是 c f 居值，该值的意思是提示词引导系数， cf 居值越高，则代表着生成图像与提示词之间的联系越紧密。 cf 居值越低，则代表着提示词对生成结果的影响越小。不过过高或过低的 cf 居值都会给图片带来不好的影响， 所以我们一般保持适中的 cf 居值即可。接下来是采暖器和调度器，我们可以理解它们为图像的生成方式，如果我们将其他参数比作是食材， 那么它们则是烹饪方式，不同的烹饪方法当然会带来不一样的结果。比如我们点开采暖器后，可以看到有非常多的选项，这里我们目前最好的一般是选择这个 d p n 加加二 a m 或者 d p n 加加二 a m s d e， 这两个都是挺不错的。接下来点开调度器，我们也是可以看到有非常多的选项，这里我们一般选择的是 carrots。 最后我们可以看到还有个降噪参数，由于该参数是跟图生图有关的，我们以后再说。 接下来我们看一下右边有个叫做 v i e 解码的东西，那么我们可以看到这边有两个输入，分别是 laten 以及 v i e。 至于 laten 刚才我们已经解释过了，也就是前空间图像，那么 v i e 究竟是什么呢？ v i e 全称变分字编码器 variation auto encode 的 缩写，它是一种深度学习模型，主要用于无监督学习任务，特别是在生成模型领域。 ve 结合了神经网络和概率图模型的特点，而他在康复以外的作用是将我们的前空间图像编码成像素空间图像，或是将像素空间图像编码成前空间图像。除此之外，我们还可以双击屏幕上的空白处，最后就可以搜索节点，比如说搜索加载图像， 或者我们也可以双击搜索预览图像。这边再多说一嘴， v e 解码之后的图像节点，我们也可以直接连接到预览图像上， 比如说我们现在把这个保存图像节点给删去，如果这么操作的话，那么我们生成的图像不会被保存，接着我们再生成一次。 这边还要注意的一点是，在我们搜索节点的时候，我们也可以输入英文，比如说加载图像的话，那么就是 load image， 那 么我们可以看到这两个节点是完全相同的。接着我们再来说一下，比如说当我们输入英文的时候， 同样的也是 load image， 但是这个时候我们加了一个空格，好，我们可以看到这里面并没有出现加载图像的节点，那么这也意味着在我们搜索节点的时候，我们要注意区分节点的名称是否有空格。好，比如说我们需要搜索加载图像节点， 那么我们删去 load image 之间的空格之后，我们可以看到，哎，是不是加载图像节点就出现了？ 好的，那么以上就是关于默认工作流的全部解释，接下来我们来看下界面还有其他哪些模块。首先我们点击左上角，这里有个文件夹， 点开后我们可以看到我们的工作流都保存在这，这边可以点击新建，那么我们就新建了一个新的工作流，当然我们也可以点击这个 import， 也就是输入我们的工作流，或者说是输入我们的文件夹。 最后我们点击 models， 我 们可以在这里找到并且下载相关的模型。接着我们来看一下右边的栏目，首先是该栏目的左上角，我们按住后可以进行拖动， 然后是这个齿轮标志，点开后我们便来到了康复以外的设置界面，在这里我们可以设置语言，点开后我们可以看到有中文，繁体中文，英语以及日语韩语等等，我们往上翻可以看到有其他的功能，比如图像面板顺序，图像面板的位置等等等等。 我们往下看，这有个文本补全，这个 enable 我 们一定要勾选上，这代表着它的起用。文本补全的意思就是在我们输入提示词的时候，会有这些英文短语的提示， 我们往下看有个添加提数字队列，这个是生成的意思。接下来我们可以看到有个保存的选项，点击该按钮我们便可以保存当前的工作流以及加载，那么就是加载工作流，同样的意思。 接着是重刷新，比如说我们下载一个新的大模型之后，那么我们点击重刷新便可使用。接下来还有个重点就是管理器，这个是 com 浏览器里面最重要的节点，点开后我们可以看到有非常多的功能， 比如说这边有数据库以及频道方式，预览方法，表情等等等等。这边预览方法我们一般选择的是这个 later to rgb， 然后表情这一栏我们一般选择的是名称， 也就是标签名称。选择了之后，我们可以看到节点的右上方一般会出现一个小狐狸按钮，而小狐狸按钮则代表的是它是官方节点。比如说我们加载一个新节点， 那么我们可以看到该节点是属于 animate develop 节点组的。接着我们回到管理器这六个 custom node manager， 点开后我们可以看到有非常多的节点，在这里我们可以查找以及安装我们想要的任意一个节点。在今后的学习过程中，我们会频繁使用到这一个模块。 接着我们看到 model manager， 在 这里我们可以安装我们想要的任意一个模型，注意模型不是节点，他们是分开来的，至于该模块我们今后也会频繁的用到。好的，在介绍完 comf 以外的主界面以及各种参数后，我们来了解一下 stepifuion 的 内在运行原理， 就可以方便我们理解并掌握进一步的学习内容。在我们输入完体式词之后，文本编码器的 click 模型会将体式词转化为特征向量， 然后再由 ve 编码器将这些特征向量传输到前空间内，这些特征向量在前空间内不断的降噪，最后再由 ve 解码器将这些经过降噪之后的特征向量解码成由一个个像素所组成的图片。好的，那么以上就是本期的全部内容了， 如果你觉得对你有帮助的话，那不妨给个三连加关注吧，我们下期再见，拜拜！ 哈喽，大家好，欢迎来到康复 u i 系列教程的第四节课，那么本节课我们将一起学习纹身图的相关知识 以及提示词的语法。在第三节课的结尾，我们一起学习了 step diffusion 康复 u i 的 基础工作原理，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的提示词后，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 彩样器内。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 jpeg 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克利普模型是属于各个大模型的内置克利普模型，而不同的大模型之间克利普模型也可能会有所差异。那么接着我们可以看到这个朋友加载器的输出有个 v a e， 那么也就是说他提供了 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 传感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 p 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，我们摁 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题序词的相关语法。首先我们来聊聊书写规范， 不论是正向提示词或者是副向提示词，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出现。接下来我们来讲一讲题序词的权重。 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，而 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数字的权重。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，比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倍的权重。零点九乘以零点九是零点八一， 那么就相当于给这个体式词加上了零点八一倍的权重。那么同样的，当我们给一个体式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，相当于我们给这个体式词加上了一点二一倍的权重，大括号也同理。 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题是此上时，打个比方说 garden 摁住 ctrl 加上键，那么就是给他加权重，我们可以看到他的权重在不断的增加， 那么 ctrl 加下键，那么就是减少他的权重，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，但是不是减少他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，但是减少他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。我相信不少小伙伴对我这么一个疑问， 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包含的意思。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，将光标放在某一体字词上， 然后按住 ctrl 加上或下就可以调整该体字词的权重。那么如果说是一句话的话，你想调整某一体字词，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 从业者也在不断的去 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加糟糕，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 stability fusion 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， 是文不想要模糊嘛，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述词的顺序。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题词的结尾添上我们想要加的 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。之后我们来聊一聊题序词融合，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 end。 注意这里的 end 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 end 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 end 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，也有类似与融合的效果。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 在 街上冒号 one girl 在 街上冒号零点三，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 forrest， 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 forrest， 后面百分之三十画 one girl。 好 的，那么以上就是本期的所有内容了， 如果你喜欢本期视频，那不妨给个三连加关注吧，我们下期再见，拜拜！ 哈喽，大家好，欢迎来到 cf ui 系列教程的第五节课，那么本期视频我将分享几个非常实用的 a i g c 网站以及大模型的下载还有使用方式。那么在本期视频开始之前， 我们先了解一下大模型以及 lora 的 存放路径。首先是大模型，我们一般放在 cf ui 文件夹里的 models 文件夹内的 lora 内。 有些小伙伴可能不知道什么是 laura， 那 么我们可以简单的理解为 laura 就是 非常精简的小模型，它一般搭配着大模型使用，从而让我们的生成结果更具风格化或是质量提升。 首先是利布利布 ai， 利布利布目前是国内最有权威并且规模最大的 ai gc 网站之一，该网站包含了模型下载、作品灵感 在线生图，还有训练 laura 以及诸多功能。我们一起来看看模型广场，这里有诸多模块，动漫、游戏、插画、二次元幻想、手绘风、工艺风等等等等， 在这里都能找到你想要的相关模型。当你工作或生活中没有灵感的时候，我们可以来到这里看看大家上传的图片。如果有你喜欢的图片的右下角有生成信息，我们可以复制相关参数到 stable future 里面自行生成。第二个网站是 nova ai 点 dv， 该网站侧重于辅助功能，比如这个法术解析，我们可以把已下载好的 stable future 图片拖到这里来， 那么它就会进行相关分析，最后汇总成一个参数表格。当然我们可以复制这份参数表格到 stability fusion 里面，在这里有相关详细的使用介绍，我们看看侧边栏，这边有各式各样的标签供您挑选， 我们可以利用这些标签去组成我们想要的关键词，然后复制到 web ui 里面进行生成。此外，该网站还链接了 a i g c 的 社区，比如之前在 liblib 上看到的画作分享模块，这边也有，并且这边还对各种各样的图片进行了分类， 总体来说还是挺不错的。好的下一个网站是 poemlib， 在 这里我们可以很直观的看到每一个提示词所带来的效果。当然提示词标签也是多种多样， 我们可以看到人物的各种特征这边几乎都有包含，如果你想添加某个提示词，那么直接点击就行， 随后会在右侧的侧边来显示，有点像购物软件的购物车一样。等我们选择完所有信息的提示词后，直接点击复制便可粘贴到 web ui 里进行图片生成。除了人物外，我们还可以看到这边有诸多板块，服饰风格、各种构图、质感环境 以及一些质量参数等等。接下来是国外网站，首先是 civate ai， 在 这个网站内汇集了来自世界各地创作者所训练出的模型， 同样的也汇集了来自世界各地 ai g c 玩家所分享的图片。比如我们喜欢某一张图片，我们可以点进去看它的详细参数，比如它使用了什么模型，什么 laura 等等。当然还有关键词我们都是可以复制并直接进入到我们的 web ui 内进行粘贴复现的。 除了图片外，这边还有大家所分享的 ai 视频。总的来说， cvitai 是 一个非常非常全面并且有着海洋信息的网站，基本上市面上的所有模型以及 laura 在 这边都能找到。 