ComfyUI

ComfyUI 和 WebUI 都属于 Stable Diffusion 前端界面（Frontends），ComfyUI 相较于传统的 WebUI 具有显著优势，其基于节点的可视化工作流设计，类似于 Blender 和 UE5 的节点编辑器，有更强的可控性，可以自由调整模型的每个处理阶段，如调整噪声、改变 CFG 影响力、插入额外 Lora 处理等，而无需依赖特定插件。此外，ComfyUI 在显存管理上更为高效，节省 VRAM，支持更大尺寸的图片生成，并且由于是纯 Python + CUDA 直接运行，避免了 Web 端加载 JS 组件带来的性能开销。ComfyUI 原生支持 SDXL，可以无缝切换 Base Model 和 Refiner，支持多模型混合，后期依照工作流自定义生成逻辑，拆分 ControlNet 处理到前置步骤或对噪声输入进行特殊调整，使用起来真的非常非常一目了然，试试便知，感觉比 WebUI 有意思。所以，我选择使用 ComfyUI 来开始我们的 Stable Diffusion 之旅

1. 准备环境

ComfyUI 需要 Python 3.10+，并且建议使用 CUDA 兼容的 NVIDIA GPU 以获得更快的推理速度

本篇全程需要网络代理，第一次代理请参考Clash 网络代理 | ZJNULL

Windows

  1. 安装 Python

    • 下载 Python 3.10+ 并安装。
    • 勾选 Add Python to PATH，以便命令行可用 Python。

  2. 安装 Git（可选）

    • 下载 Git 并安装。
    • 可用于克隆仓库。

  3. 下载并安装 ComfyUI

    系统解压安装：

    点击这里下载发行版

    解压安装到你存储比较大的盘符，因为我们需要大量的空间来保存数据和模型

    命令行安装：

    1
    2
    3
    4
    5
    git clone https://github.com/comfyanonymous/ComfyUI.git
    cd ComfyUI
    python -m venv venv
    venv\Scripts\activate  # 激活虚拟环境
    pip install -r requirements.txt  # 安装依赖

    启动 ComfyUI

    1
    python main.py


    启动后，打开浏览器访问 http://127.0.0.1:8188 进入 GUI 界面。

Linux (Ubuntu/Debian)

  1. 安装依赖

    1
    sudo apt update && sudo apt install git python3 python3-venv

  2. 克隆并安装 ComfyUI

    1
    2
    3
    4
    5
    git clone https://github.com/comfyanonymous/ComfyUI.git
    cd ComfyUI
    python3 -m venv venv
    source venv/bin/activate
    pip install -r requirements.txt

  3. 运行 ComfyUI

    1
    python main.py

Stable Diffusion 模型

从 Hugging Face 或 Civitai 下载

ComfyUI 需要 Stable Diffusion 相关模型（Checkpoint、LoRA 等），可从以下站点下载：

该模型经过 裁剪（Pruned），去掉了一些不必要的参数，减少了模型大小，采用 FP16（半精度浮点数）进行存储，相比 FP32（全精度浮点数）可以 减少显存占用，提高推理速度，但可能会有 极小的精度损失，且仅保留了 EMA（Exponential Moving Average）权重，EMA 版的模型在训练时使用指数移动平均计算权重，通常比未使用 EMA 的模型更稳定、生成的图像质量更高，适合新手的快速启动、试水

常见模型存放位置

  • 主模型（Checkpoint） → 放入 ComfyUI/models/checkpoints/
  • VAE 模型 → 放入 ComfyUI/models/vae/
  • LoRA/Refiner → 放入 ComfyUI/models/lora/

如何加载模型

  • 进入 ComfyUI，在 Checkpoint Loader 选择你的 .safetensors 模型
  • 如果安装 ComfyUI-Manager 插件，可直接管理模型

    详情戳此到达[ComfyUI 进阶]

大模型介绍

简单讲讲，各类型的关系会放到另外一篇，本篇主要面向快速上手，现在简单会区分一下就行

1. Checkpoint（基础模型）

Checkpoint（.safetensors/.ckpt）是 Stable Diffusion 训练出来的主模型。

  • SD 1.5 → 适合动漫、写实风格
  • SDXL（Stable Diffusion XL） → 适合高清、写实和细节丰富的图片

2. Refiner（细化器）

Refiner 是 二阶段处理，用于增强细节

  • SDXL Base + SDXL Refiner 组合可以提升质量。
  • Refiner 也可以与其他 Checkpoint 结合使用

3. LoRA（局部调整模型）

LoRA 可用于 增强特定风格或人物，占用显存小，适合细节补充

4. VAE（变分自编码器）

VAE 主要用于修复色彩、增强细节

工作流

文本生成图片（txt2img）

首先按照流程图搭建工作流

在这里创建或检索需要的节点

步骤 1：加载模型

  • 添加 Checkpoint Loader 节点
  • 选择 SD 1.5 或 SDXL 模型

步骤 2：输入 Prompt

  • 添加 CLIP Text Encode 节点
  • 在 Positive Prompt 中输入提示词
  • 在 Negative Prompt 中输入屏蔽词

步骤 3：配置 K 采样器

  • 连接 CLIP Text Encode 到 KSampler
  • 选择 Euler A、DPM++ 2M Karras 采样方法
  • 设定 Steps=30 CFG=7

步骤 4：解码与输出

  • 连接 KSampler 到 VAE Decode
  • 连接 VAE Decode 到 Image Output
  • 运行 ComfyUI，查看生成结果

结语

简而言之，言而简之，我们需要的其实总共就三样东西，ComfyUI、主模型、工作流，上手简易直观，祝你游玩愉快。
以上就是 ComfyUI 的基本安装、模型下载和基础工作流搭建，后续可以探索 img2img、ControlNet 等更高级的用法！ 🚀