stable-diffusion 3 体验部署流程（ComfyUI)

最新推荐文章于 2025-04-27 11:12:13 发布
最新推荐文章于 2025-04-27 11:12:13 发布
阅读量4.5k 收藏 21
点赞数 40
分类专栏： AI 大模型 文章标签： stable diffusion SD3 StableDiffusion
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tanlintanlin/article/details/139664020
版权

环境准备

下载及简介

git clone https://huggingface.co/stabilityai/stable-diffusion-3-medium
SD3 checkpoints：

  1. sd3_medium_incl_clips.safetensors (5.5GB)
  2. sd3_medium_incl_clips_t5xxlfp8.safetensors (10.1GB)
  3. sd3_medium.safetensors (4.3GB)

前两个可以像 ComfyUI 中的任何常规checkpoints一样使用。这两个checkpoints之间的区别在于，第一个仅包含 2 个文本编码器：CLIP-L 和 CLIP-G，第二个包含 3 个：CLIP-L、CLIP-G 和 T5XXL。第三个模型不包含文本编码器，必须单独加载它们才能使用该文件。

模型保存

把如下三个模型放在 ComfyUI/models/checkpoints/ 目录中（可以选择其中一个模型体验）

  • sd3_medium_incl_clips.safetensors
  • sd3_medium_incl_clips_t5xxlfp8.safetensors
  • sd3_medium.safetensors
文本编码器保存

从text_encoders目录下载文本编码器，选择其中的一个文件保存到ComfyUI/models/clip/目录中：

  • clip_g.safetensors
  • clip_l.safetensors
  • t5xxl_fp8_e4m3fn.safetensors
  • t5xxl_fp16.safetensors