接着我们来看看下一个网站 huginface， 想必这个网站许多人应该都听说过，许多最新的模型 laura 等都是在这边开源发布的， 比如我们搜索 stable fusion 三模型，这边我们可以看到网页包含了模型生成的视例图以及模型的原理，还有模型的代码等等信息，并且只要你登录了之后便可以下载该文件。最后要介绍的网站是 gitap， 这是目前全世界最大的开源代码网站，在这里我们可以找到海量的信息，其中就包括 aigc， 各个大模型或者是各种插件最新信息 以及下载方式。比如我们搜索 stable fusion， 在 这里我们可以看到有关于 stable fusion 开源的所有信息，无论是运作方式还是本地部署，亦或是它开源的代码，我们都可以从这里得知。最后是模型推荐，我们知道现在市面上已经有着成百上千各种各样的模型， 那么这边 up 主帮大家整理了一下，选出了几个我认为较为好用的大模型。首先是 dreamriver 以及麦吉系列，它们的共同点就是生图质量较高，并且生图的类型范围非常广泛。 最后是 pignix， 这是一个二次元大模型，在有关动漫的图像生成上，它的表现非常卓越。 然后是建筑类的大模型， architecture realmix， 这个模型包含了建筑相关的一切领域，包括楼体创意，现搞转会、室内设计等等等等，它都能胜任。 好，我们回到康复以外，现在我们将用同一组提示词以及其他参数仅仅变化我们的大模型，来看一下生成的结果有什么差异。首先我们选择的是真实感的大模型。好，我们可以看到生成出来的图片非常的写实。接着我们换一个二次元系的大模型。 好，我们可以看到现在图片完全变成了动漫风格，那么这就是大模型的威力。接下来我介绍一下 lora 的 使用方式， 我们鼠标左键按住模型输出，拖出来之后，我们可以看到这边有一个 lora 加载器。好的，选择了之后，我们可以看到 lora 加载器分别有模型以及 clip 的 输入与输出，那么这边我们先将它的 clip 给连上， 接着我们再将 lora 加载器的模型输出连接到 k 太阳器这里，然后再将这个 clip 连接到文本编码器。那么我们稍微整理一下工作流， 那么现在我们先设置一个 lora， 我 们其他参数同样保持不变。比如说我们来一个这个梦中花境吧，我们提示词也是没有任何变化，随后我们开始生成， 我们可以看到明明我们的提示词没有任何关于花的词汇，但是我们的结果图却出现了非常多的花， 那么这也正是因为我们的 lora 起到了作用。不同的 lora 有 不同的效果，小伙伴们可以自己去尝试。好，那么本期的视频到此结束，如果你觉得对你有帮助的话，那不妨给个三连加关注吧，我们下期再见，拜拜！ hello， 大家好，欢迎来到 comfui 系列教程的第六节课，那么本期课程我们将一起学习图生图的相关知识以及高清修复。那么在介绍图生图的工作流之前，我们先来讲讲什么是图生图。在我们使用图生图功能时， 我们一般使用一张图片与一组关键词共同作为输入生成的图像将收到这两个输入的共同调节作用，比如使用下面这张初级草图以及一段指令作为输入图中图功能会将其转化成一张完成度较高的图片。首先第一步， 我们输入的图片会由 ve 编码器编码从前空间图片并传入到前空间内。第二步，采暖器会向其添加噪音，通过设置降噪幅度可以控制究竟要添加多少噪音到原始输入的图像中，如果降噪幅度为零，则不会有任何噪音添加进我们的前空间图像。如果降噪幅度为一， 那么我们输入的图像会因为噪声过大而起不到任何参考作用。第三步，采暖器内的噪声预设器将 将上一步处理后的前空间图像与文字指令作为输入传回到 unit 网络，并预测出应减去的前空间噪声张亮。接下来前空间噪声张亮将会从前空间出属图像中减去，并得到前空间新的图像。并且第三步的全流程会重复特定的次数，而这个特定的次数就是采样步数， 比如说二十次，而这整个过程都是在采阳期内完成的。接下来到了第四步， ve 解码器会将降噪完成后的减空间图像解码成像素空间的图像，那么也就是图升图的最终图像。接下来我们回到 comfui 中，我们先加载一个默认工作流，随后将 comlinit 给删去。 接着我们点击 later 拖出来，选择 ve 编码，那么我们就成功加载了 ve 编码器。接着我们将 ve 编码器的 ve 输入连接到 checkpoint 加载器的 ve 输出上。随后我们将图像节点给拖出来，选择加载图像 load image。 那么这边我们上传我们需要的参考图像。这边我上传的是一个金发小萝莉，那么接下来我们要边写一下提示词。这边我们可以输入 one girl golden here， 然后再输入一个 lake， 也就是湖水作为背景。我们看一下啊，她穿的衣服是蓝色的，那我们可以说 blue dress， 接着我们可以看到他的衣服有一点点湿，那么我们可以加入 drench， 湿透的意思。还有白丝袜副象题诗词，这里我们一般输入的是模糊，也就是 blur 以及低质量 low quality， 还有文字，也就是我们不希望他出现文字。现在我们回到采暖器这里， 我们可以看到这边有个降噪，我们将该值修改成零点七，而对于降噪值，零点三到零点五之间属于安全的重绘幅度区间，而零点五到零点七则赋予了 ai 更多的想象与发挥的空间，那么低于零点三或者高于零点七， 图像都有可能会发生扭曲变形。好，那么这边我们先将该值设置成零点七，生成张图片试一下。 这边我们可以看到这两张图片的背景以及这个墓栈道还有人物的部分特征都是比较相似的，但是我们可以看到他们的年龄确实不太符合。那么接下来在关键词的前方加入一些质量提示词， 在我们优化完关键词之后，我们再次生成，看下效果如何。这边图片已经生成出来了，但是感觉还是不太相像，我们要做的就是将降噪幅度改成零点四五，之后我们重新生成一次，看一下效果如何。 效果是不是好了非常多呢？如果你觉得图片不太满意，那么我们可以多生成几张，直到得到你满意的图片为止。 那么接下来我们讲一下什么是高清修复，比如说我们现在生成的这张图片我们非常满意，那么我们怎么增加它的分辨率以及图片的细节呢？好，那么我们这边回到 k 采集器，我们先将种子值选择的是固定模式，随后稍微整理一下工作流 双击界面的空白处，输入 upscale， 然后我们选择 later 按系数缩放，我们将该节点的 later 输入连接到 k 渲染器的 later 输出上。 好，随后我们按住 alt 键，点击 k 渲染器拖出来，那么我们就复制了一份相同的 k 渲染器， 那么我们将这个 later 按系数缩放的 later 输出节点连接到我们新建的 k 渲染器的 later 输入中。 最后我们将文本编码器的条件输出分别连到 k 采集器的正面条件以及负面条件上，模型也是一样，我们回到 jpeg 加载器，将模型连接到我们新建的 k 采集器上。 好，随后我们回到新建的 get 检测器中，我们将步数设置成二十五， c f 居值我们设置成七。好，接下来我们点击这里选择这个 d p n p p 二 m 调度器，这里我们选择的是 carras。 接下来我们新建一个 ve 解码器， 随后我们将 ve 解码器的 ve 输入连接到 shift pro 的 ve 输出上。接着我们新建一个预览图像节点，随后开始生成。 我们可以看到这张图其实非常的不自然，那么我们该怎么去解决呢？我们回到我们新建的 k 采暖器这边，我们将运行后的操作改成随机，并且将降噪幅度改成零点五五，随后再次生成。 好，我们对比一下前后两张图片，我们可以看到脸还是变化比较大的，那么我们可以适当的降低降噪幅度，比如说我们改成零点五一再生成一次看看。 好，现在我们可以看到生成的结果，五官是和原图非常相近的，我们再来对比一下图片的细节，放大之后我们可以看到右边，也就是我们新生成的经过高清处理后的图片细节要比原图多很多，比如说水面上的气泡以及这些发丝都是非常的清晰的， 我们这边可以对比一下原图头发这一块一放大就变成一块马赛克了，而我们新生成的图片还是比较清晰的好，那么有的小伙伴可能会说，哎，这还不够清晰，那怎么办？别着急，我们还有高清修复的方法，那么接下来我们将进行第二重高清修复， 我们搜索 s d upscale， 也就是这个 s d 放大，那么接下来我们将这些节点一个一个的连上。首先是图像，我们连接的是这个 ve 解码之后的图像输出，接着模型我们还是老样子， 连接的是这个 point 的 模型输出，那么这边我推荐一个小技巧，我们将模型拖出来之后选择转接点，我们可以看到这边有一个小小的节点，那么这个节点的意思也就是代替了这个模型的输出，我们将 sd 放大的模型输入跟这个模型输出相连。 好，现在我们可以看到它其实也相当于跟我们的 point 连接在了一起。接下来是正负相条件，我们也用同样的方法拖出来选择转接点。 好，接下来我们连接 ve 模型，我们也是用同样的方法选择转接点，拖出来 连接 ve， 这边我们选择放大模型加载器节点，接下来点击这里，我们选择该选项，这个放大模型是我试用下来效果最好的。随后我们加载一个预览图像节点，接着稍微整理一下工作流， 好的，整理完工作流之后变得整洁了一些，我们开始生成图片，已经生成出来了，我们可以放在一起对比一下效果。 这张图的分辨率已经达到了二 k， 非常的清晰，我们可以看到细节都还是不错的。然后我们再来看一下第一次放大的图片，放大之后还是有点糊啊，对吧， 不过清晰度也还是可以得到保障。再来对比一下这个哦，确实特别的清晰。 随后我们再来看一下第一张图片的清晰度，这个放大之后就是一团马赛克了，对吧，差异还是非常大的 好，那么有的小伙伴可能会说觉得这张图清晰度还不够，哎，那怎么办？别着急，我们还有最后一重放大，那么加上了这最后一重放大之后，也就构成了所谓的三重放大。这边我们搜索 upscale， 接着选择这个图像，通过模型放大， 这个节点非常简单，只有两个输入以及一个输出，然后图像的话就连接到 sd， 放大之后放到模型这边，我们同样选择的是该模型， 随后我们将图像拖出来，选择预览图像。好，我们可以看到最终生成图像已经出炉了，我们来欣赏一下它的效果到底有多么的炸裂。 这是一张四 k 的 图像，清晰度非常的夸张，发丝都看得见，完全没有那种模糊马赛克的感觉，湖水也是很真实， 我们再来看一下对比第一张，那放大了之后全身马赛克对吧？ 没法比啊，这个确实没法比，那么这就是本节课所介绍的图生图以及三重放大的效果。首先这是我们的原图，然后这是我们图生图之后转换成真人的图片，接着这是第一重放大， 第二重放大，最后这是第三重放大。好，那么本期的视频到此结束，如果你觉得对你有帮助的话，那不妨给个三连加关注吧，我们下期再见，拜拜！ 这些这些，这些都是 ai 生成的，距离 flex 模型发布以来呢，它的相关生态已经逐步完善，那么我们今天就来看一下如何用 flex 生成像这样具有抄写式风格的 ai 图片。首先我们来到 kufui 界面，那么映入眼帘的是我们今天的 flex 生图 高清放大工作流，那么该工作流分为了两个部分，首先是黄色部分，黄色部分代表着 plus 基础生图部分，而蓝色部分呢，则代表着是高清放大部分。这个高清放大一共也是分了三部，那么我们的话，首先关于生图，我们就先把高清放大模块给进行一个忽略。 好的，接着我们回到我们的生图部分，来看一下其中有哪一些组建。首先我们来看一下这个生图工作流的核心节点叫做 essential， 这个节点呢，它是一位印度工程师写的节点，那么那一位印度工程师，他也是 ipad 的 作者。 ok， 这也是题外化， 那么这个节点他可以省去非常多的 flex 基础节点搭建。 ok， 我 们可以看到啊，我们整一个关于 flex 的 生图部分， 也就只有这些节点而已，那么我们首先的话来看一下这些，哎，关于必备的一些节点。首先是双 clip 加载器，在这里呢一共是搭载了两个 clip 模型，那么这也是 flax 模型跟其他大模型不一样的地方。我们可以看到 这个双 click 加载器连接的是一个专属于 flux 的 文本编码器，我们仔细看可以发现这个文本框它并没有分正负向提示词，而我们的一个核心组件呢，也是只有一个条件输入， 并没有分正负向提示词，那么它的意思是说在 flux 生成工作流中，我们已经不需要负面提示词的输入了。我们可以看到这个文本编码器，它一共也是分了两个部分，上半部分是使用 传统的提示词语法，也就是一个一个词组这样去编写。而下面这个部分呢，我们可以使用自然语言编写，也就是说使用 连贯的语句来进行文本的编写，而关于这个部分，我们最好是可以两个都编写上，这样子可能得到的结果会更加准确，那么这边的话，我们只填写一个文本框也是完全没有问题的。好，我们再来看一下其他的， 那么这边有一个叫做 eonet 加载器，这个 eonet 加载器呢，我们也可以理解为以前的 jumper 加载器，也是加载我们大模型的地方，我们可以看到，哎，咱们的 flex 模型就是在这边进行加载的。 那么首先呢， plus 模型啊，它一共有两个，分别是 f p 八以及 f p 十六，那我们这个叫做 f p 八的，它是一个十一 g 的 大模型，而 f p 十六呢，它是二十二 g 大 模型，有些电脑可能 hold 不 住，那么我这边的话，为了咱们的一个生存稳定性，我也是用的是 f p 八，好， 我们再往后看，那下面这个空位腾也就不用介绍了，和以前一样，也是控制宽高的地方，那么要注意的是这个 lo 胶带系，哎，我们这边 也是用的是 flux 的 专用 laura， 大家待会就可以看到咱们今天这个 laura 的 强大之处。好，我们再来看一下咱们这个主要的模块里面有什么参数。首先是种子值，这个咱们就不过多介绍了，还有就是采阳器，采阳器以及调度器呢，我们这边用的是 euler 以及 simple， 这个是针对于 flex 大 模型的一个彩样组合，如果说你切换的话，图片效果会变得很糟糕。接着我们可以看到彩样步数，哎，我们发现没有，不是特别高，对吧？十七不高，因为据实验统计， flex 大 模型啊，在生图的第十五步之后，其实就已经变化不大了，那我这边时期呢，也是为了增加多一些细节吧。那后面的话有个叫做 guidance， 也就是引导系数，我们设置成三点五就可以。接着我们来看 vae 加载器，那么我们的 flex 也是有专门独属于它的 vae， 叫做 flex vae， 哎，这一个我们可以留意一下，那么关于我们的 vae 也好，咱们的 flex 专属 lora 以及专属的 clip 模型， 我们都可以在评论区进行一个资源获取。那么接下来的话，我们就直接来进行生成，来看一下 plus 大 模型啊，它到底有什么强大之处？ 哎，我们可以看到这张图是不是非常的真实，对吧？