comfyui模型为什么都在c盘
粉丝5.2万获赞27.0万
相关视频
58:24查看AI文稿AI文稿逼自己一个月练完，其实你很会 ai， 存下把权，一百九十八集真的很难找全的警告，本系列视频耗时两个半月，制作共计一百二十分钟，让你从坑爹 u i 小 白到 ai 大 神， 这应该是目前抖音仅有的从入门到进阶的全套系统坑爹教程。 ai 界最全能的软件来了！一款软件就承包了所有的 ai 需求，关键是官方正版完全免费，它就是匡复 u i， 仅需三个步骤，下载、解压、双击打开，连模型都全部为你准备好了，真正实现零门槛，学会下载就能用！哪怕你从来没有接触过 ai， 再匡扶 u i 也能化身成 ai 达人。无论你是想绘制惊艳作画，还是想打造火爆全网的创意短片， 通通都是点一下就能完成。而且有了空府 u i， 你 用它就能够体验国内最新最前沿的 ai 功能。作为全球公认最全面、生态最丰富、最贴近生产力的 ai 软件，空府 u i 堪称免费开源 ai 软件当中的王者。 哈喽，大家好，本节课我们来讲空府 u i 界面布局的深度认识与功能解析。我们打开空府 u i 界面之后呢，你会发现界面非常的干净，什么都没有。 如果我们需要在空浮圆里面进行创作，那么我们就需要在空白处进行添砖加瓦，这一大片的空白处，你可以把它理解成它就是我们的创作区。接下来我们就在创作区进行简单的创作， 大家现在所看到的这个画面就是官方的纹身图工作流，我相信很多小伙伴呢都听过，如果是要把空浮圆学好，就一定要把节点的功能，节点的各个连接的原理把它搞明白。那么什么是节点呢？我们现在所看到的这些小方块， 这些这个，这个，这些全部都是节点，各个节点串联组合起来就能形成一个完整的工作流。我们只需要在这个文本编码里面输入一段提示词， 选择一个大模型，注意了，这个提示词一定要是英文，那么这个提示词写的是一位年轻女性双手捧着一束鲜花， 点击运行，通过这些串联起来的节点运行之后，一张一位年轻女孩捧着一束鲜花的照片就生成了，是不是很神奇？中间的创作区我们了解之后，接下来我们来看左边的布局。首先来看一下队列， 我们点击队列，这个队列指的是什么呢？很好理解，这队列里的内容就是你渲染输出的图像，这个绿色代表的就是你渲染输出的时长， 我渲染第一张照片的时候，花的时间是一百零六秒，第二张图片画的是六秒，这张图片画的是十秒。选中这张照片，点击一下，我们就能够看到这个照片的全貌， 当然你也可以对这些图像进行删除，点击删除功能，那么所有的照片就全部删掉了， 这个就是队列的功能。接着我们来看这个节点库，点击一下这个节点库顾名思义就是节点的仓库，这里面全是节点，你想要用哪一个节点，那么你就直接在这里面进行搜索即可，比如说我现在要用变异解码器，那我就直接在这里进行搜索变异解码器， 那么这时候呢，我们就可以选择这个 v 解码，点击一下这个解码就进来了。除了这种添加节点方式之外，我们还有其他的添加节点方式，我们可以在空白处进行单右键来到添加节点节点库，里面的这些节点对应的就是这些节点。 我们看一下这个 select 高清放大，里面有十个文件。我们再来到这个 select 高清放大，这里的节点对应的就是这里面的这些节点， 你想用哪一个节点，那么你就选择哪个节点即可。那么除了这种方式之外呢，还有一种非常便捷的方式。除了以上两种方式添加节点之外，还有另外一种最方便的添加节点方式，直接在空白处进行双击， 你想要哪个节点，直接搜索哪个节点，比如说我现在要添加 k 采暖器，那我就直接搜索 k 采暖器，点击添加 k 采暖器即可。 再看一下这个模型库，每一个文件夹代表一种模型类型，这里有几十个文件夹，代表空腹 u i 的 模型有几十种类型， 可以看到有些文件夹它是带有数字的，数字代表的就是你自己本身安装了多少个模型。比如 point 文件夹里有四十个模型，那么它对应的就是我本地部署当中的 point 文件夹里的这四十个大模型。 lala 文件夹里有六十五个模型，对应的就是我本地部署当中的 lala 文件夹里的这六十五个大模型，其他的文件夹同理。 再来看一下这里的工作流，点击一下这里的工作流对应的就是这里的工作流，只要你保存了它就能够在这里进行显示，比如说这个工作流， ctrl 加 s 保存一下 这个工作流，保存之后他就进来了。再来看一下这里的节点语组，这里的节点对应的就是我们工作流里面所设计的节点，十七 k 采集器对应的就是这个十七 k 采集器，三十 k 采集器对应的就是这个三十 k 采集器。 那么还有一个节点组没有组怎么办？我们可以自行创建节点组，按住鼠标的滚轮键，我们可以随意挪动整体的工作流。怎么进行创建节点组呢？按住键盘上的 ctrl 键 框选一下，然后 ctrl 加 g 打个组，给他命个名，图像输出，那么在这个图像域组里面，我们就能够看到这个图像输出组了，点击展开，我们就能够看到这个图像输出组里面有两个节点， 微解码、预览图像对应的就是这两个节点。我们再来到模板界面，点击进去，这里的模板其实就是官方已经做好的工作流，有图像生成、视频生成、音频生成等众多工作流，你想用哪个工作流，那我们就点击哪一个， 这时候呢，他提醒你缺少模型，此时你需要下载安装模型，你可以直接点击下载，也可以复制链接到浏览器进行下载， 然后把模型安装在本地，部署对应的模型文件夹，接着重启空腹以外就能够使用了，涉及到当下最新的一些工作流，有时候呢你需要花点米才能使用，以这个视频模板为例， 这里显示我们生成一次视频是零点四九美元，折人民币是三点五块钱，大家可以根据自己的需求去选择使用。接着我们来到帮助中心， 这个就是匡辅 u i 的 更新版本，有些插件或者节点需要匹配当下最新的版本才能使用，有必要的时候呢，我们就选择更新。再看这个 get up， 点击进去，这个就是匡辅 u i 的 官方节点插件库，我们所使用的外置节点插件都是源自这个网站，具体怎么使用我们待会会讲到。 接下来我们来到键盘快捷键，这里对应的就是我们在操作空腹液的时候对应的快捷键，如果你对官方设置的快捷键不满意，你可以自己在这里面进行设置。 左边的界面布局大家都已经了解了，接下来我们来了解下面的界面布局，我们选择这个工作流，这里的复制标签指的是复制这个工作流，点击复制我们就得到了一个同样的工作流，这里的关闭标签指的是关闭工作流， 现在我们就把这个工作流关掉了，关闭右侧标签，关闭其他标签就非常好理解了，在这里我就不多讲了。接着来看这个图标，登记一下，这个新建指的是创建一个新的工作流，接着我们来到文件，选择打开， 打开指的是我们可以通过这种方式可以打开我们的工作流，除了这种方式可以打开我们的工作流之外，我们可以直接把我们的工作流直接拖拽进来也是可以的。 关于这个保存呢，就很好理解，大家养成一个习惯，隔几分钟保存，如果我们的电脑突然崩溃了，那么很可能我们花了几小时做的东西全部复制动流。再来看这里的导出， 导出指的是导出我们的工作流，给他们个名，界面布局讲解二，这时候呢会跳出一个保存的路径，我们点击保存即可。再来看这里的编辑，这里的撤销指的是返回上一步，这个是清除工作流，说白了就是删除工作流， 这个呢就是刷新节点，有时候我们卸载一些节点之后，或者是修复一些报错问题之后，我们需要重新刷新一下，才能让矿务员正常运作，这时候呢就用到这个功能。接着来看这里的释放模型，释放模型和节点缓存， 手机用久了之后呢，会产生很多垃圾，导致手机卡顿，这时候呢我们就得时不时的清理我们手机缓存，那么空浮元也是一个逻辑，你的节点多了，或者是你用久了，他也会产生很多垃圾，导致我们在运行的时候呢，会出现卡顿的一些情况，或者不顺畅。那么这时候呢，我们就可以使用这两个功能来释放这些垃圾，这两个功能 对应的就是这下面的两个功能。清理垃圾缓存的时候呢，我们也可以点击这两个功能。再看这里的主题，现在是深色，点击一下它就变成了浅色， 这个浏览模板对应的就是我们刚刚所使用的工作流。我们再来看一下这里的设置，这里的设置呢就是一些界面的设置，基本上呢你可以不用动它， 比如说像这个新菜单，现在是在底部，我们点击一下，那么它就到了顶部，我们现在呢把它切换回来。这里的设置主要就是去调节这个框辅 ui 界面的一些布局，感兴趣的小伙伴呢，大家可以去调节一下，我使用的都是默认的，再看下面的这些功能， 看一下这个拖拽，这个巴掌图标对应的就是我们鼠标的滚轮键，这个是自适应式图，点击一下他就会回到一个自适应的视角，这个是缩放控制，就是去控制你这个画面的大小，我们可以通过鼠标的滚轮键去滚动来调节这个画面的大小。去看一下它的数字是在变的， 这个是专注模式，点击专注模式之后呢，整个界面它就只有我们的节点，其他界面全部消失了，点击回来，这个呢就是隐藏链接，也就是隐藏这些线条，一般情况下我们都不会用到。 接着我们来讲本节课的重点内容，学习空辅 u i 必备技能，如何安装节点，这时候呢我们就得用到这个管理器，我们需要安装插件节点，或者更新版本的时候通常会用到它。接下来来讲三种安装节点的方式。 首先第一种方式，我们通过这个节点管理器进行安装节点，我现在需要安装一个 bashnet 重绘节点，在框里输入 bashnet， 跳出 bashnet 节点之后我们就选择安装， 因为我是已经安装过了，所以是这样的，显示点击安装，等这个节点安装完之后，切记一定要重启酷狗 u i， 这样才能正常使用这个节点。接下来我们来讲第二种安装节点的方式， 我们通过酷狗 u i 来到 gitup 官网，在输入框里面输入我们要安装的节点 slash net， 接着我们选择酷狗 u i slash net 这个文件，我们来到 code 复制一下这个链接，接着再来到管理器，通过 gitr 进行安装， 输入我们刚刚复制的链接，点击确认也可以进行安装。如果这种方式我们还安装不上，那么我们就采用第三种方式，我们把这个节点下载到本地，下载好之后呢，再把它进行解压，解压之后把这里的后缀名杠 m a i n 删掉，再拷贝这个节点。我们来到 custom node 这个文件夹，把我们刚刚拷贝的节点放到 custom node 这个文件夹，这个文件夹就是专门用来放置我们的节点，放置好之后重启 custom node， 这时候我们就能够正常使用这个节点了。好了，以上就是本节课的内容讲解，咱们下节课再见，拜拜！本节课我们来讲匡府 ui 的 工作原理， 如果我们真正要掌握匡府 ui 这个工具，让它变成我们的创作利器，我们必须要了解它的运行逻辑，只有真正掌握了运行逻辑，才能够大大的提升我们的生产和学习的效率，给我们带来更多的创作源泉。 大家现在所看到的工作流是匡辅 u i 官方最基本的纹身图工作流，一个基本的纹身图工作流主要就是由以上七个节点组成，那么什么是节点呢？ 我们现在能够拖动的这些方块，它就是节点匡辅 u i 的 运行逻辑，它是从左边进行计算，我们可以把这工作流分成三个板块，按住 ctrl 键拖拽鼠标就可以框选这些节点， ctrl 加 g 就 可以对这些节点进行打阻。 左边的板块是前期输入板块，中间的板块是核心生成板块，也就是浅空间像素，最右边则是后期输出板块，这样就构建了一个最基础的纹身图工作流。我们只需要在输入板块当中的 kelpie 文本编码当中输入一只小狗，点击运行， 这样一只小狗图像就有了。接下来我们来逐步详细讲解每个节点的作用。首先来看最左边的 checkpoint 加载器，我们能够看到加载器里有三个节点，分别是模型节点、 clip 节点、 v a e 节点。 这里的模型节点的作用就是用来加载我们的大模型，它的主要作用就是根据文本描述和随机造声逐步生成图像的潜在表示。通俗一点，它的作用就是控制图像生成的风格。我们点击这里的模型选择框， 我们就能够看到这里有非常多的模型类型供我们选择。这里的模型选择对应的就是我们安装在 cf ui mod 这个 pos 文件夹里面的这些大模型。大模型的作用呢，就是用来控制图像生成的风格。 比如我现在选择一个真人写真类的大模型，因为它是一个菜鸟模型，我们就把分辨率改成一零二四乘以一零二四，点击运行， 这样一张真实写真类的小狗图像就有了。再来看这里的 clip 节点，它是 stable diffusion 模型的一个核心组成部分，由 track point 节点加载出来的一个关键模块。 它的核心角色就是将用户输入的自然语言，也就是提示词翻译成 ai 图像生成模型能够理解的条件指令， 简单来说，它充当的就是一个翻译官的角色，让采集器能够理解你你想要什么样的画面。这就是为什么我们刚刚在文本框里面输入一只小狗，它就能生成一张小狗图，而不是一只小猫图的原因。 接着再看下面的 ve， 它是一个负责将图像在像素空间和浅空间像素之间进行转换的核心组建，你可以把它理解成它就是整个 ai 绘画流程当中的翻译官和显隐器。常用的 ve 有 两个，一个叫 ve 编码， 它的作用就是将像素空间，也就是把图片转换成裁样器，能够读懂理解的浅空间像素。这个节点一般用于图生图，到后面讲图生图内容的时候会进行详细讲解。另一个就是 ve 解码，也就是我们现在用到的这个 ve 解码， 它的作用就是将浅空间像素转换成我们肉眼可见的像素。我们了解完加载器模块之后，我们再来看这个 clip 文本编码，一条完整的工作流，一般有两个文本编码，上面的文本编码我们一般用来写正面提示词，也就是我们想要什么样的画面。 下面的文本编码用来写负面提示词，也就是我们不想要什么样的画面。在正向提示词里输入一间教室， 点击运行，现在我们就得到了一张教室图，我们能够看到教室里面有黑板、桌椅、电灯、窗户。如果我不想让生成的图像有黑板，那我们就在负面提示词里加入黑板，再次运行， 这样再次生成的图像就没有了黑板，黑板变成了投影布。如果我不想让图像中出现窗户， 那么就在负面提示词里输入窗户，点击运行，再次生成的图像中就不会出现窗户，这就是可 leap 文本编码的作用。我们再来看这里的 comlaten 图像，它是一张在浅空间中由随机噪声构成的空白图像， 为 k 采集器提供初时的可逐步雕刻的造声数据。简单来说，你可以把它理解成，它的作用就是决定生成图像的分辨率。这里的批量大小决定一次性能生成多少张图像。我们在正向提示词里输入一个男孩，此时的宽高分别是五幺二、五幺二， 那么生成的图像大小自然也是五幺二乘以五幺二。如果我们把画面的宽高设置成五幺二乘以七六八， 此时我们就得到了一张五幺二乘七六八的图像。我们把批量大小设置成四， 这样就能一次性得到四张五幺二乘七六八的图像。那么我们可不可以将宽高随意进行设置呢？比如宽高设置成两千乘两千， 此时你会发现生成的图像根本没法看，与我们的提示词描述有天壤之别。那么原因是什么呢？生成的图像画面是否合理，不光跟 limit 大 小有关， 而且它还跟我们的大模型相关。如果我们选择的模型是 sd 一 点五的模型，那么分辨率就设置成五幺二乘五幺二。 因为 sd 一 点五的大模型在训练的时候用的就是五幺二乘五幺二的图像进行训练，所以宽高设置成五幺二乘五幺二的分辨率，这样生成的图像质量就正常。 人家只有生成五幺二乘五幺二的能力，你却硬是让人家超常发挥，所以只能天马行空地进行会制，生成的图像不尽人意。 如果我们的大模型是 sd 叉 l 模型，那么我们的分辨率呢，可以设置成一零二四乘一零二四，因为 sd 叉 l 模型是基于一零二四乘一零二四的图像进行训练的。 好了，以上呢就是空来的图像节点的用法。我们了解完输入板块的各项功能原理之后，接下来就是核心生成板块 k 采氧器。 k 采氧器的作用就是负责执行，他接到前面的指令，然后严格按照参数设定，一步步的执行去造， 将噪声图塑造成符合指令的最终图像。简单来说， k 采集器就是负责动手把它画出来。我们在正向提示词里输入一个男孩正在踢足球，点击运行 一张男孩踢足球图像就有了。我们再来看这里的种子数，你可以把它理解成他就是我们的身份证编号，每一张图片都有属于自己的编号。再来到下面的生成控制后， 我们选择增加，那么种子数就增加一个单位，刚刚数值是四十二，现在的数值是四十三，如果是选择减少，那么数值将会降低一个单位，变回四十二。 如果选择随机，那么这个种子数将随机。