ComfyUI 测试体验

打开comfyui 界面 导入脚本并执行：

{
  "last_node_id": 272,
  "last_link_id": 599,
  "nodes": [
    {
      "id": 11,
      "type": "TripleCLIPLoader",
      "pos": [
        -1885,
        -49
      ],
      "size": {
        "0": 315,
        "1": 106
      },
      "flags": {},
      "order": 0,
      "mode": 0,
      "outputs": [
        {
          "name": "CLIP",
          "type": "CLIP",
          "links": [
            5,
            94
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "TripleCLIPLoader"
      },
      "widgets_values": [
        "clip_g.safetensors",
        "clip_l.safetensors",
        "t5xxl_fp8_e4m3fn.safetensors"
      ]
    },
    {
      "id": 71,
      "type": "CLIPTextEncode",
      "pos": [
        -1869.2871546875003,
        560.071803930664
      ],
      "size": {
        "0": 380.4615783691406,
        "1": 102.07693481445312
      },
      "flags": {},
      "order": 6,
      "mode": 0,
      "inputs": [
        {
          "name": "clip",
          "type": "CLIP",
          "link": 94
        }
      ],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [
            93,
            580
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "title": "CLIP Text Encode (Negative Prompt)",
      "properties": {
        "Node name for S&R": "CLIPTextEncode"
      },
      "widgets_values": [
        "bad quality, poor quality, doll, disfigured, jpg, toy, bad anatomy, missing limbs, missing fingers, 3d, cgi"
      ],
      "color": "#322",
      "bgcolor": "#533"
    },
    {
      "id": 68,
      "type": "ConditioningSetTimestepRange",
      "pos": [
        -1010,
        167
      ],
      "size": {
        "0": 317.4000244140625,
        "1": 82
      },
      "flags": {},
      "order": 10,
      "mode": 0,
      "inputs": [
        {
          "name": "conditioning",
          "type": "CONDITIONING",
          "link": 90
        }
      ],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [
            91
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "ConditioningSetTimestepRange"
      },
      "widgets_values": [
        0.1,
        1
      ]
    },
    {
      "id": 70,
      "type": "ConditioningSetTimestepRange",
      "pos": [
        -1006,
        314
      ],
      "size": {
        "0": 317.4000244140625,
        "1": 82
      },
      "flags": {},
      "order": 8,
      "mode": 0,
      "inputs": [
        {
          "name": "conditioning",
          "type": "CONDITIONING",
          "link": 93,
          "slot_index": 0
        }
      ],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [
            92
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "ConditioningSetTimestepRange"
      },
      "widgets_values": [
        0,
        0.1
      ]
    },
    {
      "id": 67,
      "type": "ConditioningZeroOut",
      "pos": [
        -1370,
        337
      ],
      "size": {
        "0": 211.60000610351562,
        "1": 26
      },
      "flags": {},
      "order": 9,
      "mode": 0,
      "inputs": [
        {
          "name": "conditioning",
          "type": "CONDITIONING",
          "link": 580
        }
      ],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [
            90
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "ConditioningZeroOut"
      }
    },
    {
      "id": 266,
      "type": "Note",
      "pos": [
        -2352,
        576
      ],
      "size": {
        "0": 308.061279296875,
        "1": 102.86902618408203
      },
      "flags": {},
      "order": 1,
      "mode": 0,
      "properties": {
        "text": ""
      },
      "widgets_values": [
        "Resolution should be around 1 megapixel and width/height must be multiple of 64"
      ],
      "color": "#432",
      "bgcolor": "#653"
    },
    {
      "id": 13,
      "type": "ModelSamplingSD3",
      "pos": [
        -974,
        -220
      ],
      "size": {
        "0": 315,
        "1": 58
      },
      "flags": {
        "collapsed": false
      },
      "order": 7,
      "mode": 0,
      "inputs": [
        {
          "name": "model",
          "type": "MODEL",
          "link": 565
        }
      ],
      "outputs": [
        {