啊，真实度非常的高，它仿佛就好像是用手机拍出来的感觉，那么这也是要归功于我们的洛尔，这个洛尔的效果呢，叫做 plus 小 红书， 那么它的效果也是为了能够更贴近咱们真实用手机拍出来的图片质感。接下来的话，我们把种子纸给换一下，接着我们再稍微改一下提示词， ok， 我 们再点击执行队列来进行一次生成。好的，我们可以看到啊，那么一张小姐姐的图片就这么生成出来了。如果说大家不是看到咱们这个 ai 工作流， 咱们是在比如说自媒体上看到这样的图片，那真的是真假难辨，毕竟它还原度非常的高，它和咱们现实世界用手机拍出来的质感，或者说用相机摄影和 ps 过的质感是非常相近的。 那么除此之外呢，我们也可以进行进一步的高清修复，比如说我们想让他画面更多细节的话，那么咱们就把高清修复模块给打开，接着我们直接点击执行队列就 ok 了。 好的，经过了漫长等待后，最终图像也是生成了，你觉得效果怎么样呢？如果你觉得本期视频对你有帮助的话，相关工作流以及资源包都可以在评论区进行获取，我们后会有期，拜拜观众朋友们。大家好啊，今天讲一个小技巧，可以让我们 fux 的 图脱离 ai 感， 然后这个就是 fux 直接出的，我们这次使用到的技术叫噪声添加或者叫噪声注入，你会发现这张图就会少一点 ai 感，对吧？ 然后包括他衣服上的一些细节，他都会比呃直接出的会多出来很多。接着我们看一下其他图片，脸部的纹理、头发， 然后这个也是会发现噪声加入之后的图片会更加的真实，会少了那么多 ai 的 感觉。还有其他的应用，就比方说像出这种产品的图片，他会读出来更多的细节， 从细节上来看也是很 ok。 简单说一下这个原理，当然视频用到的工作流和模型我都打包好了，如果有需要的小伙伴可以在评论区留言，我会一一回复发送给大家。 这个原理很简单，就是正常采样是直接采完的，对吧？比方说四十步采样，然后通过四十步的去造后，到结束出一张图片，然后这边的技术就是说你四十步采样之后，先得出来一张图片，再重新把这个采样再逆过去，逆回去的过程， 到二十步的时候我再给你添加一些噪声，然后你再重新跑，然后这样就会多出来非常多的细节。具体我们到工作流里面去看一下，这是我刚刚跑的一张图，我们可以看一下它的区别，你会发现通过噪波添加之后，它的图片会多出来非常多的细节，并且少了很多的 ai 位。 简单说一下这工作流，这工作流我参考了国外两个在潜空间里添加细节的工作流，我这边用的是 f t 八的模型，然后这边我用了一个八步加速的 lora， 然后再加上了亚洲人脸 lora 这个加速度， lora 会把我们整个流程提速很多， 在第一次裁样完之后，他会到这里，这里会进行一个相当于一个逆裁样，就是他会回速到十五步，回速到十五步之后，他会来到这里添加一些噪波，添加完噪波之后，他会继续裁样的过程，然后最终得到我们这样一张没有 ai 位的图片。 我这边还用了一个锐化的节点，你们也可以关掉，如果觉得图像太锐的话，可以调整这个数值，然后这边有几个关键的参数， 我跟你们讲一下，如果说最终出来的图有很多噪声，噪点没有消除干净的话，你们可以在这边去提高它的强度，或者降低它的强度，提高它的强度之后，它会图片会添加更多的细节， 但是他有一个预值，大概我这边测试应该是在零点四吧，如果说你高于零点四的话，他可能会有些噪声，踩不完全就会可能出现一些脏脏的画面，脏脏的感觉。我这边建议的值是零点二到零点三，这边你们如果不太了解的话，就不要调了。 还有一个就是这个 latent 缩放系数调整，这个值可以保证你们最终出的图的清晰度会更高一点。如果说你们这里设置一的话，最终出的图可能会有一些模糊，但也影响不大， 这个最终就看你们怎么使用，我们这边可以跑一下看一下， ok， 我 们这个图跑完了，你会发现这个图片的细节多了非常多，对吧？ 好，这就是我今天分享的工作流，如果有需要的小伙伴可以在评论区留言，我会一一回复发送给大家，然后喜欢的可以三连支持一下，感谢大家！ 一直以来总有小伙伴问我有关 comfy 电商产品摄影图的问题，尤其能否利用最近大火的 flux 生成更真实更落地的产品图， 当然是可以的。今天我不仅会分享搭好的工作流，同时还会跟大家一起分析各部分的原理与功能，让你也能从零开始组合出自己的电商产品摄影工作流。电商图工作流程可以拆分成如下步骤，设计成品图片大小、物品大小、物品位置、背景等。 提供商品图片，从中获取主体和蒙版。将商品主体融合到生成的或者提供的背景中，添加光影效果，精细化成图，扩图、重绘等，还原商品细节，颜色校正，生成视频。 其中第三步是整个工作流程的关键，要求不高的小伙伴在完成这一步后就可以收工了。后续的五个步骤则是帮你实现更协调、绚丽、真实、精细的效果。 随着技术的发展，还能换成未来更新更好用的模型和插件。好话不多说，我们直接来工作流看一下。 首先我们使用 segment anything ultra v 二节点，提取沐浴露主体和蒙版，添加 image bind advance 节点，将主体放置在特定位置，添加 flux 纹生图流程节点生成符合要求的背景。接着接入 ic light 节点，为全图重新打光， 基于 s d 一 点五实现的 i c light 模型打光，图片质感稍微会差些。然后使用 flux 图升图，增加一些细节，调整彩样器里的参数，重绘幅度设置为零点三五，提升了画质。 由于彩样重绘，商品上的字体被重绘了，我们需要重连图恢复细节。目前主流的有两种方案，大家只需使用一种即可。 首先添加一个开宅实线的 i c light 插件里的 detail transfer 节点，恢复屏子上的字。或者使用 layer style 里的 frequency detail restore 节点，同样可以回复文字细节。 有些时候我们需要调整一下成图的颜色，针对不同情况，如果需要参考另一张图来调整成图的颜色，可以使用 colormatch 节点及图像调色。比如我喜欢刚刚 flex 重绘之后的那一张，就拿它作为参考来修正恢复细节后的成图参数，保持默认就可以。 还有一种情况比较常见，就是主题的颜色跟背景的颜色不太搭时，可以使用 auto adjust 节点，它能为程图遮罩里的内容进行自动调色。连接好程图与蒙版，添加一个图像预览节点。接着权重参数调整为三十 mode， 改成 lamb 加 set， 然后直接运行。 小伙伴们在使用时可能需要根据具体输入的物品来微调参数，现在我们来看一下经过各个步骤后的程图。好 flexing paint 方法就讲到这里， 视频中用到的模型和工作流我都打包好了，有需要的小伙伴可以在评论区给我留言，我会一一回复发送给你， 谢谢大家。哈喽，小伙伴们大家好，今天跟大家一起讨论一下 vlog 万物迁移在电商次世代的商业落地应用这一块的内容。 近年来， ai 技术在视觉领域的应用快速发展，尤其是在商业化落地场景中展现了巨大的潜力。 从传统的背景替换、局部重绘，到如今模型驱动的深度场景适配，这领域的技术和思路逐步走向成熟。以产品植入场景为例， 过去我们通过传统的工作流程实现效果，比如将项链带到模特身上，或者将沙发摆入不同角度的环境中，甚至在鞋子的展示上实现类似的穿着效果。这些方法虽然有效，但往往需要复杂的技术流程，如遮罩处理、边缘优化以及节点构建等。 而这些传统方式的局限性也逐渐显现，尤其在复杂透视关系或材质表现上容易出现问题。目前以 stable diffusion 为代表的生态系统中， flux 官方更新了一套生态，里面有深度轮廓。 redux 和 impaint 提供了更加精准的控制能力。例如通过 redux 的 参考功能和 feel 模型的配合，我们能够实现极高的一致性和还原度，甚至无需提示词便可生成贴近原图的效果。借助特定模型记忆物体外观，再将其复现到新环境中，不仅在视觉上更为自然， 光影适配与角度调整也更加流畅。视频用到的工作流和模型我会打包好放到网盘上，需要的小伙伴可以在评论区留言，我会一一回复发送给你。那么这个工作流具体是怎么去使用的呢？ 我打开这个工作流给大家去说一下啊，这个就是在 com 与 i 里面去使用的，你拿到这个工作流把它拖进来就行了，这就是我们的 plus 电商万物迁移工作流第一步，在上方的加载图片，这里上传一张你的这个产品的图， 我已经跑了一次，这个是做的一个家具的下边边就是你的一个意向图，你可以从网上去搜，你可以用 ai 生成一张，一定要记得在这个地方右键遮照编辑器当中打开 他默认的话，这个图他是这样子的。那我希望把我的这个家具这个白底图把它放到哪个位置去，我们需要对应的去涂抹出来，把这个场景里面我们需要替换的部分把它涂抹出来， 涂抹出来的地方等会 ai 他 就去重绘我们涂抹的地方，这样子稍微的抹一下大概的位置就行了， 不用去涂抹的非常的精准，不用像我们有一些抠图技术，抠图非常的精准的这种边缘才能做它，这个不需要就简单的抹一下就行了， 点击这个 save， 剩下的就没有了，就这两步他已经开始给你去跑图了，最终他就会在这个地方去生成一个最终的结果。 看到这个图的这个场景，它的光影关系，包括它的角度跟这个都是不一样的，它都可以非常完美的融入进去，我并没有去做任何的什么 control net 控制啊这些，那它这里面的核心是什么呢？ 它就是利用 flux 之前发行的几个大模型，除了我们刚刚说的这两步，打开这个工作流需要自己去操作的，那么这个是模型加载区， 可能你用的模型的路径可能跟我稍微有一些区别，那么你也可能要去加载不同的这个路径，你稍微的去检查一下这个模型加载区其实就是我们整个工作上的核心。 第一个就是我们用到了 flux 一 fill 这个模型，这个是 flux 的 重绘模型，它这个重绘技术非常的好， 那么我们在这个地方去重绘的时候，它就可以保证我们重绘的这个图跟原图它是非常协调，非常统一的。 包括我们这些家具的话，它这种光影关系，它会自动地去做这个光影的这种协调，这个 fill 模型非常重要，这个地方你要去自己去选一下你自己的路径。 clip 这个地方没什么好说的，一个 clip 八 a， 一个是 t 五 x x l f p 八，对吧？ v a e 这边也是常规的，这下面这两个是做什么的？这个就是 flag 新出的一个 redux 的 模型，我们之前在评测 redux， 我 跟大家说过 redux 它把它这个风格迁移的非常的死， 我们当时一个比较保守的评价，它有可能很有用，有可能没有什么太多用，目前来看它就非常的有用，因为它控制的非常死，它就可以把这个图非常完美的迁移到这个图里面去。 风格模型加载器这个地方选择 flux 一 redux style 这个模型，下面这个是 clip 的 视觉加载器， 这个是我们使用 redux 模型必须要去加载的，选 c clip vision patch。 十四、这个模型后面就是它常规的接法，我们把这个风格模型接在我们的条件后面去这个 clip 文本里，不用去写任何的提示词，我们以前还去做一些什么图像提示词的反推，对吧？ 现在这个地方提示词直接不用写，就空在这就行了，记住哈，你用这个 fill 这个模型的话， flex 的 引导这边选择三十差不多就可以了，其他的就是一个很常规的流程。那么这个 k 采阳器你们看到这里它实际上是两张图拼起来的， 那么它实际上是进一步的去强化最终生成的图片与原图的一致性。实际上这个也是受到一个叫 icloam 的 技术的影响，它的这个技术的思路其实就是我们在重绘的时候，我把这个图把它放在旁边，它去重绘的话，它会去严格的参照这张图来进行升图。 不过有个地方要注意的是，因为这个图我上传的时候就是两张图就拼起来的，那么我在拼之前得去记录一下每个图这个尺寸， 我们这边先去做了一个缩放，整体做了一个缩放，万一你这个图太大了，我们整体缩放到一零二四，你可能在七百六十八到一千五百三十六之间，这个整数应该都是可以的。 但是这个图片不要太大了，因为他还要去两张图拼在一起，如果你一张图一千零二十四，两张图拼起来，他差不多就是两千多了，这个图如果太大的话，可能会对你的显存消耗会比较大。另外一个就是把这个蒙版去做一个拼接， 因为我这个地方这个图就做了一个蒙版，那么他的蒙版要和他对应起来，那么我只是去重绘这块去就整个图，其实我现在把这个图给你扩大了， 我最后只重绘了这一块区域，他这种一致性就会更好，我们最后生成出来这个图之后，最终再把它切开，只留下这张图就行了。整个思路其实非常的简单，这个就是一个完整的工作流程， 大家把这个地方这几个模型你看懂了，实际上你自己去搭建起来，其实非常的容易，我们再来看一下，效果 好就分享到这里，如果需要工作流和模型的小伙伴在视频下面评论区给我留言，我会一一回复发送给你，赶紧玩起来吧， 谢谢大家！这个电商工作流利用了 flax 的 最新配套模型 redux 和 fill 模型，可以将模特迁移到指定的画面位置，可以用到比如家具类、机车类等所有需要模特展示的电商场景中。这里做个简要的使用说明。工作流需要上传两个图片， 第一个是主要上传需要参考的模特图，最好这个模特图也是在类似的场景中站立的，也是可以的。第二个图是需要添加模特的商品场景图，比如沙发或者椅子。 下一步还需要给添加模特的地方做一个遮罩编辑，在图片鼠标右键选择遮罩编辑器打开，在你希望模特出现的区域做一个大致的涂抹，可以适当大一些，这样 ai 发挥的空间更好。 绘制完成之后，点击直行等待一会，椅子上的模特就绘制出来了，可以看出生成的这个模特跟这个图片融合的非常好，包括和椅子的比例关系，光影色彩度都非常自然，但是这个指出的画质不是很高，还需要后期加高清修复缓解， 这都是很容易实现的，比如利用 siri 超级高清放大修复。感兴趣的小伙伴欢迎评论区交流讨论。视频用到的所有资料和工作流，我也会打包好放到网牌上，有需要的小伙伴可以在评论区回复，我会一一回复发送给你。好的小伙伴们，这期视频就分享到这里，谢谢大家！ 紧急尬消息，某书平台惊现 ai 神作， 一位神秘大佬利用矩阵软件注册了上千个账号，疯狂发布超逼真照片，竟然成功骗过了平台的 ai 识别系统，点击量更是高的惊人。消息一出，群里瞬间炸锅。这位大佬透露，他使用的是 flex 大 模型的工作流， 生成的画面毫无 ai 痕迹，就连影楼专业的摄影师都直呼，你不跟我说是 ai 生成的，我真的以为这是相机拍出来的照片。 如果你还是 ai 新手小白，那么你一定要看完这个视频，学习如何使用 flax 工作流生成某书同款超逼真画面，轻松打造爆款内容！ 首先下载我分享的安装包及工作流，再配合我之前的安装 comfyui 的 教程，然后打开这个 flax 某书写真工作流，接下来去利步利步下载这个写实逼真大模型。 好，我们点击进入。这里有模型使用说明，大家可以看一下。好，我们点击下载。将这个模型放置到 models 的 unit 文件夹，然后在 unit 下载器里加载这个超逼真大模型。下面 clip 下载器要指定 t 五语言大模型，然后指定一下 clip hi， 这是提示词大模型，最后再指定一下 ve， 这里的提示词可以根据自己的需要进行修改。好，我们点击生成一下，是不是就生成出这种照片级的画面了？ 要是你的配置不够，你可以使用在线工作流，我们点击进入这里的模型，也同样的需要指定一下，然后根据自己的需要填写提示词。好，我们点击生成一下。哇塞，这么漂亮的女孩就生成了，是不是难以置信啊！ 兄弟们，课间和相关资料已经上传到网盘了，需要的小伙伴请到评论区留言，谢谢大家！