如果我们选择生成后固定种子数，我们将这个种子数进行复制，再随机生成一张图， 接着再把种子数粘贴回来，我们又回到了刚刚那张照片。我们再来看一下这里的采用步数，它的作用就是控制去噪迭代的次数。为了方便大家看得更加直观，我选择一个 sd 叉 l 大 模型，分辨率设置成一零二四乘一零二四。 在其他参数不变的情况下，我们分别把步数值分别设置成五十、 十五、二十二十五。我们再一起来看一下这五张图整体的对比。 仔细看你会发现，随着步数越多，整体的细节越来越精细，当然运行的时长也更长，通常这个数值二十到三十步是质量与速度的平衡点，这就是采用步数。 我们再来看这个 c f 基值，它的作用就是用来控制关键词与生成画面的匹配程度。我们在提示词里输入，一个女孩坐在草地上固定一随机种子， c f 基值设置为一，采暖器设置为 m p p 二 m 调度器设置为 kalas。 点击运行，我们能够看到，当 c f 基值为一的时候，这个画面很脏很乱，没有太多的细节，最基本的人物轮廓都看不清。 我们再把 shift 机制调整为五，点击运行。现在这个画面就清晰很多了，人物的体态样貌我们都可以看得见，但是颜色还并不是很丰富，女孩的手旁边有一个像包，但又不像包的东西，还是缺乏创作力。我们再把这个参数设置为十二， 我们能够发现整体的颜色又丰富了很多，生成的东西呢也更加符合逻辑。刚刚草地上的小花现在就有了更多的颜色，服装包包也有了更多的细节。我们再把 cf 机制调整为二十， 此时生成的图像质量就更高了。所以我们可以得出一个结论， shift 值数值越低，传感器越不能理解你要什么生成的，质量越差，反之，参数值提高，生成的画面会更加符合提示词所想表达的内容。 shift 值一般控制在八到二十之间。 再看下面的裁样器名称，裁样器和下面的调度器，它是结合使用。裁样算法和调度器的结合会直接影响结果的质量，生成的速度以及风格样式。通常情况下，裁样器我们就选择 dpmpp， 二 m 调度器选择 kalas， 这两个模块的结合对应的就是 webui 当中的 dpm 加加二 m， 只不过在框副 ui 当中把它们独立出来了。接着来看降噪功能， 它的作用就是控制对初使造成的去除程度。现在的数值是一，如果我们把数值调整为零点八，你会发现画面的人物形态、脸部的轮廓质量明显就降低了很多，色彩的饱和程度也降低了不少。参数设置为零点五， 画面的色彩还原程度接近复古色调，效果很差。参数设置为零点二，可以看到基本上就没画面了。所以如果是纹身图，那么数值通常设置为一。如果是作为图升图，这个降噪功能的用法又稍微的有点不一样。到后面的图升图我们会讲到， 接下来我们来看这个 ve 解码，它的作用就是将 k 传感器处理的浅空间像素转换成我们肉眼可以看得见的像素。 预览图像节点的作用很好理解，它的功能就是显示画面，如果你想保存这张图像，选择图片单右键点击这个保存图像即可，这个图像就保存下来了。各个板块的各项功能原理我们明白之后，接下来我们就一起来手动搭建一个完整的纹身图工作流， 在空白处我们进行双击，就会出现一个搜索栏，我们就可以在搜索栏里输入我们想要加入的节点。我们先加入一个采集器，通过采集器进行拓展，选择模型的小节点进行拓转，就会显示其他能够连接的节点。我们选择 trackpoint 加载器， 这样模型加载器就有了。再拖拽 clip 小 节点，我们就可以加入 clip 文本编码，选择 clip 文本编码，按住 alt 键，拖动一下 clip 文本就能够进行复制。 拖拽一下 link 图像，我们就能得到一个空 link。 拖拽一下 link， 我 们就可以在里面选择 v 一 解码，再通过 v 一 解码里面的图像再拖拽一下，我们就可以创建预览图像， 这样我们就得到了一个基本的纹身图框架。接下来我们需要将它们连接起来，具体怎么连接呢？并不是盲目连接，我们需要进行对应连接。这里的模型节点不能与 clip 文本节点连接，它只能与采集当中的模型连接， clip 也只能连接 clip。 v e 只能连接 v e 正面提示词的条件，连接正面条件，连接负面条件， 这样一个基本的纹身图工作流就搭建好了，我们来运行一下这个工作流，在正向提示词里输入一个美少女， 再转换成英文，这个中英转换插件在后面的课程内容当中，我会教给大家怎么安装，刚学习的小伙伴可以使用有道翻译进行翻译，把翻译好的提示词输入到正向提示词， 再选择裁样器和调度器，点击运行一个美少女就有了。最后我们再来理一理这个工作流的运行逻辑， 通过加载器把大模型的信息给到 click 文本编码，通过文本编码进行下达指令，把指令给到 k 采集器，告诉 k 采集器我具体需要什么。 k 采集器接到指令之后呢，进行执行，进行作图，产生浅空间像素，也就是大家现在在采集器这里能够看到的这个图像。 k 采集器把生成的浅空间像素信息给到 v 解码， 让 v e 解码对浅空间像素进行处理，处理成大家肉眼能够看到的图像。 v a e 解码，把转化好的图像信息给到预览图像进行展示出来。 好了，相信大家对匡府 ui 的 运行原理都已经掌握明白了，客户呢自己去实践领悟，咱们下几个再见，拜拜！本节课我们来讲匡府 ui 的 图声图功能，图声图功能从字面上面就很好理解，我们需要一张参考图， 通过一张参考图结合空腹与爱的流程进行计算，生成我们想要的视觉效果图。在这里呢，我就已经准备好了一个基本的纹身图工作流，那么在空白处呢，我们进行双击，我们在这里添加一个加载图像，加载图像的作用呢，就是用来上传我们的图片，把我们已经准备好的图片素材呢透露进去。 接下来我们要做的就是把图片信息给到采暖器进行处理，生成我们想要的视觉效果。在这里我们能够看到 k 采暖器里面呢，没有跟这个加载图像节点能够联系的节点， 这里没有图像，也没有遮照，接下来我们需要通过一个节点，把这个图片信息转换成 k 采暖器，它能够理解能够读懂的数据。我们在空白处进行双击搜索， v a e 编码加进来， 那么这个 v 编码节点的作用是什么呢？用专业术语来讲，就是把我们肉眼可见的像素空间信息， 也就是这个图片信息转换成浅空间像素信息。用大白话来讲，就是把这个图片信息转换成就 k 彩样器，它能够理解能够读懂的信息。我们直接把这个图像连接像素，这个 laten 连接 laten v 连接 v 一， 那么基本的这个图生图工作流就已经完成了，那么这个大模型呢？我选择的是通用的 sd 叉 l 模型， 这时候我们只需要在这个文本框里面输入相关的提示词，它就能够生成相关的内容。比如我现在我需要把它转换成游戏动漫人物风格，那么我们就在这个提示词里面输入游戏动漫人物风格，再把这个中文呢进行转换成英文， 这个非常强大好用的中文翻译节点，后面呢我会教大家怎么去安装，怎么去使用，接下来把这个彩样器呢改成 m p p 二， m 调度器呢改成卡拉斯。我们再来看一下效果， 这时候你会发现我们现在得到的图像跟原始参考图像可以说是差之千里，主要原因是什么呢？他有很多的因素，第一个因素就是他的一个降噪值，降噪值参数越大，那么生出来的效果呢？他越偏离主体，降噪值参数越大，那么生图出来的效果呢？他越偏离主体， 我们现在尝试把这个降噪值呢降低调，准备零点八，再来看一下整体的效果，这时候你会发现，最起码这个人物的头发变长了，人物的风格呢也开始接近了，再降低一下降噪值， 把这个降噪值呢调整为零点六五，再来看一下整体的效果，我们现在得到的这个画面，他有白头发，那么这个白头发他参考的就是这个白头发，那么这里的灯光他参考的就是这个月光。这块柱子的构图匹配的就是这根柱子的构图， 那么整体来说这些参数它是没有太大的问题的，但是呢，为什么生出来的效果还是这么的差呢？有一点非常重要，大家注意看， 我们所使用的大模型是 sd 叉 l 模型， sd 叉 l 模型它训练的是幺零二四乘以幺零二四的图片， 所以我们要想办法把这个图片素材呢变成幺零二四乘幺零二四，再导入到彩样器里面去进行计算，有两种方式，第一种方式就是常规的方式，直接输入一张幺零二四乘幺零二四的图像，这方式在之前就讲过，接下来就教大家第二种方式， 在这里呢给它加上一个图像缩放，我们就选择这个 r g 节点的图像缩放，这个节点是一个外置的节点 r g three， 也就是说我们要去进行安装，这些节点到底是内置的还是外置，需要进行安装的，怎么去辨别呢？注意看一下这个节点，它的右上角上面写的是 r g three comfor， 再看一下这个加载图像右上角，它是小狐狸加载器，小狐狸文本编码也是小狐狸，也就是说，也就是说带了小狐狸这个标志，它就是代表内置节点， 没有小狐狸代表的是外置节点。那么这个 r g switch 怎么装呢？我们来到管理器里面，点击这个管理器，我们只需要安装这个 r g 节点，安装好之后呢，我们就能够使用这个节点，因为我是已经安装过了，所以呢我在这里我就不重复安装了， 退出。刚刚教大家如何去安装这个节点，退出来之后呢，这个电脑就直接卡住了，我就重新启动了控制 u i， 所以 大家会发现这画面呢发生了改变，但是呢，这里的各项参数我没有做任何的更改。接下来呢，继续来讲解 这个图像缩放具体该怎么用，它的作用是什么？那么图像缩放节点呢，是需要把它放到加载图像的后面来的图像连接图像，这里图像连接 v a e 编码里的图像，我们可以把这个宽度呢调整到一零二四， 高度呢调整到一零二四，其他属性一概不变。我们可以通过图像缩放节点，可以把加载图像里的这张图片处理成幺零二四乘幺零二四的大小，再通过 v 编码把这个幺零二四乘幺零二四的像素空间传给 k 传感器， 通过图像缩放节点作用，你可以把它理解成这张图片现在就是幺零二四乘幺零二四的大小了。接下来呢，我们就点击运行来看一下效果， 现在我们得到的效果就很符合我们提示词的需求了，长头发、箭月亮、树林这些元素的形成都是参考的原素材，那么如果你觉得这个效果还并不是很满意，我们可以去调节其他的参数，比如说 c、 f、 g 值， 我们把这个参数呢调整为十五。再来看一下整体的效果，看一下会不会有一些其他的变化。通过 cf 机制的提升，我们能够发现这里呢又多了更多的细节，我们也可以把这个降噪值呢，接着再调整这个 cf 机制呢，尽可能的把它控制在八到十的样子。再来看一下整体的效果， 调节了降噪值之后呢，你会发现又一些元素发生了一些变化，手里的键没有了，那么这个降噪值具体控制在多少合适呢？你就把它控制在零点六五到零点八的样子。 降噪值的参数过大或者过小，那么留给 ai 发挥的空间呢？更大，生出来的效果很多时候它是不尽人意的，那么我们也可以在这里呢继续生成， 选择随机这个环节呢，就是不断的抽卡，看一下哪张图片符合我们的诉求，接着我们给他再换一个风格，接着我们给他换一个宫崎骏的风格，再来看一下效果， 现在我们就得到了一个宫崎骏风格的效果，如果你想把这里的人物放到一个特定的环境里面，也是可以的，比如给他一段提示词，动漫宫崎骏人物风格，女孩手持一把剑，站在开满小白花的草地， 天空中有大片的白云，天气晴空万里，看一下我们又能够得到一个什么样的一个效果，那么现在呢，我们又得到了另外一种风格，大家注意了，接下来我多抽几张卡来看一下它有什么特点。 我抽了这么多张卡，不知道大家有没有发现一个共性，无论是从人物的姿势、样貌上面去分析，它都有所改变，每张图里面所设计的元素它都生产出来了， 无论是小花、草地、白云他都有，但是唯一个不变的共性就是整体的色调他都是偏向于晚上，原因是什么呢？就是因为我们的参考图他是晚上，所以会导致生产出来的效果都是偏向于暗色， 偏向于晚上的效果，哪怕是你的提示词里面告诉他我要的是白天天气晴朗的效果，但是他还是没办法实现。那么如果把这张参考图换成白天呢？再来看一下效果， 这时候你会发现所有生产出来的效果它都是偏向于白天的光线。当然我也尝试过很多其他的 sd 叉 l 模型，结果都是有这样的共性，那么这个呢，就是匡福 u i 的 图像图。 接下来我们来讲第一种放大方式， sd 放大，搜索 sd 放大节点，然后进行安装节点，因为我是已经安装过了，所以不需要再安装了，然后进行返回重启旷辅 ui， 重启之后，我们来到旷辅 ui 安装好之后呢，我们就可以搜索出 sd 放大节点，我们需要选择第一个 sd 放大。 大家看到这个 sd 放大节点之后呢，是不是感觉它特别像我们的彩样器？接下来我们再创建其他的节点，拉出图像节点，加载图像，再把我们需要修复提高画质的素材放进来，再拖出来一个大模型。 这个大模型呢，我们就选择 sd 叉 l 模型，再创建一个文本编码， 按住 alt 键拖拽这个节点，我们就可以复制一个节点负面提示词连接负面条件，这里的正向提示词呢，我们就写这个高质量，细节丰富。负面提示词呢，我们就写这个质量差，模糊杂乱。 v 一 连接 v 一 再拖拽出放大模型，添加一个加载大模型， 这两个加载放大大模型我会提供给到大家，这个是两个模型放置的位置，然后再拖拽一个图像节点，添加预览图像，为了更加的直观，能够看清放大前跟放大后的对比，所以呢我们可以给他加上一个图像对比节点， 放大，把分辨率为五三三乘八百的原始图像拖出来给图像 a、 s、 d 放大的图像拖出来给图像 b。 接下来呢我们去调整这里面的参数，放大系数其实很好理解，就是你要放大多少倍，我们就把它放到四倍， 那么随机种子呢，不用管它，这个彩样器呢，我们就选择常规的彩样器 mpp 二 m 调度器呢，就选择卡拉斯这模式类型呢，不用管它。那么这个分块宽度指的是什么意思呢？ a c 放大节点在对你这张图片进行处理的时候呢，它会把你的这张图片拆分成很多个模块来进行处理， 这个分块宽度的参数越小，那么也就代表着他要处理更多的快速，那么计算的时长呢，也就更久。待会呢，我们一起来看一下他是怎么处理的。下面的这个参数呢，也可以不用动，接下来呢我们就点击运行即可，这时候他提醒我们忘记连接 clip， 关掉连接下 clip， 再点击运行。我们一起来看一下 sd 处理的细节。我们能够发现 sd 放大节点把这张图片拆分成了非常多个小模块进行处理处理，每个模块的大小对应的就是分块宽度的大小，处理的快越多代表时间越久， 当然效果更好。好了，我们现在所看到的这个图像就是经过 sd 放大节点提升画质后的图像。再来看一下图像对比节点，这是提升画质之前， 这是提升画质之后，从整体的角度来看的话，提升画质效果非常的明显。在提升画质之前，很多的元素都是模糊不清的， 尤其是头上的小花和人物的脸庞，他都没有较好的突出表现，但是在提升画质之后，我们能够看到小花人物的脸表现非常清晰，包括一些人物的细节， 像人物的手，衣服表现也是非常不错的，尤其是他的一个发丝处理的非常的好。当然经过 sd 放大节点处理之后呢，还有一些小瑕疵，比如说像人物的头发，注意看一下这个地方，他的 ai 感非常的严重， 这个地方处理的也不是很好，人物的肩上皮肤这块处理的也不是很好，但是从整体上来说，他的表现力还是非常不错的，这个就是 sd 放大的表现力。接下来我们来讲第二种方式。 接下来我们来讲第二种提升画质的方式， supreme 节点放大。首先我们需要在节点管理器安装这个节点，因为我已经安装过了，所以我就直接退出。接着在空白处进行双击添加 supreme 放大节点，拖拽图像节点引路加载图像节点。这时候呢，我们就可以把我们刚刚那张图片导入进来， 拖拽图像节点，添加一个预览图像，为了方便观察放大前跟放大后的对比，我们需要添加一个图像对比节点， 原始图像连接图像 a 节点，经过 supreme 放大节点处理过的图像连接到图像 b。 接着我们需要选择 supreme 大 模型， 这里要注意的是， supreme 模型我们就必须要对应 supreme 模型，我们就选择 supreme u f f p 十六精度的模型。 supreme 放大节点呢，还有一个特点就是我们需要引入 sd 参数模型，这里呢，我们就选择一个通用的联想 sd 参数模型，接着继续调节下面的参数。 这个缩放系数呢，很好理解，就是你要放大多少倍？我的电脑呢是四零七零的显卡，十二 g 的 显存，我就把它放大三倍，放太大容易崩。正向提示词我们就写高品质，细节丰富。