[logseq-plugin-git:commit] 2025-09-08T09:35:23.573Z
This commit is contained in:
YuanHui
120
pages/Nodes.md
120
pages/Nodes.md
@@ -1,61 +1,61 @@
|
||||
- 节点分类
|
||||
- 1. **加载器 (Loaders):** 工作流的起点，负责加载所有必需的模型和文件。
|
||||
2. **条件/提示词 (Conditioning):** 负责将文本和图像提示转换为 AI 能理解的数据。
|
||||
3. **潜空间 (Latent Space):** 负责创建或处理 AI 进行创作的“画布”。
|
||||
4. **采样器 (Sampling):** 核心的 AI 计算单元，负责根据提示词生成图像。
|
||||
5. **图像处理 (Image):** 负责将 AI 生成的结果解码、后处理和保存。
|
||||
6. **控制与引导 (Control & Guidance):** 用于给 AI 提供额外的、精确的生成指引 (如 ControlNet)。
|
||||
7. **工具/辅助 (Utilities):** 提供各种便利功能，如数据转换、流程控制和组织。
|
||||
- ### 1\. 加载器 (Loaders)
|
||||
- 这是所有工作流的起点。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`Load Checkpoint`** | **加载基础模型**。这是最重要的节点，决定了画面的基础风格、画质和内容。 | 在节点内选择你的 `.safetensors` 或 `.ckpt` 文件。它会输出 `MODEL`、`CLIP` 和 `VAE` 三个核心组件。 |
|
||||
| **`Load VAE`** | **加载独立的 VAE 模型**。VAE 影响图像的色彩和细节，好的 VAE 能修正颜色灰暗、面部崩坏等问题。 | 如果不满意基础模型自带的 VAE，可以在此加载一个独立的 VAE 文件，然后将其 `VAE` 输出连接到需要 VAE 的节点（如 `VAE Decode`）。 |
|
||||
| **`Load LoRA`** | **加载 LoRA 微调模型**。用于向基础模型添加特定的角色、风格或概念。 | 将 `Load Checkpoint` 输出的 `MODEL` 和 `CLIP` 连接线“穿过”`Load LoRA` 节点。它会输出被 LoRA 修改后的 `MODEL` 和 `CLIP`。 |
|
||||
| **`Load Image`** | **加载一张图片**。用于图生图 (Image-to-Image) 或图像修复 (Inpainting)。 | 上传一张图片。它会输出 `IMAGE`（图像数据）和 `MASK`（蒙版，默认是全白）。 |
|
||||
- ### 2\. 条件/提示词 (Conditioning)
|
||||
- 将你的想法告诉 AI。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`CLIP Text Encode (Prompt)`** | **将文本提示词编码**。把人类语言（如 "a beautiful cat"）转换成 AI 能理解的数学表示 (Embedding)。 | 将 `Load Checkpoint` 或 `Load LoRA` 输出的 `CLIP` 连接到此节点的 `clip` 输入。在 `text` 框中输入提示词。通常会创建两个此节点，一个用于**正向提示词**，一个用于**负向提示词**。 |
|
||||
| **`Conditioning (Combine)`** | **合并多个条件**。例如，将两个不同权重的提示词条件合并成一个。 | 将两个 `CONDITIONING` 输出连接到此节点的 `conditioning_1` 和 `conditioning_2` 输入，输出一个合并后的 `CONDITIONING`。 |
|
||||
- ### 3\. 潜空间 (Latent Space)
|
||||
- 为 AI 的创作准备“隐形画布”。AI 并不是直接在像素上作画，而是在一个名为“潜空间”的压缩数据空间中进行。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`Empty Latent Image`** | **创建空白的潜空间图像**。这是文生图 (Text-to-Image) 的标准起点，相当于一张充满随机噪点的画布。 | 设置要生成的图像 `width` (宽度)、`height` (高度) 和 `batch_size` (批次数)。 |
|
||||
| **`VAE Encode`** | **将真实图像编码为潜空间图像**。用于图生图 (Image-to-Image)。 | 将 `Load Image` 输出的 `IMAGE` 和加载器输出的 `VAE` 连接到此节点，它会输出一个包含图像信息的 `LATENT`。 |
|
||||
- ### 4\. 采样器 (Sampling)
|
||||