分销 ai 工作台全新重磅上线，颠覆传统手工操作，从智能选品、铺货、上架、测款、营销到跟单、售后，全链路智能提效，为您提供一个专家级生意助手，让经营更简单，赚钱更轻松。 ai 爆品组货，输入幺六八八商品链接， 点击去组货，选择组货的子商品，输入目标采购价格， 输入商品链接。 ai 优化标题 ai 帮助思考商品卖点并生成标题，支持用户一键拷贝 ai 生成的新标题。 ai 图片优化，输入商品链接，点击图片优化 ai 裂变链接，在爆品列表选择您需要裂变的链接，输入裂变的数量， 裂变任务状态为进行中，以裂变数量中可以查看记录裂变任务完成的链接，可点击立即铺货， 点击查看裂变明细，五条链接均已完成。

comfy 整合包最近又更新了，想生成破线视频点一下就行，想渲染点一下就行，想生成带音频的电影还是点一下的事情，就算是搞 ai 漫剧也只是点一下的功夫。 那如果说你是第一次接触到 comfy 的 话，我已经把咱们需要用到的安装包以及会用到的一些模型插件都打包好了。想体验的 宝子暗号暴走这是领取到了资源文件，我们把这个 config 的 压缩包右键解压到当前文件夹里，其中我们要注意我们的文件夹路径，一是不要过长，二是不要出现中文，我们等待解压完成，打开这个文件夹，再双击这个启动器图标就可以了。 那么我们就来了解一下它的一些实用性的功能。首先就是这个一键启动 config 的 按钮，还有左边针对不同玩家电脑配置的专属设置，特地为了帮助大家摆脱网络的困扰，避免无法流畅的从 get up 和 hiding face 下载模型插件依赖的窘迫， 现在只要这里的配置设置成国内的镜像网站，就可以流畅使用了。然后就是最下面这块内容，可以方便大家打开不同的目录，比如 如常见的插件以及工作流文件。当然你要是不喜欢这个启动器，老版本的启动方式依然保存着，大家可以按照自己的需求来下载，最重要的是里面增加了很多工作流，都是开箱即用的。这里面我就拿几个经典的举例子，比如说制作电影级画质的 zamechat， 动态慢视频制作的破线模型 one 二点二 d c 网，擅长动作迁移和角色替换的 one 二点二 animate， 专门用于口型同步的 infinite talk， 更多内容就等着你体验。

今天我们这期视频只讲一件事情，就是普通人如何使用，如何安装 cloud code 并接入国产大模型 deepsafe。 你 是不是也觉得 ai 编程那肯定要写代码吧？ cloud code 听起来好高级，跟普通人有关系吗？我的回答是当然有。 当我们接入 deepsafe 之后，可以利用它去写作，和 deepsafe 官网的模型是完全一样的，它不光能写文章，还能帮你去造工具，而且现在超火的 ai 技能插件 skill 最早就是可乐的 code， 玩明白的。安装好之后我们再安装 vs code， 那 它就可以实时操作，可以帮我们去开发网页开发工具，它的功能是非常强大的。 今天这期视频就是专门为你定制的，不用懂代码，不用找可用的支付方式去购买国外的大模型，只要你会复制粘贴，就能在十分钟之内装好可多的 code， 并成功接入国产大模型 deepsafe。 在 这里有一个前提就是网络环境 是处理好的，而且本期分享我会特意使用一台全新的没有安装过任何环境的 windows 十一系统来演示，会把所有遇到的问题给大家解决方法和步骤，让大家只需按照步骤操作就可以安装成功。实操环节，我会分享如何成功安装 cloud code， 第一次使用，如何起用可劳的 code， 如何接入 deepsafe 大 模型，然后如何利用编程应用制作一个个人主页。本期视频分享我们需要安装以下内容， 第一个就是 note 点 gs， 它是一个运行环境可拉的 code， 要靠它才能跑起来。第二个就是 g i t， 一个隐藏但比较重要的工具， windows 十一系统默认是没有安装的，如果没有可拉的 code 会无法使用。下一个就是 cc switch， 它可以一键轻松切换大模型，就像平时我们开关水龙头一样简单。第四个就是 vs code， 它是微软出的免费编辑器，长得就像记事本，但功能强大。以下就是本期分享我们需要安装的东西。 骚掩饰我会先分享 c l i 命令行界面。 altcode 本身是个命令行工具，英文叫 c l i， 意思是你可以在黑窗口里面打字指挥它，但大家别担心，我们装上 vs code 之后，使用插件百分之九十的操作都能用鼠标点出来， 不用死记命令。好了，下面我们直接开始实操，进入实操演示部分，第一步我们就需要安装 note g s， 在 这里我们不用命令安装，直接选择安装包，然后我们运行安装包，在这里我们就直接下一步，然后选择下一步，就直接下一步就可以。 好，这时候就安装成功了。安装好之后我们来验证一下是否安装成功，在这里我们按键盘上的，在这里我们按键盘上的 windows 图标加 r 键，这时候就会弹出运行窗口，在这里输入 cmd， 然后确定，这时候就会出现命令窗口，在这里我们输入 node 杠 v， 然后回车可以看一下，现在出了版本号就证明这个 node js 安装成功了。下一步我们就需要安装 cloud code， 安装 cloud code 我 们需要使用 powershell， 在 这里我们搜索一下， 搜索之后，然后右键选择以管理员身份运行，然后我们输入这条命令，直接回车。 好了，到这里就安装成功了，同样我们也是查看版本号的方法，查看是否安装成功，在这里我们输入一下命令，输入好之后我们回车可以看一下，现在已经出了版本号，二点一点三七，我们的 cloud code 就 安装成功了， 然后我们进入 cloud code， 直接输入 cloud， 然后回车可以看一下，现在进入出问题了，这时候我们就需要安装一下 g i t， 我 们来到 g i t 页面，然后选择保存，我这里保存到桌面上，然后我们开始安装，这里我们也是直接下一步， 下一步这些我们就全部的都是直接下一步 好了，这时候就安装成功了，然后我们再看一下，我们重新打开一个 powershell， 我 们重新打开一个 powershell 窗口，然后我们输入 cloud 可以 看一下。现在我们进入 cloud 是 可以运行了，但它又遇到一个问题，就是它有一个验证，在这里我们需要修改一个配置文件， 在这里我们来到我们的用户目录，我的用户名是 k， 我 这里直接输入，然后回车到这里就可以看到一个配置文件，就是 cloud 点 jason， 然后在这里我们打开编辑一下， 可以看一下，这里就是这个配置文件，在这里我们增加一个参数，增加之前这里我们需要有一个英文的逗号，像这个标点符号是经常会被大家忽略的，有好多朋友遇到问题就是增加配置，但大家增加好之后还是不能使用，就是因为这个标点符号的问题， 在这里我们添加添加这个配置项就可以了，然后我们再返回，然后我们在 c l o u d cloud， 然后回车可以看一下，现在就已经进入了，下一步我们再回车，这个提示就是是否在当前目录，然后我们回车 好了，这时候它就会让我们去登录 cloud 账号，因为 cloud 这个它国外的大模型最让人头痛的一个问题就是经常会被封号，所以在这里我们不使用它的大模型，我们要接入我们国产的 deepsafe， 在 这里我们 cloud 安装好了，然后下一步就是需要去接入 deepsafe 大 模型，在这里还用到一个工具，就是 cc switch， 现在我们再来安装一下， 我们来到 github， 然后我们去找安装包，在这里我们就直接往下拉，拉到底部，在这里我们找到适合我们系统使用的，在这里我选择三点幺零点三，如果是 windows 的 话，大家就选择这个就可以。好，现在保存好了，然后我们直接进入安装， 在这里我们也是直接下一步，下一步安装即可，这时候就安装好了，然后我们运行 下一步就需要我们配置 deepsafe 的 api， 在 这里我演示一下操作流程，在这里我们打开 deepsafe， 然后选择 api 开放平台，然后我们选择 api keys， 在 这里去创建，比如创建 api key c c 三，然后我们创建， 创建好之后我们复制一下这个 api key 的 这个密钥，然后复制，然后我们来到 c c switch 里面，在这里我们就选择右上角的加号，然后选择模型 zip， 然后往下滑，这里我们只需要填写一下这个 api， 然后添加， 这时候就添加好了，然后我们回到命令窗口，我们再进入 cloud， 可以看一下，现在已经不提示登录了，在这里我们输入斜杠 model m o d 可以 看一下，然后我们就选择第一个，在这里已经有了 deepsea v 三点二模型，现在我们去选择一下，就是第五个选项，让我们回车。好，这时候就选择好了， 选择好模型之后，在这里我们对话，我们问他一下你当前是什么模型，然后我们回车 可以看一下。在这里在此次绘画中，我作为 cloud code 实力实际使用的是 deepsafe v 三点二模型，到这里我们就成功地安装了 cloud code， 然后接入了 deepsafe 大 模型， 到这里我们就完成了 cloud code 命令行工具接入 deepsafe 大 模型，下面我来演示一下。我们在 vs code 里面使用 cloud code， 它的一个优势就是格式化操作，它的操作几乎都是用鼠标点击就可以， 然后我们下一步就需要安装 vs code， 在 这里我们选择宏框按钮，然后保存 好，现在保存成功了，然后我们安装在这里选择，我同意，然后我们直接下一步，这里就是选择一下安装目录，如果不选择默认安装到 c 盘，然后我们选择下一步，这里几乎也是全程下一步就可以，然后我们安装 好，这时候安装成功了，我们选择完成，在这里打开之后，它默认的是英文界面，看到英文不用担心，在这里我们需要安装一个插件就可以搞定，我们选择四个方块这里，然后我们输入简体， 我们就安装默认的第一个好，安装成功之后，右下角会有一个重启的一个提示，在这里我们选择重启。好，现在打开就是中文界面了，然后下一步我们就需要找到 colode code 插件，我们输入 colode code， 然后我们选择第一个安装， 在这里我们需要辨别一下官方版本，在这里我们安装，然后我们选择新任发布者和安装好了，这时候成功之后，在右上角就会多一个这样的一个图标，然后我们选择 可以看一下它，这里默认跳出的是一个登录提示，我们有了 c c switch 已经接入了模型，它这里就会跳过，然后在这里我们再输入你当前的模型是什么模型，然后我们发送， 可以看一下我当前运行的模型是 dipstick 为三点二，像这里也是这个 cc switch 在 这里起到的作用，像这里比如接入 glm 大 模型，或者是其他第三方中转的模型，用这个 都是可以搞定的，非常方便。好到这里就安装成功了，也成功接入了，下一步我们就让它帮我们生成一个个人主页，我们一起来看一下，在这里返回桌面，我先新建一个文件夹，然后回到 vs code， 然后文件打开文件夹， 我们选择桌面上的 myweb， 然后选择文件夹，这时候我们就用 cloud code 来对话，在这里我们输入提示词，就是我是一名专业的前端程序员，帮我生成一个自我介绍的个人主页，让大家可以快速的认识我，了解我，然后使用 html 格式，简约风格， 科技感配色，页面元素，要有自我介绍板块，联系方式，二维码区域，在这里就是我们给他的提示词，然后我们发送 好了，可以看一下，现在个人主页已经生成成功了，然后我们预览一下它给我们生成的一个个人主页，就是简历风格的，可以看一下，还是比较丰富的。在这里经过我的测试，就是我们使用可多扣的时候，不管是生成文章还是生成网页， 在这里我们要给他一个语言的提示，就是要生成中文内容，他有时候是默认的生成中文，有时候默认的生成英文，他这个是存在几率问题的。所以在大家生成内容的时候，强调一下生成中文内容， 这是目前想到的一个问题，分享给大家。这就是以插件模式使用的，在 vs code 里面还可以以命令行模式，在这里我们打开终端 使用方法是一样的，在这里我们输入 cloud 可以 看一下，就和我们在命令窗口使用的是一样的， 像这个一个优势，就是命令行模式加格式化窗口的模式可以直接使用，这就是我们所有的实操分享内容。在这里我也写了实操手册，比如安装好之后无法进入，或者是安装之后要验证，像这些遇到问题的解决办法，都有写到手册里面。 好了，到这里我们就完成了一整套从完全零基础到真正用起来的全过程。我们一开始什么都不懂，装好了克拉的 code， 配上了国产大模型 deepsafe， 在 vs code 的 里面，我们让 ai 帮我们生成了一个个人主页。其实克拉的 code 它有很多高阶的玩法， 你可能也听说过，比如 mcp、 gel， 但这些我也会慢慢讲，后面我会分享，但是这些都不着急，也不重要， 真正重要的只有一件事，就是现在先去试一试，先用起来，哪怕只做一件小事。 ai 时代最危险的不是不会用工具，而是以为自己用不了。 老的 code 不是 程序员的专利，它是每个普通人的效率工具。 ai 时代只要有思路就开始动手，就已经超过了百分之九十的人。 ai 时代，我们不用纠结新出了什么东西，哪个模型更厉害， 能帮自己提效的，自己用着习惯的，对自己来说就是完美的模型，完美的工具。好了，本期内容分享就到这里，我们下期再见。