负面提示词呢，我们就写质量差，模糊杂乱。接着再看下面的功能， 仔细一看的话，你会发现它跟 sd 放大节点呢有一些共性，它都有分块尺寸，分块不长。其实从这里就不难看出 spare 放大节点的特点呢，同样的，它也是把我们的原始图像进行拆分成多个模块进行处理，然后把处理好的板块再拼接起来。 那么如果你的电脑配置在不够的情况下呢，你可以打开下面的两个功能，在你显存不够的情况下，它会调用你的运行内存。 那么这个彩样器呢，我们就选择默认的彩样器，接下来就点击运行等待结果好了，经过五分钟漫长的等待，这个图片呢就生产出来了，这个呢就是经过 supreme 放大后的图像，我们一起来看一下，整体来说效果还是可以的，我们再来看一下前后的对比，这是放大前， 这是放大后，这个小花他处理的还是非常到位的，之前是模糊的，现在呢我们能够非常清晰的看到这些花的细节， 还有就是它的一个头发丝，注意看它头发丝这个地方，这个地方它处理的非常的好，它不会像我们之前所使用的 sd 放大的这个效果一样，它有严重的 ai 感。 supreme 放大节点还有一个啊， supreme 放大节点还有一个特点，让我比较满意的是它对衣服细节的处理，可以说处理的非常的到位，注意看一下现在的衣服是模糊不清的，你看不出什么质感，也看不出什么纹理，再看一下经过处理后的纹理， 它非常的清晰。还有再看一下这个肩膀处，是不是也是处理的非常的好。再看一下这些发丝，也是处理的非常自然，非常的好， 这些发丝也是处理的非常的自然，非常的好。当然呢还有一些小不足就是对于这个脸部的一些细节的处理，当然我们可以尝试性的把这个分辨率再提升一个档次，把它放大四倍试一下，相信一定会有一个不错的表现力，是大于 sd 放大的表现力， 这个呢就是 serbia 的 强大之处。好了，接下来我们来讲第三种方式，接下来我们来讲第三种提升画质的方式，阿拉萨节点放大，这个节点是外置节点，需要进行安装，首先我们添加阿拉萨放大节点，拖拽图像节点，添加一个加载图像，接着再导入人像图， 添加预览图像，为了方便观察，老规矩我们添加一个图像对比节点，放大图像，对比节点原始图像连接图像 a， 经过阿拉萨放大节点的处理，拖拽到图像 b， 接下来我们来了解里面的功能，阿拉萨模型呢，我们就选择第一个模型，这个 model 指的是你要放大多少倍，我们就选择放大四倍，选择第二个。 这个功能翻译成中文叫重新用透明度，你打开即可，下面这个翻译成中文叫快批量处理大小，这个指的是你要把张图片分成多少块进行处理，如果你想得到更高质量一点的画面，那么你就把这个参数呢调小一点，那么默认值呢是八，或者是你也可以把它调成到十六。 这个指的是你用什么渲染，那么你可以选择 cpu 渲染，你也可以选择 gpu 渲染，选择好之后呢，我们点击运行即可，经过一分钟的等待，这张图呢就处理好了，我们一起来看一下对比效果， 这是放大前，这是放大后，从整体来看的话，它虽然有放大的效果，但是呢整体来看它还是有较强的 ai 感，在整体上呢，它加了一些绿化的感觉， 而且人物脸型的质感可以说完全变了。那么哪些地方处理的还是比较好的呢？尤其是他对衣服细节的处理，质感处理的是比较到位的，当然对发丝的处理呢，也还是可以的， 但是呢对于皮肤的处理还是不太友好，如果是需要对人物进行放大修复处理，我不建议使用这种方式。接下来我们来讲第四种方式，也是我个人很喜欢的一种方式。第四种提升画质的方式呢是 cvr 节点，它是一个外置节点，需要进行安装。接下来呢我们就添加 cvr 视频放大节点， 拖拽图像节点，添加一个加载图像，还是导入那张人像图，再给它添加一个加载文件， 那么这个参数呢，选择十六即可，这个功能翻译成中文叫做要交换的快速，说白了就是你要把这张图片拆分成多少块进行处理，如果你想让画质高，那么你就把这个数值呢进行加大，你可以把它加到三十二， 我在这里呢就选择默认值。接着我们需要添加大模型，大模型的选择呢跟你输出来的质量有关系，大模型的精度越高，那么输出来的质量呢也越高，我们就选择这个大模型，这个呢代表的就是它的一个分辨率，这个呢就是分辨率的输出，我们可以把分辨率呢调整到二零四八。下面这个参数呢我们可以不用动。 接下来呢我们添加一个预览图像节点，再添加一个图像对比节点，原始图像连接图像 b， 点击运行看一下效果，经过两分钟的等待，图像就已经生成好了，那么这个呢是生成好的图像，二零四八乘以三零七零。我们来看一下放大前跟放大后的对比， 这是放大前，这是放大后，放大后的画质效果，你会发现无论是从发丝小花，还是从皮肤的质感，尤其是你能从皮肤的质感看到它有一个质的飞跃， 可以说 c d vr 从皮肤质感的处理放大细节来看，它可以吊打前面三种方式，你能够发现它的嘴唇，它非常的细腻，它有了非常多的一些纹理的细节，包括它皮肤纹理光泽，阴影的一些细节都非常的到位。 还有他的衣服的质感也是处理的非常的清晰，非常的好像这个肩膀处也是处理的非常的好。好了，以上就是四种高清修复放大方式，喜欢的小伙伴记得点个赞哦。本节课我们来讲学习控辅 u i 必须要掌握的 control net 节点， 接下来呢，就跟着我一起来学习 control net 的 三种高频用法，接下来我们就来讲 control net 的 第一种用法， openpos 控图在这里呢，我准备了一个基础的纹身图工作流。首先呢，在空白处添加一个 control net， 我们能够看到这里呢，有两个 controlnet， 我 们能够看到这里呢，有两个应用 controlnet， 一个是旧版高级，一个是旧版，我们都一起添加进来对比一下，很明显旧版高级比旧版它多了一些元素，旧版高级呢，它有正面条件，负面条件，而旧版呢，它只有正面条件，旧版高级多了一个 va 节点， 还多了一个开始百分比，结束百分比，这两个功能呢，我们待会会讲到把它删掉。 controlnet 我 们是要把它放在 k 传感器前面进行运行的，正面条件连接正面条件，负面条件连接负面条件都连接一下。 接着我们再添加一个 controlnet 加载模型，拖拽一下添加加载模型，我们能够看到这里面呢有非常多的加载模型，但是呢这些加载模型并不是乱用的，它是需要根据你的处理器进行匹配使用， 我们现在要做的是人物姿势控图，这时候呢我们就得在这里呢添加一个 openpos 加载模型，它的种类呢也非常的多，那我们就选择一个 sd 一 点五模型， ctrl delete 模型，它是一个 sd 一 点五的模型，那么我们加载器里的大模型同样也必须是得一点五的模型。我们再添加一个加载图像添加进来， 接着把我们已经准备好的人像参考图拖拽进来，接下来我们要做的是把它的人物骨骼姿势把它调出来，这时候呢我们就得用到一个节点， a u x 集成处理器，这个节点管理处就能够下载加载进来图像，连接个图像，点击这个预处理器， 点击进来之后呢，我们都看到这里呢有非常多的处理器，那么这里呢有非常多的处理器，这些处理器的作用是什么呢？就是调出你这张图片里面的一些信息，比如说我需要调出它的姿态信息，那么我们就选择 openpos 姿态预处理器， 如果要调出它的深度信息，那么我们就选择深度信息预处理器，我们现在要把这个人物的姿态信息调出来，这时候呢我们就得选择 openpos 姿态预处理器，我们得到这个姿态信息之后呢，再把这个姿态信息给到 controlnet 进行处理。在图像节点里面，我们拖拽一个预览图像放大一下， 接下来呢我们调节一下整个板块的布局框，选一下，打个组，给它命名个名， ctrl shift 板块，这个板块呢给它命名叫图像信息，下面这个就很好处理了 啊。最后连接一下这里的 ve， 再给它一个提示词，宫崎骏动漫风格，点击运行，我们来看一下效果， 这里提示我们没有连接大模型，再连接一下大模型，点击运行。现在我们就得到了一个宫崎骏的动漫人物风格，但是呢，我们能看到这个人物的头没有，所以呢，我们需要放大它的一个高度，再来看一下效果。好了，现在这张图呢就已经生成出来了，我们一起来对比一下它的一个姿势 原始参考图，经过集成预处理器进行处理，我们就能够得到一个人物姿势骨骼信息，这个人骨骼信息，再经过 controlnet 的 处理，再把这个信息呢给到 k 采集器， 我们就得到了这个人物信息了。骨骼信息跟人物的姿势是不是保持一样的？那么为什么这骨骼图像跟原始参考图，它的姿势上面呢会有一点变化，原因是因为它是一张图像， 图像经过预处理器处理，有时候呢，他不能得到一个非常精准的人物骨骼姿势图，通过集成预处理器结合 controlnet 的 用法，我们得到的只是人家的姿势，那么我们就可以在文本编码里面输入我们需要呈现的画面，比如我需要的是宫崎骏动漫风格，这个女孩在长满鲜花的草地上奔跑， 多抽几次卡。现在我们就得到了保持姿势一致不同效果的图，这就是 openpos 预处理器结合 controlnet 的 用法。接下来我们来讲解第二种用法，接下来我们就来讲解 controlnet 结合另外一种集成预处理器模型的使用方法。 在这里呢，我们导入一张动漫图，我们在这里呢选择 kenny 硬边缘预处理器。注意了，集成硬处理器里面的文件，它要对应 controlnet 里面的模型， 那么前面我们选择的文件是 kenny 加载 control 模型里面的文件呢？同理也得选择 kenny。 这里的 kenny 呢有非常多种类型，第一个对应的是 sd 小 模型，二三四对应的是 xl 模型， small 模型代表的是体积最小， mid 体积大一点。 for 呢，体积是最大， 也就意味着如果你想要更高的质量，那么你就选择第一个加载器里面的大模型，我们也得选择 sd 叉 l 模型。 我们点击运行来看一下 kenny 的 使用方法。现在我们没有加入任何的提示词，现在呢就已经生成了一张图像出来了。经过 kenny 硬边缘硬处理器对这样图像进行处理，我们就得到了这张图的线条信息。接下来我们就可以在这个线条里面去填充我们想要的画面。 我们来到文本编码，给他写上提示词。一位黑发少女，身穿绿色的衣服和白色的裤子，手里呢拿着一朵蒲公英，背景是蓝天白云和一片花海。再来看一下效果， 这张图呢就已经生成出来了，当然你也可以去调整他的风格，比如说信海城风格，他的背景呢改成一片麦田。再来看一下效果， 你发现这个效果呢，就比之前好看多了。这个就是 k 里硬边缘结合 controlnet 的 用法，接下来我们来讲第三种， controlnet， 结合集成预处理器当中的 deep anything 深度信息的用法。我们在这里选择 deep anything v 二预处理器，先停用，其他节点裁剪器呢，也停用，点击运行来看一下效果。 现在呢，我们就能够看到这张图的深度信息了。关于素材，一般我们选择一些紧逼比较大的，这样呢，深度信息比较明显， 越暗或者是月亮的区域，那么留给爱发挥的空间呢，他就越大，比如像这张深度信息，越靠近镜头的地方，他就越亮，天空呢，他也是很暗，这样呢，他就能够实现重绘的多样化，像建筑的轮廓呢，他就很明显了，所以基本上呢，我们就只能改变他的外观。接着我们再使用这些节点， ctrl delete 加载模型，我们也得选择 deep 模型。大模型呢，我们也选择 sd 叉 l 模型。接着输入提示词，告诉他这是一座现代建筑，有瀑布。外表呢，它是玻璃材质，有很多的绿色植被，有树山丘。这是一个秋天，天气很好， 我们再启动采集器，点击运行，再来看一下效果。我们再添加一个图像预览节点，点击运行，再来看一下效果。 这张图呢，就已经生成了，提示词里面写到的花绿色植被树、玻璃建筑都体现出来了秋天的呈现形式，它是把一些树和植物处理成了落叶的颜色。但是提示词里面写到的丘里没有实现，原因是因为这张图的整体轮廓还是比较明显的， ai 觉得在生成丘里不太合理，所以呢，没有给咱们生成，我们再给他另外一组提示词，这组提示词呢我想看到大海，白云还有瀑布， 再来看一下效果，那么现在呢，我们就能够看到这里的瀑布了，同时呢我们也能够看到这里的海水，那为什么这里的植物这么茂密呢？原因是因为我写的提示词里面是春天啊， 这里的白云，它其实能够非常好的给我们进行呈现，因为这块地方呢，它全是黑的，那么既然是黑的，那么 ai 呢就能够更好的去进行发挥，再把春天改成冬天，再来看一下效果。 现在呢我们就能够看到这个植物上面呢覆盖了非常多的雪，这个呢也是雪，远处的山呢也蒙上了一层雪，可以说 ai 是 已经把冬天的氛围渲染出来了。 好了，以上就是本节课的内容，那么课后呢，大家一定要自己拿着素材好好的去实践，去练习一下，然后呢自己去领悟。好了，这节课呢就讲到这里， 当我们看到一些好看的画面效果的时候，我们自己呢也想做一个类似的风格，那么如何进行画面的迁移呢？今天我们就可以使用空浮 ai 当中的 bash net 节点，结合相关提示词进行临摹同样的风格。下面我们就打开空浮 ai， 先创建一个纹身图框架，双击空排出，先创建一个裁样器， 通过彩样器呢进行拓展，拖拽一下模型节点，创建一个模型加载器，拖拽一下 clip 文本，创建一个 clip 文本， 再复制一个 clip 文本，再拖拽一下 edit， 创建一个 v a e 解码器，拖拽一下图像，创建一个预览图像。 现在最基本的纹身图框架就已经搭建好了，这些节点呢，我们现在先不连接，那么如果是我们要对我们的产品添加背景，那么肯定是需要用到一个局部重绘，那么既然是局部重绘，我们需要用到一个非常好用的节点叫 blashnet， 在 空白处进行双击把 blashnet 加载进来。 blashnet 节点的作用呢，就是专门用来做局部重绘，那么 blashnet 呢，它是要放在采集器的前面进行使用的，我们再拖拽一下这个 blashnet 加载器， 那么既然是局部重绘，那么我们肯定是需要导入我们的图像，在空白处双击给它添加一个加载图像，把我们需要进行局部重绘的素材导入进来。这时候呢，把我们的瓶子素材放进来。 我们的产品图呢是带有通道的，接下来我们需要把这些节点呢连接起来。图像连接节点图像，把这个瓶子的信息给到 flash net 大 模型的模型连接 flash net 的 模型 v 一 连接 v a 一 clap 连接 clap 文本正向提示词连接正面条件负面提示词连接负面条件 bracket 的 模型连接传感器的模型 正面条件连接正面条件负面条件连接负面条件 lent 连接 lent。 下面的步数我们就选择二十，这里的步数指的是采样二十步，一般情况下这个参数呢，控制在二十到三十之间的样子就可以了。 cf 基指呢，我们也选择默认的八 f 基值的作用就是为了让 k 彩样器能够更加读懂提示词。当然这个参数呢，并不是越高越好，一般情况下控制在八到十之间的样子，这里的彩样器呢，我们要选择某 pp 二 m 调度器呢，我们选择 class v 连接 v 一。 那么现在初步的图生图框架呢，就已经搭建好了，但是呢，我们这里还少了一个遮罩节点，我们要知道 bashinet 它的运行逻辑其实就是重绘你的遮罩部分， 也就是说我们接下来要重绘的是这个瓶子以外的部分。接下来我们要做的呢就是把这个瓶子以外的部分变成遮罩。有两种方式，接下来呢就来讲第一种方式，把这个加载图像呢再复制一个， 我们上传一个瓶子的黑白图，黑色部分代表的就是瓶子部分，也就是被扣掉的部分。白色部分代表的就是我们需要进行局部重绘的部分，这张图片它只是一个图像，它并不是所谓的遮罩。 接下来我们要做的就是把这张黑白图处理成 blackinet， 它能够理解识别的遮罩，黑色就是抠掉的部分白色，那自然而然就是需要进行重绘的遮罩部分。这时候呢，我们需要用到一个节点叫图像倒遮罩，把这些节点挪动过来，调节一下它们的位置。 图像连接图像遮罩，连接遮罩，通过图像倒遮罩这个节点的作用，就可以把这张黑白图变成 blackinet， 它能够理解的遮罩。 现在图上图局部重绘的框架就已经搭建好了，接下来呢，我们需要选择适当的大模型和结合相对应的合适的提示词来生成我们想要的视觉效果。因为我们的产品是一瓶香水，所以我们选择的大模型尽可能的是电商类的大模型， 我现在所使用的是电脑运 lucky 哈本，这里呢有海量的模型供我们进行选择。