中文(繁體)
中文(繁體)
文生圖(Text to Image) ，是AI 繪圖中的基礎流程，通過輸入文本描述來生成對應的圖片，它的核心是 擴散模型。
在文生圖過程中我們需要以下條件：
1.畫家： 繪圖模型
2.畫布： 潛在空間
3.**對畫面的要求（提示詞）：**提示詞，包括正向提示詞（希望在畫面中出現的元素）和負向提示詞（不希望在畫面中出現的元素）
這個文本到圖片圖片生成過程，可以簡單理解成你把你的繪圖要求(正向提示詞、負向提示詞)告訴一個畫家(繪圖模型)，畫家會根據你的要求，畫出你想要的內容。
請確保你已經在 ComfyUI/models/checkpoints 文件夾至少有一個SD1.5 的模型文件。
你可以使用下面的這些模型：
1. v1-5-pruned-emaonly-fp16.safetensors
3. Anything V5
請下載下面的圖片，並將圖片拖入ComfyUI 的界面中，或者使用菜單 工作流（Workflows） -> 打開（Open） 打開這個圖片以加載對應的workflow
也可以從菜單 工作流（Workflows） -> 瀏覽工作流示例（Browse example workflows） 中選擇 Text to Image 工作流
在完成了對應的繪圖模型安裝後，請參考下圖步驟加載對應的模型，並進行第一次圖片的生成
請對應圖片序號，完成下面操作
1.請在Load Checkpoint 節點使用箭頭或者點擊文本區域確保 v1-5-pruned-emaonly-fp16.safetensors 被選中，且左右切換箭頭不會出現null 的文本
2.點擊 Queue 按鈕，或者使用快捷鍵 Ctrl + Enter(回車) 來執行圖片生成
等待對應流程執行完成後，你應該可以在界面的**保存圖像（Save Image）**節點中看到對應的圖片結果，可以在上面右鍵保存到本地
你可以嘗試修改CLIP Text Encoder處的文本
其中連接到KSampler 節點的Positive為正向提示詞，連接到KSampler 節點的Negative為負向提示詞
下面是針對SD1.5 模型的一些簡單提示詞原則
盡量使用英文
提示詞之間使用英文逗號 , 隔開
盡量使用短語而不是長句子
使用更具體的描述
可以使用類似 (golden hour:1.2) 這樣的表達來提升特定關鍵詞的權重，這樣它在畫面中出現的概率會更高，1.2 為權重，golden hour 為關鍵詞
可以使用類似 masterpiece, best quality, 4k 等關鍵詞來提升生成質量
下面是幾組不同的prompt 示例，你可以嘗試使用這些prompt 來查看生成的效果，或者使用你自己的prompt 來嘗試生成
1. 二次元動漫風格
正向提示詞：
anime style, 1girl with long pink hair, cherry blossom background, studio ghibli aesthetic, soft lighting, intricate detailsmasterpiece, best quality, 4k
負向提示詞：
low quality, blurry, deformed hands, extra fingers
2. 寫實風格
正向提示詞：
(ultra realistic portrait:1.3), (elegant woman in crimson silk dress:1.2),full body, soft cinematic lighting, (golden hour:1.2),(fujifilm XT4:1.1), shallow depth of field,(skin texture details:1.3), (film grain:1.1),gentle wind flow, warm color grading, (perfect facial symmetry:1.3)
負向提示詞：
(deformed, cartoon, anime, doll, plastic skin, overexposed, blurry, extra fingers)
3. 特定藝術家風格
正向提示詞：
fantasy elf, detailed character, glowing magic, vibrant colors, long flowing hair, elegant armor, ethereal beauty, mystical forest, magical aura, high detail, soft lighting, fantasy portrait, Artgerm style
負向提示詞：
blurry, low detail, cartoonish, unrealistic anatomy, out of focus, cluttered, flat lighting
整個文生圖的過程，我們可以理解成是擴散模型的反擴散過程，我們下載的v1-5-pruned-emaonly-fp16.safetensors是一個已經訓練好的可以 從純高斯噪聲生成目標圖片的模型，我們只需要輸入我們的提示詞，它就可以通隨機的噪聲降噪生成目標圖片。
