ConfyUI: 从函数角度理解ComfyUI的节点

ComfyUI 基础工作流解析

什么是 ComfyUI 的节点？

在 ComfyUI 中，工作流是由一个个 节点（Node） 构成的。每个节点可以理解为一个函数，它完成特定的功能，并通过输入和输出与其他节点连接。如下图所示，这是一个基础工作流的示例：

每个节点包含以下四个部分：

1. 标题：表明节点的功能名称（类似函数名）。
2. 左侧的点：表明节点的输入参数。
3. 右侧的点：表明节点的输出结果。
4. 表单：用于配置节点的参数（类似函数内部的控制逻辑）。

对于有编程基础的用户，可以将 ComfyUI 的节点类比为函数：

• 标题 对应函数名。
• 左侧的点 对应函数的输入参数。
• 右侧的点 对应函数的返回值。
• 表单 对应函数的配置逻辑。

通过连接这些节点（函数），ComfyUI 可以完成复杂的任务，列如图像生成、文本编码等。接下来，我们通过几个常见节点的具体示例，结合代码形式，协助大家快速理解。

示例 1：Checkpoint 加载器

功能：加载一个指定的模型，并返回模型及其相关组件。

等效的代码逻辑如下：

def checkpoint_加载器_简易():
    # ckpt_name：表单字段，用于配置加载的模型名称
    return (MODEL, CLIP, VAE)  # 返回 模型、CLIP 和 VAE

输入和输出：

• 输入：无输入。
• 输出：返回三个结果：
  • MODEL：加载的模型。
  • CLIP：文本编码器，用于处理提示词。
  • VAE：图像编码器，用于处理潜空间图像。

示例 2：CLIP 文本编码

功能：对用户输入的提示词进行编码，生成一个用于条件控制的向量。

等效的代码逻辑如下：

def CLIP_文本编码(clip) -> CONDITIONING:
    # clip：输入的 CLIP 模型
    # 表单字段：用户输入的文本（提示词）
    return CONDITIONING  # 返回处理后的提示词向量

输入和输出：

• 输入：
  1. clip：CLIP 模型组件（一般由 Checkpoint 加载器返回）。
  2. 用户输入的文本提示词（通过表单提供）。
• 输出：一个 CONDITIONING 对象，表明处理后的提示词向量。

示例 3：生成空 Latent 图像

功能：生成一个初始的潜空间图像（Latent 图像），作为后续处理的输入。

等效的代码逻辑如下：

def 空Latent图像():
    # 表单字段：width（宽度）、height（高度）、batch_size（批量大小）
    return LATENT  # 返回一个初始的潜空间图像

输入和输出：

• 输入：无输入。
• 输出：
  • LATENT：一个未初始化的潜空间图像。

示例 4：K 采样器

功能：对潜空间图像进行采样处理，生成新的潜空间图像。

等效的代码逻辑如下：

def K采样器(model, positive, negative, latent_image):
    # 表单字段：
    # - seed：随机种子
    # - control_after_generate：控制生成后的处理
    # - steps：采样步数
    # - cfg：提示词控制强度
    # - sampler_name：采样器名称
    # - scheduler：调度器
    # - denoise：降噪强度
    return LATENT  # 返回处理后的潜空间图像

输入和输出：

• 输入：
  1. model：加载的模型。
  2. positive：正提示词向量（由 CLIP 文本编码返回）。
  3. negative：负提示词向量（由 CLIP 文本编码返回）。
  4. latent_image：初始的潜空间图像（由空 Latent 图像节点返回）。
• 输出：
  • LATENT：采样处理后的潜空间图像。

示例 5：VAE 解码

功能：将潜空间图像（LATENT）解码为普通像素图像。

等效的代码逻辑如下：

def VAE解码(samples, vae):
    # samples：采样器输出的 latent 图像
    # vae：模型加载器返回的 VAE 编码器
    # 功能：将 LATENT 图像转换为普通像素图像
    return IMAGE  # 返回解码后的图像

输入和输出：

• 输入：
  1. samples：采样器输出的潜空间图像（LATENT）。
  2. vae：模型加载器返回的 VAE 编码器。
• 输出：
  • IMAGE：解码后的普通像素图像。

通过以上几个示例，我们可以看到 ComfyUI 的设计逻辑超级贴近编程思维，因此对于有代码基础的人来说，上手超级简单。只需理解几个核心节点的功能和输入输出关系，就可以快速搭建自己的工作流。