我需要使用的大模型呢，是电商 类的大模型，我就选择这个叉 l 真实写真的电商类大模型，点击使用即可。 最后一个环节就是提示词的描写，这个提示词直观重要，这个提示词具体该怎么写？我们想要什么样的一个产品效果风格？这时候呢，我们可以来到 leible leible ai， 我 们需要根据你自己的产品图找到合适类型的产品图， 比如我想要的是这种风格，那我们就可以点击这样图片，我们可以参考一下他的提示词，复制下他的提示词，可以使用翻译工具读取他的提示词，复制下这段提示词，把这段提示词有关产品的描述全部删掉，把我们想要的提示词翻译成 copy 文本，他能够读懂的英文，我们再复制这段文本，再黏贴进来， 我们再点击运行，再一起来看一下效果。我们运行之后呢，出现了一个错误提示，什么意思呢？它指的是你的基础大模型，是 sd 叉 l 模型，但是呢，你的 bashnet， 它是一个一点五的模型，所以我们需要把加载器里的模型呢也改成叉 l 模型，我们就选择这个叉 l segmentation 模型， 再次点击运行，经过几秒的等待，我们这张产品图的洗图就完成了。整体来说效果还是不错的，不管是光影的处理，还是环境的融合交互，都是做的非常的不错。如果你想让康复 u i 有 更多的发挥空间，你还可以去尝试调节降噪值来达到我们想要的视觉效果， 这个是降噪值为零点八， cf 值为十的视觉效果，这个是降噪值为零点七， cf 值为八的视觉效果。 卸负基值呢，你尽可能的就控制在八到十五之间。降噪值呢尽可能的控制在零点七到一之间。 我们现在所讲的是第一种局部重绘，给我们的产品添加背景。接下来呢来讲第二种局部重绘的方式，把这两个节点呢删掉。接下来我们要用到一个非常强大的插件叫 l style， 那 么 l style 里面呢，有一个非常常用非常强大的一个节点，我们找到这个节点， 来到图层遮罩，这个节点就 segment anything ultra vr。 那 么这个节点的作用呢，就是用来抠图，把这个香水的图像呢取消掉，我们把产品图的图像连接给他。接下来我们要做的呢就是把这个瓶子抠掉，所以呢我们在这里输入 bottom， 下面呢我们要知道以下功能的具体用法。首先来看一下 sim 模型，这里面呢有非常多的选项，这个内存越大，代表的是它抠出来的效果，越精细，越精致，升图的质量呢也越高，升图时间越长， 当然对你的电脑配置要求呢也越高。如果你的电脑配置在不高的情况下，比如说你的显存是八 g， 那 么你就选择第三个大模型，它的体积很小，运算速度呢也非常快，像我的电脑是四零七零的显卡，显存是十二个 g， 一 般情况下我就选择这个 格洛里模型呢也是一样的，模型体积越大，生图质量呢也越高，一般情况下我们选择第一个就行，再看一下这个细节处理方法，一般情况下我们选择第一个就好了，第一个模式相对于以下几个模式生图质量最高，细节消融，细节膨胀，他处理的都是一些细节性的一些东西， 那么由于这个素材呢，它的轮廓非常的清晰明显，那么这个参数哪怕是你加的很大，它的效果呢也并不是很明显。关于这个细节，笑容，细节膨胀，郁卒等以下几个参数呢，我后面呢会专门的用一个案例来进行讲解这些参数的功能属性，具体怎么去用 上面这参数呢？我们可以默认的调整到实参数越大，那么细节他处理的越精细。细节处理呢，很好理解，就是如果你想要我的细节更加的丰富细腻，那么你就把这个功能打开。 提示词呢，很好理解，就是你要抠掉什么，那么你在这里呢就填写什么，比如我现在呢，我要把这个瓶子抠掉，那我在这里就输入 bot。 这里的设备呢有两个选项，一个是显存运行，一个是 cpu 运行，那我们在这里呢就选择显存运行， 这个最大尺寸呢，先不用管它，下面这个 cancel model 指的什么意思呢？就是如果你的显存不够的情况下，你打开这功能，它会用你的运行内存来进行计算。接着呢再把这个图像连接到图像，接着遮罩，连接遮罩，点击运行来看一下效果。 现在剩下的图并不是我们想要的结果，仔细一看的话，你会发现现在局部重绘的是瓶子部分，但是我们要重绘的是瓶子以外的部分，也就是说明我们在遮罩这里出了问题。 刚我们讲了 sigman anything ultra， 这个节点的作用呢就是进行抠图，让图生成遮罩，我们一起来检查一下这个遮罩，在这里呢加上一个遮罩到图像，遮罩连接遮罩，图像呢连接预览图像， 再次点击运行。通过这个预览图像，想必大家都已经看明白了， sigman anything 把这个瓶子扣下来之后呢，瓶子变成了遮罩。 前面我们也讲了 blacknet， 它的运行逻辑就是重绘白色遮罩，所以我们得到了现在的结果。但是我们要重绘的是瓶子以外的部分，也就是说接下来我们要把瓶子变成黑色，瓶子外面的黑色变成白色。这时候呢我们就用到另外一个节点，我们在这里呢加上一个遮罩反转节点， 遮罩连接遮罩，这个先删掉遮罩，再连接遮罩。通过遮罩反转节点，我们就可以把遮罩的颜色调换过来，我们给它添加一个遮罩的图像，一起来观察一下， 再点击运行，看一下效果。现在我们能够看到这照的颜色反转过来了，剩下的图呢也正常了。以上就是本期视频内容，通过两种局部重绘的方式给我们的产品更换背景。好了，如果本期视频对你有用，千万不要吝啬你的小爱心，咱们下期再见。
6.0万ComfyUI小白教程
05:16查看AI文稿AI文稿哈喽，大家好。为什么觉得学 comfy ui？ 嗯，就是现在去学 comfy ui 可能并不是那么划算。嗯，大家可以看一下，就前段时间中国爆出那个六代战机嘛，然后我就，哎灵机一动，我就想能不能用这个爆出来的图来想象一下它真实的样子是什么样，然后它给了我这样的结果。 对，呃，就大家如果了解开源模型的话，可以去想象一下，如果说你要达到这样的效果要花多长时间，我大概花了十分钟不到，我就拿到了这样的结果， 就我觉得时间的效率是非常重要的。当然有些朋友在说有些平台不能过时的内容，那我觉得你生产那样内容也没有商业价值啊，对吧？就是为什么要去生产这样的内容，所以我就我是没有这个需求。 对，包括有些朋友说什么批量化的去生产内容，他觉得，嗯，用本地比较合适。那确实比较合适，但是我是一个用想要用 ai 做视频的人，我没有批量化的需求，我是一个个性化的，就是创作的需求，所以我觉得闭眼比较的方便。那有朋友就是问了，那我应该怎么去学习呢？ 哎，首先我我也在学习当中，所以我好像没有那么强的资格来说，但是如果硬要问我的话，我觉得就是去用，然后去 去用它，去做你想做的东西。其实我也跟朋友交流过，他觉得其实 ai 时代来了之后，感觉好像这个事情变简单了，其实这个事情是变得更难了，因为你需要去自己搭建出整个故事的世界观，你要去 懂美术啊，知道什么是好看，你要懂剧情，然后就是因为所有的东西都变得可以让你控制，那你就要把一这些所有东西就跟木木桶一样吗？就是你把每一个版都不能做的很短，那最后才能拼出来一个比较优秀的作品， 所以其实这个对人的要求是变得更高了，我们以前是拿到素材去处理加工就可以了，作为一个剪辑来说，至少那 现在是你的素材是你自己创创造的，你的世界观是你自己创造的，然后你还要去把这些剪辑成一个片子，那这中间需要用到的技能，如果说你想用它做视频，或者说作品品牌宣发视频， 那你你想这个里面需要的技能难道是怎么用模型吗？难道不是你的想象力，你的文学功底，你的 嗯，审美，对吧？就是是是这个这方面的综合能力，而不是说我要去学这个模型怎么用，当然你要知道它应该怎么用，比如说， 呃，你要知道每个模型的长处是什么，它有什么特点啊？那我要实现这个效果的时候，用哪个模型来的效率最高，以及呃，模型会有哪些短板？我在写剧本的时候我就需要去避免这样的长板，那是不是能利用这样的长板？ 呃，比如说有些模型它能实现的功能是在以往的我们的创作中是完全不可能实现的，那现在变得可以实现了， 那是不是我们可以用这些长板，呃，来实现一些之前从来没有过的效果，对吧？这这这个地方就完全发挥你的想象力，所以我觉得我们应该去了解模型，了解模型有什么样的功能，以及它的能力边界在哪？我们取其所长，然后弃其所短。 我觉得这个是我现在探讨下来我觉得性价比比较高的一个方案，或者说去学习的。我自己的一个学习的方法论， 对，就是去拿它去做作品，然后拿到结果。而至于很多还还还有些朋友说，什么面试的过程中需要一个什么能力啊？在工作中我觉得更加是如此。其实说写了那么多能力，最终还不是想拿到结果吗？如果说你已经把结果摆在他面前， 呃，你有什么样的能力还重要吗？对吧？就是你就用这样的工具去创作出你想要的东西，以及为什么。还有朋友说，呃，觉得 花钱买课什么这方面我我提了一嘴嘛，当然不是否定所有的课程，还是有些还不错的课程，但是就 ai 这件事情实在是太新了，其实对于很多老师来说，他也是自己在学习的过程当中，呃， 所以与其这样，不如去看一些其实优秀的开源的作品，已经就是开源的，这些教程已经很好了，而且，呃，也有很多一部分 up 主有有这样的开源精神，我觉得做的挺好的。你如果想要去花那个时间去考古， 你就去考古。但是我觉得开源的模型，嗯，不要花太多时间在上面还是去考古，但是我觉得开源的模型，嗯，不要花太多时间在上面创作，包括我接下来我就会，呃， 包括我接下来我就是会利用这个，比如说这个战斗机的一个元素，一些我做了一些人物的形象以及一些场景，那我会在后面的过程中持续去更新我自己创作的一个情况，也也会在这样一个平台来进行发布。那我最后我已经做好了这个 吹乐视频的啊，一个预告片一样的视频的一个脚本的架构，我已经基本写好了，所以接下来的过程中我会去一步一步再借助这样的工具去去实现我脑子里想的东西。我其实我也不知道最终效果会怎么样啊，所以如果大家感兴趣，可以持续关注我的频道。
333好奇小巫
03:29查看AI文稿AI文稿哎呀，主播，主播， comforu i 官方的这些模板我已经用腻了，有没有什么更容易更好玩的东西上手呢？有的，兄弟有的，于是他就跑到里布，里布，哎，选择这个 tree point 的 模型， 一下一下，哎，下完了，他就得到了这个 s a f e 结尾的这个文件， 然后他就找学人家的教程说，哎，找到根目录，打开文件夹，打开 ctrl u i， 再找到 models， 再放到 to point 的 文件夹里，哎，让我们打开，这是我之前下的模型，分类好了， ok， 我 们丢进去，呃， 行， ok， 好， 以防万一，我们刷新一下， ok， 我 们打开 ctrl u i， 打开这里一刷，哎呀，怎么没有，我是我下载的大模型，明明放在这个 two points 的 文件夹里了，怎么没有呢？怎么刷都刷不出来，哎，电脑重启也不行，把软件 关了再开还是不行。好，那这个时候怎么办呢？ ok， 我 来，我来教你。好，只要你跟着我的步骤一步一步做，绝对不会出错的啊，我们首先在这个 comfui 软件里面啊，我们在模板这里搜 xl 模型， 好，然后他提示你需要下载，下了之后你就会发现，哎，这里多出了两个大模型文件，记住这两个，哎，开头的小单词，我们打开我们的小 c 盘， 小 c 盘，我们直接在这里搜， ok， 然后我们就搜出来了这么一堆东西啊， 这个是带 comforion 的 哦，于是它非常的有嫌疑，可以我们再打开一个，于是我们按照它的路径， c 盘用户 chinese 文档，你会发现这里也有个 comforion， 点进去，哦， models， 哦，去 points， 哦，原来他下的文件跑到这里来了，于是你恍然大悟，记住了这个地址之后，你下的所有的模型的文件，哎，都给他拖到这个文件夹里来。 ok， 我 们打开刷新加载，你会发现你放进去的所有大模型文件都加载出来了。同理， v a e 解码编码，还有这个文字它的解读器啊，对， 都会显示的，返回上一集，哎，你会看到 v a 一 在这里，然后文字解码在这里，还有 roars 在 这里。嗯，你学会了吗？
244虾仁饭
03:19查看AI文稿AI文稿明明是在 comfy 官网下载的官方整合包，打开之后一用，为什么还是有各种报错呢？不是节点缺失，就是模型找不到，难道官方的也不靠谱吗？我相信这应该是你们开始学习 comfy 遇到的第一个困惑吧。 今天关于 comfy 的 本地安装部署一次性给大家说清楚，记得先点好关注收藏，需要解压即用满血版整合包的我已经给大家准备好了，先给大家解决视频开头的疑问， 为什么官方的整合包你用上了还是会有报错呢？首先是节点缺失，官方整合包中只有一些空 p y 官方自己构建的基础节点，除了这些节点以外，还有很多常用的第三方开发者构建的扩展节点，这些节点官方整合包中都是不会给你提前安装的， 所以当你加载进框架的工作流中，包含整合包里还没有安装的第三方节点时，就会出现节点缺失爆红的问题。 其次就是模型缺失， comfai 中的工作流运行时，一般都需要调用本地特定文件夹中的相关模型才能正常发挥作用，而官方整合包中也不会提前给你下载这些模型，所以当你没有下载模型直接运行工作流就会出现模型缺失的问题。 所以并不是官方整合包有问题，是你没有把零件给它安装好。但对于刚开始使用 comfai 的 新手来说，想要自己顺畅的安装节点和下载模型是有一定难度的， 因为你不仅需要提前安装一些环境文件，保证 ctrl 键正常打开运行，还需要配置好魔法网络用于下载模型和节点， 最后还要知道下载好的模型该放进哪个正确的根目录文件夹。但这些其实都很好解决，那就是直接使用节点和模型都已经提前安装好的满血版整合包， 这个是我一直都有在给大家分享的，而且还是长期持续更新的，这样你就可以省下大力气快速上手体验 kufi 的 使用了。除了以上所说的这些，还有一个问题是你无法回避的，那就是电脑配置问题。 想要在本地电脑流畅使用 kufi， 必须满足一定的电脑配置需求。首先就是显卡的显存一定要足够大，才能支持模型正常运行， 一般深图模型需要至少十二 g 显存，视频模型一般至少需要十六 g 显存。这里比较推荐新手入门的高性价比显卡，就是五零六零太十六 g 这张显卡了，什么牌子的一般都影响不大，主要是显存大，而且相对便宜。 除了显存以外，还有内存，做图建议至少需要三十二 g 内存，做视频建议至少六十四 g 内存。最后就是此款空间，本地模型一般体量都比较大，建议至少留有五百 g 的 此款空间用于存放模型。 以上所有这些配置都是上不封顶的，配置越高，使用体验越好，我相信大多数人的电脑配置可能都达不到这个要求， 如果你的电脑性能也不太够，那我真的非常不建议你在使用 ctrl 的 初期就花大价钱去购置高性能的电脑。上面所说的这些硬件配置，因为 ai 的 爆火，价格都一度水涨船高，但我们其实还有更加经济实惠的解决方式，那就是云端部署使用 ctrl y， 简单来说就是租用一台高性能的云电脑来部署使用软件，这个就比自己去买电脑要便宜多的多了。云端部署的方式我们会在下一期给大家讲。好了，这就是我们今天分享的所有内容了，记得点赞、关注、收藏，我们下期再见！
988南天AIGC
01:21查看AI文稿AI文稿coffee ui 占的位置非常的多，那我们可以把它的模型全部都改一个路径。我们先来到这个 coffee ui 安装的路径，在这个 resources 里面再点 copy ui， 它这个里面有一个这样子的文件夹，叫做 extra model path d example， 那 么你需要做的就是把它复制了之后 粘贴在同一个文件夹里面，你把后置给它去掉之后按 enter， 它会变成这样的一个文件，它就会开始识别了，然后去找到安装目录下 models 这个文件夹，不改目录默认安装在 c 盘文档文件夹里会有个 comf u v， 然后把 c 盘 comf 这整个 models 的 文件夹复制 到你的外接硬盘那里，然后黏贴改个名字叫康 key ui models， 你 点进去，这就是以后你下载的模型会存放的地方。接下来用记事本或者 notepad 加加打开刚才我们那个改好的 extra model pass， 那 么你会发现它长这个样子。有一些教程会告诉你，直接复制新路径粘贴过来，那么你就会得到 直接复制路径格式是错的哈，会打不开，康复抑郁不可以用一个斜杠，斜杠要用两个，前面要有两个空格，你也可以全部删除， 然后复制我的路径，把它整个复制过来粘贴。那这里你要改的，因为我的这个文件夹是建在 f 盘的，那如果你储存 modus 的 文件夹是在其他的盘，那你记得把这个 f 改掉。如果要存新的模型文件夹在 modus 里面，比如说 cvr， 那 你要记得在这里再加 cvr 的 路径进去。你现在已经可以把所有的模型都储存在你的外界硬盘上了。抱走喵喵，一起与 ai 相爱相杀！