          "name": "MODEL",
          "type": "MODEL",
          "links": [
            591
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "ModelSamplingSD3"
      },
      "widgets_values": [
        3
      ]
    },
    {
      "id": 69,
      "type": "ConditioningCombine",
      "pos": [
        -662,
        165
      ],
      "size": {
        "0": 228.39999389648438,
        "1": 46
      },
      "flags": {},
      "order": 11,
      "mode": 0,
      "inputs": [
        {
          "name": "conditioning_1",
          "type": "CONDITIONING",
          "link": 91
        },
        {
          "name": "conditioning_2",
          "type": "CONDITIONING",
          "link": 92
        }
      ],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [
            592
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "ConditioningCombine"
      }
    },
    {
      "id": 233,
      "type": "PreviewImage",
      "pos": [
        535.1143750722272,
        -147.92548481673106
      ],
      "size": {
        "0": 604.7489624023438,
        "1": 592.15576171875
      },
      "flags": {},
      "order": 14,
      "mode": 0,
      "inputs": [
        {
          "name": "images",
          "type": "IMAGE",
          "link": 599
        }
      ],
      "properties": {
        "Node name for S&R": "PreviewImage"
      }
    },
    {
      "id": 231,
      "type": "VAEDecode",
      "pos": [
        141,
        -177
      ],
      "size": {
        "0": 210,
        "1": 46
      },
      "flags": {},
      "order": 13,
      "mode": 0,
      "inputs": [
        {
          "name": "samples",
          "type": "LATENT",
          "link": 596
        },
        {
          "name": "vae",
          "type": "VAE",
          "link": 557
        }
      ],
      "outputs": [
        {
          "name": "IMAGE",
          "type": "IMAGE",
          "links": [
            599
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "VAEDecode"
      }
    },
    {
      "id": 252,
      "type": "CheckpointLoaderSimple",
      "pos": [
        -2314,
        -203
      ],
      "size": {
        "0": 746.7357788085938,
        "1": 98
      },
      "flags": {},
      "order": 2,
      "mode": 0,
      "outputs": [
        {
          "name": "MODEL",
          "type": "MODEL",
          "links": [
            565
          ],
          "shape": 3,
          "slot_index": 0
        },
        {
          "name": "CLIP",
          "type": "CLIP",
          "links": [],
          "shape": 3,
          "slot_index": 1
        },
        {
          "name": "VAE",
          "type": "VAE",
          "links": [
            557
          ],
          "shape": 3,
          "slot_index": 2
        }
      ],
      "properties": {
        "Node name for S&R": "CheckpointLoaderSimple"
      },
      "widgets_values": [
        "sdv3/2b_1024/sd3_medium.safetensors"
      ]
    },
    {
      "id": 271,
      "type": "KSampler",
      "pos": [
        -269,
        -179
      ],
      "size": {
        "0": 315,
        "1": 446
      },
      "flags": {},
      "order": 12,
      "mode": 0,
      "inputs": [
        {
          "name": "model",
          "type": "MODEL",
          "link": 591
        },
        {
          "name": "positive",
          "type": "CONDITIONING",
          "link": 595
        },
        {
          "name": "negative",
          "type": "CONDITIONING",
          "link": 592
        },
        {
          "name": "latent_image",
          "type": "LATENT",
          "link": 593
        },
        {
          "name": "seed",
          "type": "INT",
          "link": 597,
          "widget": {
            "name": "seed"
          },
          "slot_index": 4
        }
      ],
      "outputs": [
        {
          "name": "LATENT",
          "type": "LATENT",
          "links": [
            596
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "KSampler"
      },
      "widgets_values": [
        945512652412924,
        "fixed",
        28,
        4.5,
        "dpmpp_2m",
        "sgm_uniform",
        1
      ]
    },
    {
      "id": 135,
      "type": "EmptySD3LatentImage",
      "pos": [
        -2352,
        438
      ],
      "size": {
        "0": 315,
        "1": 106
      },
      "flags": {},
      "order": 3,
      "mode": 0,
      "inputs": [],
      "outputs": [
        {
          "name": "LATENT",
          "type": "LATENT",
          "links": [
            593
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "EmptySD3LatentImage"
      },
      "widgets_values": [
        1024,
        1024,
        1
      ]
    },
    {
      "id": 6,
      "type": "CLIPTextEncode",
      "pos": [
        -1876.2871546875003,
        284.0718039306641
      ],
      "size": {
        "0": 389.06927490234375,
        "1": 207.84902954101562
      },
      "flags": {},
      "order": 5,
      "mode": 0,
      "inputs": [
        {
          "name": "clip",
          "type": "CLIP",
          "link": 5
        }
      ],
      "outputs": [
        {
          "name": "CONDITIONING",
          "type": "CONDITIONING",
          "links": [
            595
          ],
          "shape": 3,
          "slot_index": 0
        }
      ],
      "properties": {
        "Node name for S&R": "CLIPTextEncode"
      },
      "widgets_values": [
        "a female character with long, flowing hair that appears to be made of ethereal, swirling patterns resembling the Northern Lights or Aurora Borealis. The background is dominated by deep blues and purples, creating a mysterious and dramatic atmosphere. The character's face is serene, with pale skin and striking features. She wears a dark-colored outfit with subtle patterns. The overall style of the artwork is reminiscent of fantasy or supernatural genres"
      ],
      "color": "#232",
      "bgcolor": "#353"
    },
    {
      "id": 272,
      "type": "PrimitiveNode",
      "pos": [
        -2342,
        278
      ],
      "size": {
        "0": 210,
        "1": 82
      },
      "flags": {},
      "order": 4,
      "mode": 0,
      "outputs": [
        {
          "name": "INT",
          "type": "INT",
          "links": [
            597
          ],
          "slot_index": 0,
          "widget": {
            "name": "seed"
          }
        }
      ],
      "title": "Seed",
      "properties": {
        "Run widget replace on values": false
      },
      "widgets_values": [
        945512652412924,
        "fixed"
      ]
    }
  ],
  "links": [
    [
      5,
      11,
      0,
      6,
      0,
      "CLIP"
    ],
    [
      90,
      67,
      0,
      68,
      0,
      "CONDITIONING"
    ],
    [
      91,
      68,
      0,
      69,
      0,
      "CONDITIONING"
    ],
    [
      92,
      70,
      0,
      69,
      1,
      "CONDITIONING"
    ],
    [
      93,
      71,
      0,
      70,
      0,
      "CONDITIONING"
    ],
    [
      94,
      11,
      0,
      71,
      0,
      "CLIP"
    ],
    [
      557,
      252,
      2,
      231,
      1,
      "VAE"
    ],
    [
      565,
      252,
      0,
      13,
      0,
      "MODEL"
    ],
    [
      580,
      71,
      0,
      67,
      0,
      "CONDITIONING"
    ],
    [
      591,
      13,
      0,
      271,
      0,
      "MODEL"
    ],
    [
      592,
      69,
      0,
      271,
      2,
      "CONDITIONING"
    ],
    [
      593,
      135,
      0,
      271,
      3,
      "LATENT"
    ],
    [
      595,
      6,
      0,
      271,
      1,
      "CONDITIONING"
    ],
    [
      596,
      271,
      0,
      231,
      0,
      "LATENT"
    ],
    [
      597,
      272,
      0,
      271,
      4,
      "INT"
    ],
    [
      599,
      231,
      0,
      233,
      0,
      "IMAGE"
    ]
  ],
  "groups": [
    {
      "title": "Load Models",
      "bounding": [
        -2410,
        -339,
        969,
        488
      ],
      "color": "#3f789e",
      "font_size": 24
    },
    {
      "title": "Input",
      "bounding": [
        -2409,
        181,
        972,
        523
      ],
      "color": "#3f789e",
      "font_size": 24
    },
    {
      "title": "Output",
      "bounding": [
        464,
        -273,
        741,
        814
      ],
      "color": "#3f789e",
      "font_size": 24
    }
  ],
  "config": {},
  "extra": {},
  "version": 0.4
}