我們可能需要了解下兩個概念，
1.潛在空間：潛在空間（Latent Space）是擴散模型中的一種抽像數據表示方式，通過把圖片從像素空間轉換為潛在空間，可以減少圖片的存儲空間，並且可以更容易的進行擴散模型的訓練和減少降噪的複雜度，就像建築師設計建築時使用藍圖（潛在空間）來進行設計，而不是直接在建築上進行設計（像素空間），這種方式可以保持結構特徵的同時，又大幅度降低修改成本
2.像素空間：像素空間（Pixel Space）是圖片的存儲空間，就是我們最終看到的圖片，用於存儲圖片的像素值。
這個節點通常用於加載繪圖模型, 通常 checkpoint 中會包含 MODEL（UNet）、CLIP 和 VAE 三個組件
1.MODEL（UNet）：為對應模型的 UNet 模型, 負責擴散過程中的噪聲預測和圖像生成,驅動擴散過程
2.CLIP：這個是文本編碼器,因為模型並不能直接理解我們的文本提示詞（prompt）,所以需要將我們的文本提示詞（prompt）編碼為向量,轉換為模型可以理解的語義向量
3.VAE：這個是變分自編碼器,我們的擴散模型處理的是潛在空間,而我們的圖片是像素空間,所以需要將圖片轉換為潛在空間,然後進行擴散,最後將潛在空間轉換為圖片
定義一個潛在空間（Latent Space）,它輸出到KSampler 節點，空Latent圖像節點構建的是一個 純噪聲的潛在空間
它的具體的作用你可以理解為定義畫布尺寸的大小，也就是我們最終生成圖片的尺寸
用於編碼提示詞，也就是輸入你對畫面的要求
1.連接到 KSampler 節點的 Positive 條件輸入的為正向提示詞（希望在畫面中出現的元素）
2.連接到 KSampler 節點的 Negative 條件輸入的為負向提示詞（不希望在畫面中出現的元素）
對應的提示詞被來自 Load Checkpoint 節點的 CLIP 組件編碼為語義向量，然後作為條件輸出到KSampler 節點
K 採樣器 是整個工作流的核心，整個噪聲降噪的過程都在這個節點中完成，並最後輸出一個潛空間圖像
KSampler 節點的參數說明如下
| 參數名稱 | 描述 | 作用 |
|---|---|---|
| model | 去噪使用的擴散模型 | 決定生成圖像的風格與質量 |
| positive | 正向提示詞條件編碼 | 引導生成包含指定元素的內容 |
| negative | 負向提示詞條件編碼 | 抑制生成不期望的內容 |
| latent_image | 待去噪的潛在空間圖像 | 作為噪聲初始化的輸入載體 |
| seed | 噪聲生成的隨機種子 | 控制生成結果的隨機性 |
| control_after_generate | 種子生成後控制模式 | 決定多批次生成時種子的變化規律 |
| steps | 去噪迭代步數 | 步數越多細節越精細但耗時增加 |
| cfg | 分類器自由引導係數 | 控制提示詞約束強度（過高導致過擬合） |
| sampler_name | 採樣算法名稱 | 決定去噪路徑的數學方法 |
| scheduler | 調度器類型 | 控制噪聲衰減速率與步長分配 |
| denoise | 降噪強度係數 | 控制添加到潛在空間的噪聲強度，0.0保留原始輸入特徵，1.0為完全的噪聲 |
在KSampler 節點中，潛在空間使用 seed 作為初始化參數構建隨機的噪聲,語義向量 Positive 和 Negative 會作為條件輸入到擴散模型中
然後根據 steps 參數指定的去噪步數，進行去噪，每次去噪會根據 denoise 參數指定的降噪強度係數，對潛在空間進行降噪，並生成新的潛在空間圖像
將 K 採樣器(KSampler) 輸出的潛在空間圖像轉換為像素空間圖像
預覽並保存從潛空間解碼的圖像，並保存到本地ComfyUI/output文件夾下
SD1.5(Stable Diffusion 1.5) 是一個由Stability AI開發的AI繪圖模型，Stable Diffusion系列的基礎版本，基於 512×512 分辨率圖片訓練，所以其對 512×512 分辨率圖片生成支持較好，體積約為4GB，可以在**消費級顯卡（如6GB顯存）**上流暢運行。目前SD1.5 的相關周邊生態非常豐富，它支持廣泛的插件（如ControlNet、LoRA）和優化工具。 作為AI繪畫領域的里程碑模型，SD1.5憑藉其開源特性、輕量架構和豐富生態，至今仍是最佳入門選擇。儘管後續推出了SDXL/SD3等升級版本，但其在消費級硬件上的性價比仍無可替代。
發佈時間：2022年10月
核心架構：基於Latent Diffusion Model (LDM)
訓練數據：LAION-Aesthetics v2.5數據集（約5.9億步訓練）
開源特性：完全開源模型/代碼/訓練數據
模型優勢：
輕量化：體積小，僅4GB 左右，在消費級顯卡上流暢運行
使用門檻低：支持廣泛的插件和優化工具
生態成熟：支持廣泛的插件和優化工具
生成速度快：在消費級顯卡上流暢運行
模型局限：
細節處理：手部/複雜光影易畸變
分辨率限制：直接生成1024x1024質量下降
提示詞依賴：需精確英文描述控制效果