185AI暴走喵喵
03:02查看AI文稿AI文稿今天更新了康复 u i， 然后它出现这些错误，还有在网上下载了工作流，或者使用别人的工作流，点击运行之后会出现报错，我分享一下我怎么解决这些报错。 出现报错之后，我会把它丢给 ai 工具，让 ai 工具去分析， ai 工具会分析各种原因，但是你要知道你的报错基础原因是什么。 第一个保守基础原因是更新之后无法运行，他给我分析了三个步骤，选择最简单的步骤完成。他给我第一步解决方案是把康复 ui 从中文文件夹移出 没更新之前，康复 ui 是 能在中文文件夹运行的，所以我按照他第一步把康复 ui 直接移出整个中文文件夹，在桌面新建那个文件夹，没有中文，重启之后，我再进康复 ui， 它就能运行了。 所以遇到报错，我们可以使用 ai 工具帮我们解决问题，他会给你很多答案，但是你要知道你问题出现在哪里，找到最符合自己问题的答案去操作就好了。那么没有魔法，怎么下载工作流？怎么下载大模型？这有两个链接， 你可以在链接里找到自己想要的工作流，右框输入图像视频，还有选择图片模型或 ai 工具或者工作流。选择工作流，找到你想要的工作流， 点击链接之后，右边有下载，点击下载，下载好，它会出现在你的文件夹里，你只需要点击康复 u i， 把工作流拖进康复 u i 里，这样工作流就加载完成了。点击运行这个新的工作流，它会出现报错。在康复 u i 右边，它有参数节点权限设置，我们点击报错， 它会显示这个报错是什么原因。第二项，加载图像，选择自己要加载的图像，或选择的是上节课生成的图像， 然后再点击运行，这样他只剩下一个错误，这里显示我没有下载大模型。下面的对话框里大模型的全称名字是这个，那么我们就复制这个名字，去到下一个链接， 在搜索框里输入名字，点击回车，找到相同大模型名字的窗口，点击进去， 进入窗口，点击模型文件，下载同名的文件名，点击下载，下载好后我们存到相应文件夹，怎么知道这个模型放在什么文件夹？点击工作流，找到要放置模型的模块，点击它，这里有两个文件，我们打开 comui， 点击 comui， 在 comui 里输入文件名，找到文件名，右键选择打开所在位置，这样就能找到模型路径。把下载好的模型放进去， 再点击 comui， 按 r 刷新，点击运行，能运行成功的说明这个模型已经下好了，运行完后我们看一下成果， 嗯，他就是这个样子，我们可以看到旁边有作者的留言，模型下载位置，模型参数调整就根据自己需要去调整，这样我们解决了报错问题。工作流的下载和模型的下载。
418熊猫怪兽AI日记
08:21查看AI文稿AI文稿大伙好啊，今个呢，我们聊一下如何在本地哈部署这个拉玛 c p p， 那 么它的作用是什么呢？各位，先说一下啊，它能让我们在本地哈运行啊这个语言类推理的大模型。 那么为什么要在本地部署呢？有几个情况哈？第一个呢，就是最近哈，呃，这个网上都说这个豆瓣要收费了啊，对吧？呃，收费之后呢，有一些功能，可能我们正常用的挺好，再用可能就要付费了，对吧？然后再有一个是什么呢？ 就是我们如果在做项目的时候啊，比如说有一些东西涉密了，不方便在网上传，对吧？这个时候我们就需要在本地，是吧？构建自己的这个资源库，对吧？各位，那么这个时候我们就需要在本地有一个可以类似于像豆包啊，这个 deepsea 啊这种的服务类大模型，对吧？所以呢，今天我们聊一下如何在本地哈部署这个拉玛 c p p， 它呢实际的作用就是可以让我们在本地哈运行啊这个语言推理类的这个大模型，大家看啊，现在我已经部署好了，非常简单哈。那么再有一个情况是什么呢？各位，我们有一个自己的这么一个批量管理软件，是吧？目前有一个环节就是题词词的来源 目前很严重的依赖于我们外部的这个呃， ai 工具，对吧？现在呢，我们如果在本地已经构建了一个可以用来进行语言推理，生成对应任务的这么一个大模型之后呢，各位大家看啊，我们就可以把这个东西直接集成到这个平台当中，是吧？提 着此这一块，我们就最后一个环节就已经集成到这个行当中了，这个就是后续啊，就是大概是四点一之后是吧？呃，继续优化的一个功能，大家先知道这么个事就行了 啊，再有一个是什么呢？目前千万三点六是吧？这个三十五币出来了，然后呢，号称是一个能干活的大模型，对吧？各位，那么我们把它在本地运行来之后呢？第一可以构建自己的私有资源库是吧？更安全，第二呢效率更高，对吧？各位， 那么话说回来啊，怎么去部署这个拉玛 c p 啊，它其实就是一个能让我们运行这个语言推理类模型的这么一个工具啊。不大，我们首先来到这个 github 哈，这个网址，好吧，这个网址哈，然后来到这里之后，各位，简单的一种方式哈，我们找到右侧这个 release， 好 吧，找到这个 release， 然后往下翻哈，这里边有对应的版本，那我是 windows 系统，我们往下翻啊，这里边有一个 windows， 好 吧，在这里哈，各位，呃，我是酷达十二的，所以呢，我就找这个酷达十二哈， 找这个酷大十二，大家根据自己的情况啊，显卡情况去选择好吗？有很多这个类型，大家根据自己的情况选择就行了，那么我选择酷大十二，然后把它下载到本地之后，大家看好，我把它下载到本地之后进行解压，解压完了之后大家看进入到这个文件夹当中，这个就是项目下载之后的效果， 好吧，不大哈，大概是看一下啊，五百多兆，好吧，不大哈，然后呢，别着急启动，各位，我们启动的时候呢，可能要需要设置一下参数，怎么去办呢？大家看，进入到这个 lama 啊，解压之后的这个文件夹，然后注意新建一个文件，比如说我叫 start 啊，我已经有这个 start 了，那我就 start new， 新建一个文件，然后大家注意把这个后缀名啊，各位，把后缀名啊改成点 byte， 好吧，有些同学这个小那个小伙伴的电脑可能这个看不到后缀名，是吧？这个很简单，我们打开这个文件夹之后，这上面有一个查看，大家点击查看，点击显示后边有一个文件扩展名，就是文件后缀名，你把它点上之后就能看见了啊，也能修改了。那我们新建这么一个 bug 启动文件之后呢？大家看啊，我把我之前这个打开， 大家看在里边输入这么一句话啊，比如说这个是拉马，搜索这个拉马的这个文件啊， 调用谁呢？大家看啊，这里边有一个这个，好吧，拉玛告诉搜索点 e s e， 实际上就是调用它哈，然后后边杠杠 host 四个零好吗？它指的是开放远程调用，因为我们后期啊，各位，后期要把它集成到这个批量管理软件当中，我们需要通过这个软件远程去调用啊，这个拉玛 c p p 好 吗？各位，所以这个位置我们给它开放远程调用，后边 pos 端口八零八零，大家看啊，就这个端口，根据自己情况设置就行， 好吧，自己设置一个端口啊，然后后边杠杠 models 杠 d i r， 它指的是我们的大模型存放的文件夹地址好吗？比如说我存在 cf ui 的 这个 l l m 目录当中了，那我就找到哈这个 cf ui 找一下啊，找到 comui， 然后找到它的这个 models， 找到 l l m， 把这个上面地址复制一下，粘到这里边就行，好吗？这样呢，我们这个启动文件就配置完成了，很简单，对吧？各位？然后呢，大家看啊， 翻回头来，来到这个启动项，好吧，来到这个 lama 的 这个解压文件夹目录，找到我们刚才设置的这个 star 的 启动文件，好吧，里边的内容刚才展示过了啊，开放远程端口，设置模型存放的目录，然后前面是调用的这个 lama server， 然后双击一下 打开，双击完之后啊，这个老板就启动了，他默认的啊，启动端口啊，是刚才我们配置的那个八零八零，对吧？然后呢，我也，我之前已经启动过了，翻回头来，我们在网址上输入，幺二七点零 点零啊，多了一个点啊，幺七点零点零点一，然后冒号，英文的冒号八零八零，大家看，这样呢，我们就把这个网页打开了，大家看，其实他就是个小豆包哈，他的这个能力跟你选的大模型有关，那么我选的是千问三点六啊，目前号称能干活的大模型，好吧，一会说这个事啊，然后呢，我们点 第一次，我们可以点击加载一下这个模型，然后输入你好，是吧，他就进行推理了，然后给我们这个答案，这个模型确实能干活啊，各位，大家看啊，这个是我之前用这个千分三点六，然后拉拉本地部署的这个 呃软件哈，然后呢，生成了一个贪吃蛇的这么一个小游戏，里边大概七百多行代码，我就告诉给我生成一个网页版贪吃蛇啊，大家看，双击完之后，这个游戏还挺好玩的啊，效果还不错的啊，好吗？ 好了，不解释啊，就是挺好玩的哈，然后千万三点六的模型在哪里下呢？大家看，我这里有一个网址，这是国内的网址哈，大家看， 根据大家的显存实际情况去下载对应版本就行了。那我是二十四 g 显存，所以呢，我下的是这个 q 四 k m 的 二十二 g， 好 吧，大家尽量啊，下载这个模型小于大家的这个显卡的显存，因为什么呢 啊，就算大点也没事啊，比如说你十六 g 显卡，然后你下个十八 g 的 模型，实际上也没事，它会把一半啊，它会把一部分资源放在内存当中啊，但是各位 用这种模型啊，大家看啊，这有一个 token 的 输出速度好吗？就是它运行，你可以把它理解为运行的效率啊，有一半资源在显存啊，在内存当中，这样会拖慢你的运行效率，但是它也能运行，就算你没有这个显存，纯靠 cpu， 它也能运行，就是奇慢啊。各位， 这种模型大家注意啊，还是注意下效率的，所以我们把这个模型都加载到显存当中，这样的运行效率是最高的啊，大家做这么个事就行了啊，尽可能的选择这个模型小于你的真实显存占用， 是吧，这个千分三点六，三十五 b a， 三 b 指的是三十五 b 的 参数，但是真啊，一次使用的时候只激活三 b， 对 吧，但是你也需要把这三十五 b 参数加载到显存当中啊，然后一次用里边的三 b， 对 吧，这样的效果是最快的。 好吧，各位大家说这么个事就行了啊，然后呢，其实呢，大家不止可以下载这个千问三点六号，也可以下载其他的推理大模型，放到对应的目录当中，是吧？在这里大家看啊，在这个位置我们是可以选模型的，我之前还有千问三点五号。 好吧，各位大家知道这句话啊，知道这么个事就行了，那么部署完，启动完之后，就可以跟它进行对话，然后完成任务了哈，然后呢，这个不是重点啊，因为我们刚才开放了 api 的 远程调用，对吧？大家看啊，就是以后怎么把它集成到这个软件当中呢？大家可以看一下啊， 现在我模型是加载的，我给大家演示一下啊，这里边我写了两个 api 啊，第一个是卸载模型，是吧？ 就是我可以通过远程调用去控制这个软件加载或者卸载模型，大家看好好 success， 然后我们看一下显纯一下就下来了，这样呢，我们就完成了模型的卸载，对吧？然后下边这个是加载模型，大家看 是吧？加载成功之后，显示一下就上来了，对吧？证明这个远程调用是可以的，那么我们就可以通过远程调用的形式啊，把内容发送给这个软件，然后得到结果之后，是吧？然后我们把结果配合的使用到对应的软件当中去，是吧？就完成了调用。 好吧，这个只是一个初探啊，各位，这个只是个初探，大家学会安装，学会下载模型，然后把它启动起来就行。好吧，后续我们会有深入的这个使用教程啊。然后呢，视频当中说的一些使用细节，包括网址啊，包括这个启动文件怎么配置啊？大家可以来到主页哈，找到对应的视频，在视频下方大家可以查看一下。
440绘世玩家
00:51查看AI文稿AI文稿全球最顶尖最强大的 ai 核弹级软件，它从头到尾都是完全开源、彻底免费的！ ai 圈真正的王炸来了！全新升级的 copyiv 三中文整合包震撼发布！ 如果说之前的版本是降维打击，那这次的 v 三版本简直就是宇宙大爆炸！为什么？因为这次的内置模板数量增加到了三百三十七个！要三步就搞定一下载二节压缩三，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儿？想要的宝子扣六六六带走！
1681小泽_
05:23查看AI文稿AI文稿呃，我想把我的五零九零卖掉了。嗯，下面是一些我具体的原因。先说一下我当时为什么买 五零九零这张显卡，其实是我想用最新的开源的模型，因为当时我看了一些呃 ai 的 评测，我觉得开源的模型其实效果也是非常不错的，所以我就想去运行，比如说像蔚的模型是蔚二点一。呃，阿里的开源的视频模型， 所以我当时非常好奇啊，也是一个纯 ai 的 小白。呃，但是如果说你现在还是个 ai 小 白，其实我也不建议你去买，就为了自己去玩这些开源模型去买一张显卡，我就是一个活生生的例子，因为那个时候我确实不懂，我都不知道。呃， 其实只有一张显卡是不够的，你还要去买内存，然后去了解了很多模型在本地运行的一些知识，其实花了非常多的时间。呃，也 跟了一个 b 站的博主学习了很久啊。当当，当然非常感谢他的这样的开源的精神来呃分享，无私的分享这些知识。呃，这里也顺便插一嘴，如果说， 呃，你为了学康费 u i 或者说为了学一些 a i g c 的 东西，去购买一些付费的课程，课程坚决不要去购买。嗯，我觉得没有任何意义，去买这些课程就纯粹的割韭菜，我觉得纯粹割韭菜。 哎。拉回说，回到我的五零九零为什么想卖？就是我发现玩开源的模型是肯定是不够的啊，我现在已经去走向了，去探索闭源模型，而且未来一定是走向闭源模型。我觉得， 呃，就比如说现在的 flux 的 呃二代的模型，它如果说量化版本也是能够在家用的这个显卡上面去跑的，但是我觉得意义不大，因为你五零九零， 它的算力说白了我觉得是远远不够的。你如果想要用 ai 去作为生产力的话，它跑一张图要花多长时间？如果说我在线上平台，我可以同时跑好几张图，可以多线并发，你的本地的五零九零可以吗？肯定是不可以的 啊，这里面就涉及到了一个时间成本，还有一个你的五零九零。而且我现在就为了随时随地能用这张显卡，其实我是把它 呃做了远程的，可以访问的，我在外面任何地方都是可以访问我的这张显卡来进行工作的，但是我觉得即便是这样，也是没有线上平台来的方便的。 呃，我现在其实是订阅了 loveart 的 会员啊，尽管他现在因为被抢了，然后 也有一些平台本身的呃网上的一些非议，但是我还是买了他们最高等级的会员，我觉得非常的方便。而且我觉得，嗯，当时我是六千多块钱买的吧，现在可能有一点点涨价，但我觉得非常值。 嗯，尤其是你试用了 comfui 之后再去用这样的模型啊，这样的 a 阵的平台去用的时候，你会觉得它帮你提升了很多很多的生产效率，相比于你用 comfui 来说，而且 comfui 它的学习成本其实蛮高的。 嗯，就是，其实我最近也听到一个说法，就是尤其是在 ai 时代， ai 不是 应该你去学 ai 怎么用，然后你再去用它， 而是你应该直接把它拿来用在用中学在用中去体会这个工具，因为这个东西现在进步的实在是太快了， 包括有一些博主。嗯，我觉得他就是在尝试嘛，用 ai 的 开源的这些模型看尝试能做出一个什么样的片子，我觉得这样的精神是很好的。但是如果说你从纯生产力或者说纯为公司创造价值来说的话，其实意义不大 啊。包括现在万最新的二点五的模型，二点六的模型都没有做开源。呃，就算他做了开源，我相信五零九零也是跑不起来的。呃，所以我觉得 最终的我思前想后，我最终的结论就是五零九零我已经想卖掉它了，因为我觉得它对于我来说没有太大的价值。呃，如果说你想折腾一些 开源的东西，或者说你就是想纯折腾，我就可以折腾折腾，但是对于现在的我来说，我觉得没有太大必要啊。当然我觉得未来的话，显卡还有个很大的应用场景是，比如说 nas 可以 接上显卡，我觉得这个东西还是挺有意义的，但是可能也用不上五零九零，可能一个更低端一点的游戏显卡就够了，因为他可以在 ai， 呃，他可以跑一些 ai 的 程序，帮你去做文件的分类啊，文件的标注，我觉得这个应用我是非常非常看好的，以及我看未来能不能有更多的纳斯能去做这件事情，包括我知道，呃，好像飞牛的纳斯 还是有一些挤空间的纳斯可以去完成这样的一个功能，我觉得这个功能是非常非常好的，但可能我也不需要五零九零这么强劲的一个算力， 所以我思前想后，最终的结论就是五零九零我想卖掉了。呃，包括这台整机我也想卖掉了我觉得。 嗯，放在家里闲置有是一种浪费，我想把它出给啊有缘人，如果你们需要的话，我觉得你们可以购置这台机器。所以我接下来也非常期待我自己能用 loveart 能创作出更多的东西。对。
