Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

COMfyui的文本联结节点怎么添加text3、text4

Answer

要在 ComfyUI 中添加 text3 和 text4 ,可以参考以下步骤:

  1. 新建采样器:右键搜索找到 SDXL Sampler 点击即可。
  2. 点击从 SDXL Sampler 采样器中的 Base_model 拖拽出选择 Load Checkpoint 节点,改名为 SDXL,并复制一个改名为 Refiner 连接到 SDXL Sampler 采样器中的 Refiner_model 。
  3. 点击从 SDXL Sampler 采样器中的 Base_positive 拖拽出选择 Clip Text Encode 节点,改名为 Prompt ,复制一个并改名为 Negaive Prompt 。
  4. 将 Text 改为输入 Convert text to input ,并复制出来 4 个,左边将 2 个连接 SDXL 的 Clip ,两个连接 Refiner ,右边依次连接 Base_Positive 、Base_Negaive 、Refiner_Positive 、Refiner_Negaive 。
  5. 从节点中拉出一个通用节点并连接 text 。
  6. 在文本节点上单击右键,选择【转换文本为输入】,此时,文本节点上就多了一个文本的连接点。
  7. 加入一个新节点,右键点击 - 【新建节点】 - 【实用工具】 - 【Primitive 元节点】。
  8. 将元节点与文本节点相连接,这时元节点就变成了正向提示词的输入框。同理,可以将负向提示词框也用元节点代替。
  9. 再复制出一套正负提示词节点,一套给 base 模型,一套给 refiner 模型。然后,base 模型的那一套输出给第一个采样器节点,refiner 模型的那一套输出给第二个采样器节点。
Content generated by AI large model, please carefully verify (powered by aily)

References

1、环境安装、ComfyUI本体安装 副本

[ComfyUI之SDXL工作流_v1.0.zip](https://tob-design.yuque.com/attachments/yuque/0/2023/zip/21965403/1698135309906-8de11e70-39ab-4af6-9d1a-649a1e8b61e9.zip)导入我搭建好的工作流文件即可直接使用,也可以自行搭建。1、新建采样器:右键搜索找到SDXL Sampler点击即可。2、点击从SDXL Sampler采样器中的Base_model拖拽出选择Load Checkpoint节点,改名为SDXL,并复制一个改名为Refiner连接到SDXL Sampler采样器中的Refiner_model。3、点击从SDXL Sampler采样器中的Base_positive拖拽出选择Clip Text Encode节点,改名为Prompt,复制一个并改名为Negaive Prompt。4、将Text改为输入Convert text to input,并复制出来4个,左边将2个连接SDXL的Clip,两个连接Refiner,右边依次连接Base_Positive、Base_Negaive、Refiner_Positive、Refiner_Negaive。5、从节点中拉出一个通用节点并连接text。6、点击从SDXL Sampler采样器中的latent_image拖拽出选择Empty latent Image节点,此节点为设置生成图尺寸的大小。注:SDXL默认生成图尺寸为1024*1024为获得最佳效果,建议使用以下尺寸生成图像:768 x 1344:竖版(9:16)915 x 1144:肖像(4:5)1024 x 1024:方形1:11182 x 886:照片(4:3)1254 x 836:风景(3:2)1344 x 768:宽屏(16:9)1564 x 670:电影(21:9)

【ComfyUI】使用ComfyUI玩SDXL的正确打开方式

添加噪波:disable。这里关闭,因为是继承上一个采样器,所以不需要再添加噪声。运行后操作:fixed。相当于锁定随机种子的意思。步数:30。迭代的总步数,和之前保持一致。开始降噪步数:20。传递过来之后,是从第20步开始的。结束降噪步数:30。这个数字也可以保持默认,反正就是运行到结束。返回噪波:disable。不用返回了,到这一步已经结束了。但是,现在问题来了。如果我将refiner的模型连上提示词的话,第一个base模型的链接就会断开,怎么样才能让两个模型同时起作用呢?我们来加入一个新节点,右键点击-【新建节点】-【实用工具】-【Primitive元节点】。这个节点很有意思,它连接谁,就会变成谁的属性。在文本节点上单击右键,选择【转换文本为输入】。此时,文本节点上就多了一个文本的连接点。将元节点与文本节点相连接,这时元节点就变成了正向提示词的输入框。同理,可以将负向提示词框也用元节点代替。再复制出一套正负提示词节点,一套给base模型,一套给refiner模型。然后,base模型的那一套输出给第一个采样器节点,refiner模型的那一套输出给第二个采样器节点。