测试结果展示
image.png
image.png
image.png
image.png
image.png
image.png

【Qinghub Studio 】更适合开发人员的低代码开源开发平台
【QingHub企业级应用统一部署】
【QingHub企业级应用开发管理】
【QingHub演示】
【https://qingplus.cn】

Stable-Diffusion 3 详细安装教程
weixin_44259499的博客
06-17 1896
近日，Stable-Diffusion 3 正式开源，成为人工智能与图像生成领域的一个重大事件。Stable-Diffusion 3 是由 Stability AI 开发的一款图像生成模型，通过扩散模型的原理，将噪声逐渐还原成高质量的图像。
AI绘画利器：Stable-Diffusion-ComfyUI保姆级教程，万字长文带你全面入手ComfyUI工作流绘画
A13531922961的博客
06-15 2326
大家好，我是设计师阿威。AI绘画在今天，已经发展到了炽手可热的地步，相比于过去，无论是从画面精细度，真实性，风格化，还是对于操作的易用性，都有了很大的提升。并且如今有众多的绘画工具可选择。今天我们主要来聊聊基于stable diffusion的！
重磅！Stable Diffusion 3.0正式开源！史上最强AI绘画模型！（附安装方法和下载地址）
白帽阿叁的博客
06-13 4731
正如承诺的那样，Stability AI在6月12日正式开源了Stable Diffusion 3（Medium版本）！不愧是AI生图领域的“开源英雄”。接下来就讲讲，怎么在本地部署最新的Stable Diffusion 3，大致分为以下几步
Flux【基础篇】：ComfyUI Flux.1工作流的本地部署安装教程
Misdirection_XG的博客
04-27 731
ComfyUI Flux.1工作流不仅在技术层面上实现了突破，更在艺术创作领域开辟了新的天地。利用提示词创作出独特的AI艺术作品，艺术家可以展现更加个性化和创意的作品。让我们一起探索ComfyUI Flux.1工作流的本地部署安装教程，开启AI艺术创作的新篇章。今天我们来分享一下如何在本地部署ComfyUI Flux.1工作流。我们以下面一个比较典型的ComfyUI Flux.1工作流为例来进行详细说明（工作流需要的同学可以自行扫描获取）。
【支持中文】stable-diffusion-3安装部署教程-SD3
CKLogic的博客
06-14 1162
stable-diffusion-3 SD3的安装部署教程
手把手教你用 ComfyUI 部署 Stable diffusion 3：轻松打造AI绘画新境界
小王的储物间
06-26 1514
大家好我是AIGC小王！Stable Diffusion 3是由Stability AI公司开发的一款开源图像生成模型，它基于深度学习技术，能够在没有任何人类指导的情况下生成高质量、逼真的图像。与传统的图像生成技术相比，Stable Diffusion 3具有更高的生成质量和更快的生成速度。为什么要在本地部署Stable Diffusion 3？更好的性能：本地部署可以充分利用你电脑的硬件资源，提供更好的性能和更快的生成速度。
零代码教你安装部署Stable Diffusion 3，一键生成高质量图像
cnzzs的博客
07-12 1301
本文分享自华为云社区《重磅！【支持中文】stable-diffusion-3安装部署教程-SD3 来了》，作者：码上开花_Lancer。正如承诺的那样，Stability AI在6月12日正式开源了Stable Diffusion 3(Medium版本)！不愧是AI生图领域的“开源英雄”。最近一段时间，正当所有人都在为O...
ComfyUI + Stable Diffusion 3（Windows 11）本地部署教程
谢谢你们的关注
06-26 1186
ComfyUI + Stable Diffusion 3（Windows 11）本地部署教程
GpuMall智算云：AUTOMATIC1111/stable-diffusion-webui/stable-diffusion-webui-v1.9.0
GpuMall的博客
05-27 848
目前平台集成了GpuMall智算云 | 省钱、好用、弹性。租GPU就上GpuMall,面向AI开发者的GPU云平台Stable Diffusion WebUI版本：v1.9.0Python版本：3.10.6Pytorch版本：2.1.1CUDA版本：11.8Xformers版本：0.0.23.post1Gradio版本：3.41.2部署目录：/root/stable-diffusion-webui/图片输出目录：/root/stable-diffusion-webui/outputs/
windows11搭建 stable-diffusion-webui
Z.X的博客
06-07 2430
2024年5月22日23:46:57建议电脑配置电脑配置： Intel® Core™ Ultra 5 125H 1.20 GHz 32.0 GB (31.6 GB 可用)系统：windows111，安装 Anaconda下载：64-Bit Graphical Installer (904.4M)安装比较简单，一路ok，注意吧命令加入环境变量：创建适合 stable-diffusion-webui 目前需要 3.10.6。
