在一个完整的ComfyUI工作流里，最基本就要包含这几个要素：
Checkpoint，相当于“导演”，每个不同的“导演”都会有不同的风格，有些模型是专门为真实人像设计的；而有些则是专门生成动画形式的。
CLIP文本编码器：这个是这部电影到底要拍什么的剧本。我们的Prompt提示词，就说明我们希望生成图片的关键要素。
Latent：潜空间，你可以认为是拍摄场地，就好像横店那样。这个拍摄场地有多大，也会定义好。
K采样器：就是拍摄团队，根据导演的指挥和剧本进行拍摄，最终生成一张图片所有的信息；
VAE解码：相当于后期团队，他们会把图片信息进行进一步处理，从而让我们能够看到最终的图像预览或者保存下载。
我们作为AI绘图的作者，可以选择导演，可以自己编写剧本，但最终能拍成什么样子，给拍摄团队最正确、最适合的指令，也是相当重要。
K采样器需要输入的信息是这样的：
首先，随机种，可以理解为：在这次拍摄工作中，每生成一次图片，都会记录为一个种子Seed，它会有自己独一无二的数字。如果ComfyUI重启，那么这些Seed也同样会清空。
如果我们固定种子，那么输出的结果就是一样的，相当于调出之前生成过的那一张图片。
你可以在启动系统后，手动把第一张图片的随机种设置为0，不过一般不需要做这样无聊的事儿。
运行后操作：就是生成一张图片后，种子数字怎么变化，一般默认是随机，也可以选择“固定”、“增加”和“减少”。
随机种和运行后操作，是K采样器里不算重要的参数决定，真正影响最终图片效果的，是从“步数”开始。
之后的截屏，都来自于B站这个关于K采样器的入门讲解：https://www.bilibili.com/video/BV1HFuWeGE7V?spm_id_from=333.788.videopod.sections&vd_source=7f7c432bb460688c136dc5650a53f034
步数越多，图像细节会越多，也更加清晰。
可是，我们也不可以无限制调高步数，因为随着步数增加，图片中也会出现更多我们觉得没用的细节，并且生成的速度也会越慢。
你可以想象为：拍摄团队对一个场景持续拍摄，拍摄时间越久，自然能抓捕到最合适的照片，但是消耗的时间和资源也会越久。在AI绘画里，步数太多，其实“油腻感”也会增加。
比方说，在同样的Prompt，以及K采样器设置相同的采样器和调度器，噪声也是一样的情况下，
步数设置10步，出现这样的照片：
步数设置15步，出现这样的照片：
步数设置25步，出现这样的照片：
步数为10的照片，清晰度就不是太好；步数15和步数25的照片差距其实已经不算很大，25的背景细节会更多一些，身体展示得也会更多。
我觉得以Flux 1 dev fp8模型来说，标准工作流的步数是设置在20，我觉得还是很合理的。
接下来来看下CFG值，这个参数是指生成的图片有多少权重听从Prompt，还是自由发挥。
在Flux 1 dev这个模型里，CFG默认是1，更改成其他数字则会生成失败。
而大部分模型，CFG会设置在7-8，这样能够平衡对Prompt的忠诚度和AI自由发挥。
我们再看降噪，这个数值介于0-1之间。
这个降噪，就好像是一块橡皮在擦一张脏脏照片的力度。那是不是就一定设置为1呢？其实也不是。
虽然降噪越接近于1，图片会越清晰，但也会因此失去一些细节。比方说，你看下面这比较图，在降噪是0.5时，天空中的云是非常丰富，但降噪到1，天空中云就很少，裙身上的花纹也消失不变，变得更加平滑了。
我用同样的参数和指令，唯独更改降噪。
当降噪为1时，图片是这样的：
降噪为0.8时，图片是这样的，很明显，背景的元素多了很多，但是照片看上去不是那么得“光滑”。
降噪设置在0.7时，图片已经算是生成失败了。再往下，Flux只能输出一张灰色噪声图片。
这就意味着，Flux 1 dev模型，最佳的降噪可能是0.9到1之间。
关于采样器，这个设置就比较复杂了。该B站视频作者给了这样的建议：
而调度器给的建议是这样的：
如果选择传统ODE模型，也就是Euler等，那么六种调度器都可以兼容。
如果选择DMP采样器，那么会建议选择Karras等四种采样器。我见到很多工作流演示里，都会选择DPMPP_2M+Karras这样的组合。我印象中最早就是在Nenly同学的B站里有提到。因为在WebUI里，这是个常见选择。
如果选择最新效率模型，比如Uni_PC等，那么调度器就建议用最后这三种。
对于Flux 1 Dev模型，网上有人给出这样的采样器和调度器的组合建议：
并且，uni_pc +beta：适用于平衡速度和质量，是大多数情况下的推荐选择。来源：https://aisc.chinaz.com/jiaocheng/10346.html
文章评论