【ComfyUI】本地部署ComfyUI上手指南,我就喜欢连连看

就可以生成这样一个节点,可以选择我们安装好的大模型,并且后面还有三个连接点,可以指向下一个模块。我们按住clip后面的点进行拖拽,点击【CLIPTextEncode】,得到一个提示词输入框。同理,我们可以再加一个提示词框,形成了一个正向提示词和一个负向提示的架构。为了后面更方便使用,我们还可以点击右键,给节点添加颜色。比如,正向提示词为绿色,负向提示词为红色。为了方便管理,我们可以再添加一个组,放在组里的节点可以一起移动,方便了我们后面做一些模组管理。接下来,我们需要使用采样器来给提示词内容添加噪声。从提示词节点后面再次拉出一根线,选择【KSampler】。这里面可以看到我们熟悉的参数:种子数、迭代步数、CFG、采样器等等。我就不做过多解释了,学过webUI的理解起来都很容易。这时,我们就可以将模型和负向提示词全部连上了。接下来,设置输出图片尺寸,从【latent image】中拉出一个节点,选择【EmptyLatentImage】。我们就可以在这个节点里面填写想要输出的尺寸,和一次性生成的数量。接下来,我们要使用VAE来对之前的噪声进行解码,从【LATENT】中拉出一个节点,选择【VAEDecode】。

