คู่มือแอปพลิเคชัน

ComfyUI และเวิร์กโฟลว์อิมเมจแบบอิงโหนด

ComfyUI เป็นแอปพลิเคชันโอเพ่นซอร์สฟรีสำหรับการเรียกใช้โมเดลการสร้างภาพ วิดีโอ และเสียงบนคอมพิวเตอร์ของคุณเอง

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของ ComfyUI และเวิร์กโฟลว์อิมเมจแบบอิงโหนด
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

แต่ละขั้นตอนของไปป์ไลน์ เช่น การโหลดโมเดล การเข้ารหัสข้อความแจ้ง การสุ่มตัวอย่าง และการถอดรหัส จะเป็นโหนดที่คุณเชื่อมต่อในกราฟภาพ สิ่งสำคัญเนื่องจากแสดงให้เห็นอย่างชัดเจนถึงวิธีการทำงานของการแพร่กระจาย ทำให้เวิร์กโฟลว์ที่ซับซ้อนสามารถทำซ้ำและแบ่งปันได้ และช่วยให้ผู้คนเรียกใช้โมเดลแบบเปิดบนฮาร์ดแวร์ของตนเองโดยไม่ต้องใช้บริการคลาวด์

เจาะลึก

ComfyUI ปรากฏในต้นปี 2023 สร้างโดยนักพัฒนาที่รู้จักกันในชื่อ Comfyanonymous ได้กลายเป็นหนึ่งในอินเทอร์เฟซที่ใช้กันอย่างแพร่หลายสำหรับโมเดล open generative โดยรองรับตัวแปร Stable Diffusion, Flux และโมเดลวิดีโอและเสียงอีกมากมาย แทนที่จะเป็นแบบฟอร์มที่มีแถบเลื่อน คุณจะเห็นไปป์ไลน์เอง กราฟข้อความเป็นรูปภาพขั้นต่ำจะแสดงแต่ละส่วนของแบบจำลองการแพร่กระจายแฝง Load Checkpoint ส่งออกสามสิ่ง: โมเดล denoising, ตัวเข้ารหัสข้อความ CLIP และ VAE โหนดเข้ารหัสข้อความ CLIP สองโหนดจะเปลี่ยนข้อความแจ้งเชิงบวกและเชิงลบให้เป็นเงื่อนไข รูปภาพแฝงที่ว่างเปล่าจะสร้างผืนผ้าใบสัญญาณรบกวนเริ่มต้นตามขนาดที่เลือก KSampler รันลูป denoising โดยใช้ข้อมูลเริ่มต้น การนับก้าว สเกลคำแนะนำ (CFG) เครื่องเก็บตัวอย่าง และเครื่องกำหนดเวลา VAE Decode จะแปลงค่าแฝงสุดท้ายเป็นพิกเซล และ Save Image จะเขียนไฟล์ การดูขั้นตอนเหล่านี้แยกกันจะทำให้แนวคิดอื่นๆ ชัดเจน ตัวอย่างเช่น ภาพต่อภาพเป็นเพียงการเริ่มต้นจากภาพที่เข้ารหัสและ denoise เพียงบางส่วนเท่านั้น กราฟจะถูกบันทึกเป็น JSON และฝังอยู่ในรูปภาพที่สร้างขึ้น ดังนั้นจึงสามารถสร้างผลลัพธ์ขึ้นมาใหม่ได้ นอกจากนี้ ComfyUI ยังแคชผลลัพธ์และรันซ้ำเฉพาะโหนดที่อินพุตมีการเปลี่ยนแปลง ดังนั้นการแก้ไขพร้อมต์จะไม่รีโหลดโมเดล ฮาร์ดแวร์เป็นข้อจำกัดหลัก GPU NVIDIA มีการรองรับที่ดีที่สุด VRAM ประมาณ 8 GB เป็นขั้นต่ำที่สะดวกสบายที่อ้างถึงโดยทั่วไปสำหรับงานคลาส SDXL และโมเดลรูปภาพหรือวิดีโอขนาดใหญ่จะได้รับประโยชน์ตั้งแต่ 12 ถึง 24 GB หรือมากกว่า แม้ว่าโมเดลเชิงปริมาณและการถ่ายหน่วยความจำจะช่วยได้ก็ตาม AMD, Intel และ Apple Silicon สามารถทำงานได้โดยมีการตั้งค่าเพิ่มเติมและความเร็วที่ต่ำกว่า และการใช้งานเฉพาะ CPU เท่านั้นก็ช้ามาก โหนดที่กำหนดเองขยาย ComfyUI อย่างมหาศาล แต่แต่ละโหนดคือโค้ด Python ที่ทำงานโดยมีสิทธิ์อนุญาตของบัญชีผู้ใช้ของคุณ มีรายงานกรณีแพ็คเกจโหนดที่เป็นอันตรายขโมยข้อมูล ติดตั้งเฉพาะโหนดที่เป็นที่รู้จักและได้รับการดูแลอย่างดี ชอบไฟล์โมเดล .safetensors มากกว่าไฟล์ .ckpt ที่ใช้ดอง และพิจารณาเรียกใช้ ComfyUI ในสภาพแวดล้อมหรือคอนเทนเนอร์ที่แยกจากกัน

การใช้งานจริงในโลกแห่งความเป็นจริง

นักออกแบบลาก PNG ที่สร้างโดยเพื่อนร่วมงานลงใน ComfyUI และขั้นตอนการทำงานทั้งหมดที่สร้างขึ้นจะโหลดโดยอัตโนมัติจากข้อมูลเมตาที่ฝังอยู่ในไฟล์