- 这是整个流程的心脏，AI 在这里进行真正的“绘画”。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`KSampler`** | **核心图像生成器**。它接收模型、提示词和潜空间画布，通过一步步“去噪”来生成最终的图像内容。 | 这是连接线最多的节点：\<br\>- `model`: 连接 `MODEL` 输出。\<br\>- `positive`: 连接正向提示词的 `CONDITIONING` 输出。\<br\>- `negative`: 连接负向提示词的 `CONDITIONING` 输出。\<br\>- `latent_image`: 连接 `Empty Latent Image` 或 `VAE Encode` 的 `LATENT` 输出。\<br\>同时需要设置重要参数：`seed` (种子), `steps` (步数), `cfg` (提示词相关性), `sampler_name` (采样器算法)。 |
|
||||
| **`KSampler (Advanced)`** | **高级采样器**。提供更复杂的控制，例如可以指定生成过程的起始和结束步数，用于实现复杂的采样器串联或精细控制。 | 使用方法与 `KSampler` 类似，但多了 `start_at_step` 和 `end_at_step` 等参数。适合高级用户。 |
|
||||
- ### 5\. 图像处理 (Image)
|
||||
- 将潜空间的结果变成我们能看到的图片，并进行后续处理。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`VAE Decode`** | **解码潜空间图像**。将 `KSampler` 输出的抽象的 `LATENT` 数据，转换成我们能看到的真实像素 `IMAGE`。 | 将 `KSampler` 输出的 `LATENT` 和加载器输出的 `VAE` 连接到此节点。 |
|
||||
| **`Save Image`** | **保存图像**。工作流的终点之一，将生成的图像保存到你的电脑硬盘上。 | 将 `VAE Decode` 或其他图像处理节点输出的 `IMAGE` 连接到此节点。可以设置文件名前缀。 |
|
||||
| **`Preview Image`** | **预览图像**。与 `Save Image` 类似，但它只在浏览器界面中显示预览，并不会将图片保存到硬盘，适合调试。 | 将 `VAE Decode` 等节点输出的 `IMAGE` 连接到此节点。 |
|
||||
| **`Upscale Image (using Model)`** | **图像放大**。使用专门的放大模型（如 ESRGAN）来提升图像的分辨率。 | 需要一个 `Load Upscale Model` 节点来加载放大模型，然后将 `IMAGE` 和 `upscale_model` 连接到此节点。 |
|
||||
- ### 6\. 控制与引导 (Control & Guidance)
|
||||
- 这类节点通常来自 **Custom Nodes (自定义节点)**，例如 ComfyUI Manager 中安装的 ControlNet 预处理器。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`ControlNetLoader`** | **加载 ControlNet 模型**。加载用于姿态、深度、线稿等控制的模型。 | 选择对应的 `.safetensors` ControlNet 模型文件。 |
|
||||
| **`(各种) Preprocessor`**\<br\>(e.g., `OpenPose`, `Canny`, `Depth`) | **预处理器**。将一张输入图片转换成 ControlNet 能理解的控制图（如姿态骨骼图、边缘线稿图）。 | 将 `Load Image` 输出的 `IMAGE` 连接到预处理器节点，它会输出一张处理后的控制图 `IMAGE`。 |
|
||||
| **`Apply ControlNet`** | **应用 ControlNet**。将 ControlNet 的控制信息应用到生成流程中。 | 将 `ControlNetLoader` 的 `CONTROL` 输出和预处理器的 `IMAGE` 输出连接到此节点。它会修改 `CONDITIONING` 信号，然后将修改后的信号传递给 `KSampler`。 |
|
||||
- ### 7\. 工具/辅助 (Utilities)
|
||||
- 让工作流更整洁、更强大、更灵活。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`Reroute`** | **重路由/节点**。一个简单的“点”，用于重新组织连接线的走向，让复杂的工作流保持整洁、不交叉。 | 将任何输出连接到它，再从它连接到任何输入。它本身不处理数据，只是一个中继站。 |
|
||||
| **`Primitive`** | **创建原始数据**。可以生成一个独立的数据节点（如 `INT` 整数, `FLOAT` 浮点数, `STRING` 字符串），然后将它连接到多个节点的输入端。 | **非常有用！** 例如，创建一个 `Primitive` 整数节点，将其连接到 `Empty Latent Image` 的宽度和高度，以及 `KSampler` 的种子值，就可以用一个节点同时控制多个参数。 |
|
||||
| **`Mask to Image` / `Image to Mask`** | **蒙版与图像互转**。在蒙版数据和灰度图像数据之间进行转换。 | 用于高级的蒙版处理和可视化。 |
|
||||
- 自定义节点
|
||||
- **动画制作节点 (AnimateDiff)**
|
||||
- **高级面部修复节点 (Face Detailer)**
|
||||