Others are asking
请你用简单易懂的语言告诉我comfyui和SD的区别
ComfyUI 和 SD(Stable Diffusion)主要有以下区别: 1. UI 界面:SD WebUI 的 UI 更接近传统产品,有很多输入框和按钮;ComfyUI 的 UI 界面复杂,除输入框外,还有很多块状元素和复杂的连线。 2. 学习成本:ComfyUI 的学习成本比 SD WebUI 高。 3. 工作流方式:ComfyUI 主要通过连线搭建自动化工作流,从左到右依次运行;SD WebUI 则通过输入框和按钮配置参数。 4. 灵活性和拓展性:ComfyUI 具有更高的自由和拓展性,可以根据自身需求搭建、调整甚至改造工作流,无需依赖开发者,还能开发并改造节点;SD WebUI 在这方面相对较弱。 5. 功能实现:从功能角度看,两者提供的功能本质相同,但 ComfyUI 通过改变节点方式能实现不同功能,如一个节点是直接加载图片,另一个是通过画板绘制图片,从而实现导入图片生图和绘图生图等不同功能。
2025-03-08
ERROR: Could not detect model type of: D:\AIruanjian\AIRUANJIAN\ComfyUI-aki(1)\ComfyUI-aki-v1.6\ComfyUI\models\checkpoints\flux1-dev-fp8.safetensors
很抱歉,根据您提供的错误信息“ERROR: Could not detect model type of: D:\AIruanjian\AIRUANJIAN\ComfyUIaki\ComfyUIakiv1.6\ComfyUI\models\checkpoints\flux1devfp8.safetensors”,暂时无法明确具体的问题原因。可能是模型文件格式不被识别,或者文件路径存在错误等。建议您检查文件的完整性和正确性,确保其符合相关软件的要求。
2025-03-07
comfyui提示词验证异常怎么解决
如果 ComfyUI 提示词验证异常,您可以尝试以下解决方法: 1. 对于翻译失效的问题: 双击“embedded_instail”进行安装。 用记事本打开 BaiduTranslate.py,填入在百度翻译开发平台申请的 ID 和密码,以实现正常翻译。 2. 注意如果想要引用负向 embedding,要确保文件夹路径中没有中文,否则可能导致路径错误。 此外,ComfyUI 本身自带的【clip 文本编码器】对权重的识别可能不够准确,您可以使用插件提供的更高级的编码器,并选择不同的权重插值方式。例如,当从别的网址复制提示词过来效果不一样时,可能是因为 ComfyUI 读不懂提示词中的权重表达。 在模型使用和工作流方面,可能会遇到诸如 inspire 节点安装问题、负向提示词和系数权重的疑问、添加提示词队列报错、工作流的保存和使用、放大图片未显示及节点未跑通、只跑工作流后面一段等问题,相应的解决方法包括更换并加载默认工作流尝试、将随机换成固定等。同时,还包括节点打包操作、报错处理、模型选择及参数设置、快捷键及资源获取等方面的内容。
2025-03-06
comfyUi与webui的区别
ComfyUI 与 WebUI 的区别如下: ComfyUI 简介: 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI,可想象成集成了 stable diffusion 功能的 substance designer,将流程拆分成节点,实现更精准工作流定制和完善的可复现性。 优势: 对显存要求相对较低,启动和出图速度快。 生成自由度更高。 可以和 WebUI 共享环境和模型。 能搭建自己的工作流程,可导出流程并分享,报错时能清晰发现错误所在。 生成的图片拖进后会还原整个工作流程,模型也会选择好。 劣势: 操作门槛高,需要清晰逻辑。 生态不如 WebUI 丰富,但也有针对其开发的有趣插件。 官方链接:https://github.com/comfyanonymous/ComfyUI 采样器与调度器: 在 ComfyUI 中,采样器与调度器分开,不同于 WebUI 中将两者合并。ComfyUI 通过采样器+调度器组合的方式与 WebUI 中的一致,选择 karras 调度器一般效果较好。 插件: 插件安装管理器:https://github.com/ltdrdata/ComfyUIManager SDXL 风格样式:https://github.com/twri/sdxl_prompt_styler ComfyUI 界面汉化:https://github.com/AIGODLIKE/AIGODLIKECOMFYUITRANSLATION 中文提示词输入:https://github.com/AlekPet/ComfyUI_Custom_Nodes_AlekPet 蟒蛇八卦工具箱:https://github.com/pythongosssss/ComfyUICustomScripts 提示词权重调节器:https://github.com/BlenderNeko/ComfyUI_AD 在 WebUI 中安装插件能直观看到并使用,因其有良好用户界面;而 ComfyUI 安装插件后可能看不到,需通过节点连接感受其功能,安装方法是将解压好的文件夹放入“E:\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes”目录,然后重新启动。
