@@ -94,28 +94,28 @@ No module named pip
9494
9595# ## ComfyUI Models 目录结构详解
9696
97- | dir | for |
98- | :----------------- | :-------------------------------------------------------------------------------------------------------------------------------------------------------- |
99- | ` ` | 核心基础模型，也叫“大模型”。这是文生图的起点，决定了图像生成的基础风格和能力。例如 Stable Diffusion v1.5, SDXL, 以及社区训练的各种整合模型。 |
100- | ` ` | LoRA 模型。这些是小型微调文件，用于向基础模型添加特定的角色、画风、概念或服装，灵活性极高。 |
101- | ` ` | VAE 模型。用于图像的编码和解码。独立的 VAE 文件可以修正图像的色彩（如改善灰蒙蒙的问题）或修复手部等细节问题。SDXL 模型通常不需要额外 VAE。 |
102- | ` ` | ControlNet 模型。用于精确控制图像的生成，例如通过姿势骨架、深度图、线稿、二维码等来引导构图和内容。 |
103- | ` ` | 图像放大模型。用于“图像放大 (模型)”节点，提升图片分辨率并优化细节。例如 ESRGAN, SwinIR, 4x-UltraSharp 等。 |
104- | ` ` | 文本反演 (Textual Inversion) 嵌入，也叫 Embedding。这些是极小的文件，通过一个关键词触发特定的概念、角色或画风。常用于负面提示词（如 ` ` ）。 |
105- | ` ` | CLIP 文本编码器模型。通常 ComfyUI 会自动从大模型中加载，但你也可以把独立的 CLIP 模型放在这里，供高级工作流使用。 |
106- | ` ` | CLIP Vision 模型。用于分析图像内容，是 IPAdapter、PhotoMaker 等“图像提示”功能的核心组件。 |
107- | ` ` | 风格模型。主要用于 T2I-Adapter，功能与 ControlNet 类似，但更侧重于风格的迁移。 |
108- | ` ` | Hypernetwork 模型。一种比 LoRA 更早出现的微调技术，现在已不常用，但 ComfyUI 仍然支持加载。 |
109- | ` ` | U-Net 模型。U-Net 是 Stable Diffusion 模型的核心降噪网络。普通用户几乎不会用到这个目录，主要用于模型开发和研究，将 U-Net 单独分离出来加载。 |
110- | ` ` | 文本编码器模型。与 ` ` 类似，用于模型研究，允许单独加载和替换文本编码器部分。 |
111- | ` ` | PhotoMaker 模型。一种专门用于根据输入人脸照片生成统一角色的模型。 |
112- | ` ` | SAM (Segment Anything Model) 模型。由 Meta 开发的图像分割模型，在 ComfyUI 中用于精确地创建和分离遮罩 (Mask)。 |
113- | ` ` | GLIGEN 模型。用于“限定区域生成”，允许你通过画框来指定某个物体在图像中的特定位置和大小。 |
114- | ` ` | 用于存放 Hugging Face 的 Diffusers 格式模型。这种格式是一个包含多个子目录和文件的文件夹，而不是单个文件。ComfyUI 可以直接加载这种格式。 |
115- | ` ` | 配置文件。存放一些旧的 ` ` 模型所需要的 ` ` 配置文件，以帮助 ComfyUI 识别其模型架构（如 v1 或 v2）。现在的 ` ` 模型通常不需要。 |
116- | ` ` | VAE 近似解码器模型。这些是极小的、速度极快的模型，用于在 KSampler 采样过程中生成快速预览图，而不是每次都调用完整的 VAE。 |
117- | ` ` | ONNX 模型。用于存放已转换为 ONNX (Open Neural Network Exchange) 格式的模型，通常用于在非 NVIDIA 硬件（如 AMD 显卡）上通过 DirectML 或 Olive 进行推理。 |
118- | ` ` | 扩散模型组件。一个更通用的目录，类似于 ` ` ，用于存放扩散模型的某些部分。主要供模型开发者使用。 |
97+ | dir | for |
98+ | :----------------- | :----------------------------------------------------------------------------------------------------------------------------------------------------- |
99+ | ` ` | 核心基础模型，也叫“大模型”。这是文生图的起点，决定了图像生成的基础风格和能力。例如 Stable Diffusion v1.5, SDXL, 以及社区训练的各种整合模型。 |
100+ | ` ` | LoRA 模型。这些是小型微调文件，用于向基础模型添加特定的角色、画风、概念或服装，灵活性极高。 |
101+ | ` ` | VAE 模型。用于图像的编码和解码。独立的 VAE 文件可以修正图像的色彩（如改善灰蒙蒙的问题）或修复手部等细节问题。SDXL 模型通常不需要额外 VAE。 |
102+ | ` ` | ControlNet 模型。用于精确控制图像的生成，例如通过姿势骨架、深度图、线稿、二维码等来引导构图和内容。 |