你是不是也这样，装完 open claw 第一件事就是冲去 claw hub， 像逛菜场一样疯狂下载 skill 插件，装了一百个，生活一点没变轻松。如果你也中了这条，今天的视频一定要看完，因为我挖到了一个 github 宝藏，它让你直接从装插件狂魔变成场景猎人。这个项目叫 awesome open claw use cases， 他不教你装插件，而是直接把高手们验证过的三十多个真实场景摆在你面前，让你直接抄作业。我挑了四个神奇场景，听完你绝对想立刻去世。第一，社交媒体救星。有个方案叫多元科技新闻摘药， 让 open call 每天自动从一百多个技术网站抓新闻， ai 打分做摘药。你每天早上喝杯咖啡的功夫， 一份定制信息早餐就推送给你，实测信息噪音减少百分之八十。第二，夜间施工队场景叫 overnight， 小 程序搭建，你睡前给 ai 一个想法，比如做个记录喝水的小程序 open clock， 自己拆任务，写代码，部署， 第二天早上应用就躺在你手机里，一个人活成一支队伍，爽不爽？第三，私人助理开车时打电话问 ai， 我 今天几点开会，动动嘴就行。还有项目自动管理，多个智能体帮你拆任务，跟踪进度，你再也不用 别动手更新看版了。第四，第二，大脑，任何灵感知识点直接发给 boot， ai 自动分存，分类存好，这才是真正的数字资产，越用越值钱。但是百分之九十的人会踩一个坑，试图完美复刻整个工作流，结果配到一半就放弃。 正确的做法是只学核心模式，先跑通最小闭环。比如第二大脑，你先创建一个笔记 agent， 让他把所有信息存到一个文档，跑通了再慢慢加功能。记住，先完成再完美。 这个趋势你得看懂， ai 精准的下半场，不再是比谁的模型大，而是比谁能更精准地解决具体场景。所以别再瞎装插件了，去 github 搜 awesome open claw use cases， 直接用高手的生产力方案。 如果你也行，想成为一个真正能干活、能赚钱的数字员工，关注我的公众号，我带你挖更多的 ai 实战打法评论区，聊聊你装 openclaw 后最常用的功能是什么，有没有哪个 skill 从来没有点开过？我们评论区见。

如果你看各种教程，费劲地安装了 openclaw， 却发现也就那样，那么这个网址能让你的小龙虾原地起飞，每天认识一个变态网站。第八十五 期今天讲这里一共收入了三十二个分类，三千多个小龙虾的 skills， 不 论是编程的、自动化操作的，还是图片视频生成的，甚至是数据分析的、金融的，全 全部都有。更绝的是，每个分类都有很具体的技能说明。安装使用也很简单，只需要将技能在聊天窗口中复制、粘贴并发送出去，小龙虾就会在后台自动完成设置。快来试试吧，它能让你的小龙虾更好用！

obfuscating 的 ai 插件到底应该如何使用？它能实现什么功能？插件设置界面？这满屏的专业术语都是什么意思？应该如何设置？今天我就用一个视频为大家讲解 obfuscated 插件的使用方法， 插件的参数设置和使用方法我都整理成了知识笔记，并且把核心参数都以表格形式列出，供大家快速查找。视频的最后我会分享给大家。 今天的视频分为以下几个部分，首先我们来快速的做好准备工作，准备 ai 的 api key 和安装 lm studio， 部署本地 ai 大 模型。 然后我们来做基础的插件设置，也就是配置 ai 的 api key， 然后在 ai 对 话框中和 ai 进行一次成功的对话。 之后我们来看看如何实现 ai 知识库功能，也就是 r a g， 让 ai 能够读取我们知识库中的笔记，成为我们的知识库助手。 最后我们来详细的过一遍口拍了的插件的设置界面，看看每个参数都是什么意思，哪些参数需要重点关注视频的最后我会把知识笔记分享给大家，同时针对 obsidian 的 ai 功能与大家分享一些我的个人看法和心得。 我会讲一下哪些 ai 工具能对 obsidian 实现一个功能上的互补。那么我们就正式开始。首先我们要知道的一件事情就是在 obsidian 中的 ai 插件访问 ai 只有两种方式，第一种是通过 api p， 第二种是通过本地 ai 大 模型。 获取 apikey 的 方式很简单，以 deepseek 为例，我们在官网的右上角点击 api 开放平台，选择 apikey 页面，然后创建一个 apikey， 把这一长串的乱码复制下来即可。我们需要注意的是，大部分 apikey 都需要收费， 费用普遍不贵，但是大家也可以选择有免费额度的 ai， 比如阿里的谦问或者智普 ai 的 glm 模型，它们的免费额度都非常的高，性能也很强。 另一种方式是本地部署 ai 大 模型，本地 ai 大 模型的性能受你的电脑配置的影响，相比 apikey 的 方式， ai 的 性能会弱一些，但是因为部署在本地，会有非常好的隐私性，并且不需要联网。 如果你的知识库中的内容隐私度较高，就很适合本地 ai 大 模型。当然也可以结合使用。 我们下载 lm studio 这个工具，下载之后安装，然后打开，在 lm studio 的 左侧点击放大镜按钮，打开搜索页面，搜索关键词，千问二点五，横线欧米尼，横线七 b， 然后安装。 我们在开发者界面的右侧选择 log 这个选项卡，在下面的上下文长度里选择八千，也就是八千 token 的 上下文长度。 那我的电脑是笔记本，显卡是 rtx 四零六零 laptop 版，显存是八 g。 如果你的电脑性能更强，那么这里的 token 长度就可以设置得更高。 同样，如果你的电脑性能更强，你也可以部署更高级的本地大模型，就比如千问三的十四 b 大 模型。你也可以根据自己的实际需求选择部署其他的开源大模型，就比如 deepstack 或者是 openai。 我们点击设置按钮，打开，使用 c o r s 这个选项，然后把界面右上角的 http 地址复制下来，这个地址就是我们本地 ai 大 模型的访问地址，那么到此准备工作就完成了。 接下来我们在 ai 插件中配置 ai 模型，就可以在 obsidian 中与 ai 对 话了。我们安装口拍了的插件之后，在设置界面中来到 model 选项卡，点击爱的 model， 添加一个 ai 模型。首先是 apikey 的 方式，这里我用的是智普 ai 的 apikey。 设置界面中我们主要关心三个参数， model name、 base url 以及 apikey。 那 我教大家一个小技巧， model name 和 base url 你 可以直接在网页版上问 ai， 比如你用 deepstack， 你 就直接在网页版 deepstack 上问他，如果我通过 api key 访问你使用什么 base url 和 model name， 然后他就会告诉你了。 那这里 model name 我 们写 g l m 横线四点六，这个就是你要访问的模型名称啊，就比如最近比较火的谷歌 jamming 三，那它的模型名称就是 jamming 横线三，横线 pro 横线 preview display name， 我 们就随便取个名字叫 g l m 那 provider 这里建议统一选择 open ai for mac， 那 这是 open ai 制定的一个行业标准， 我在知识笔记中列了一个表格，把目前主流 ai 的 base url 以及匹配 open ai 标准的 base url 都列了出来，那大家直接查找使用就可以了。 然后下面的 base url 和 api key 填入对应的值。最下面的模型能力，那这里分别是推理能力、视觉能力和网络搜索能力。 根据你所使用的 ai 来选择就可以了。如果你不知道你的 api 可以 是否具备这个能力，可以直接在网页版上问 ai， 或者参考我这里的表格。不过要注意的是， ai 的 更新呢，非常快，那推出新版本之后呢，可能就会有一些变化， 那么我们点击 test 测试一下是否连接成功，那如果成功的话，就点击爱的 model 按钮，添加这个模型，然后回到 office 界面，打开 copilot 的 ai 窗口，向 ai 发送一个简单的提示词，那如果 ai 成功返回内容，就说明配置完成。 第二种方式，使用本地 ai 大 模型。我们依旧点击爱的 model， 在 窗口中输入刚才我们在 lm studio 中部署的本地大模型名称，也就是纤维二点五毫米尼七 b。 然后下面的 provider 我 们要选 lm studio， 那 base url 就是 在 lm studio 中的那个 http 地址，那下面的 a p i k 我 们不需要填，因为是本地模型，所以我们要勾选 c o r s 这个选项， 那模型能力勾选推理能力和视觉能力，因为千万二点五 omega 七 b 是 具备这两个能力的。然后你还可以根据你的实际情况调整上下文长度和提示词温度这些参数， 我们点击添加，然后在 ai 对 话框中输入指令，然后就调用了 lm studio 中部署的大模型返回的结果，那么本地大模型的方式我们也跑通了，那么到此我们就完成了基础的 ai 聊天功能的设置。 接下来我们来看看如何配置 r a g 功能，也就是解锁增强生成，也就是让 ai 读取我们的知识库笔记，实现 ai 知识库功能。我们来到 model 这个选项卡，把滚动条往下拉， 来到编辑 models 这个区域，也就是设置向量模型。我们这里先使用谷歌 jimmy 的 向量模型，我们点击编辑按钮，在弹出的窗口中啊，只需要配置我们的 apikey 就 可以了，我们可以点击输入框下面的这个 get jimmy apikey， 它会打开谷歌 jimmy apikey 的 页面，你就可以直接复制 apikey 过来了，然后点击 close， 然后我们来到插件设置界面的 qa 选项卡， 那在这个页面的第一个选项 enable semantic search， 我 们把这个开关打开，然后它会提示我们要要求我们做一次整个知识库的缩影，我们点击确认，然后它就使用谷歌的向量模型对我们的知识库进行了缩影， 缩影完成之后，我们就可以实现 ai 知识库功能了。我们回到 copilot 的 ai 转化框， 把对话模式切换到 voq a， 也就是知识库问答模式。向 ai 发送一个问题，他就会到我的笔记库中寻找相关的资料，然后进行回答。那这里我询问的是有关 jimmy 三的一个复读机 bug， 他 找到了这篇笔记，并且根据笔记中的内容进行了回答，同时他还标注了引用来源，也就是我的这篇笔记。那么到此我们就初步完成了 obsidian ai 插件的 r a g 功能，也就是 ai 知识库功能。 那这里我要说一下， office 点 ai 插件所提供的 rags 功能还是比较基础的，那只能用作你对知识库进行知识回忆这样的一个基础功能。那它相比于专业的 rags 工具呢？比如 launch rags flow 比赛还是有很大差距的， 而相比于 notebook lm 或者是 notion ai 这样的云端 rags 工具，那差的更是很远。 这也是为什么我在之前的视频一直强调 notebook lm 这款工具对奥布斯内来说是一个非常好的功能互补，那未来我也会推出视频来为大家讲解 notebook lm 的 使用方法。 obscene ai 插件的 r i g 功能呢，主要受限于运行的环境，也就是浏览器内核 electron， 它的算力呢，比较有限，使用的也都是轻量级的像样数据库。而专业的 r i g 工具往往运行在 dawk 中，有着自己独立的进程和资源，那使用的也是专业的像样数据库， 而呢，它包括 l m 和 notion 的 r a g 则则是在云端，它们的算力资源呢更强大。那而另一方面呢，在口拍的插件中，想要把 pdf 这样的二进置文件做向量缩影，则需要订阅 plus 用户才能拥有这个功能。 我们在口拍乐的插件的订阅界面能看到详细的信息，那也就是说，如果你是普通用户，你的 obcd 数据库中的 pdf 和图片是不会被锁引的，那也就自然不具备 word q a 功能。那这种情况下，最好的方式就是使用 windows 和 l m， 我并不建议大家去付费订阅口拍了的插件。那么到此啊，我们就实现了口拍了的插件两个主要的功能，也就是 ai 对 话和 ai 知识库问答功能。 那么最后我们针对插件的设置界面进行一个快速的浏览，我们来看一下这些专业的参数如何选择啊，关键的设置我会重点讲解，而所有的设置项目我都总结到了知识笔记中， 那首先第一个选项卡 basic 基础设置，那这里主要是有关插件的界面以及快捷键相关的基础设置主要是关于便捷性的，那这一部分参数都不是关键参数， 那大家可以直接看我知识笔记里总结的表格。那我们来到第二个选项卡 model 这个页面，我们刚才已经讲过了，那上面的 chat model 就是 设置你所使用的 ai 模型，而下面的 bunding model 则是设置限量模型的，那中间有一个参数叫 conversation turns in context。 这个参数的意思是 ai 能记住多少轮对话，能默认是十五，也就是记住你之前的十五轮对话。那设置的值越大，消耗的上下轮 token 也就越大，同样呢也就越贵。那如果你习惯与 ai 进行多轮的长对话，那么你可以修改这个值， 那第三个选项卡 q a， 那 这个页面都是关于 r a g， 也就是知识库问答功能的。那最上面的 enable sematic search 是 总开关，如果你要使用的话就开启 那第二个向量模型，就选择你配置的模型。我们刚才使用的是 java 的 模型。那第三个选项是什么时候对知识库进行？所以 那三个选项分别是从部，所以当插件加载的时候，所以，或者是切换向量模型的时候，所以 我建议大家修改为从不锁瘾，然后呢，手动进行锁瘾即可。那当你修改了大量的知识笔记，然后选用知识库问答的时候，用 ctrl 加 p， 打开命令面面板，输入 compiler， 然后选择 index word， 这个命令就可以对知识库进行锁瘾了。 在下面的这些参数，大家可以参考我知识笔记中的表格，但我建议大家保持默认值。当你的知识库笔记越来越多啊，你可以设置 max source 或者是 r a m limit， 但就像我说的， obsidian ai 插件的 r a g 功能非常基础，那如果你真的有几千篇的核心知识笔记，那我建议你使用专业的 r a g 工具，或者使用 note book， 然后进行针对性的问答。 那第四个选项卡， command， 你 可以设置一些自己常用的 ai 提示词，并且在这里添加到快捷指令，那插件已经给你提供了一些，比如翻译成中文这个指令，它就给你写了一段提示词啊，包括语气，语境，格式还有结构这些要求。 那你可以自己写一些常用的提示词，比如翻译啊，总结，还有格式化等等。那第五个选项卡， plus 是 针对 plus 订阅会员的，那这里我想要着重讲一下第一个功能，也就是智能体功能。 copilot 插件为 plus 会员提供了智能体功能， 它可以根据你的要求呢，自主思考并拆解任务为多个步骤，然后逐个步骤完成。那我们知道 notion 三点零发布之后呢，具备了 ai 智能体功能，非常的强大。而 obsidian ceo 最近接受采访的时候说过， obsidian 对 官方的 ai 智能体功能持谨慎态度， 尤其是考虑到 obsidian 知识库本地化和隐私跨这一问题。那说人话呢，就是 obsidian 短期内不会推出 ai 智能体，那想要 ai 智能体，那就得自己想办法。 那么如果你对 ai 智能体有需求，可以考虑 copilot 的 plus 订阅，那当然我们肯定有很多别的方法实现自己的智能体，那这个以后我会出相关的视频。 那么设置界面最后一个选项卡，高级设置，这里面我们需要关注的就是系统指令， system prompt， 我 们可以设置一个全局的系统指令，对所有的 ai 问答设置一个宏观的规则。呃，就比如，呃，请使用专业严谨的风格回答，不要有过多的暧昧，那或者是呢，在提示词中给它设置一个统一的回复格式等等。 那么以上就是口拍的插件的设置界面，总体来说，口拍了它作为 obsidian 的 旗舰 ai 插件，基本囊括了主要的 ai 功能，但相比于 notion 这样的工具还是有一定的一定的差距啊。 但是得益于 obsidian 文件本地化的特性，我们有很多种方法来为我们的知识库加装 ai 功能。那大家可以参考我屏幕上展示的这几期视频， 我对 obsidian 的 ai 扩展有很详细的讲解，那如果大家有任何问题或者有想要实现的 ai 功能，欢迎给我留言提问。 那这期视频的知识笔记可以在我的个人主页领取。我的个人主页呢，在我的频道简介中，那么今天的视频就到这里了，如果视频对你有帮助，欢迎点赞关注。