2025-03-06
ComfyUI只能在N卡使用?可以在A卡上使用吗
ComfyUI 对电脑硬件有一定要求: 系统:Windows 7 以上。 显卡:推荐使用 NVIDIA 独立显卡且显存至少 4G 起步。不过,mac 系统、AMD 显卡以及低显卡的情况也可以安装使用,但可能存在功能不全、出错率偏高的问题,严重影响使用体验,建议升级设备或者采用云服务器玩耍。 硬盘:留有足够的空间,最低 100G 起步(包括模型)。 运行内存:最低 32GB,越高越好,最低配会经常爆显存。SDXL 出来后提高了运行配置,最低需要 8GB 显存+32GB 运行内存,12GB 流畅运行,推荐 16GB 以上。 甚至没有 GPU,光用 CPU 也可以运行,缺点是速度极慢。 综上所述,ComfyUI 虽然在某些情况下 A 卡也能安装使用,但使用体验可能不佳,一般建议使用 N 卡。
2025-03-06
ComfyUI是什么
ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI,具有以下特点: 简介:可以想象成集成了 stable diffusion 功能的 substance designer,通过将 stable diffusion 的流程拆分成节点,实现更加精准的工作流定制和完善的可复现性。 优劣势: 优势:对显存要求相对较低,启动速度快,出图速度快;具有更高的生成自由度;可以和 webui 共享环境和模型;可以搭建自己的工作流程,可以导出流程并分享给别人,报错的时候也能清晰的发现错误出在哪一步;生成的图片拖进后会还原整个工作流程,模型也会选择好。 劣势:操作门槛高,需要有清晰的逻辑;生态没有 webui 多(常用的都有),也有一些针对 Comfyui 开发的有趣插件。 官方链接:从 github 上下载作者部署好环境和依赖的整合包,按照官方文档按照即可:https://github.com/comfyanonymous/ComfyUI 生图原理: Pixel Space(像素空间):图的左边表示输入图像的像素空间,在 ComfyUI 中,这个对应于你可能通过“图像输入”模块或直接从文本提示生成的随机噪声图像。在生成过程结束时,系统会将处理后的潜在表示转换回像素空间,生成最终的图像。 Latent Space(潜在空间):ComfyUI 中的应用:ComfyUI 的许多操作都在潜在空间中进行,如 KSampler 节点就是在这个空间中执行采样过程。图像被映射到潜在空间后,扩散过程在这个空间中进行。在 ComfyUI 中,你可以通过节点调整对潜在空间的操作,如噪声添加、去噪步数等。这部分通常由潜在空间操作模块来实现。 扩散过程(Diffusion Process):噪声的生成和逐步还原:扩散过程表示的是从噪声生成图像的过程。在 ComfyUI 中,这通常通过调度器(Schedulers)控制,典型的调度器有 Normal、Karras 等,它们会根据不同的采样策略逐步将噪声还原为图像。你可以通过 ComfyUI 中的“采样器”节点选择不同的调度器,来控制如何在潜在空间中处理噪声,以及如何逐步去噪回归到最终图像。时间步数:在生成图像时,扩散模型会进行多个去噪步。图中展示的 zT 代表不同时间步长下的潜在表示。在 ComfyUI 中,你可以通过控制步数来影响图像生成的精细度和质量。 延伸应用:开源项目作者 ailm 在 ComfyUI 上搭建了一个可以接入飞书的 AI 女友麦洛薇(mylover),实现了稳定人设,无限上下文,永久记忆,无缝联动 SD 绘图等功能。由于是基于 comfyui 开发,适合完全没有代码基础的小伙伴们复现并且按自己的想法修改工作。
2025-03-06
大模型输出和节点输出配置不匹配怎么解决
