ComfyUI学习001：生成第一张美女图

关于如何安装ComfyUI，Nenly同学的视频以及网上可以找到一堆各种视频，又或者运用云平台本身就可以一键打开，这个咱们就不谈了。

我以咱们小白入门，生成第一张图开始。

我们首先要安装的，就是模型。我们先入门的自然是标准且目前最热门的大模型：Flux 1以及SD3.5。

Flux 1模型，是被称为能超越SD3的最好的AI绘画模型，在Nenly同学的课程视频里也有重点介绍。在SD3.5推出之后，这两个模型也算是各有千秋。你可以比较一下在同一个提示词下，这两个模型生成的图片差别——我个人更喜欢SD3.5的这张。

Flux 1模型目前最好的PRO版本并没有开源，免费使用的只有Flux 1 Dev模型，不过它对于显卡和内存的要求都比较高，所以大神们又再提炼了一个量化模型，Flux1-dev-fp8，这个模型在16-24GB显存就能通畅地运行。我的4090D显卡就是24GB。

什么叫量化模型？GPT 01 preview模型是这样解释的：

“量化版本”可以理解为把原本复杂、庞大的东西简化成更小、更高效的形式，但仍然保留主要功能。打个比方，就像把一本厚重的纸质书扫描成电子书。电子书占用的空间更小，方便携带，但内容还是一样的。

在计算机领域，特别是人工能中，模型通常非常大，占用大量的存储和计算资源。通过“量化”，我们将模型中的数字从高精度（比如32位）缩减到低精（比如8位）。这样，模型变得更小，运行速度更快，所需的资源也更少，同时还能保持较好的性能。这就像把高清的视频压成标准清晰度的视频，占用空间更小，播放更流畅，但画面质量可能稍有降低。

Flux-1-dev-fp8模型下载链接：https://huggingface.co/Kijai/flux-fp8/tree/main

除了模型之外，还需要有一个“工作流”，这个当然也可以是“抄作业”的。

我用了一个标准的Flux 1 Dev FP8的workflow，哪里找的我已经忘记了，附上链接：https://drive.wangchenjie.com/raw/ComfyUI/Flux%201%20dev%20fp8%20standard.json

这个工作流是我稍微更改后的，把原本输入Prompt的“CLIP文本编辑器”改成了“Google Translate CLIP Text Encode Node”这个自定义节点，用处是可以直接输入中文，通过Google Translate翻译成英文，这样就免去了我们还要另外找翻译软件的事儿——如果我们不太习惯写英文Prompt的话。

Flux 1 Dev fp8模型的文生图的工作流非常简单。

最左边“Checkpoint加载器”就是加载大模型，作为工作流的起点。

Checkpoint的“模型”端口会接到“K采样器”里面。大模型和采样器，是生成图片的关键。

在 AI 生成图片的过程中，K Sampling（K采样器）就像是逐步使模糊的图像变得清晰的过程。想象你在看一张逐渐显现的照片，最初是一片模糊，然后逐步加上细节，最终呈现出完整的画面。K Sampling 就是这个一步步添加细节的过程。

它通过多次迭代，每次都对图像进行细微调整，就像画家在画布上从草图开始，逐层添加颜色和细节，最终完成一幅精美的作品。这个过程确保了最终生成的图片质量更高，更符合预期。简单来说，K Sampling 帮助 AI 从模糊到清晰，生成高质量的图片。

K采样器除了输入模型之外，还需要输入“正面条件”、“负面条件”以及“Latent”。正面条件就是希望图片中拥有的要素；负面条件就是不希望图片中出现的东西。因为很多大神自制的模型用了很多有水印的图片，所以常常在负面条件里，会输入“watermark”，还有“Easy Negative,worst quality,low quality,normal quality,lowers,monochrome,grayscales,skin spots,acnes,skin blemishes,age spot,6 more fingers on one hand,deformity,bad legs,error legs,bad feet,malformed limbs,extra limbs,ugly,poorly drawn hands,poorly drawn feet.poorly drawn face,text,mutilated,extra fingers,mutated hands,mutation,bad anatomy,cloned face,disfigured,fused fingers”等。

K采样器还有一个输入端口叫“Latent”。在 K Sampling 的过程中，"latent"（潜在表示）相当于图像的隐藏版本或骨架，包含了图像的核心信息和特征。你可以将其想象成建筑物的蓝图，虽然不是完整的建筑，但已经定义了建筑的结构和形状。

在这个过程中，AI 在潜在空间中对这些信息进行处理，就像建筑师根据蓝图一步步建造房屋一样。K Sampling 就是在这个潜在空间中，对这些核心信息进行逐步细化和完善的过程，最终生成完整的图像。

在实际操作中，Latent是接入一个“空Latent”的节点，里面可以输入需要生成图片的宽度、高度，以及批次大小，也就是一次生成几张图。

其他我们暂时就选择默认就行了。以后我们慢慢研究K采样器选择不同的参数会有什么不同的结果。

最后点击执行队列，就可以生成图片了。如果对于生成图片不满意，可以修改Prompt，或者再点击执行队列，反复生成到满意就行了。