3357好奇小巫
48:42查看AI文稿AI文稿五月最新的秋叶 comfyui 整合包已经更新了，不用复杂的环境配置过程，只需三步一下载，二解压，三双击打开即可使用。支持 win mac 和 a 卡，最低幺零六零显卡显存八 gb 即可本地部署运行。和那些花钱还要排队的网站不同， comprise ui 这次的更新诚意拉满，内置三百加模型，工作流，图片和视频直接本地生成，无惧审核压力，不用积分，不用排队，也没有暗此暗月的计费套路。无论是做最近很火的漫剧分镜，还是工作需要的电商产品详情页， 还是创意十足的三 d 建模渲染，都是点一下的事，想试试的。老规矩，验个牌，现在开始教学， 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 confluence 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 diffusion 当中不同的操作模块，来帮助大家更深刻的认识 confluence 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 ve 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，相关性以及迭代部署。 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 参照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，可以看到此时它的名称呢，就变为了可编辑的状态，我们就可以对其名称进行重命名，比如我们给它起一个名字叫模型， 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 词的节点，这两个节点是相同的节点，这 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 default 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， 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 c l i p 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，来对康飞 y 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，所以调理会比较清晰。各 同学可以把 ctrl y 的 操作理解成搭建台式电脑，像左侧的 c l i p 文本编码器， check point 加载器，还有 comlight 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 测量器上面，通过 k 测量器进行运算，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 control ui 的 节点连接逻辑就有了更贴近生活的体会。至于我们 stable default 的 操作逻辑非常的相似，也就是先选择模型，再输入提示词，再选择采用方法， 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 control ui 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，然后进一步的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 cfui 的 运行机制。 像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地对其加以改进，使其符合自己的需求。对此呢，我也专门制作了一套课件，上面不仅展示了 stable diffusion 不 同的功能模块去对照 comfy 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！各位同学好，我们这节课来讲解 confui 精细化纹身图工作流的第一部分。我们首先来说明一下什么是精细化纹身图工作流。 我们首先打开 stable diffusion， 相信熟悉 s d 的 同学呢都知道 stable diffusion 是 只有一个正反面提示词输入窗口的 们，此时在正面提示词窗口当中输入 one go 还有 right here， 然后选择一个合适的负面提示词模板，点击生成，可以看到此时我们就生成了一个符合提示词描述的结果。那么如果我们想要在画面当中生成两个人物，其中一个是红色头发的少女，一个是蓝色头发的少女， 正常的思路呢就是在提示词当中再追加对于另外一个少女的描述，也就是 one go blue hair。 剪好之后呢，我们再将画布的生成尺寸去拓展一倍，再次点击生成，我们可以看到此时生成的结果呢，并不是十分理想， 我们明明想要生成两个少女，但是画面当中却只有一个，而头发的颜色呢，是以红色和蓝色拼接形成的。 我们现在回到 confui， 打开我们预设好的工作流，也就是精细化纹身图工作流。相信此时部分同学已经猜想到了，既然 confui 相比于 stable default 能够更加灵活地去部署模块儿，也就是节点，那么我们就可以同时部署两个提示词的输入窗口， 来分别描述我们想要生成的两个人物，最后再通过一定的方法呢，将两个人物合并在同一个图像上，以此呢来避免 stable default 当中因为提示词无法做分割 而导致两个人物的特征同时出现在一个人物身上的情况。例如此时我们在 confui 当中，第一个正面提示词输入窗口呢，我们输入红色头发的少女，而第二个提示词输入窗口呢，我们输入蓝色头发的少女。 这些都输入好之后呢，我们点击添加提示词对列，可以看到我们此时生成的结果呢，左侧的人物就是红发的少女，而右侧的人物就是蓝发的少女。 由于这两个人物的提示词都是独立成一个节点的，所以并没有出现颜色之间相互混合，特征之间相互混合的情况，这就是精细化纹身图工作流的优点。 那么话不多说，我们下面就从零开始教大家如何搭建精细化纹身图工作流。我们首先新建一个空白的工作台，点击左上方的文件加图标，点击这个加号，新建好这个默认工作流之后呢，我们清空当前的工作流节点， 下面的操作就与我们之前所讲解的纹身图工作流操作十分类似了，我们依然在任意的空白位置，右键点击新建节点，点 击采样，然后点击 k 采样器。回想起我们上节课所举的类比， k 采样器呢，就好比电脑的主机，我们下面要把键盘，鼠标还有显示器都接到这个主机上，所以我们下一步呢，拖出模型这个圆点 松开之后呢，创建 checkpoint 模型加载器。与基础纹身图工作流不同之处在于，我们这次呢，从 clip 这个圆点上面拖出的内容一共有三个，也就是两个正面提示词输入窗口，以及一个负面提示词输入窗口。 当然如果各位同学想要拖出两个负面提示词输入窗口也是可以的，但通常负面提示词是通用的，所以我们只拖出一个负面提示词窗口就可以。 我们回到 k 彩样器这个节点，从 latent 源点当中呢，我们依然拖出一个节点，叫做空 latent， 用来输入输出图片的尺寸。大家在拖出节点之后呢，最好整理一下它们摆放的位置， 这样将来在拖出其他节点时，调理会更加清晰。然后我们继续从 k 彩样器右侧的 latent 源点当中拖出，选择建立 ve 解码，然后再从 ve 解码这个节点当中拖出图像，选择保存图像这个节点， 然后我们回到 ve 解码这个节点，将 ve 源点与 checkpoint 加载器当中的 ve 源点呢进行相连，这两个是相同的颜色，都是红色的， 我们下面要创建一个之前的课程当中没有提到过的节点，它的名字叫做条件采样区域节点。对于这样的节点呢，我们可以直接双击画面当中的空白区域，打开搜索选项，在搜索选项当中搜索它的名称，我们就搜索条件采样 区域。值得一提的是，旧版的 comui 是 不支持搜索中文的，各位同学需要更新到新版的 comui 才能搜索中文。 我们选择搜索结果当中的条件区域彩样这个选项，这个节点呢，一共要创建两个，所以我们复制当前创建好的条件彩样区域节点， ctrl 加 c， 然后 ctrl 加 v， 粘贴一个一样的， 然后我们分别将条件采纳区域两个节点上面的条件左侧的条件呢，与 clip 文本编码器右侧的条件相连，就连接到两个正面提示词 clip 文本编码器右侧的条件原点上。 连接好之后呢，我们再次双击空白的区域，搜索一个叫做条件合并的节点，搜索到之后呢，我们点击创建，然后我们将两个条件采纳区域右侧的条件一，条件二原点相连，它们的颜色也是一样的。 连接好之后呢，我们的所有节点就都已经创建完毕了，剩下要做的操作就是将那些没有连接好的原点进行相连，逻辑也非常简单，相同颜色的原点连接相同颜色的原点。首先将条件合并当中，右侧的条件原点连接到 k 采集器的正面条件原点上。 最后呢，再将我们要输入负面提示词的 c、 l、 i、 p 文本编码器节点右侧的条件源点连接到负面条件源点上。这样一来我们康复 ui 精细化文声图工作流的第一部分就搭建完成了，我们现在点击添加提示词队列来测试一下， 可以看到我们整个的工作流呢是没有出现报错的，但是生成的结果呢，并非我们一开始所演示的那样的结果，其原因在于我们并没有设置合适的参数。所以我们最后呢来讲解一下如何设置合适的参数，让我们想要生成的内容出现在合适的位置。 首先我们要设置的是最终所生成的图像的宽高，在空 light 的 这个节点上面，我们将生成图片的宽度呢，从五百一十二的默认宽度改为一零二四。当然这个参数呢要根据大家的需求来决定，我们测试的话就设置的稍微小一些。然后我们要设置的是条件参照区域节点上面的参数。 各位同学可以把精细化纹身图工作流理解成我们分别生成的两张图片，生成之后呢，再将这两张图片合并为一张图片，其中传统的 konlighten 这个选项呢，设置的是总图片的尺寸，而两个条件参照区域节点上面设置的尺寸呢，则是合并之前两张图片各自的尺寸。 所以我们首先来设置第一张图片的尺寸，我们就设置为五百一十二乘五百一十二，第二张图片的尺寸呢也是相同的，五百一十二乘五百一十二，这样两张图片加起来的尺寸呢，就可以满足一零二四乘五百一十二的尺寸。 其次我们要设置的是第二张图片在画面当中的坐标，由于第一张图片生成时默认的坐标就是从左到右，从上到下，从零 零开始这样一个坐标，因此第一个按默认的坐标就可以，也就是 x 零 y 零。各位同学可以在脑海中构建一个坐标轴，只有两个方向， x 和 y。 那 么第二张图片呢，就要摆放在第一张图片的顺位位置，与 其相连。那么首先第二张图片在高度上是没有进行移动的，两张图片的关系呢，我们设置的是横向摆放，所以第二张图片的 y 呢，和第一张图片是一样， 都为零。但是第二张图片需要向右平移一个图片一的身位，所以此时第二张图片的条件采用区域 x 值呢，我们就设置为五百一十二， 然后点击确定。这样两张图片呢，就是从左到右依次摆放，横向摆放的关系最终生成后合并在一起。提示词方面呢，我们就套用之前所使用的提示词，也就是第一张图片生成红色头发的少女，我们输入 a girl 还有 red hair。 而第二张图片呢，我们来生成蓝色头发的少女，输入 a girl 还有 blue hair。 写好之后呢，我们再次点击添加提示词队列，可以看到此时我们生成的结果呢，就是一个总尺寸为一零二四乘五幺二，左侧五幺二乘五幺二的尺寸为一个红头发的少女，而右侧五幺二乘五幺二的尺寸为一个蓝头发的少女，他们之间紧密相连的关系了， 并且两张图片的人物造型呢，互不影响，独立存在，这都要归功于我们创建的两个独立的正面提示词窗口。 当然各位同学在创建的时候呢，也不推荐去死记硬背，可以跟着我们的视频一步一步的来创建精细化纹身图的工作流。 我们再次强调，教大家逐步创建工作流的目的并不是为了让你去死记硬背，而是为了让你在不断的练习当中能够理解 comfyui 的 运行机制，能够在将来获取到一些其他作者现成的工作流之后，更善于自己加以改进，为自己所用。 不过话说回来，各位同学可以看到我们当前生成的两个人物，虽然说彼此独立，互不干涉，但他们的融合程度也非常的低，两个人物呢，并非处在同一个背景上，有着非常强烈的割裂感， 那我们该如何既能保障两个人物的造型相互独立，互不亲染，同时又能保障人物处在同一个背景上，让他们相互融合的自然呢？这个知识就留给各位同学思考，我们在下一个视频当中呢，会详细的讲解如何将精细化纹身图工作流当中人物的背景在生成时变为统一的背景。 同样针对于本节课的知识呢，我也制作了一套完整的课间，这面不仅说明了精细化文生图工作流的逻辑，同时也有详细的精细化文生图工作流搭建的过程， 还有最终搭建好之后的全貌展示。同时本节课的康复 ui 搭建好的工作流文件呢，也会发放给大家，各位同学有任何的问题非常欢迎在评论区留言，我会尽可能的帮助大家解决问题，同时也会发放本节课的相关资料。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。各位同学好，我们这节课呢，来讲解 cfui 精细化纹身图工作流的第二部分。 相信各位同学通过上一节课的学习呢，已经掌握了如何从零开始去创建一个完整的精细化纹身图工作流。通过这个工作流，我们一共创建了两个正向提示词输入节点，这两个节点的提示词内容不同，我们最终生成的结果也通过合适的参数设置， 使得两个提示词输入节点生成的角色出现在了同一幅画面上，同时也在设计上并没有相互的亲染和干扰。 但在我们上一节课的结尾呢，也发现我们生成的这两个人物呢，他们虽然在设计上并没有相互的干扰，但与此同时在背景上也毫无关联。所以我们今天这节课的目的就是来教大家如何去对我们上一节课所设计的工作流加以改进，使得我们的人物在背景打光和氛围上能够更加的和谐统一。 我们下面就来讲解一下如何去对我们上一节课的工作流进行改进，来新增一些节点，使我们获得更加理想的效果。 我们首先在上一节课工作流的基础上，在 check point 加载器这个节点上拖出 c l i p 原点，拖出后松开，我们新建一个 c l i p 文本编码器节点。需要说明的是，我们建立的这个新的 c l i p 文本编码器节点，就是用来负责描述这两个人物同时出现的统一背景的 说，我们希望这两个人物都出现在一个街道上，那我们新增的这个节点内容呢，就填写街道，然后我们复制当前工作流当中的条件合并节点，复制好之后粘贴，然后将我们刚才新增的 c l i p 文本编码器右侧的条件源点连接到我们刚刚复制粘贴的这个条件合并节点当中的条件一源点上。 之后，我们将原本连接在 k 彩样器正面条件的这条线设为取消状态，也就是点击拖拽之后松开，然后将原本的条件合并节点右侧的条件源点连接到我们新增的条件合并节点下方的条件二源点上， 我们稍微调整一下这些节点的位置。那么此时呢，各位同学不难看出，在原先工作流的基础上，我们通过这样增加节点连线的方式， 我们描述红色头发女孩的正面提示词节点与描述蓝色头发女孩的正面提示词节点在进行条件合并之后，并不会直接传输到 k 彩样器，而是先与描述背景的正面提示词节点进行了一次合并。