当大模型输出和节点输出配置不匹配时,您可以参考以下要点来解决: 1. 输入与输出的变量名称可自定义,按照自身习惯设定,以便识别字段含义。 2. 输入方面,因为取得的是开始节点中用户输入的{{BOT_USER_INPUT}},所以可直接选择引用。 3. 在提示词区域,由于需要 LLM 根据输入信息处理,所以需要两个双花括号,写明使用的输入项参数名,如{{input}}。 4. 输出方面,有几项子内容需要生成,就设置几项: 为了让大模型理解最终输出的形式要求,需要在用户提示词最后,添加输出格式段落,描述每个变量名称、输出内容、输出格式。 务必注意,变量名称、对应的输出内容、输出格式一定要前后完全一致,否则会输出失败,这一点很容易踩坑。 另外,虽然可以用大模型来实现变量类型的转换,比如选择“豆包·工具调用”,在大模型的高级设置中尽量把随机性调到最低,使其更严格遵循提示词。匹配好输入输出的名称与类型,提示词中注意用{{}}引用输入变量。但大模型节点效果不稳定,运行速度相对较慢,还可能带来额外花费。尤其当输出类型为 String 时,大模型容易画蛇添足地加上一些说明性文字,即使优化提示词去限制,也不一定每次都能限制住。一旦出现偏差,哪怕只是多一个字符,下游节点就可能无法正常运行,且对此调整手段有限。所以如果没有“代码恐惧症”,建议使用代码节点来实现。
2025-02-26
coze平台中的数据库应用,怎么判断数据是那个用户的,插入数据库节点时,需要明确用户uuid吗
在 Coze 平台中判断数据属于哪个用户,插入数据库节点时通常需要明确用户的唯一标识,如用户 UUID 或类似的唯一标识。 例如,在自动总结公众号内容并定时推送到微信的工作流中,考虑到可能有多个用户同时使用,使用了 server 酱的 sendkey 作为用户的唯一标识(重命名为 suid)。在数据库节点中查询是否已经推送过文章时,需要文章的 url 和用户的 suid 这两个值来判断。 在增加记账记录的工作流中,通过大语言模型将用户输入的非结构化数据转变为结构化数据存入数据库时,也需要明确相关的用户标识。 在 COZE 工作流中,数据库节点的设置包括输入参数的设置(如参数名、参数值、引用来源)以及在 SQL 输入中添加相应的代码。 总之,明确用户标识对于准确判断数据归属和进行数据库操作是很重要的。
2025-02-25
chatgpt发展节点
ChatGPT 的发展节点如下: 2022 年,OpenAI 专注于“与 GPT3.5 聊天”项目,开发者对模型对话表现出兴趣,随后将其打造为 ChatGPT,并于 2022 年 11 月 30 日正式发布。ChatGPT 的推出成为人工智能革命的引爆点,开启了公司、行业和全球的增长曲线。 过去两年,重新构建 OpenAI 充满挑战,在摸索中前进,经历挫折,也有冲突和误解,但这段经历充满价值、趣味和收获。 此外,近两年来,人工智能技术特别是大语言模型快速发展,AI 产品发展趋势发生变化: 从通用能力到专业化细分,如图像生成(Midjourney、Stable Diffusion 等)、视频制作(Pika、Runway 等)、音频处理等细分领域的产品不断提升核心能力。 商业模式也在探索创新,如 ToB 市场的深耕(针对内容创作者的 ReadPo)、新型广告模式(天宫搜索的“宝典彩页”)等。 在认识 ChatGPT 方面: 阶段一为开卷有益阶段,学习语义关系、语法规律等,GPT3 习得各种词汇和语法规则,但存在问题,需要指挥。 阶段二为模版规范阶段,通过对话模版矫正模型,实现优质对话和延展能力,能理解指令要求和例子要求,但在人文领域问题上缺乏创新性。
2025-02-06
在comfyUI中可以接入哪些节点
在 ComfyUI 中可以接入以下类型的节点: 1. 输入节点: 文本提示节点:用于输入生成图像的文本描述。 图像输入节点:用于输入基础图像进行二次生成。 噪声节点:用于输入初始噪声图像。 2. 处理节点: 采样器节点:选择图像生成所使用的采样器。 调度器节点:选择图像生成所使用的调度器。 CFG Scale 节点:调整引导式采样的强度。 步数节点:设置图像生成的迭代步数。 3. 输出节点: 图像输出节点:显示生成的最终图像。 4. 辅助节点: 批处理节点:支持批量生成多个图像。 图像变换节点:提供图像旋转、翻转等功能。 图像融合节点:可以将多个图像合并成一个。 此外,还有一些特定的节点插件,如: 1. PuLID 节点插件: model:使用预训练的基础文本到图像扩散模型,如 Stable Diffusion。 pulid:加载的 PuLID 模型权重,定义 ID 信息如何插入基础模型。 eva_clip:用于从 ID 参考图像中编码面部特征的 EvaCLIP 模型。 face_analysis:使用 InsightFace 模型识别和裁剪 ID 参考图像中的面部。 image:提供的参考图像用于插入特定 ID。 method:选择 ID 插入方法,如“fidelity”(优先保真度)、“style”(保留生成风格)和“neutral”(平衡两者)。 weight:控制 ID 插入强度,范围为 0 到 5。 start_at 和 end_at:控制在去噪步骤的哪个阶段开始和停止应用 PuLID ID 插入。 