นักวาดภาพประกอบสร้างกราฟที่สร้างภาพพื้นฐานด้วย SDXL ขยายขนาดและรันการส่งผ่านความละเอียดต่ำครั้งที่สองเพื่อเพิ่มรายละเอียด ห่วงโซ่ทั้งหมดจะถูกบันทึกเป็นเวิร์กโฟลว์ที่นำมาใช้ซ้ำได้

ช่างภาพเพิ่มโหนด ControlNet ที่ติดตามท่าทางในรูปภาพอ้างอิง โดยคงองค์ประกอบไว้ในขณะที่เปลี่ยนสไตล์

นักพัฒนารัน ComfyUI ในโหมด API บนเซิร์ฟเวอร์ และส่ง JSON เวิร์กโฟลว์จากเว็บแอปเพื่อสร้างการจำลองผลิตภัณฑ์ตามความต้องการ

อนาคตของ ComfyUI และเวิร์กโฟลว์อิมเมจแบบอิงโหนด

ComfyUI ได้ย้ายจากเครื่องมืองานอดิเรกไปสู่รันไทม์ทั่วไปสำหรับโมเดล open generative พร้อมด้วยแอปเดสก์ท็อปและการรองรับวิดีโอและ 3D ที่เพิ่มมากขึ้น การรักษาความปลอดภัยรอบโหนดแบบกำหนดเองมีแนวโน้มที่จะยังคงเป็นข้อกังวล และการลงนาม ตรวจสอบ หรือแซนด์บ็อกซ์ส่วนขยายเพิ่มเติมก็จะช่วยได้ กราฟโหนดสามารถข่มขู่ผู้เริ่มต้นได้ ดังนั้นการทำงานกับส่วนหน้าแบบเรียบง่ายและเทมเพลตที่ซ่อนกราฟจนกว่าจะจำเป็นจะดำเนินต่อไปได้ ข้อกำหนดด้านฮาร์ดแวร์จะคงขนาดโมเดลไว้ตามเดิม ในขณะที่เทคนิคเชิงปริมาณและหน่วยความจำจะขยายสิ่งที่ทำงานบน GPU ของผู้บริโภคต่อไป

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • สร้างทางเลือก. การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่
  • ทีมงานและขั้นตอนการทำงาน. การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้
  • ความเสี่ยงและความปลอดภัย. กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ

ระวัง

  • การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้
  • ทีมอาจดำเนินการอัตโนมัติมากเกินไปและลบวิจารณญาณของมนุษย์ที่จำเป็นออก
  • คุณภาพอาจคลาดเคลื่อนได้หากไม่ได้รับการประเมินผลลัพธ์อย่างต่อเนื่อง

ขั้นตอนต่อไป

  1. แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด
  2. กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ
  3. ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ
  4. ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the ComfyUI and Node-Based Image Workflows quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

ComfyUI และเวิร์กโฟลว์อิมเมจแบบอิงโหนดคืออะไร

ComfyUI เป็นแอปพลิเคชันโอเพ่นซอร์สฟรีสำหรับการเรียกใช้โมเดลการสร้างภาพ วิดีโอ และเสียงบนคอมพิวเตอร์ของคุณเอง แต่ละขั้นตอนของไปป์ไลน์ เช่น การโหลดโมเดล การเข้ารหัสข้อความแจ้ง การสุ่มตัวอย่าง และการถอดรหัส จะเป็นโหนดที่คุณเชื่อมต่อในกราฟภาพ สิ่งสำคัญเนื่องจากแสดงให้เห็นอย่างชัดเจนถึงวิธีการทำงานของการแพร่กระจาย ทำให้เวิร์กโฟลว์ที่ซับซ้อนสามารถทำซ้ำและแบ่งปันได้ และช่วยให้ผู้คนเรียกใช้โมเดลแบบเปิดบนฮาร์ดแวร์ของตนเองโดยไม่ต้องใช้บริการคลาวด์

โหนดใดที่รันลูป denoising ในกราฟ ComfyUI พื้นฐาน

KSampler ดำเนินการ denoising ซ้ำโดยใช้ข้อมูลเริ่มต้น ขั้นตอน สเกล CFG ตัวอย่าง และเครื่องกำหนดเวลา

Load Checkpoint เอาท์พุตมีส่วนประกอบอะไรบ้าง

จุดตรวจสอบจะรวมโมเดล denoising ตัวเข้ารหัสข้อความที่เปลี่ยนข้อความแจ้งเป็นการปรับสภาพ และ VAE ที่แปลงระหว่างค่าแฝงและพิกเซล

คุณจะกู้คืนเวิร์กโฟลว์ที่สร้างอิมเมจ ComfyUI ได้อย่างไร

ComfyUI บันทึกเวิร์กโฟลว์ JSON ภายในรูปภาพที่สร้างขึ้น ดังนั้นการโหลดรูปภาพจะสร้างกราฟขึ้นมาใหม่

เหตุใดการเปลี่ยนเฉพาะพรอมต์จึงไม่โหลดโมเดลซ้ำ

ผู้ดำเนินการตรวจสอบแคชที่คีย์ไว้ในอินพุตของแต่ละโหนด ข้อมูลอินพุตของ Checkpoint โหลดไม่มีการเปลี่ยนแปลง ดังนั้นจึงถูกข้ามไป

ความเสี่ยงด้านความปลอดภัยหลักของโหนดแบบกำหนดเองคืออะไร?

โหนดที่กำหนดเองสามารถทำทุกอย่างที่บัญชีของคุณสามารถทำได้ ซึ่งเป็นสาเหตุว่าทำไมจึงมีการรายงานกรณีแพ็คเกจที่เป็นอันตรายขโมยข้อมูล

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →