ComfyUI 是 Stable Diffusion 的一个基于节点组装绘图流程的图形用户界面（GUI）。通过将不同的节点连接在一起，你可以在 ComfyUI 中构建图像生成工作流。一个完整的工作流看起来像下面这样：
我们在上一篇教程中介绍了如何在 Windows 和 macOS 设备上安装 ComfyUI：
接下来，通过示例学习 ComfyUI 是最好的方式。所以，在这一系列的教程中，我们将通过最简单的文本到图像工作流来学习 ComfyUI 中的操作。
同时，我们将介绍一些基本的工作流示例，在研究了这些基本示例之后，你就能理解如何制作自己的工作流了。在本系列教程的最后，你将有机会制作一个相当复杂的工作流。
在开始之前，ComfyUI 有一些常用的基本操作，大家可以记下来：
使用鼠标滚轮或两指捏合来放大和缩小。 按住拖动输入或输出的点以形成连接。你只能连接相同类型的输入和输出。 按住鼠标左键拖动以在工作区移动。 按 Ctrl+0（Windows）或 Cmd+0（macOS）显示队列面板。
这篇教程我们来继续介绍使用 ComfyUI 从文本生成图像的流程。
经典，对吧？通过这个示例，你还将了解 ComfyUI 的理念（它与 Automatic1111 WebUI 非常不同）。同时，你也将更多地了解 Stable Diffusion 的工作原理。
1、操作 ComfyUI 生成你的第一张图像
第一次启动 ComfyUI 后，你应该看到默认的文本到图像工作流。它应该看起来像这样：
如果你看到的不是这样，请单击右侧面板上的 Load Default 以返回这个默认的文本到图像工作流。
如果你没有看到右侧面板，请按 Ctrl+0（Windows）或 Cmd+0（macOS）。
展示出默认工作流后，你将看到工作流是由两个基本模块组成：节点和连线。
节点是矩形块，例如 Load Checkpoint、Clip Text Encoder 等。每个节点执行一些代码。如果你有一些编程经验，你可以将它们视为函数。每个节点需要三个要素：
输入：左侧连入的连线的文本和点。 输出：左侧连出的连线的文本和点。 参数：块中心的字段。
连线是连接节点之间输出和输入的线。
这就是 ComfyUI 的全部理念，其余的都是细节。
节点上的文字术语看起来很吓人，不过不用担心。我们将通过一个简单的 ComfyUI 使用示例介绍这些概念，并逐渐过渡到更复杂的工作流。
1.1、选择一个模型
你现在应该处于默认的文本到图像工作流中。
首先，在 Load Checkpoint 节点中选择一个 Stable Diffusion 的 Checkpoint 模型。单击模型名称可以显示可用模型列表。
如果节点太小，你可以使用鼠标滚轮或在触摸板上用两个手指捏合来放大和缩小。
如果单击模型名称没有反应，你可能没有安装模型或配置它以使用你在 Automatic1111 WebUI 中现有的模型。首先返回安装 ComfyUI 教程来解决这个问题。
1.2、输入提示词和负向提示词
你应该看到两个标记为 CLIP Text Encode (Prompt) 的节点。在顶部的一个中输入你的提示词，在底部的一个中输入你的负向提示词。
CLIP Text Encode 节点首先将提示词转换为 tokens，然后使用文本编码器将它们编码为 embeddings。
你可以使用 (关键字:权重) 语法来控制关键字的权重。例如：(关键字:1.2) 增加其效果。(关键字:0.8)减少其效果。
为什么顶部的节点是提示词，而下面的节点上负向提示词？这个可以看 CONDITIONING 这个输出点。顶部节点的 CONDITIONING 输出点连接到了 KSampler 节点的 positive 输入，所以它是提示词；而底部的节点的 CONDITIONING 输出点则连接到 negative，所以它是负面提示。
1.3、生成图像
单击 Queue Prompt 开始运行工作流。稍等片刻后，你应该会看到生成的第一张图像：
2、刚才的过程发生了什么
使用 ComfyUI 的优点是它可以灵活配置，因此，了解每个节点的作用是很值得的，这样你就可以根据需要来配置和使用它们。
如果你对这部分理论知识不感兴趣，可以跳过后面的内容。
2.1、Load Checkpoint 节点
使用 Load Checkpoint 节点选择模型。Stable Diffusion 模型有三个主要部分：
1、MODEL：潜在空间中的噪声预测模型。 2、CLIP：预处理正面和负面提示词的语言模型。 3、VAE：Variational Auto Encoder，在像素和潜在空间之间进行图像转换。
MODEL 这个输出点连接到采样器（sampler），在那里完成反向扩散（降噪）过程。
CLIP 这个输出点连接到提示词（prompts），因为提示词需要通过 CLIP 模型处理后才能使用。
VAE 只在文本到图像的最后一步使用：将图像从潜在空间转换为像素空间。换句话说，我们只使用自动编码器（VAE）的解码器部分。
2.2、CLIP Text Encode 节点
CLIP Text Encode 节点获取提示词并将其输入给 CLIP 语言模型。CLIP 是 OpenAI 的语言模型，它会将提示词中的每个单词转换为 embeddings。
2.3、Empty Latent Image 节点
文本到图像的生成过程是从潜在空间中的一个随机图像开始。
潜在图像的大小与像素空间中的实际图像成正比。所以，如果你想改变图像的大小，就改变潜在图像的大小。
你可以设置 height 和 width 来改变像素空间中的图像大小。
这里，你还可以设置 batch_size，即每次运行生成的图像数量。
2.4、KSampler 节点
KSampler 采样器是 Stable Diffusion 图像生成的核心，它将一个随机图像降噪为与你的提示词匹配的图像。
KSampler 指的是在 k-diffusion[1] 这个代码库中实现的采样器。
以下是 KSampler 节点中的参数：
Seed：种子，随机种子值控制潜在图像的初始噪声，因此，也控制最终图像的组成。 Control_after_generation：每次生成后 Seed应如何改变。它可以是获得一个随机值（randomize）、增加 1（increment）、减少 1（decrement）或保持不变（fixed）。Step：采样步数。数值越高，在数值处理过程中的失真越少。 Sampler_name：在这里，你可以设置采样算法。 Scheduler：调度器，控制每一步中的噪声水平应如何变化。 Denoise：降噪过程中应该去除多少初始噪声。1 表示全部去除。
到这里，我们就介绍完了使用 ComfyUI 默认的文本到图像工作流来生成一幅图像的流程，以及其中涉及到的理论知识。
参考资料
k-diffusion: https://github.com/crowsonkb/k-diffusion
如果上面的教程对你有帮助，不妨关注一下我们跟进后续的内容：
如果你想快速上手学习 AI 绘画相关的技术，欢迎购买《零基础玩转 Stable Diffusion》这本书：
另外，凡是这本书的读者，请通过下面二维码加我微信，免费加入我们的 AIGC 搞钱社群。