都二零二六年了，一款软件彻底玩转所有 ai 功能，官方正版还免费，这还不够用？我已经帮你把它内置的五十六个 ai 功能全调通了，全程不用你动手，你只需要三步就搞定一下载。二解压缩，三双击打开，不用装插件，不用配环境，连模型我都帮你提前放好了， 直接就能用。哪怕你完全不懂 ai 是 啥也没关系，照样能轻松玩起来。想画图点一下就行，想做视频再点一下就好，想创作音乐还是点一下的事， 就算要搞三 d 建模，也只是点一下的功夫呀！这可不是什么野鸡 top 网站，而是全球公认最全面的免费开源 ai 软件扣 pi 哦， 你用它就能玩遍所有叫的上名的国内最新最前年的 ai 功能。或许呢，你早就听过它的名字，但今天真的绝对值得重新认识它，因为它变了，变得比以前有好多了， 他就是康复六爱官方五月份新推出的全新版本，变动大到超出预期，其中有三点由其利好咱们中国用户朋友特别贴心。首先，全中文官方界面，大家注意哦，这可不是第三方翻译插件，是官方正版，原声就支持中文的，比第三方插件权威多了， 性能还稳，可能性也更高。连做翻译插件的大佬都直呼有救了，英文不好的朋友，入门的第一道坎，官方直接就帮你摆平了，是不是超省心？ 第二呢，内置了五十六个开箱即用的模板，完全不用学新版 comfyui， 官方直接筛选了五十六个在 ai 史上留下过浓墨重彩的经典 ai 功能，做成模板，放进了工作流预览那里了， 从 ai 绘画的纹身图图、声图、扩图、高清放大、局部重绘、区域控制，还有 ai 视频的纹身视频、无声视频、首尾帧过度动画，甚至连 3 d 建模、音乐、音效创作都有，真的应有尽有。 这些全是康夫有 i 官方精选的，新手入门尝鲜，快速掌握时下最流行的 ai 技术，你以为这就完了？ 第三呀，我还帮你解决了新手最头疼的三座大山！没魔法，找不到模型报错了，搞不定。 我耗时两个多星期翻遍了全网，还通宵下载模型调试报错，终于把这五十六个工作流的所有节点全调通了，模型也全装好，地图也全内置了， 你拿到手之后，不用魔法上网，不用安装调试，选择自己感兴趣的模板，点一下运行，直接就能用。对零基础的 ai 小 白，咱宠粉可是认真的 还没完哦！这次开 free ui 还有个重大功能，升级官方签约 api。 简单说，你只需要注册一个 comui 官方账号，再充点值，就能在 comui 里直接调用所有付费 api 了。而且 comui 还承诺 所有 api 费用和 openai 没注意等各大官方平台的报价完全一致，没有任何中间商赚差价，用起来特别方便，一点不麻烦。 时间有限，更多细节我就不展开说了。本期软件的下载链接我放在评论区了，绝无套路，点进去就能下，要是实在找不到的话，就在评论区发。六六六，我看到了就直接发给你。 最近呢，越来越多人靠 ai 去搞定甲方赚到人生的第一桶金了。你是不是也想像他们这样，告别孤军奋战、熬夜加班的疲惫，成为擅用 ai 解决各种问题的能手。从这样华丽变身成这样，那么拿出三小时，跟我一起掌握当今热门 ai 技术， 这些工具不仅能够让你工作效率飙升，更有机会让你赚取人生的第一笔财富。大家 好，相信大家看过不少 ai 教程， ai 纹身图、 ai 图生图、 ai 生成文字、 ai 生成视频，甚至还要教你用 ai 还原一套项目工作流的。但说实话，我说遍各式各样的教程，甚至连国外油管的也看了，发现 大多课程看着酷炫，实则偏重炫技，细节讲得模模糊糊，真正手把手带大家一步一步做完整个流程的太少了。所以我们团队花了半年时间，精心打磨了这一个两天 ai 变现训练营。 在技能教学这块，我们有能力也有信心对每位小伙伴负责到底，带大家用 ai 真正变现，不搞花里胡哨，就用最直接最纯粹的方式带你进入 ai gc 世界。 从最初到如今的反复迭代，我们一共开办了两百多期，总共有数万名学生从中获益。而在学习的过程中，全程都有强力支持，每位同学都有一对一打一加作业点评享有赠送热门 ai 主流软件安装包、模型、插件、提示词资源福利。 从软件安装、商业实操到接单赚钱，每个环节讲透包会，两天下来，听得懂、学得会、用得上，不浪费你一秒钟。 第一节课啊！首先，我们会深入地去了解 ai 核心与应用，掌握提示词的工作原理以及它是什么。我们将从二十多个实战案例库助手，一步步拆解 ai gc 的 生图过程。接下来我们将一起学习 ai 跨行业应用， 实现从学习到职场的无缝衔接。而同时我们将一同使用一款叫做 stable future 的 ai 绘画软件，探索罗拉模型、局部重绘等强大功能，小孩才做选择，咱们全部拿下。那有同学会问，真正的 ai 变现是啥？首先是虚假的 ai 变现，一分钟出一百张图， 结果全是美丽的废土，那你说能变现吗？很难！而真正的 ai 变现时，利用百分之六十的传统工具加上百分之四十的 ai 工具，这样才能够真正的落地到商业设计中。 那么讲完了第一节课，我们来看一下第二节课。首先我们会点评上一节课留下的课堂作业，巩固之前所学的知识。接着开始学习我们又一款 ai 软件叫做 comewy， 那么它也是当今最为主流的商用 ai 工具之一，我们将使用一个个节点搭建成属于我们的工作流，实现自动化物料产出。随后我们将一同探寻 ai gc 的 最新发展，带你看看 ai 进化到底有多快多神，能力边界在哪里？同时我将无偿分享十多种兼职以及外包渠道， 帮助同学们获得新的机会。无论你是想职场涨薪，副业变现，还是低成本 ai 创业，咱们俩都会毫无保留分享。而同时有的小伙伴对自媒体比较感兴趣， 在课程中我们也将教大家如何借助 ai 打造个人 ip， 成为超级个体，分享自媒体经验，帮助大家快速起号。大家现在看到的是网集学长学姐的课后作业了，让咱们可以最直观、最快速的去吸收，并且最大程度的活学活用，这波够不够给力？ ai 浪潮汹涌，与其担心被它替代，不如去主动地掌握它市场，最终会选择善用工具的人。那么，我们将教你如何榨干 ai 的 潜能，玩出最多的花样，一套丝滑连招，彻底颠覆传统工作流。此外，前一百名报名的同学将享有额外福利， 分别是两万加 ai 绘画、关键词词库以及数十万字独家变现秘籍。同时还享有训练营的所有工程文件，包括课程录屏、素材打包赠送，供您反复练习。 各位同学还等什么？点击视频下方的置顶评论链接添加，老师，马上开启你的 ai 创富之旅吧！学习过程中，我也会在群里和大家多多互动，随时解答疑问。 ai 就是 生产力的加速器，也是创意的催化剂，它让无数曾只在梦里的场景成真， 创意插上翅膀，唯一限制我们的就是咱们的想象力，世界还在狂奔，我们顶峰相见 都二零二六年了，你的电脑里不需要装那么多软件，一个软件就能够包含市面上所有的 ai 功能。没错，它就是 ai 界的鼻祖 comfyui。 你 或许早就听闻过 comfyui 这个名字，但是最近又更新了它的 v 七最新版本，来看看我们怎么使用吧。 只需三个步骤，下载解压，双击打开，像开启宝藏大门一样轻松。不用安装复杂的插件，也不必为配置环境而烦恼不已，就连模型都已提前为你准备妥当，真正做到零门槛。你要问我这款软件用起来收费吗？ 或者说分享资料收费吗？我可以肯定的跟你说一句，完全免费，无论是使用软件收费的，或者是翻你资料还要收费的，都要擦亮双眼。那么这款软件的安装包和模型工作的文件在评论区里面自己去拿就行了。理论上你只要有台电脑，有足够的时间 自己可以生成一部连续剧都是可以的。像这里，如果你得到的是一个这样的压缩文件的话，我们直接右键点击将这个压缩包呢进行解压，位置呢最好选择在比较空的硬盘里面。 解压好之后呢，我们直接点击这个启动器，然后点击一键启动即可。其实要注意，我们的软件路径里面最好不要包含中文，这里为了一个演示的话， 我就没有进行调整，那么它就会在我们的默认浏览器里面弹出这样的一个界面。值得一提的是，我们更新好后的 comfyui 已经完美的支持五菱系显卡了， 对我们喜欢搞 ai 视频创作的小伙伴们来说更是如虎添翼了。然后就是我还增加了很多工作流，都是开箱即用的。这里面我就拿几个经典的举个例子，比如说擅长动作迁移和角色替换的 vlog， 专门用于口型同步的 inflight talk， 学员油门当刹车，黄线杠撞碎七八根，非常适合生成海报的千问 image 以及全新的 plus 模型绘等等更多内容就等着你体验，不要忘记在评论区领取资源哦。 最近呢，越来越多人靠 ai 去搞定甲方赚到人生的第一桶金了，你是不是也想像他们这样，告别孤军奋战、熬夜加班的疲惫，成为擅用 ai 解决各种问题的能手，从这样华丽变身成这样，那么拿出三小时，跟我一起掌握当今热门 ai 技术， 这些工具不仅能够让你工作效率飙升，更有机会让你赚取人生的第一笔财富。大家 好，相信大家看过不少 ai 教程， ai 纹身图、 ai 图生图、 ai 生成文字、 ai 生成视频，甚至还要教你用 ai 还原一套项目工作流程。但说实话，我说遍各式各样的教程，甚至连国外油管的也看了，发现 大多课程看着酷炫，实则偏重炫技，细节讲得模模糊糊，真正手把手带大家一步一步做完整个流程的太少了。所以我们团队花了半年时间，精心打磨了这一个两天 ai 变现训练营。 在技能教学这块，我们有能力也有信心对每位小伙伴负责到底，带大家用 ai 真正变现，不搞花里胡哨，就用最直接最纯粹的方式带你进入 ai gc 世界。 从最初到如今的反复迭代，我们一共开办了两百多期，总共有数万名学生从中获益。而在学习的过程中，全程都有强力支持，每位同学都有一对一打一加作业点评享有赠送热门 ai 主流软件安装包、模型、插件、提示词资源福利。 从软件安装、商业实操到接单赚钱，每个环节讲透包会，两天下来，听得懂、学得会、用得上，不浪费你一秒钟。 第一节课，首先，我们会深入地去了解 ai 核心与应用，掌握提示词的工作原理以及它是什么。我们将从二十多个实战案例库助手，一步步拆解 ai gc 的 生图过程。接下来我们将一起学习 ai 跨行业应用， 实现从学习到职场的无缝衔接。而同时我们将一同使用一款叫做 stable future 的 ai 绘画软件，探索罗拉模型局部重绘等强大功能，小孩才做选择，咱们全部拿下。那有同学会问，真正的 ai 变现是啥？首先是虚假的 ai 变现，一分钟出一百张图， 结果全是美丽的废土，那你说能变现吗？很难！而真正的 ai 变现时，利用百分之六十的传统工具，加上百分之四十的 ai 工具，这样才能够真正的落地到商业设计中。 那么讲完了第一节课，我们来看一下第二节课。首先我们会点评上一节课留下的课堂作业，巩固之前所学的知识。接着开始学习我们又一款 ai 软件叫做 comewy， 那么它也是当今最为主流的商用 ai 工具之一，我们将使用一个个节点搭建成属于我们的工作流，实现自动化物料产出。随后我们将一同探寻 ai gc 的 最新发展，带你看看 ai 进化到底有多快多神，能力边界在哪里。同时我将无偿分享十多种兼职以及外包渠道， 帮助同学们获得新的机会。无论你是想职场涨薪、副业变现，还是低成本 ai 创业，咱们俩都会毫无保留分享。而同时有的小伙伴对自媒体比较感兴趣， 在课程中我们也将教大家如何借助 ai 打造个人 ip， 成为超级个体，分享自媒体经验，帮助大家快速起号。大家现在看到的是网集学长学姐的课后作业了，让咱们可以最直观最快速的去吸收，并且最大程度的活学活用，这波够不够给力？ ai 浪潮汹涌，与其担心被它替代，不如去主动地掌握它市场最终会选择善用工具的人。那么我们将教你如何榨干 ai 的 潜能，玩出最多的花样，一套丝滑连招，彻底颠覆传统工作流。此外，前一百名报名的同学将享有额外福利， 分别是两万加 ai 绘画关键词词库以及数十万字独家变现秘籍。同时还享有训练营的所有工程文件，包括课程录屏、素材打包赠送，供您反复练习。 各位同学还等什么？点击视频下方的置顶评论链接添加老师，马上开启你的 ai 创富之旅吧！学习过程中我也会在群里和大家多多互动，随时解答疑问。 ai 就是 生产力的加速器，也是创意的催化剂，它让无数曾只在梦里的场景成真， 创意插上翅膀，唯一限制我们的就是咱们的想象力，世界还在狂奔，我们顶峰相见！ the name of your first school uh uh， jefferson elementary what was your first pet name zelda what city is the first park city and i don't remember？ hello 各位小伙伴， 欢迎来到最新一期的 comfyui 系列教程。随着 ai 绘图领域的发展，市面上的大模型插件迭代的越来越快，而 comfyui 凭借其灵活的工作流和高效的出图能力， 已经逐渐成为 ai 绘图变现的快捷通道，相信大家也想要通过 ai 这个渠道去进行变现。 近期 s d 系列各种教程热度较高，不少小伙伴对 ai 绘图工具充满探索欲，其中 comfyui 就 备受关注。今天我们就从最基础的安装启动到如何使用 s d comfyui 一 步步讲明白，新手也能轻松跟上。 我为大家已经准备了 comfyui 的 秋叶安装包，并放在网盘，方便大家快速入门。想要获取的朋友 只需在视频评论区回复六六六即可。