- **工作流管理和组织节点**
|
||||
- 节点分类
|
||||
- 1. **加载器 (Loaders):** 工作流的起点，负责加载所有必需的模型和文件。
|
||||
2. **条件/提示词 (Conditioning):** 负责将文本和图像提示转换为 AI 能理解的数据。
|
||||
3. **潜空间 (Latent Space):** 负责创建或处理 AI 进行创作的“画布”。
|
||||
4. **采样器 (Sampling):** 核心的 AI 计算单元，负责根据提示词生成图像。
|
||||
5. **图像处理 (Image):** 负责将 AI 生成的结果解码、后处理和保存。
|
||||
6. **控制与引导 (Control & Guidance):** 用于给 AI 提供额外的、精确的生成指引 (如 ControlNet)。
|
||||
7. **工具/辅助 (Utilities):** 提供各种便利功能，如数据转换、流程控制和组织。
|
||||
- ### 1\. 加载器 (Loaders)
|
||||
- 这是所有工作流的起点。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`Load Checkpoint`** | **加载基础模型**。这是最重要的节点，决定了画面的基础风格、画质和内容。 | 在节点内选择你的 `.safetensors` 或 `.ckpt` 文件。它会输出 `MODEL`、`CLIP` 和 `VAE` 三个核心组件。 |
|
||||
| **`Load VAE`** | **加载独立的 VAE 模型**。VAE 影响图像的色彩和细节，好的 VAE 能修正颜色灰暗、面部崩坏等问题。 | 如果不满意基础模型自带的 VAE，可以在此加载一个独立的 VAE 文件，然后将其 `VAE` 输出连接到需要 VAE 的节点（如 `VAE Decode`）。 |
|
||||
| **`Load LoRA`** | **加载 LoRA 微调模型**。用于向基础模型添加特定的角色、风格或概念。 | 将 `Load Checkpoint` 输出的 `MODEL` 和 `CLIP` 连接线“穿过”`Load LoRA` 节点。它会输出被 LoRA 修改后的 `MODEL` 和 `CLIP`。 |
|
||||
| **`Load Image`** | **加载一张图片**。用于图生图 (Image-to-Image) 或图像修复 (Inpainting)。 | 上传一张图片。它会输出 `IMAGE`（图像数据）和 `MASK`（蒙版，默认是全白）。 |
|
||||
- ### 2\. 条件/提示词 (Conditioning)
|
||||
- 将你的想法告诉 AI。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`CLIP Text Encode (Prompt)`** | **将文本提示词编码**。把人类语言（如 "a beautiful cat"）转换成 AI 能理解的数学表示 (Embedding)。 | 将 `Load Checkpoint` 或 `Load LoRA` 输出的 `CLIP` 连接到此节点的 `clip` 输入。在 `text` 框中输入提示词。通常会创建两个此节点，一个用于**正向提示词**，一个用于**负向提示词**。 |
|
||||
| **`Conditioning (Combine)`** | **合并多个条件**。例如，将两个不同权重的提示词条件合并成一个。 | 将两个 `CONDITIONING` 输出连接到此节点的 `conditioning_1` 和 `conditioning_2` 输入，输出一个合并后的 `CONDITIONING`。 |
|
||||
- ### 3\. 潜空间 (Latent Space)
|
||||
- 为 AI 的创作准备“隐形画布”。AI 并不是直接在像素上作画，而是在一个名为“潜空间”的压缩数据空间中进行。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`Empty Latent Image`** | **创建空白的潜空间图像**。这是文生图 (Text-to-Image) 的标准起点，相当于一张充满随机噪点的画布。 | 设置要生成的图像 `width` (宽度)、`height` (高度) 和 `batch_size` (批次数)。 |
|
||||
| **`VAE Encode`** | **将真实图像编码为潜空间图像**。用于图生图 (Image-to-Image)。 | 将 `Load Image` 输出的 `IMAGE` 和加载器输出的 `VAE` 连接到此节点，它会输出一个包含图像信息的 `LATENT`。 |
|
||||
- ### 4\. 采样器 (Sampling)
|
||||
- 这是整个流程的心脏，AI 在这里进行真正的“绘画”。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`KSampler`** | **核心图像生成器**。它接收模型、提示词和潜空间画布，通过一步步“去噪”来生成最终的图像内容。 | 这是连接线最多的节点：\<br\>- `model`: 连接 `MODEL` 输出。\<br\>- `positive`: 连接正向提示词的 `CONDITIONING` 输出。\<br\>- `negative`: 连接负向提示词的 `CONDITIONING` 输出。\<br\>- `latent_image`: 连接 `Empty Latent Image` 或 `VAE Encode` 的 `LATENT` 输出。\<br\>同时需要设置重要参数：`seed` (种子), `steps` (步数), `cfg` (提示词相关性), `sampler_name` (采样器算法)。 |