Stable Diffusion 4.8.7升级版更新，Ai绘画风口已来！（无需部署，解压即用）
weixin_55154866的博客
05-30 1188
2024可以称得上是Ai技术大爆发的元年，目前两款Ai神器大火，一款是大名鼎鼎的Chat GPT。 另外一款大火的是本期社长介绍的Ai绘图软件—Stable Diffusion。
Stable Diffusion Windows本地部署超详细教程（手动+自动+整合包三种方式）
热门推荐
sheex2012的博客
04-26 5万+
本文以Stable Diffusion为例，由难及易演示了手动、自动和整合包三种部署方式，并分析了这三种方式在虚拟环境创建、程序部署、数据下载部署等复杂动作的具体过程，为一键式自动部署提供了良好的借鉴，进一步促进AIGC的普惠应用。
AI之T2I：Stable Diffusion 3的简介、安装和使用方法、案例应用之详细攻略
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
02-25 8232
​ AI之T2I：Stable Diffusion 3的简介、安装和使用方法、案例应用之详细攻略 目录 Stable Diffusion 3的简介 Stable Diffusion 3的安装和使用方法 Stable Diffusion 3的案例应用 Stable Diffusion 3的简介 提示：夜晚，山顶上的巫师施展宇宙法术，将五彩能量投射到黑暗的天空中，上面写着“Stable Diffusion 3”的字样 2024年2月22日，发布早期预览版的Stable Diffusion
一份保姆级的Stable Diffusion部署教程，开启你的炼丹之路 | 京东云技术团队
JDDTechTalk的博客
07-07 1443
在经历了一系列的探索后，我为你总结出了一套零基础的、非常好上手的借助京东云GPU云主机部署安装Stable Diffusion WebUI以及相关工具和插件的保姆集教程，请查收。
Stable Diffusion本地部署教程
runqu的博客
04-06 1551
1）介绍Stable Diffusion是一个文本到图像的潜在扩散模型，由CompVis、Stability AI和LAION的研究人员在Latent Diffusion Model的基础上于2022年8月创建并推出。其核心技术源于AI视频剪辑技术创业公司Runway的首席研究科学家Patrick Esser以及慕尼黑大学机器视觉学习组的Robin Rombach。该模型可以根据输入的文本描述生成相应的图像。
【autodl】stable-diffusion-3-medium快速部署
weixin_39673686的博客
08-04 622
stable diffusion 3 medium 是一个开源模型，本教程是在autodl上部署modelscope上的sd3模型、
Stable Diffusion 3 ComfyUI基础工作流保姆级详解 | 全网最全SD3解析
2401_84830464的博客
06-29 3220
Stable Diffusion 3 已经发布！就在 6 月 12 日，Stable Diffusion 3 的媒体模型终于开放下载。虽然在 Web UI 上还没有提供体验可以体验的方式，但我们已经可以通过Comfy UI来尝试最新的 Stable Diffusion 3 模型。这篇文章作者将详细介绍如何在Comfy UI 中部署和使用这个新模型。
AI绘图的场景应用：文生图、图生图
qq_41314882的博客
03-15 5567
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
手把手教你用 ComfyUI 部署 Stable diffusion 3
m0_74942241的博客
10-14 1400
关于SD3的优势就不再赘述了，这里主要说说普通用户如何在本地进行部署。但是下载模型需要先登录Hugging Face账户，并签署一份许可协议签署完毕之后就可以看到整个项目的文件列表了上面的文件大致可以分为三部分：这部分主要是三份Comfyui的工作流文件，下面会用到。
stable diffusion和comfyui
最新发布
06-06
<think>嗯，用户这次问的是StableDiffusion和ComfyUI的关系以及集成使用方法。从之前的对话看，用户应该是个刚接触AI绘画的新手，可能已经尝试过WebUI版本，现在想了解更专业的ComfyUI操作方式。用户特意强调要“参考站内引用”，说明ta需要权威的技术解释，但同时又提醒引用只是参考，更关注实际问题解决——这种矛盾说明用户可能被网上零散教程困扰过。仔细看四个引用：引用1定义ComfyUI是模块化界面，引用2强调配置兼容性问题，引用3突出节点式操作优势，引用4其实是广告可以忽略。核心信息链应该是：ComfyUI作为SD的专业前端→通过节点控制生成流程→需要正确配置环境→操作门槛较高但更自由。用户问“关系或结合使用”其实包含两个层次：一是技术架构层面ComfyUI如何调用SD模型（需要解释后台引擎和前端界面的关系），二是实际工作流中如何协同（要说明节点如何对应SD的采样器、提示词等模块）。