最终呢，我们才将整合后的信息连接到了 k 彩样器的正面条件源点上。 就相当于我们先炒了两盘菜，我们生成的红色头发的少女呢，就好比番茄炒蛋生成的蓝色头发的少女呢，就好比烧茄子。在上一节课我们所创建的工作流当中，我们将番茄炒蛋和烧茄子炒好之后，仅仅是装在了同一个盘子里就端上了桌。而我们今天所创建的工作流 在上一节课的基础上，将番茄炒蛋和烧茄子重新倒回了锅中，加入了新的作料，最终呢才端上了盘子。这样我们的生成结果，两个人物的背景呢就会更加融合。 那么话不多说，我们来尝试一下。现在的工作流呢，已经完全连好了，我们在新创建的正面提示词工作流当中写入街道 street 以及夜晚 night。 写好之后呢，我们点击添加提示词队列。那么此时各位同学可以看到， 我们改造之后的工作流就成功的将两个造型特征不同的少女既进行了造型上的区分，两个人的设计完全独立，同时让他们都出现在了同一个背景当中。当然我们可以追加一些负面提示词，以谋求更好的效果。那这里呢，我就沿用 stable diffusion 当中的负面提示词，我们重新生成一遍， 看到有了更好的负面提示词的加持，我们就获得了生成人物更好的效果，并且两个人物的背景依然是和谐统一的。当然生成的结果是随机的，各位同学可以更改随机种子，以谋求更符合需求的效果。 那么到这里呢，我们的精细化纹身图工作流，它的完全体版本就搭建完成了。当然如果我们想要在画面当中不仅生成两个人，而是要生成三个人，四个人，各位同学可以举一反三，在我们当前的工作流基础上，进一步的去增加描述人物所用的正面提示词节点， 并且用条件采样区域以及条件合并工作流节点去将它们整合，最终连接到 k 采样器上。具体的创建方法呢，我就不再演示了，各位同学自行尝试之后如果遇到问题也非常欢迎在评论区交流，我会尽可能的帮助大家解决在操作过程当中的问题。 我们下面对先前没有提到的康复 ui 的 基础操作知识做一些补充，我们之前只讲解了点击右下方的保存，将当前所操作的工作流保存到电脑本地。 但是各位同学会发现，我们点击左侧的文件夹图标在这里呢，我也创建了很多在 comui 操作界面就可以直接选举的工作流，比如我们选举这个换脸的工作流就可以直接打 开。那我们该如何将当前操作的工作流保存到 comui 上面，让我们直接打开工作台就可以选择自己想要操作的工作流呢？ 方法也非常简单，首先我们点击左上方的文件加图标，将其展开，然后我们点击这里的加号键，就可以新建一个工作流。这个工作流呢是默认的纹身图工作流， 如果你不需要的话，可以直接按住 ctrl 键不要松开，然后拖拽工作台，将这些工作流全选，然后按 delete 键删除，再重新从零开始建立或者拖拽新的工作流， 我们撤回一下。就以当前的纹身图工作流为例，例如此时呢，我们已经对当前的纹身图工作流进行了一定的修改，那么此时各位同学可以看到，在这个位置就出现了一个保存图标，叫做 save work flow， 我 们点击这个图标就可以保存当前的工作流。 此时我们再次点击左上角的文件夹图标，展开下拉菜单，可以看到在这个位置呢就出现了一个叫做 united flow two 这样一个名称，这个名称呢就是我们当前正在操作的工作流的名称，我们也可以点击这个名称去进行重命名， 比如说我们给它起一个名字叫做 abc， 然后点击 save， 那 此时我们再次展开左上角的文件夹图标，可以看到当前呢就有一个名为 abc 的 工作流被保存到了我们左上角的展开图当中。那么我们现在先切换到其他工作流，然后再次点击左上角的文件夹展开， 再次点击 abc， 此时我们就可以看到我们刚刚所保存的名为 abc 的 工作流了。除此之外，各位同学可以看到这些工作流当中某一些呢是带有预览效果图的，甚至还有一些是动图，那么这些图片是如何产生的呢？ 其实也非常简单，我们选择一个合适的模型，然后直接点击添加提示词队列去生成一张图片，那么生成好之后呢，我们再次点击左上方的保存图标，此时我们再展开左上角的文件夹，可以看到我们当前名为 abc 的 工作流就多出了一个我们现在所生成的预览图。 我们再来补充一下对于工作流节点的相关操作。首先是如何一次性选中多个工作流节点，方法非常简单，我们按住键盘的 ctrl 键不要松开，然后用鼠标点击工作台当中的任意空白位置 进行拖拽，那此时会出现一个白色的选框，选框内所含盖的节点呢？我们在松开手之后都会被选中，可以看到是有选中的效果的， 那么此时呢，我们进行任意的操作，都可以对我们当前选中的工作流节点进行操作，比如按 delete 键可以看到我们当前选中的所有节点呢就都被删除了。 如果我们不想选中相邻的节点，想要跳跃的进行选中的话，就按住键盘的 ctrl 键，不要松开，依次的点击我们想要删除或者操作的节点，因为我们先选择 checkpoint 加载器，再选择保存图像节点，可以看到此时呢，这两个节点也被同时选中了。 我们最后再来讲解一下如何对节点赋与颜色，以及如何对功能相似互相搭配的节点进行分区。想要给节点赋与颜色，我们只需要右键点击这个节点， 点击之后呢，我们在右键菜单当中选择颜色，然后在颜色展开菜单当中，我们选择自己需要赋予的颜色就可以了。例如我们现在点击红色，可以看到此时 checkpoint 加载器这个节点就被变为了红色。当然我们在操作时，由于是多选的状态，所以保存图像这个节点呢也被变为了红色。 我们现在右键工作台当中的空白处，然后点击新建框这个选项，点击之后呢起一个名字，例如这个名字呢，我们就叫提示词，写好之后回车确定，此时可以看到我们新建的这个框，它的名字呢就被改为了提示词。 我们可以通过鼠标拖拽的方式改变这个新键框的位置，通过拖拽其右下角的方式改变它的尺寸，此时我们将这个新键框拖拽到 c l i p 文本编码器的下方，那么当我们再次拖拽这个蓝色的新键框时，各位同学可以看到，但凡是出现在这个新键框上方的节点呢，都会被随着一起 拖动，但如果我们此时所拖动的是节点本身的话，那么这个新键框是不会为之所动的。利用这个特性呢，我们将这个新键框拖拽到合适的大小，以涵盖我们想要的内容。 给我们拖拽到这个大小，再将 c l i p 文本编码器下方的这个框拖拽到合适的位置。这个新建框功能呢，就相当于给我们的工作流当中同类型的节点做了一个区域的划分，让操作者或者说使用者在编辑当前工作流时， 能够更容易的判断这些部分的工作流它的用途是什么。其实并没有什么实质性的功能作用，各位同学平时自己做工作流的话，没有必要做这些。 那么针对于本节课的内容呢，我也制作了一套完整的课件，上面以图文教程的方式讲解了我们本节课所讲解的相关知识点， 同时也包含了我们刚刚所提到的康复 u i 基础操作知识的补充。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问题，同时也会分享这节课的课件。那么以上呢，就是本节课的内容，对你有帮助的话，也不妨点一个免费的一键三连支持一下， 那就下节课再见。各位同学好，我们这节课呢，来讲解 confui 当中文声图 controlnet 工作流的搭建。在 stable diffusion 当中，我们使用 controlnet 的 时候，不仅要选择 controlnet 的 模型，同时也要选择对应的 controlnet 与处理器。因此我们在 controlnet 当中，我们要想搭建具备 controlnet 功能的工作流，同 同样要先搭建 controlnet 预处理器的工作流节点，那么我们下面呢就新建一个空白的工作台，新建好之后呢，将默认的工作流进行清除。然后首先呢来搭建一个 controlnet 的 预处理器，方法呢也非常简单，我们双击工作台空白的位置， 然后从中搜索我们想要搭建的预处理器名称。比较熟悉 stable definition 的 同学都知道，我们常用的模型预处理器呢，通常就是 canny 边缘检测、 deep 深度检测以及 line art 线稿检测， 有时做室内设计时呢，还会用到 m l， s d 直线检测。如果记不起这些名字的话，可以回到 stable default 的 ctrl n 的 插件看一眼， 然后我们回到 comui。 比如我们此次呢来建立一个 kenny 线稿检测的预处理器，我们就在搜索栏当中搜索 kenny， 然后选择搜索结果当中的 kenny 细致线预处理器，点击之后呢创建这个节点，创建好之后，我们将左侧的图像源点拖出，然后点击创建加载图像节点， 这个位置呢是我们用来放置现稿参考图的，同时我们将 kenny 细致线域处理器节点右侧的图像源点拖出。我们创建一个保存图像节点，这个节点呢是用来放置提取现稿之后的预览效果图的。 六、此时呢，我们直接点击添加提示词对列，就可以看到在保存图像节点当中出现了左侧我们所上传图像的现稿提取结果 么？创建好了与处理器相关的节点，我们下面就从您开始搭建一个纹身图的 control net 工作流。我们首先搭建一个正常的基础纹身图工作流， 那么就直接双击空白处，然后我们搜索 k 彩样器来创建一个 k 彩样器节点。创建好之后呢，按照我们第一节课所教授的流程， k 彩样器当做主机，我们从上面的圆点当中呢去接触键盘鼠标显示器，拖出模型圆点之后，我们点击创建 checkpoint 模型加载器节点，然后分别拖出正面条件源点，创建 c l i p 文本编码器，拖出负面条件源点，创建 c l i p 文本编码器。 然后左侧的 lighten 的 源点拖出，我们创建空 lighten 的 节点，用来设置输出图片的尺寸。而右侧的 lighten 的 源点我们拖出后呢，创建 ve 解码器节点， 最后再将 ve 解码器节点右侧的图像源点拖出，我们创建保存图像节点。最后呢，将 ve 解码节点当中的 ve 源点与 checkpoint 加载器节点当中的 ve 源点两个相同颜色的源点相连。 最后适当调整一下这些工作流节点的位置，让他们看起来呢更加整洁好看。调整好之后呢，我们基础的纹身图工作流节点就全部创建完成了。我们下面要考虑的事情呢，就是将 control night 以及我们刚刚创建的与处理器相关的节点都融入到我们当前的纹身图工作流节点当中。 这里建议大家不必有过多的思考，跟着我们的视频教程边暂停边做就好，等做完之后呢，我们再去尝试理解其中的逻辑。我们首先双击工作台空白处任意的位置，然后搜索 content 应用，然后点击搜索结果当中的 content 应用这个选项，创建 content 应用节点。 当然 controlnet 应用这个节点呢，有很多种不同的版本，但是其中包含的源点都是相同的，因此各位同学在观看视频教程时，只要保障自己创建的 controlnet 应用这个节点包含了我们视频当中所提及的源点内容，就可以 多出的部分呢，可以暂且不管，我们下面将 controlnet 应用当中左侧的正面条件源点连接到正面提示词的 c l i p 文本编码器节点右侧的条件源点上，而 controlnet 应用节点右侧的正面条件源点，我们则连接到 k 彩样器的正面条件源点上。 此时原本正面提示词 c i p 文本编码器节点当中的条件源点与 k 彩样器正面条件源点的相连关系就断开了。这就意味着我们的内容生成之前，会先经过 controlnet 应用这个节点，使我们的 controlnet 能够发挥效果后再抵达 k 彩样器。 我们下面将 controlnet 应用节点左侧的 controlnet 圆点拖出后松开，然后在弹出的窗口当中，我们点击 defcontrolnet 加载器这个选项，创建 defcontrolnet 加载器这个节点。这个节点的功能呢，就是用来设置 controlnet 模型的，我们点击这个节点的内容后呢，会出现一个下拉菜单 们此次要使用的 control net 功能是线稿检测，所以我们选择 kenny 这个模型。我们下一步呢，将 control net 应用这个节点左侧的图像原点连接到 kenny 与处理器这个节点右侧的图像原点上。这一步操作之后呢，我们的参考图就与 control net 之间发生了关联， 我们的 control 相关的节点能够读取到参考图的内容。我们最后一步呢，就是将 diff control 加载器节点左侧的模型原点拖出之后呢，连接到 checkpoint 加载器节点当中的模型原点上。这样一来，我们的文声图 control 工作流就搭建完成了。 我们现在选择上传一张线稿作为参考图，然后选择一个合适的大模型。因为是二次元的线稿，所以这里呢，我选择一个二次元风格的大模型。提示词方面呢，就尽可能描述贴合线稿的内容，我们就书写 one go 还有狐狸耳朵 fox ear。 对 于负面提示词呢，我们就将 stable diffusion 当中的负面提示词模板直接粘贴过来。全部设置完成之后，我们点击添加提示词队列， 可以看到此时我们的工作流当中呢，出现了一些报错。很明显，我们的正面提示词与负面提示词左侧的 c l i p 并没有与模型这个节点相连， 所以我们现在根据提示呢，将这些缺失连接的原点进行相连。其中负面提示词 c l i p 文本编码器右侧的条件原点与正面 c l i p 文本编码器提示词的右侧条件原点相连的思路是类似的， 我们先将其连接到 controlnet 应用这个节点左侧的负面条件源点上，然后再将 controlnet 应用节点右侧的负面条件源点连接到 k 彩样器的负面条件源点上。最后我们点击添加提示词对列，可以看到此时呢我们就成功的生成了一幅根据我们所上传的现稿参考 而得到的一幅有着狐狸耳朵的二次元动漫风格的人物。这里图片尺寸呢，我们可以设置的稍微高一些，将高度呢设置为六百，然后再次点击添加提示词对列，这样我们就获取了一幅更加完整的生成结果，可以看到效果还是相当不错的。那 那么以上呢，我们的 comui 纹身图， controlnet 相关的工作流就全部搭建完成了，我们最后来补充一些关于下载节点相关的知识。其实从我们上一节课开始呢，我们就用到了一些当前我们所使用的 comui 版本并不具备的插件节点， 那么这些新增的插件节点如何下载呢？这里提供三个下载方式。首先第一个下载方式呢，就是我们打开会事启动器，然后点击版本管理， 在上方的分页当中，我们选择安装新扩展这个选项，在这里呢搜索我们想要下载的节点插件的名称，然后点击安装，就可以在会式启动器当中安装新的插件。不过需要注意的是，某些版本可能会出现异常的 情况，导致我们无法在这个位置加载相应的插件，比如说我当前的版本这个功能就失灵了，各位同学呢，可以尝试更换版本。第二种方式呢，是比较稳妥的方式，我们直接在 github 上面来手动的下载相关的插件节点， 我们抵达对应的页面之后呢，点击绿色的 code 选项，在下拉菜单当中，我们选择 download zip 下载压缩文件，最后解压到 confui 根目录当中的 custom nodes 专门放置节点插件的文件夹当中就可以。不过这个功能呢，需要大家有一个特殊的用网 环境，如果你不了解如何使用特殊的用网环境，也非常欢迎在评论区留言，我会尽可能帮助大家解决这个问题。第三种方式呢，就是在 confui 的 操作页面当中，我们点击右下方的管理器， 在弹出的窗口当中，我们点击节点管理这个选项，然后在左上方的下拉菜单当中，我们选择所有这个选项，这样就可以展示出我们当前所有可下载的插件节点，在这个位置呢，搜索相应的名称便可以获得对应的结果。例如我们搜索 control night， 可以 看到直接呢就蹦出了跟 control night 相关的选项，对于那些没有安装的插件节点，我们直接点击这里的 instyle 即可安装，安装成功之后呢，重启一下就可以使用了。 对于本节课的内容呢，我也制作了一套完整的课件，课件上以图文教程的方式讲解了我们今天课上所讲解的全部知识。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问题， 同时会分享本节课的课件。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！ 