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。