特别要注意提醒兼容性问题，因为引用2提到不同UI有配置差异，新手最容易在这里踩坑。上次回复时已经给出环境部署和基础工作流的步骤，这次应该侧重关系阐释：用比喻说明SD是引擎、ComfyUI是控制台，再用具体例子展示文本到图像的节点连接逻辑。用户可能更想知道“为什么用ComfyUI而不是WebUI”，需要对比两者在显存占用、流程可控性方面的差异——这正是引用3提到的关键优势。安全提示容易被忽略但很重要，引用2明确提到配置错误会导致结果异常，应该用显式警告框强调模型兼容性检查。最后保留的问答设计成阶梯式：从原理（计算图）到故障排除再到专业控制，这样用户无论处于哪个学习阶段都能找到切入点。</think> 以下是关于**Stable Diffusion与ComfyUI的集成和使用方法**的完整说明： --- ### **一、核心关系说明** 1. **技术依赖** ComfyUI 是 **Stable Diffusion 的专用操作界面**，类似于汽车的“方向盘和仪表盘”： - Stable Diffusion：图像生成的**底层引擎**（模型算法） - ComfyUI：控制引擎的**可视化操作台**（节点式工作流） > 二者通过配置文件关联，ComfyUI 调用 Stable Diffusion 的模型文件（如 `*.ckpt`, `*.safetensors`）执行生成任务[^1][^3]。 2. **功能定位** | 工具 | 特点 | |---------------------|----------------------------------------------------------------------| | Stable Diffusion Web UI | 交互简单，适合快速生成，但流程不可视化、显存占用高 | | **ComfyUI** | 通过**节点拖拽**定制生成流程，显存优化更好，支持复杂工作流调试与复用[^3] | --- ### **二、集成步骤（以Windows为例）** #### 1. **安装基础环境** ```bash # 安装 Python 3.10+ 和 Git git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt ``` #### 2. **关联Stable Diffusion模型** - 将模型文件放入对应文件夹（首次启动自动生成）： ``` ComfyUI/ ├── models/ │ ├── checkpoints/ # 放入SD基础模型（xxx.ckpt） │ ├── loras/ # LoRA模型 │ └── vae/ # VAE模型 ``` #### 3. **启动集成服务** ```bash python main.py --port 8188 ``` - 浏览器访问 `http://localhost:8188` 进入操作界面。 --- ### **三、基础工作流演示** 通过节点连接实现文本→图像生成： ![ComfyUI工作流示例](https://example.com/comfyui_workflow.png) *（节点包括：文本提示 → 加载模型 → K采样器 → 图像输出）* 1. **关键操作**： - 右键空白处添加节点（`Load Checkpoint`, `CLIP Text Encode`, `KSampler`等） - 连接节点逻辑线：提示词→模型→采样器→VAE解码→预览 - 调整采样参数（步骤数、CFG值、种子等） 2. **优势场景**： - **批量控制**：串联多个采样器实现图像迭代优化 - **精细化修图**：连接Inpaint节点局部重绘 - **LoRA融合**：并联多个LoRA模型实现风格混合[^2] --- ### **四、常见问题解决** | 问题 | 解决方案 | |-------------------------------|--------------------------------------------------------------------------| | 模型加载失败 | 检查模型格式是否为`.ckpt/.safetensors`，且存放路径正确 | | 生成结果不符预期 | 检查节点连接顺序，确保CLIP文本编码器连接至采样器的"positive"端口 | | 显存不足（<8GB） | 启用`--lowvram`参数启动，或使用`VAE`的`fp16`版本[^3] | > ⚠️ 注意：避免混用不同UI的配置文件（如Web UI的`config.yml`），否则可能导致参数冲突[^2]。 --- ### **五、进阶学习建议** 1. **节点工作流库**： 访问 [ComfyUI Examples](https://github.com/comfyanonymous/ComfyUI_examples) 学习复杂流程（如ControlNet+IPAdapter）。 2. **视频教程**： 推荐实战操作视频（搜索关键词：_"ComfyUI节点式工作流实操"_），直观掌握连接逻辑[^4]。 3. **性能优化**： 使用 `--xformers` 启动加速推理，或导出工作流为JSON模板复用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值