PRŮVODCE aplikacemi

ComfyUI a pracovní toky obrázků založené na uzlech

ComfyUI je bezplatná aplikace s otevřeným zdrojovým kódem pro spouštění modelů generování obrázků, videa a zvuku na vašem vlastním počítači.

Poslechněte si tento návodAI-vyprávěný · ~3 min

Na této stránce4 min čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost ComfyUI a pracovních postupů pro obrázky založené na uzlech
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

Každý krok potrubí, jako je načítání modelu, kódování výzvy, vzorkování a dekódování, je uzel, který spojíte do vizuálního grafu. Je to důležité, protože přesně ukazuje, jak funguje šíření, umožňuje reprodukovat a sdílet složité pracovní postupy a umožňuje lidem spouštět otevřené modely na jejich vlastním hardwaru bez cloudové služby.

Hluboký ponor

ComfyUI se objevil na začátku roku 2023 a vytvořil jej vývojář známý jako comfyanonymous. Stal se jedním z nejpoužívanějších rozhraní pro otevřené generativní modely, podporuje varianty Stable Diffusion, Flux a mnoho video a audio modelů. Místo formuláře s posuvníky vidíte samotné potrubí. Minimální graf převodu textu na obrázek ukazuje každou část modelu latentní difúze. Load Checkpoint vydává tři věci: model potlačení šumu, textový kodér CLIP a VAE. Dva uzly CLIP Text Encode přemění kladné a záporné výzvy na úpravu. Empty Latent Image vytvoří počáteční šumové plátno ve zvolené velikosti. KSampler spouští odšumovací smyčku pomocí seedu, počtu kroků, naváděcí (CFG) stupnice, vzorkovače a plánovače. VAE Decode převede konečný latentní obraz na pixely a Save Image zapíše soubor. Když tyto kroky uvidíte samostatně, vyjasníte si další myšlenky. Například obraz od obrazu právě začíná od zakódovaného obrazu a odšumuje jej pouze částečně. Grafy se ukládají jako JSON a vkládají se do obrázků, které vytvářejí, takže výsledky lze reprodukovat. ComfyUI také ukládá výsledky do mezipaměti a znovu spouští pouze uzly, jejichž vstupy se změnily, takže úprava výzvy znovu nenačte model. Hlavním omezením je hardware. Nejlepší podporu mají GPU NVIDIA. Přibližně 8 GB VRAM je běžně uváděné pohodlné minimum pro práci ve třídě SDXL a větší modely s obrázky nebo videem těží z 12 až 24 GB nebo více, i když kvantizované modely a snížení zátěže paměti pomáhají. AMD, Intel a Apple Silicon mohou pracovat s extra nastavením a nižší rychlostí a použití pouze CPU je velmi pomalé. Vlastní uzly nesmírně rozšiřují ComfyUI, ale každý z nich je kód Python, který běží s oprávněními vašeho uživatelského účtu. Byly hlášeny případy, kdy balíčky škodlivých uzlů kradly data. Instalujte pouze dobře známé, aktivně udržované uzly, preferujte modelové soubory .safetensors před soubory .ckpt založené na pickle a zvažte spuštění ComfyUI v samostatném prostředí nebo kontejneru.

Real-World Implementace

Návrhář přetáhne PNG vytvořený kolegou do ComfyUI a celý pracovní postup, který jej vytvořil, se automaticky načte z vložených metadat souboru.

Ilustrátor vytvoří graf, který generuje základní obrázek pomocí SDXL, převzorkuje jej a spustí druhý průchod s nízkým šumem pro přidání detailů. Celý řetězec je uložen jako opakovaně použitelný pracovní postup.

Fotograf přidá uzel ControlNet, který sleduje pózu na referenční fotografii, přičemž udržuje kompozici fixní a zároveň mění styl.

Vývojář spustí ComfyUI v režimu API na serveru a odešle workflow JSON z webové aplikace, aby na vyžádání vygeneroval makety produktu.

Budoucnost ComfyUI a pracovních postupů pro obrázky založené na uzlech

ComfyUI se posunul od nástroje pro nadšence k obecnému běhovému prostředí pro otevřené generativní modely s aplikací pro stolní počítače a rostoucí podporou videa a 3D. Zabezpečení kolem vlastních uzlů pravděpodobně zůstane problémem a pomohlo by více podepisování, kontroly nebo karantény rozšíření. Grafy uzlů mohou začátečníky zastrašit, takže práce na zjednodušených frontendech a šablonách, které skryjí graf, dokud nebude potřeba, bude pravděpodobně pokračovat. Hardwarové požadavky budou mít následující velikosti modelů, zatímco kvantizační a paměťové techniky neustále rozšiřují to, co běží na spotřebitelských GPU.

Uvedení do praxe

Proč na tom záleží

  • Volby sestavy. Návrh na úrovni aplikace určuje, zda AI zlepšuje skutečné výsledky.
  • Tým a pracovní postup. Dobrá integrace pracovních postupů přináší zvýšení produktivity, kterému uživatelé mohou důvěřovat.
  • Riziko a bezpečnost. Dobře vymezené případy použití snižují únavu ze změn a riziko implementace.

Pozor na

  • Automatizace nefunkčního procesu může zesílit stávající problémy.
  • Týmy se mohou přeautomatizovat a odstranit potřebný lidský úsudek.
  • Kvalita se může posunout, pokud výstupy nejsou průběžně vyhodnocovány.

Další kroky

  1. Zmapujte aktuální pracovní postup a identifikujte krok s nejvyšším třením.
  2. Definujte lidské kontrolní body před plnou automatizací.
  3. Školte uživatele o výzvách, eskalačních cestách a standardech kvality.
  4. Sledujte výsledky na úrovni úkolů, abyste potvrdili trvalou hodnotu.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Absolvujte kvíz ComfyUI a Node-Based Image Workflows

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

Co je ComfyUI a pracovní toky obrázků založené na uzlech?

ComfyUI je bezplatná aplikace s otevřeným zdrojovým kódem pro spouštění modelů generování obrázků, videa a zvuku na vašem vlastním počítači. Každý krok potrubí, jako je načítání modelu, kódování výzvy, vzorkování a dekódování, je uzel, který spojíte do vizuálního grafu. Je to důležité, protože přesně ukazuje, jak funguje šíření, umožňuje reprodukovat a sdílet složité pracovní postupy a umožňuje lidem spouštět otevřené modely na jejich vlastním hardwaru bez cloudové služby.

Který uzel provozuje odšumovací smyčku v základním grafu ComfyUI?

KSampler spouští iterativní odšumování pomocí semene, kroků, stupnice CFG, vzorkovače a plánovače.

Jaké tři komponenty má výstup Load Checkpoint?

Kontrolní bod sdružuje odšumovací model, textový kodér, který mění výzvy na úpravu, a VAE, který převádí mezi latentními a obrazovými body.

Jak můžete obnovit pracovní postup, který vytvořil obraz ComfyUI?

ComfyUI ukládá JSON pracovního postupu do obrázků, které vytváří, takže načtení obrázku znovu sestaví graf.

Proč změna pouze výzvy znovu nenačte model?

Exekutor kontroluje mezipaměť zakódovanou na vstupech každého uzlu. Vstupy Load Checkpoint se nezměnily, takže je přeskočeno.

Jaké je hlavní bezpečnostní riziko vlastních uzlů?

Vlastní uzel může dělat cokoli, co může dělat váš účet, a proto byly hlášeny případy krádeží dat škodlivými balíčky.