首先找到你下载好的压缩包，用鼠标右键点击它，在弹出的菜单里选择解压软件解压，然后点击解压到当前文件夹，等着解压完成就好。 解压后的文件夹里，之前有使用过 sd webui 的 小伙伴会看到同样的 a 会式启动器的标识，双击就能运行。启动器第一次启动时 等待时间会稍长，因为启动器需要自动配置环境文件和基础依赖，大家不用着急，等进度条跑完就行。启动器主页左侧有几个关键功能区，我们快速过一遍，避免后续操作踩坑。 文件路径区，这里会显示 confui 的 根目录自定义节点输入图片和输出图片的保存路径，后续找文件、存作品都靠它。 高级设置重点看生成引擎默认会选择电脑的独立 gpu， 一 般不用手动改，要是识别错了，手动换成自己的独显 gpu 就 行。 疑难解答与版本管理疑难解答这里，如果大家后续出现整合包有问题，可以通过这里进行排查。问题版本建议选稳定版， 开发版虽然功能新，但可能有报错风险，大家隔一到二个月来切换一次版本就够。小工具区是不怎么用的，所以暂时用不。上限阶段，我们先聚焦核心功能， 然后确认设置没问题后，点击启动器右下角的一键启动，等环境配置完成， comui 会自动在浏览器里打开运行界面。好的， 进入 comui 后，我们会看到一个有几个方框和线交叉连接的东西，这个就是我们最基础的纹身图工作流节点， 然后工作流的语言默认是中文，不用额外切换，要是不小心切到英文，点左下角的设置图标，找到语言一栏，在里面切换就好。然后配置模型这一块 comui 是 没有自带的模型文件夹中， 将下载好的模型放入文件夹后，小伙伴们还要记得重启一下我们的启动器，打开后台，点击右上角的中指进程， 然后再点击一键启动，这时我们就可以将之前的网页页面进行关闭，重新等待跳转进去模型。放入文件夹后，我们来简单测试一下， 感受下 confui 的 基础流程。首先我们先选模型，在 checkpoint 加载器里挑一个你常用的模型，然后写提示词，找到文本编码器，也就是提示词输入区，在正向提示词里输个简单需求，比如 one girl solo、 long hair， 反向提示词可以暂时空着，点击下方运行按钮，也就是我们的图片生成按钮。 等进度条跑完，第一张图就出来了，今天这期我们搞定了 comfyui 的 安装和基础测试，下节课会正式讲 comfyui 的 核心思维逻辑，还会教大家手动创建文声图图声图的工作流。最后别忘了给视频一键三连， 你们的支持就是我更新的动力，我们下节课再见！哈喽，各位同学，欢迎来到 comfy ui 系列零基础教程第二期，今天咱们重点拆解纹身图基础工作流，我将从节点搭建到参数调试，手把手教你搞定，哪怕是刚接触 comfy ui 的 新手， 也能跟着一步步做出效果。首先打开进入 confui 后，你会看到的纹身图完整工作流，一些交错相连的线和几个黑色方块，这些其实是将几个核心节点串联起来，构成了一个完整的生图流程。 咱们首先把每个节点的作用和逻辑理清楚，我们从左往右说起。首先 checkpoint 加载器，这是整个工作流的开始， 专门用来选大模型。点开下方选项后，可以看到我们下载安装的模型，相当于给 ai 定好画画的风格基础。 clip 文本编码器分两个， 一个是正向提示词，你想画什么，比如你想要一个女孩动漫风格长发。一个是反向提示词，也就是你不想出现的画面，比如模糊低质啊。 clip 文本编码器的作用就是负责把文字需求转成 ai 能懂的信号。看到 k 彩样器，它是整个纹身图工作流的核心绘图工具， 负责在前空间中形成图片，这里能调三个关键参数。看到第一栏的随机种，也就是 c 的 值，固定种子会生成相同基础图， 随机种子每次都不一样，也能手动输数字。日常的话固定和随机会经常使用，其他的很少有应用场景。 然后是迭代步数，数值越高，细节也就越足，常用二十到五十步。 c、 f、 g 值，就是提示词相关性越高，越贴近提示词，太低会跑题，会与输入的提示词相关性变差，常用的话在七到十二。 另外还有彩样器，比如 l a， d p m p p 二 m 和调度器 carrot， 这几个都是常用的参数。然后是降噪，也就是重绘幅度，数值越低，原图的相似度越高，反之则越低。通常默认为 有特殊场景，我们再去调整。再看到空 latent 节点，它的作用是负责定图像宽高，直接调宽度和高度， 还能设批次大小，负责控制。一次生成几张图。看到 ve 解码器，它把 ai 在 latent 潜在空间里画的图，转成我们肉眼能看清的像素图，最后连接预览图像或保存图像，保存的图会存在启动器 output 文件夹里。 咱们可以先测个简单效果，选个常用模型，比如麦局写实模型、正向提示词书 one girl， 点击右上角的运行等绿色进度框，跑完，一张基础图就生成了。 光看懂还是不够的，咱们自己动手答一遍，记得按节点需求一步步来，避免露脸。第一步，首先加 k 采集器， 我们把上面的工作流节点都清除掉，双击空白处，搜索 k 采样器，选 k 采样器，普通版就行，高级版后续再讲。这个节点可以说是整个工作流的核心枢纽， 前面所有的节点最终都需要通过 k 彩样器去形成 latent 前空间的图片。第二步，补 checkpoint 加载器。简易点， k 彩样器的模型按住不动，往空白处拖去，在显示出来的菜单栏中选择 checkpoint 加载器， 这样 ai 就 有画画的基础风格了。 第三步，加文本编码器，分别点击 k 彩样器的正面条件和负面条件，往空白处拖，选择两个 clip 文本编码器， k 彩样器的正面条件和负面条件，然后就能在编码器里输提示词了，比如正向 one girl， 反向提示词中输入 insignificent。 第四步，加 com latent 接点， 点击 k 采阳器的 lantern， 按住不动，往空白处拖去，在显示出来的菜单栏中选择空 lantern， 然后调宽度，比如七百六十八，高度比如一千零二十四 p 次，大小设为一。 第五步，加入 v 解码器，点 k 采集器的 latent 输出，往空白处拖，选 ve 解码器，再把 ve 的 图像输出拖出，连接预览图像或保存图像。这样做的目的是为了能够实时观看生成的图像和保存到文件夹。 大完后可以再优化一下，比如给节点改名字，左键双击节点标题并输入正向提示词下方文本编码器同理，输入负向提示词，这样后续找节点更方便。 复制节点也有快捷键，选中节点按 ctrl 加 c， 空白处按 ctrl 加 v， 比重新建节点快多了。 然后采样器这里其实并没有哪一个会更好，它的一个采样方法没有一个固定的选项，每个模型所采样的都不同。我觉得大家如果是在网上找的模型式可以看到模型作者一般会推荐采样器，跟着作者建议选是不会出太大问题的， 当然我们也可以稍微灵活运用一下，通常的话可以选择 dpm 加加二 m， 还要加上调度器的 carry， 然后 clap 文本和 ve， 这里不要忘记连接到模型加载器和 ve 解码中了。然后来尝试一下能否跑通本次的纹身图工作流，点击运行，我们稍等一下， 好的生成的图已经出来了，这说明工作流是没有问题的，能够正常的去运行。今天咱们搞定了纹身图从零搭建， 还理清了彩样器降噪参数的用法，希望能有效的帮助到屏幕面前的小伙伴们，喜欢该视频的小伙伴们可以三连支持一下，你们的支持是我更新的动力，我们下期再见！ 哈喽，各位同学，欢迎来到 comfui 基础教学系列第三期，前面的课程讲了 comfui 的 安装与纹身图工作流，今天咱们重点拆解图生图基础工作流，手把手教你搞定，哪怕是刚接触 comfui 的 小白 也能跟着搭建起来。好的回到我们的工作流当中。其实图生图和文生图的核心逻辑是一致的，一个是通过文字描述进行生图，一个是通过图片参考进行创作，前者更加适用于去进行创意构思， 而图生图更加适合对自己喜欢的图片进行二次创作。我们首先来到基础文生图的页面， 首先我们需要一个加载图像的节点，双击空白处搜索加载图像节点，这个节点是负责将图片上传至工作流当中，那么接下来我们需要把节点连接至 k 彩样器中，但这里有个问题，如果直接将节点拖到彩样器中是没有反应的， 所以我们首先需要将 com latest 先删除掉，这里的图片分辨率是可以直接用我们上传的图像分辨率的，除此之外，我们还需要一个 v a e 编码 作为图像与彩样器的转接口，之所以这样，是因为原图是像素格式， ai 是 看不懂的，得转成在前空间的图像。把节点都放置出来后，我们就可以进行节点连接了。点加载图像的图像输出 与 ve 编码器的图像相连接，再把 ve 编码器的 latent 输出连 k 彩样器的 latent 输入，同时记得把 checkpoint 加载器的 ve 输出连到 ve 编码器的 ve 输入，这样 ai 才能用模型的 ve 来解析原图节点之间相连接之后，那么 图生图工作流的搭建就完成了。我们先上传一张图试试看效果提示词可以都删掉，用来做效果演示。点击运行， 点开生成好的图片，我们看到它与原图几乎没有什么关联，基本没有任何相似的地方， 所以这里我们就需要去调整彩样器中的降噪，也就是重绘幅度。这里我大致说一下不同参数对图像的影响程度，比如降噪零点五到零点六，保留原图大部分细节，只微调风格。降噪零点七到零点八改变更明显，同时保留原图构图， 降噪一点零，相当于完全重绘，只参考原图的大致风格。当然具体适合的参数还是需要根据模型或不同工作流来观察的，我们还是选择一个常用的 checkpoint 模型，那么这里我将降噪调整为零点五。尝试一下， 我们会发现除了一些细节，基本与原图的相似度还是非常高的，我们再试试零点七的参数，稍等一下， 我们会发现这次生成的图改变会非常的明显，但是它仍旧为我们保留了其风格和构图。当然大家也可以去多尝试一下其他不同参数生成的图片。 那么今天对 cfui 的 图生图教程就结束了，喜欢本视频的小伙伴们可以三连支持一下，有需要相关资料的小伙伴可以到评论区下方回复六六六我会逐一发给你们，我们下期见！各位小伙伴们，欢迎来到新一期的 cfui 系列教程， 咱们前几节课已经把文生图图生图的基础工作流稳稳拿下了，今天就来补全 comfyui 里超关键的一块拼图插件。 要知道 comfyui 的 灵活性全靠插件撑着，没插件可不行。今天咱们要讲两个个新手必装的实用插件，从插件安装到实际用起来，一步一步讲明白，哪怕你不是秋叶整合包用户，跟着走也能轻松搞定。 首先咱们得先搞懂一个基础问题， comfyui 插件到底怎么装？第一种是通用安装法，推荐大家优先用适合网络正常的情况。第一步，打开 comfyui， 找到上方的管理器，点进去再选节点管理。 第二步，在搜索框里输插件名称，找到对应的插件后点 install 就 行。第三步特别重要， 安装完必须重启 comui 插件才能生效，千万别忘了，如果网络差，安装老失败，就用第二种备用方法， 先复制插件名称，去 github 搜对应的插件。但是 github 网站切记需要魔法上网，这个就需要大家自己去解决了。然后下载它的压缩包， 解压后复制到 confui 的 根目录 custom nodes 文件夹，记得重启 confui 节点才会出现在面板使用中。 那么我们第一个要装节点的是 a l e 提示词补全插件，这个插件能够在写提示词卡壳时自动跳出词组，比如想写个开头，不知道后面跟啥，这个插件就能联想补全，帮你解决瞎凑关键词的问题。 比如你输个一，它立马会弹出一 girl 一 boy 这些常用短语，选一个点进去就行，效率直接翻一倍。 盘装也不复杂，还是管理器节点管理，搜 a、 l、 e 就 能匹配到点 install 后重启 comfy ui， 等重启完，你打开 clip 文本编码器，输关键词的时候，它会自动弹出补全，建议点一下就能用，特别方便。第二个好用的节点就是清理 gpu 占用，它可是旧显存的宝贝，节点小巧但超实用。那么为啥要装它？ 我们平时用康复 ui 跑工作流，尤其是大型工作流的时候，是不是都遇到过一个闹心的问题？ 显存占用越来越高，哪怕图片早就生成完了模型，还牢牢占用在显存里不肯释放。要是显卡配置稍微差点，开着 comfyui 再想刷个网页，看个视频，电脑分分钟卡到动不了，别提多影响效率了。 我们回到工作流中，首先咱们右键点击 confui 的 空白区域，选择新建节点，然后在 easy use 节点分类里找到逻辑相关的选项，这里面有个清理 gpu 占用的节点，咱们把它添加上来就行。重点来了， 这个节点的位置很关键，咱们一定要把它放在最后生成图片的节点前面。放好之后，咱们再正常跑一次工作流试试。大家可以留意一下显存变化，讨图的时候 gpu 还是会正常占用，之前占百分之九十八， 但等图片生成结束的瞬间，占用会立刻被释放掉。最后来总结一下，今天咱们搞定了两个效率插件和节点， 希望能够帮助到屏幕前的小伙伴们，那么今天的内容到这里就结束了，我们下期见！各位小伙伴们，欢迎来到新一期的 comfy ui 系列教程，我们上节课介绍了两个实用节点和插件，那么今天这一节课咱们来解决最核心的痛点， 中文提示词怎么用？很多同学都吐槽 comfy ui 咋不能像 webui 那 样直接说中文啊，别愁， 今天咱们用插件搞定核心式对接百度翻译 api， 实现中文输入，自动转英文，免费还稳定。跟着我的步骤，只需三步就能安装。第一步，安装翻译插件，方法是节点管理器直接装，先复制插件名称 comfui fk server， 然后打开管理器节点管理，把名称粘贴进去搜，找到插件点 install， 重启 comfui 就 完事。 第二步，配置百度翻译 api， 免费申请一次配置以后都能用。首先打开浏览器，搜百度翻译开放平台，进他的官网，然后右上角点登录，选个人开发者注册都是免费的，放心填。 注册完以后在控制台里找通用文本翻译注册，好好进入会看到这么一个画面，然后点击这里的立即使用。进入到头像页面，再点击开发者信息， 就会看到我们的一个 app id 和密钥，然后返回 com 与 i 中，双击文本编码器，会看到弹出来的填写栏，将之前看到的密钥和 id 粘贴进去就可以使用了。第三步，就能用中文写提示词了， 我给大家演示一下，打开 clip 文本编码器的正向提示词框输中文，比如一个身穿白衣的女孩 站在竹林里云雾缭绕，然后双击提示词框，中文就会自动翻译成英文，要是想换回中文，再双击一次就行。最后来总结一下， 今天我们搞定了中文翻译提示词，希望能够帮助到屏幕前的小伙伴们。喜欢本视频的小伙伴们不要忘了三连哦，有需要详细资料的小伙伴可以在评论区发送，六六六我会逐一发送。那么今天的内容到这里就结束了，我们下期见！ 哈喽大家好，欢迎来到最新一期的 comfy ui 教程，这节课给大家讲 comfy ui 里的各种高清修复方式。