attn_mask:此选项用于提供灰度掩码图像,以控制 ID 自定义的应用位置,但并不是必需输入,而是可选输入。 Advanced Node:提供了高级节点,可以通过调整 fidelity 滑块和 projection 选项进行更精细的生成调优。 2. 中文提示词输入相关节点: 安装完成后,在【新建节点】【Alek 节点】下,有【预览文本】、【绘画】、【姿态】、【clip 文本编码器】和【翻译文本】这五个节点。 【clip 文本编码器(翻译)】可代替自带的【clip 文本编码器】,直接输入中文。但引用负向 embedding 时,文件夹路径不能有中文。 【翻译文本】节点可代替【元节点】,在 sdxl 流程中,当需要将文本信息单独列出来时使用。 【预览文本】节点可连接到【翻译文本】检查翻译是否正确。 如果翻译失效,可双击“embedded_instail”进行安装,然后用记事本打开 BaiduTranslate.py,填入在百度翻译开发平台申请的 ID 和密码,即可正常翻译。
2025-01-14
可以把tripo的节点接入comfyui吗
要将 tripo 的节点接入 ComfyUI,您可以参考以下步骤: 1. 确保后面有一个空格。然后将 requirements_win.txt 文件拖到命令提示符中(如果您在 Windows 上;否则,选择另一个文件 requirements.txt)。拖动文件将在命令提示符中复制其路径。 2. 按 Enter 键,这将安装所有所需的依赖项,使其与 ComfyUI 兼容。请注意,如果为 Comfy 使用了虚拟环境,必须首先激活它。 3. 在使用自定义节点之前,有一些要注意的事项: 您的图像必须放在一个以命名的文件夹中。那个数字很重要:LoRA 脚本使用它来创建一些步骤(称为优化步骤…但别问我是什么^^’)。它应该很小,比如 5。然后,下划线是必须的。 对于 data_path,您必须写入包含数据库文件夹的文件夹路径。例如:C:\\database\\5_myimages ,您必须写 C:\\database 。 Python 在这里需要斜杠,但节点会自动将所有反斜杠转换为斜杠。文件夹名称中的空格也不是问题。 4. 参数方面: 在第一行,您可以从 checkpoint 文件夹中选择任何模型。然而,据说您必须选择一个基本模型进行 LoRA 训练。 您选择一个名字为您的 LoRA,如果默认值对您不好,就更改这些值(epochs 数应该接近 40),然后启动工作流程! 5. 一旦您点击 Queue Prompt,所有事情都会在命令提示符中发生。 6. 建议与字幕自定义节点和 WD14 标签一起使用。但请注意,在制作字幕时禁用 LoRA 训练节点。因为 Comfy 可能会在制作字幕之前启动训练。 7. 关于 Tensorboard:训练会在 log 文件夹中创建一个日志文件,该文件夹会在 Comfy 的根文件夹中创建。该日志可能是一个可以在 Tensorboard UI 中加载的文件。 ComfyUI 的核心是其节点式界面,节点类型包括输入节点(如文本提示节点、图像输入节点、噪声节点)、处理节点(如采样器节点、调度器节点、CFG Scale 节点、步数节点)、输出节点(如图像输出节点)、辅助节点(如批处理节点、图像变换节点、图像融合节点)。用户可以通过拖放和连接各种节点来创建自定义的图像生成工作流,还可以创建自定义节点来扩展功能,自定义节点安装目录为 D:\\ComfyUI\\custom_nodes 。ComfyUI 还提供了丰富的节点管理功能,包括保存/加载节点图、复制/粘贴节点、批量编辑等。
2025-01-14
代码节点
以下是关于代码节点的详细介绍: 代码节点支持通过 IDE 编写 Python 或 JavaScript 脚本,用于处理输入参数并返回输出值。代码节点支持 JavaScript 和 Python 运行时。在节点内的代码区域,可以单击“在 IDE 中编辑”来进行代码的编辑和调试。 在使用代码节点时,尽量使用 JavaScript,并且尽量让 AI 去写。原则上能不写就不写,如果不熟悉,容易增加不必要的麻烦。 在一些工作流中,如制作卡片的工作流,会利用代码节点改变 HTML 展示的信息变量。同时,代码节点中的变量用{{}}来包裹,这里的变量就是前面输入的内容,如果变量名正确,会显示成蓝色。 工作流由多个节点构成,代码节点是其中的一种基本单元。扣子为您提供了多种基础节点,包括大语言模型节点、知识库节点、ifelse 逻辑节点等。不同节点可能需要不同的输入参数,输入参数分为引用和输入两类。引用是指引用前面节点的参数值,输入则是支持设定自定义的参数值。工作流默认包含 Start 节点和 End 节点,Start 节点是起始节点,可包含用户输入信息,End 节点是末尾节点,用于返回工作流的运行结果。
2025-01-10