各位同学好，我们这节课来讲解 comfui 图生图工作流搭建我们都知道在 stable default 当中是有图生图的功能的， 我们将图片导入到图生图的预备窗口，写上合适的提示词，调整合适的生成尺寸与重绘幅度，然后点击生成。生成的结果呢，就会根据我们当前所书写的提示词以及重绘幅度，根据所选模型的风格 原图为蓝本进行重新生成。生成时我们所选的重绘幅度越高，那么生成的结果呢，就越与原图相去甚远。反之，生成的重绘幅度越低，生成的结果呢，就与原图越相似。 同样在 comui 当中，我们在文生图工作流的基础上，加入图片上传节点 v a e encode 节点、蒙版节点、尺寸设置节点 control net 节点，即可创建一个相对完整的图生图工作流。同时我们本节课也会讲解一下，除了局生成之外，如何在 comui 当中创建局部重绘的工作流， 也就是我们可以通过选区笔选择我们需要重新生成的部分，然后再次点击生成。此时我们生成的结果只有在原图当中所选择的区域会受到影响发生改变，而未选择的部分则会维持原状，与原图保持相同。 那么话不多说，我们下面就来详细的演示一下。首先打开 comui， 我 们新创建一个工作台。由于在先前的课程当中，相信大家已经非常熟悉基础文生图工作流该如何从零创建了，所以我们这次就不再从零开始， 我们以当前默认的纹身图工作流为基础来添加相关的节点创建图生图工作流。首先我们双击工作台的空白处，然后搜索加载图像，点击创建加载图像节点，这是用来专门上传原图的节点。我们将加载图像节点当中的图像原点拖拽后松开，然后点击创建 v a e 编码节点， 然后我们再将 ve 编码节点当中的 laten 的 原点拖出后，连接到 k 彩样器左侧的 laten 的 原点上，这时我们原先的空 laten 的 节点就处在不可用的状态，因为我们此次创建的工作流是一个全局生成，工作流生成的结果在尺寸上将与原图保持一致，因此不需要设置输出尺寸的大小。 我们下面将 ve 编码节点左侧的 ve 原点拖出，连接到 checkpoint 加载器当中的 ve 原点上。这样一来，我们的图生图工作流就创建好了。 我们现在选一个合适的模型，例如原图是写实风格的，我们就选择一个偏二次元风格的模型。选择好之后呢， k 彩样器当中最后一个选项降噪，对应的就是 stable diffusion 当中的重绘幅度，我们通过调整降噪这个属性的大小来控制生成的结果与原图的相似程度。 例如此时我们将降噪调整为零点三，然后点击添加提示词对列，可以看到我们再次将降噪选项调整为零点九， 然后点击确定添加提示词对列，可以看到我们此时生成的结果呢？虽然有原图的影子，但是更多听从了提示词当中的描述，生成了包含有瓶子内容的结果。如果我们在生成的时候想要调节生成的尺寸， 也可以将编辑尺寸的节点添加到我们当前的工作流中，相信经过之前的练习，各位同学对这个 laten 的 节点已经非常熟悉了，通常呢，它就是用来连接设置尺寸的节点的，但是我们可以看到原先的空 laten 的 节点，它只有一个 laten 的 原点，也就是单向的。 而我们加入了加载图像节点之后，需要有一个双向连接的 latent 节点，才可以保证加载图像会经过图片尺寸设置节点再抵达 k 采集器。所以我们此时双击空白的工作台， 然后搜索 latent， 我 们从中选择 latent 的 缩放这个选项，创建 latent 的 缩放节点，可以看到此时 latent 的 缩放节点上面有两个 latent 的 圆点， 我们将左侧的 latent 原点连接到 ve 编码节点当中的 latent 原点上，而右侧的 latent 原点连接到 k 采集器当中左侧的 latent 原点上。 此时我们不难发现，在加载图像这个节点当中的数据抵达 k 采集器之前，会先经过我们创建的 latent 缩放这个节点去进行图片尺寸的分割，最终才会输出对应的结果。我们现在再次点击添加提示词对列， 可以看到此时生成的结果，在尺寸上就是符合 lin 的 缩放节点当中所输入的五幺二乘五幺二的正方形尺寸。我们现在将降噪调整为零点一，然后点击确定，点 击添加提示词对列，可以看到当前对于原图的缩放模式呢，是以拉伸压缩的方式进行缩放的，如果我们需要对原图进行裁剪后输出结果， 我们可以将 laten 的 缩放这个节点最下方的裁剪这个选项，点击之后呢选择中心，然后再次点击添加提示词对列，可以看到我们此时生成的结果就是以裁剪的方式对原图进行分割，并根据参数输出对应结果。那么以上就是我们如何搭建一个图生图全区生成的工作流， 我们下面再来讲解一下如何搭建图生图局部重绘工作流，我们就以当前搭建好的内容为基础进行搭建， 要想在我们当前工作流的基础上加入局部重绘的功能，我们只需要替换当前工作流的一个节点就可以，也就是 ve 编码这个节点，我们双击工作台的空白处，然后搜索 ve， 从中我们点击创建 ve 内部编码器节点，有了这个节点呢，我们就可以对原图进行局部重绘的操作， 具体的连接方式呢，就是将图像这个原点连接到加载图像当中的图像原点中，而内部编码器节点当中的 ve 原点就连接到 checkpoint 加载器当中的 ve 原点上。内部编码器当中的遮照原点我们就连接到加载图像的遮照原点上， 最终 laten 的 原点呢，就连接到 laten 的 缩放左侧的 laten 的 原点上。此时原先的 ve 编码节点我们就可以进行删除了， 我们下面调整一下各个节点的位置，使他们的调理更加清晰。我们下面就来演示一下如何进行局部重绘操作来使用局部重绘工作流。首先右键加载图像节点当中的图像，我们从右键菜单当中选择在遮罩编辑器中打开， 此时会弹出一个新的窗口，而我们的鼠标呢，也会变成一个画笔工具，用来选择需要重绘的区域。在左下方的滑块当中，我们可以选择画笔的大小。 选择好合适的大小之后，我们按下鼠标选择需要重绘的部分，比如我们当前选择人物的脸的部分。选择好之后呢，点击窗口右下方的 save to node。 此时我们加载图像窗口，当中的图像就被替换为了一个有遮照的图像， 选中的区域就是人物脸的部分。我们下面调整合适的重绘幅度，例如调整到零点三左右，然后点击生成。可以看到此时生成的结果呢，就与之前的局生成有了些许区别。但 值得注意的是，我们生成的结果并不理想，这是由于我们当前 k 彩样器的默认重绘方法为浅空间去噪，所以使用局部重绘，重绘幅度呢，需要在零点八到一之间，因此我们将当前的降噪选项改为零点八。然后重新点击添加提示词队列， 可以看到此时我们生成的结果呢，才符合了提示词的描述。我们将提示词更换为我们想要生成的一个女孩的提示词， 然后重新点击生成。可以看到这次生成的内容呢，就更加倾向于一个与人物的身体相契合的脸了。当然这样的结果也并非十分理想，这也得益于浅空间去造的特性，并不会基于原图来生成对应的结果。生成的图像呢，完全是根据周边未选中的环境进行生成的， 所以我们最后来讲解如何在图生图当中加入 control 节点，以此呢来保持生成的结果，即便在浅空间去造的模式下，依然能够维持与原图的高度统一，或者说参考原图， 我们依然以当前的节点作为蓝本，在此基础上创建新的节点。已完成 controlnight 图生图局部重绘工作流。首先双击空白处，我们搜索 controlnight 应用，然后点击创建 controlnight 应用节点， 这个节点在我们之前文生图 controlnight 工作流当中创建过，相信大家还是比较熟悉的。具体的连接方法呢，就是我们将 controlnight 应用节点当中的正面提示词 c l i p 文本编码器右侧的条件源点 连接到负面提示词 c l i p 文本编码器右侧的条件源点上。对应的 controlnet 应用节点右侧的正面条件源点以及负面条件源点均连接到 k 彩样器当中的正面和负面条件源点上。这样一来，正反面提示词在抵达 k 彩样器之前就会先进行 controlnet 的 处理。 我们下面将 ctrl nite 应用节点当中的 ctrl nite 圆点拖出，松开。之后呢，我们创建 def ctrl nite 加载器节点，这个节点是用来选择 ctrl nite 模型的。我们此次使用的模型呢是线稿检测模型，所以选择 line art 或者 kenny 都可以，为 这让生成的结果更加柔和。我们此次选择 line art 创建好之后呢，我们将 diff control net 加载器节点左侧的 model 原点连接到 checkpoint 加载器当中的 model 原点上。我们现在还缺少两个原点没有进行连接，那就是 control net 应用节点当中的图像原点和 v a e 原点 中。图像原点呢，我们连接到加载图像当中的图像原点上，这样我们的参考图呢，就导入了 control net 当中，而 v a e 原点呢，我们就常规的连接到 checkpoint 加载器节点当中的 v a e 原点上。其实到了这一步， control net 节点已经可以发挥其效果了， 但是并不具备输出检测图的功能。如果各位同学想要预览一下是否对原图检测成功，我们还可以加入一个预处理器节点。 我们现在双击工作台的空白处，然后搜索 line art， 点击创建 line art 艺术线预处理器节点，我们将这个节点当中左侧的图像原点连接到加载图像当中的图像原点上。而右侧的图像原点呢，我们可以直接拖出后松开，创建一个预览图像的节点。这个节点呢，是用来放置检测图。 那么我们现在万事俱备，点击添加提示词队列来生成一下，看看效果如何呗。那么此时各位同学可以看到，有了 line in art 现稿检测的加持，我们最终的生成结果，人物的五官特征是相对契合原先的身体的，但生成的效果呢，并不是很明显。 我们可以尝试更换模型以谋求更好的效果。例如，我们将当前的模型呢，更换为一个生成效果较明显的模型。同时为了确保更好的效果，我们将 stable fusion 当中也粘贴到 comui 当中。不， 图片的生成尺寸呢，也尽可能与原图保持一致。我们修改一下输出的尺寸，最后再次点击添加提示词对列。此时各位同学可以看到我们这次生成的结果，人物的面部就根据我们当前所选的模型进行了二次原画风格的转变，而身体的其他部分呢，依然保留了原图的内容。 与此同时，面部的生成与身体之间的契合度呢，也远远高于我们之前未创建 control 的 工作流时的契合度。这就是由于我们添加了一个线稿检测，它会检测原图人物的面部线条，以此来更加规范的生成我们所选区域脸的位置， 以避免我们之前出现的脸生成的方向与身体并不契合的结果。这样一来，即使我们的 k 彩样器使用的是浅 充铅降噪，也不用担心生成的部分与原图的身体毫无关联的情况出现了。针对于本节课的内容呢，我也制作了一套完整的课件，上面以图文教程的方式讲解了我们本节课的相关知识。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，同时也会分享这套课件。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！
4490秋了一个叶
02:22查看AI文稿AI文稿别瞎学 ai 了，你看看我电脑里面这两百多个文件夹，这都是我这三年里面四科 ai 留下来的实体。 从最开始的 web ui 到后边的 comui， 从 gpt 到 gmail， 但凡市面上能够跟设计战场编的 ai 工具，我基本上全部把它都试了一遍， 有的我还深度研究做了教程，但是 ai 的 更新迭代速度实在是太快了，我到后边我发现我根本就学不完。原来我以为只要用上了 ai 设计就会变得非常简单，结果现在我觉得我入坑了。 真正的 ai 实战应用啊，它根本就不是百米冲刺，而更像是一场马拉松。如果你也用 ai 做过设计，那我想我们就会很有共鸣，就是你拿 ai 做到很容易，但想做好非常难。 如果你再想用 ai 来突破自己的能力边界，那他就会变成一项非常艰巨的人物。 在筛选这些 ai 工具的过程中啊，也会发现他跟我们设计在选材料、定工艺的时候是一模一样的。比如说我想在这些模型里面用到最好用的，我就会发现一个全新的局面。 这边这些大模型光影很好，但是结构不准。那边那些 laura， 它的风格很强，但是兼容性太差。有的软件呢，它使用起来很方便，把模型做了整合，但是效果不行。 而这边这个软件，它很强大，就是学习门槛有点高，这是平台因素，再加上各类的模型种类繁杂，有开源的，有闭源的，各有优势，都在更新，一代更比一代强，看的人眼花缭乱， 你说你都想用吧？兼容性还是一个问题，如果让每个设计师都花大量的时间去研究这些随时可能会过时的技术，那我认为他不是一个明智的选择。所以到今天我把自己定义成一座桥梁， 设计师的时间仍旧需要专注于方案的审美判断还有落地把控。而我自己给我自己定的角色，就是替你们把这些复杂的模型串联起来，变成那个用的最顺手的工具，通过不断的验证还有反馈，把那个最稳的、落地性最强的按钮送到你们手里。 保持清醒比盲目的追赶更重要。如果你也对这场马拉松比较感兴趣的话，欢迎入队。
2009大刘的设计圈
06:04查看AI文稿AI文稿今天搭建视频首尾帧工作流，五秒钟的视频两分钟生成。先来拆解这个工作流， 他跟图上视频工作流差不多，可是增加了几个新的节点，一个图像短视频编码，可 f 视觉编码，那个图像缩放节点是因为两张图片他的宽高不一样，所以才用到现在搭建这个工作流，双击空白处，输入 one 视频模型， 选择视频模型加载器， ctrl 加 c， ctrl 加 v， 复制一份，双击空白处 number one 视频快交换，选择视频快交换，点击它， 在快参数这里拖出来，选择视频设置交换，复制一份，把模型连接上，在视频快这里模型插槽拖出来，选择 one 视频挪拉， 两个是一样的，在挪拉插槽这里拖出来，选择 one 视频挪拉，选择两个是一样的。 双击空白处，输入 one 视频文本编码，选择视频文本编码缓存， 双击空白处，输入 one ve， 选择视频 ve 加载器，前面打点的节点跟图片生视频一样，后面就有点区别。双击空白处，输入 one 图像短视频 编码，选择万图像短视频编码。在图像短视频编码这里克利普拖出来，选择克利普视觉编码，在克利普视觉编码这里拖出来，选择克利普视觉加载器， 在四驱编码这里图像一加载图像图像二加载图像，选择好首帧和尾帧， 它两个像素是不一样的，不一样的话会报错，那么只能在图像这里加载一个节点图像缩放，选择这个节点图像缩放 v 二，把图像连接上， 调整它的宽高比，调整跟图像一一样， 起始图像连接到一，结束图像连接到二， 把 ve 连接上，在图像短视频这里图像切入，拖出来，选择这个万视屏采样器，选择两个 连接模型，上面是高照，下面是低照。连接好模型，连接好文本，输入 传感器这里有个样本，把上面的样本连接到下面，在下面样本这里拖出来，选择万视屏解码， 选择万视频解码。视频解码这里有个 v a e， 把 v a e 结点，连接上 图像这里拖出来，输入合并，选择合并为视频，这样之后工作表就打剪完成，打剪完成之后我们加载大模型， 这是万视屏的大模型，我们选择纹身视频，下面是高照，下面是低照，按对比，纹身视频是二点二 lv， 图身视频是二点二 lv， 所以 区分这两个。在注意力模式这里选择前者，注意 两个模型一定要选的好，洛拉也是，上面是高照，洛拉洛拉模型名字也一样。二点二 lv， 下面这个是 d 照，一定要看清楚模型 v e， 这里选择二点一的 v e 可立谱视觉，这里默认的，这就是帧率，视频的宽高比 可以采样器，这视频采样输入四步，高照的，其实步数是零，结束是二 d 照的，其实辅助是二结束，没有合并为视频，这里输入名字格式这里选择 n t 四， 任意可以输入十六，这样这个视频的打剪完成了，运行一下，出现了一个报错，还是一样的老问题，何必都把这里取消掉，再次运行，运行成功。我们看一下对比， 这个是尾灯，这个是手灯，看一下烧尾灯是否一样，一样没有问题，控制条灯运行完成。
894熊猫怪兽AI日记