我们平时生成的图片分辨率一般比较小，尺寸通常在一千零二十四乘一千零二十四左右， 在实际应用中经常需要更高分辨率、更多细节的图，所以生成图片后我们可以进行高清修复。高清的方法有很多种，接下来我将逐一讲明白。 这里是一套基础纹身图工作流，我已经生成一张图，而且固定了图片种子，后面讲的几种放大方式都会基于这张图来操作，方便大家对比效果。先讲第一种，也是最容易上手的模型放大， 这种方法相当于 webui 里的后期处理页面，靠放大算法直接对图像进行放大。前面的工作流不用改， 只需要在生成图像前加两个节点。第一步，右键点击空白处新建节点，找到图像分类，再选放大里的图像，通过模型放大，这个节点需要连接放大模型，所以再拉出来添加放大模型加载器选合适的模型就行。 真实系图选以 x plus 结尾的模型，二次原图选带 animate 的 模型。如 如果没有这些模型，我会放在网盘里，大家可以自行下载。第二步，把 ve 解码器输出的图像连接到图像，通过模型放大节点，再把这个节点连到预览节点，点 击生成就能放大。这里要注意，这种方法默认一次放大四倍，比如五百一十二乘五百一十二的图，会直接变成两千零四十八乘两千零四十八。 如果不想放这么大，比如只放两倍，就加个图像按系数缩放，就把缩放系数设为零点五，再连预览节点重新生成。生成后和原图对比，能发现图片确实变清晰了，细节和原图几乎一致。 但他有个缺点，因为是在图像空间放大，没经过潜在空间，不会重绘加细节，放大到一定程度还会损失细节。比如原图头发边缘有很多毛发，细节 放大后会变得锐利，细节反而减少。所以这种方法适合三种情况，比如二次元图像线条简单或细节不多的图，或者是原图已经很好，不需要任何修复，以及图片有文字、品牌信息等不能重绘的元素。 然后来到第二种，是在潜在空间放大，本质是给图像更大的画布，再做一次图生图重绘，相当于 web ui 里的高分辨率修复，操作步骤也不复杂。生成图像时，采样后先不解码， 从 latent 节点拉下来，添加 latent， 按系数缩放，它比直接改数值方便，不用手动算像素。 比如想放大两倍，就把系数设为二，相当于给了两倍尺寸的画布。之后需要再彩样一次。复制原来的彩样器，这里直接按 alt 拖出来，并连接上之前的节点，并与缩放后的 latent 节点相连。再添一个 ve 解码器，并与大模型连接， 最后连预览节点。这里有两个关键注意点，第一点，放大倍数不能一次太多，比如直接放四倍、八倍采样，如果填不满细节会容易出崩坏图， 建议先放两倍，想放大到四 k、 八 k 的 话可以分多次采样。第二就是要控制降噪值，潜在空间放大属于图生成图重绘，降噪值射一的话大家可以试一次，能明显看到人物长相都变了， 所以这不是我们要的效果，所以降噪值建议设零点五到零点七之间，我把降噪值设为零点五。在生成和原图对比能发现分辨率确实提高了，但细节上也进行了一定改变，甚至人物长相都会变， 所以这种方法不只是放大，更偏向修复功能。通过这两个不同的高清方式学习，我们会发现他们针对的图像都不同。 当然，我们也可以将今天这两种高清方法进行结合，就是模型放大加潜在空间放大的组合方法。具体怎么操作，下节课接着给大家讲，喜欢本视频的小伙伴们不要忘记三连喽，我们下期见！哈喽大家好，欢迎来到新一期的 comfy ui 系列教程， 今天我们接着讲 comfyui 的 图片高清放大技巧，今天要分享一个能突破显存限制的实用思路，还有将这几种放大方法结合的用法，我们一步步来讲解。首先说一个新的放大插件 s d 放大，它的原理很简单， 把一张像素图像分割成很多小块，分块做潜在空间编码和彩样，最后再无缝拼接起来。用这种化整为零的方式，能有效突破显存不足的限制，哪怕显卡配置，一般也能处理高分辨率图像。具体操作先从节点设置开始， 搜索 s d 放大节点，这个节点很方便，已经整合了 k 彩样器和 v a e 解码，不用再单独搭这两个节点。连接好对应的端口后， 从节点里向外拖出放大模型，加载器选择四 x ultra sharp 这个模型就行。在 s d 放大节点里，我们只需要设置放大系数，下方的降噪值已经默认设为零点。二、不用额外修改 再往下的放大算法参数，比如分块、尺寸、接缝处理这些，直接用默认值就可以，不用自己调。之后在末尾加载一个图像对比节点，连接好所有线路，点击运行就能看到效果。用这个方法后，可以看到脸部和发丝的细节能得到明显提升， 当然也可以换其他放大模型试试，操作步骤是一样的。讲完单个技巧，咱们再延伸一下，大家有没有想过把之前讲的三种放大方法一起用会有什么效果。 其实操作也不复杂，先把前面三种方法的节点复制出来，然后按顺序衔接。第一步，在纹身图生成基础图像前，先做潜在空间放大。 第二步，把潜在空间放大的输出图像，再接入 s d 放大节点，继续放大两倍。第三步，最后用模型放大做收尾，把所有节点整理好后点击运行，能发现生成的图像分辨率是原图像的十六倍， 而且画面清晰度很高，细节保留的也不错。这节课的高清放大工作流就讲到这里，感兴趣的小伙伴可以跟着一步步搭建试试，熟悉后就能根据自己的需求灵活搭配。喜欢本视频的小伙伴可以三连支持一下，我们下节课再见！ 哈喽大家好，欢迎来到新一期的 comfy ui 系列教程，今天我们的视频内容专门来讲讲 lora 模型。 不管是刚接触 ai 生图的新手，还是想提升效率的同学，肯定都想问 laura 模型怎么装？该放哪个文件夹？到底怎么用？又能帮我们解决什么问题？ 别着急，今天咱们从头到尾讲明白。首先，我们先搞定最基础的 laura 模型怎么安装，放哪里。首先打开启动界面后，找到根目录选项，点进去再选 models， 然后点 laura's， 将你下载好的 lora 模型文件粘贴进去，安装就完成了。是不是超简单？不过有个小问题，刚装完的 lora 模型在打开的 comfyui 中， lora 加载器里往往没有找到，这是因为 lora 第一次上传上去以后需要重新启动。 重新启动以后，接下来就是核心 lora 模型怎么用？三步就能搞定。第一步，添加模型，在 comfyui 空白面板双击 搜索，找到 lora 加载器或者 lora 加载器，仅模型鼠标单机一下，它就会自动添加到工作面板中。然后将 lora 加载器的模型节点放在 checkpoint 加载器的模型和 k 彩样器之间，并将模型节点串联起来。第二步，别漏了触发词。 很多 lora 模型都有原作者设定的触发词，只有加上触发词，模型的效果才能完全发挥出来。 触发词一般在模型的说明里复制过来，粘到提示词里就行，千万别忘了。第三步，调整权重。 权重代表 lower 模型对生图画面的影响程度，权重越大影响越明显，但不是越大越好哦。大部分模型作者都会给推荐权重值， 根据推荐的权重值就好，如果不知道推荐值，那设置在零点七左右基本不会出错，新手可以先从这个数值试起。最后我们要了解一下 lora 模型到底有什么用呢？ 这里我给大家看几个效果图就明白了。比如画面效果控制类的 lora， 上面是加了皮肤质感 lora 的 图，皮肤的肌理感一下子就出来了，比单纯用提示词描述真实太多。 再比如画风修改类的，像这里我用了一个 q 版的 laura， 不 用它的话就可能很难还原某些画风，用了之后明显能感受到人物变卡通动漫风格了。当然还有角色特征类的，比如可以在一些模型网站上找一些动漫角色的 laura， 一键就能还原动漫的角色特征，能够快速得到一张二创图。好的，今天我们把 low 二模型的安装使用和核心作用都讲了一遍，希望能够对屏幕前的小伙伴有一定的帮助，喜欢本视频的小伙伴们可以三连一下，那么今天的内容就到这里，下期再见！

康复幼儿环境依赖复杂，想用解压即用的整合包不知道怎么选择？实际生产中用到多个整合包怎么样？统一管理模型重复导致大量磁盘空间的浪费，磁盘空间告急。整合包怎么安装升级和卸载插件？ 如果没有魔法，怎么安装插件？缺失依赖怎么办？怎么安装？缺失的依赖？ 怎么快速知道当前电脑是否可以运行 cfui？ 从别人那里下载的工作流，拖到自己的 cfui 里面老是缺失节点， 又不知道怎么安装哪些节点，能不能一键安装工作流所需的所有的插件节点依赖和模型，我想这是所有 cfui 玩家都会遇到的问题， 那么又该怎么解决呢？康菲尔管理大师打磨了一年，可以完美解决以上提到的所有的问题。首先很多人想要解压急用的整合包，那在这个资源下载里面，整合包这里就做了大量的解压急用的整合包， 比方说学习包、满血节点包以及其他的专用整合包，比方说音乐生成的 tts， 语音克隆的视频的稳定的纯净包等等， 你只需要根据你自己的需要来选择下载对应的整合包就可以了。那我们在实际使用康菲 u i 的 时候， 往往需要多个整合包，那管理起来就非常的麻烦，那在康菲亚管理大师里，他可以同时管理多个整合包，没有数量的限制，你想用哪一个 你就直接选择哪一个，点击启动就可以了。但他可以让你的每个整合包都保持非常小的体量，然后他的运行效率就会更快，同时也减少了环境的冲突， 防止你因为环境冲突把整个整合包都给弄坏掉，然后导致它就不能用了。 那我们在使用多个整合包的时候，可能会存在重复的模型，导致吃饭空间的浪费，那在康菲亚管理大师里面， 这里支持共享模型，也就是说让这多个整合包共享同一个模型目录， 这样的话就可以节省你的吃盘的空间。再往下就是插件管理，那很多人不知道怎么去安装插件或者是更新插件，那在这个康菲尔管理大师里面提供了完整的插件管理的功能。 首先在这个安装新插件这里，你可以根据你自己的需要，在这个插件库里边填写想要安装的插件，然后点击这个安装，点击开始安装， 它就会自动完成这个插件的下载安装以及对应的依赖。那在这里假如说你没有魔法，也可以在这个系统设置里面提供了国内的镜像， 使用国内镜像就可以绕开这个网络不通的问题。同时在这个已安装的插件里面提供了插件的更新的功能，比方说这个插件他需要更新了，有了新的版本，点击一下更新，然后他就更新到最新版了， 同时他也可以切换到他的任意的版本，比如说我想切换到这个版本，点击切换到此版本，就切换到这个版本了，同时可以看到他又支持更新了，因为他不是最新的版本，点击更新又更新到最新的版本了，同时他也支持卸载， 点击卸载这个插件就没了，也可以把它打开，这样就打开到他这个插件的安装的目录里了， 再往下是环境管理，在环境管理这里，首先可以点击这个环境检测，它就会检测你当前这个电脑具不具备运行这个整合包的基本的环境，如果环境异常的话，在这里都会有对应的提示。在这个依赖管理这里， 可以检测你这个整合包里面安装的所有的依赖，同时支持安装新的依赖， 它支持根据依赖名字进行安装。比方说点击一下这个回车，这样会列出这个依赖发布的所有的版本，你可以选择你要安装的版本，点击这个安装词版本，这样就安装上了， 它也同时支持根据这个依赖的文件目录来安装，根据这个轮子文件来安装， 通过这个拍摄文件来安装，也预制了常用的这个依赖的，比方说陪他催腾腾这些常用的依赖，也可以直接执行这个命令，通过这个命令来直接安装。再往下是这个工作流广场，在这个工作流广场里， 它可以支持一键安装工作流模型，以及这个工作流用到的依赖， 让你在本地直接运行，然后把这个工作流包含的工作流文件模型以及对应的依赖一键安装到你的本地，就在你本地直接可以运行了。 那我们现在直接做一个实验，这一个就是一个纯净包，我们直接把它给解压了，在这个工作台这里，我们在这里点击添加 com， 把这个纯净包直接添加进来，然后把它给切换到这里， 我们看一下这个刚解压的里面，这个插件是空的，这个 model 也是空的，以及它的工作流都是空的，那我们现在点击这个工作流广场，我们随便找一个工作流， 比方说这个 ltx 二的纹身视频的工作流，点击一下，点击一键安装，可以看到它这里列出出了所有的用到的模型，也可以手动下载，也可以点击这个自动下载，然后点击开始安装， 这样的话他就会自动安装这个工作流。所有的插件，用到的依赖以及用到的所有的模型，你只要在这里等着就可以了，可以看到他现在开始下载这个模型了，如果你想终止，点击这个停止安装就可以了。 好，现在就安装完了，可以看到工作流已经安装完成，请重启。 com， 我 们在这里关闭 在这个工作台这里点击这个启动，我们点击这个工作流，可以看到这个地方显示一个康复 u i 管理大师，在这里面就出现了一个 l t x 二杠纹身视频的工作流， 点击一下可以看到这个工作流所有的节点都不缺失，都是正常的。那我们现在运行一下这个工作流，这里就是一个纹身视频的工作流，一个提示词， 点击这个运行它，这里是一个亚洲男性坐在镜头前做口播，然后说了这么一段话，我们看一下它这个运行效果，我们纯正的 comfui 的 本地运行， 可以看到他这个是可以直接一键下载并在本地运行的。我们还可以再看一下这个控制台的日记，如果说你是原生的日记，他是不会有这种每一步的进度和他的业务发生时间的，而在康菲亚管理大师里面， 他每一步的业务发生时间都有，这样会非常方便你去排查问题。并且比如说我刚才运行生成这个视频，他每一步比方说百分之零、百分之十二、百分之二十五， 他在几点的时候发生的，比方说是这个二十三分、五十九秒，百分之十二、二十四分、百分之二十五等等。我们再来看一下这个工作流分析。 当你下载了别人的工作流，你想在本地运行的时候，往往会缺少特别多的节点，我们还是拿这个纯净包为例， 我们把里边的这些节点全部删掉，现在节点都是空的，我们在这里启动一下，比方说你下载了一个这种 动作迁移的工作流，你这样拖进来，他会缺失特别多的节点，你看这些节点全都是爆红的。那怎么样去解决这个问题？这个对于新手，包括很多老手，他也不知道需要安装哪些节点， 因为现在这个康复药的节点太多了，那所以说就需要这个工作流分析的功能，我们先把它给关掉，进入到这个工作流分析，我们把这个工作流直接拖过来，点击开始分析，他就会分析出你这个工作流用到的所有的节点， 他的总数类型，需要安装哪些插件，哪些插件还没有安装，那我们把这些没有安装的安装一下就可以了。 这安装方法也非常的简单，点击这个自动安装，点击开始安装，这样的话它就会自动下载这个插件，并且安装它的依赖，点击这个自动安装，开始安装好这些，安装完以后点击这个工作台，我们重启一下，我们再来看一下这个工作流， 所有的节点都修复了，可以看到那我刚才打开的这一个这些爆红的节点，在这个新的启动了这个屋里可以看到每一个节点都修复了，那这个就是康复 u i 管理大师里面的工作流分析自动补节点的功能。好，这个就是康复 u i 管理大师 二点一点零这个版本主要的功能，当然里面有很多的细小的功能，由于时间的关系就不占用过多的时间，在这个视频里讲了，直接在用的时候稍微看一下就可以了。