本站 RSS地址已更新，麻烦读者朋友们重新订阅一次喔！
ComfyUI 介绍
ComfyUI 是一个专为 Stable Diffusion 设计的基于节点的图形用户界面（GUI），旨在简化和优化图像生成过程。通过将整个图像生成过程分解为多个独立的节点，使用户能够灵活地构建和调整工作流。
每个节点执行特定的功能，如加载模型、输入文本提示、生成图像等。这种结构使得用户可以更好地控制生成过程，提升了可定制性和复现性。
Github 地址
https://github.com/comfyanonymous/ComfyUI
安装方式
命令行安装 (Mac)
安装 ComfyUI 的步骤相对简单，通常包括以下几个步骤：
-
克隆存储库
- 打开终端应用程序
- 输入：git clone [email protected]/ComfyUI.git
-
安装依赖项
- 安装Miniconda。这将帮助您安装ComfyUI所需的Python和其他库的正确版本。
- 用Conda创造环境。
- 输入：conda create-n comfyenv
- 输入：conda activate comfyenv
- 安装GPU扩展（Mac）
- cd comtyU
- pip install -r requirements.txt
- 启动应用程序
- cd ComfyUI
- python main.py
全部安装完毕后，可以通过浏览器访问 http://127.0.0.1:8188/ 来打开操作界面
客户端安装
Comflowy Space
Comflowy Space 是基于 ComfyUI 进行二次开发的产品，其内核依然是 ComfyUI，是一个方便管理的整合客户端。
官网
Github 地址
https://github.com/6174/comflowy
模型管理
客户端提供直接下载管理模型的功能，用户可通过官方渠道或Civitai进行下载。下载完成后，模型会保存在本地的指定文件夹中。
插件管理
客户端提供插件下载，用户可通过社区插件渠道，直接搜索下载即可。有需要更新的插件，右上角会显示更新按钮。
云平台
揽睿星舟
一个租用云端服务器的网站，按时间计费，集成ComfyUI和SD WebUl的镜像，用户可以快速创建。
网站地址： https://www.lanrui-ai.com/console/overview
Comflowy
Comflowy Space的云端服务版本，可以把Comflowy Space的工作流一键部署到云端上，UI的操作逻辑和本地开源版本是一样的。
网站地址： https://www.comflowy.com/zh-CN/preparation-for-study/install-cloud
工作流
ComfyUI 比较方便一个点就是可以直接使用其他人创建的流程，直接拖拽到UI范围内或是点击载入按钮即可使用。
工作流社区
OpenArt Workflows
OpenArt 提供了一个平台，用户可以发现、分享和运行各种 ComfyUI 工作流程，这些工作流程旨在利用人工智能促进创意任务。
网站地址： https://openart.ai/workflows/all
liblib
LibLib.AI 是一个中文网站，类似于 CivitAI，提供了大量精细入微的AI绘画模型供免费下载，现在也提供工作流的分享。
网站地址： https://www.liblib.art/workflows
模型
模型网站
Civitai
Civitai是一个专注于AI生成艺术的在线平台，主要提供Stable Diffusion和Flux模型的分享与下载。
liblib
LibLib.AI 是一个中文网站，类似于 CivitAI，提供了大量精细入微的AI绘画模型供免费下载，现在也提供工作流的分享。
模型安装
在模型网站上找到想要的模型，下载到本地，放到Checkpoint、LORA等文件夹里，
Checkpoint：原始模型，有Stable Diffusion和Flux模型两种
- Stable Diffusion比较成熟，有1.5、XL几个版本分支
- Flux是SD原班人马新打造的模型
LoRA：滤镜模型，在原始模型的基础上，对生成内容做风格化调整。
另一种安装方法，装上ComfyUl-Manager插件，在管理器界面，可以直接安装。
插件
插件可以理解成第三方节点，是由开源社区里的开发者做的整合包，比原生的节点功能要更加丰富。
插件安装
ComfyUI管理器
节点管理
这是一个节点商店，在搜索框直接能搜索到想要的插件。
安装缺失节点
如果下载别人分享的工作流，遇到了缺失的节点，拖拽到工作流里会弹出这窗口。
通过ComfyUI管理器上的安装缺失节点按钮，会把所有缺失的节点列出来。
结束
ComfyUI的生态正在蓬勃发展，这篇文章只是把最基础的内容记录下来分享给大家，后续有时间再去写工作流和模型的细节。感谢你的阅读时间，希望你喜欢！
💡 感谢您的观看！欢迎分享文章，或是来信与我交流。