|
||||
| **`KSampler (Advanced)`** | **高级采样器**。提供更复杂的控制，例如可以指定生成过程的起始和结束步数，用于实现复杂的采样器串联或精细控制。 | 使用方法与 `KSampler` 类似，但多了 `start_at_step` 和 `end_at_step` 等参数。适合高级用户。 |
|
||||
- ### 5\. 图像处理 (Image)
|
||||
- 将潜空间的结果变成我们能看到的图片，并进行后续处理。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`VAE Decode`** | **解码潜空间图像**。将 `KSampler` 输出的抽象的 `LATENT` 数据，转换成我们能看到的真实像素 `IMAGE`。 | 将 `KSampler` 输出的 `LATENT` 和加载器输出的 `VAE` 连接到此节点。 |
|
||||
| **`Save Image`** | **保存图像**。工作流的终点之一，将生成的图像保存到你的电脑硬盘上。 | 将 `VAE Decode` 或其他图像处理节点输出的 `IMAGE` 连接到此节点。可以设置文件名前缀。 |
|
||||
| **`Preview Image`** | **预览图像**。与 `Save Image` 类似，但它只在浏览器界面中显示预览，并不会将图片保存到硬盘，适合调试。 | 将 `VAE Decode` 等节点输出的 `IMAGE` 连接到此节点。 |
|
||||
| **`Upscale Image (using Model)`** | **图像放大**。使用专门的放大模型（如 ESRGAN）来提升图像的分辨率。 | 需要一个 `Load Upscale Model` 节点来加载放大模型，然后将 `IMAGE` 和 `upscale_model` 连接到此节点。 |
|
||||
- ### 6\. 控制与引导 (Control & Guidance)
|
||||
- 这类节点通常来自 **Custom Nodes (自定义节点)**，例如 ComfyUI Manager 中安装的 ControlNet 预处理器。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`ControlNetLoader`** | **加载 ControlNet 模型**。加载用于姿态、深度、线稿等控制的模型。 | 选择对应的 `.safetensors` ControlNet 模型文件。 |
|
||||
| **`(各种) Preprocessor`**\<br\>(e.g., `OpenPose`, `Canny`, `Depth`) | **预处理器**。将一张输入图片转换成 ControlNet 能理解的控制图（如姿态骨骼图、边缘线稿图）。 | 将 `Load Image` 输出的 `IMAGE` 连接到预处理器节点，它会输出一张处理后的控制图 `IMAGE`。 |
|
||||
| **`Apply ControlNet`** | **应用 ControlNet**。将 ControlNet 的控制信息应用到生成流程中。 | 将 `ControlNetLoader` 的 `CONTROL` 输出和预处理器的 `IMAGE` 输出连接到此节点。它会修改 `CONDITIONING` 信号，然后将修改后的信号传递给 `KSampler`。 |
|
||||
- ### 7\. 工具/辅助 (Utilities)
|
||||
- 让工作流更整洁、更强大、更灵活。
|
||||
- | 节点名称 (Node Name) | 作用 (Role in Process) | 使用方法 (Usage) |
|
||||
| :--- | :--- | :--- |
|
||||
| **`Reroute`** | **重路由/节点**。一个简单的“点”，用于重新组织连接线的走向，让复杂的工作流保持整洁、不交叉。 | 将任何输出连接到它，再从它连接到任何输入。它本身不处理数据，只是一个中继站。 |
|
||||
| **`Primitive`** | **创建原始数据**。可以生成一个独立的数据节点（如 `INT` 整数, `FLOAT` 浮点数, `STRING` 字符串），然后将它连接到多个节点的输入端。 | **非常有用！** 例如，创建一个 `Primitive` 整数节点，将其连接到 `Empty Latent Image` 的宽度和高度，以及 `KSampler` 的种子值，就可以用一个节点同时控制多个参数。 |
|
||||
| **`Mask to Image` / `Image to Mask`** | **蒙版与图像互转**。在蒙版数据和灰度图像数据之间进行转换。 | 用于高级的蒙版处理和可视化。 |
|
||||
- 自定义节点
|
||||
- **动画制作节点 (AnimateDiff)**
|
||||
- **高级面部修复节点 (Face Detailer)**
|
||||
- **工作流管理和组织节点**
|
||||
- **各种特效和图像处理节点**
|
||||
Reference in New Issue
Block a user