103+ | ` ` | 图像放大模型。用于“图像放大 (模型)”节点，提升图片分辨率并优化细节。例如 ESRGAN, SwinIR, 4x-UltraSharp 等。 |
104+ | ` ` | 文本反演 (Textual Inversion) 嵌入，也叫 Embedding。这些是极小的文件，通过一个关键词触发特定的概念、角色或画风。常用于负面提示词（如 ` ` ）。 |
105+ | ` ` | CLIP 文本编码器模型。通常 ComfyUI 会自动从大模型中加载，但你也可以把独立的 CLIP 模型放在这里，供高级工作流使用。 |
106+ | ` ` | CLIP Vision 模型。用于分析图像内容，是 IPAdapter、PhotoMaker 等“图像提示”功能的核心组件。 |
107+ | ` ` | 风格模型。主要用于 T2I-Adapter，功能与 ControlNet 类似，但更侧重于风格的迁移。 |
108+ | ` ` | Hypernetwork 模型。一种比 LoRA 更早出现的微调技术，现在已不常用，但 ComfyUI 仍然支持加载。 |
109+ | ` ` | U-Net 模型。U-Net 是 Stable Diffusion 模型的核心降噪网络。普通用户几乎不会用到这个目录，主要用于模型开发和研究，将 U-Net 单独分离出来加载。 |
110+ | ` ` | 文本编码器模型。与 ` ` 类似，用于模型研究，允许单独加载和替换文本编码器部分。 |
111+ | ` ` | PhotoMaker 模型。一种专门用于根据输入人脸照片生成统一角色的模型。 |
112+ | ` ` | SAM (Segment Anything Model) 模型。由 Meta 开发的图像分割模型，在 ComfyUI 中用于精确地创建和分离遮罩 (Mask)。 |
113+ | ` ` | GLIGEN 模型。用于“限定区域生成”，允许你通过画框来指定某个物体在图像中的特定位置和大小。 |
114+ | ` ` | 用于存放 Hugging Face 的 Diffusers 格式模型。这种格式是一个包含多个子目录和文件的文件夹，而不是单个文件。ComfyUI 可以直接加载这种格式。 |
115+ | ` ` | 配置文件。存放一些旧的 ` ` 模型所需要的 ` ` 配置文件，以帮助 ComfyUI 识别其模型架构（如 v1 或 v2）。现在的 ` ` 模型通常不需要。 |
116+ | ` ` | VAE 近似解码器模型。这些是极小的、速度极快的模型，用于在 KSampler 采样过程中生成快速预览图，而不是每次都调用完整的 VAE。 |
117+ | ` ` | ONNX 模型。用于存放已转换为 ONNX (Open Neural Network Exchange) 格式的模型，通常用于在非 NVIDIA 硬件（如 AMD 显卡）上通过 DirectML 或 Olive 进行推理。 |
118+ | ` ` | 扩散模型组件。一个更通用的目录，类似于 ` ` ，用于存放扩散模型的某些部分。主要供模型开发者使用。 |
119119
120120** AI Art**
121121
@@ -212,7 +212,7 @@ No module named pip
212212# # API
213213
214214` ` `
215-
215+ [object Object]
216216` ` `
217217
218218# # 参考 {#reference}
@@ -299,6 +299,36 @@ For debugging consider passing CUDA_LAUNCH_BLOCKING=1
299299Compile with ` TORCH_USE_CUDA_DSA` enable device-side assertions.
300300` ` `
301301
302+ # # Why ComfyUI
303+
304+ ** 优点**
305+
306+ - ** 速度与灵活性**
307+ ComfyUI 可以很快地搭建和调整流程，没有固定套路，想怎么用都行。
308+ - ** 过程可视化**
309+ 整个生成流程都能看到，每个节点做什么一目了然，方便理解图片是怎么一步步生成的。
310+ - ** 分享和协作简单**
311+ 搭好的流程可以很容易分享给别人，也能导入他人的流程，合作很方便。
312+ - ** 不需要编程**
313+ 不会写代码也能用，拉节点、连线就行，谁都能上手。
314+ - ** 高度自定义**
315+ 可以根据自己的需求调整流程，功能很丰富，适合各种场景。
316+
317+ ** 缺点**
318+
319+ - ** 界面不统一**
320+ 每个人搭建的流程节点可能布局都不一样，看别人的流程可能要花点时间理解和改动。
321+ - ** 细节太多**
322+ 会显示很多底层细节，对新手来说可能有点复杂，有些人只想简单用用会觉得信息量太大。
323+ - ** 上手有门槛**
324+ 虽然不用代码，但理解节点怎么用、流程如何搭比较花时间，新手需要适应。
325+ - ** 性能受限**
326+ 流程复杂或者电脑性能不够时，运行会变慢，尤其是硬件达不到推荐要求的时候。
327+ - ** 协作有难度**
328+ 虽然共享流程很方便，但大家布局风格不同，把不同人的流程拼一起不太容易。
329+ - ** 自定义带来的负担**
330+ 可调的地方太多，有时候会在调细节上花太多时间，影响效率。
331+
302332# # ImportError: cannot import name 'guidedFilter' from 'cv2.ximgproc'
303333
304334` ` `
0 commit comments