每个人的使用环境千差万别，另外随着版本更新，安装方式也可能变化，所以还是参考官方文档进行安装吧,
第一次看到 ComfyUI 的界面，大部分都会有两个感觉，一个是陌生、一个是头大。

在正式开始之前，我们首先需要了解一下，生成一张图片用到哪些东西？

我们先看一下文生图的过程：

  1. 文本编码 首先将用户输入的文本提示词通过 CLIP 文本编码器转换成模型可以理解的向量表示。
  2. 噪声生成和去噪
  • 开始时生成一张完全随机的噪声图像
  • 然后通过多步迭代，逐渐将噪声转换成有意义的图像
  • 每一步都会参考文本编码得到的向量来指导去噪的方向
  • 通常需要 20-50 步的迭代
  1. 采样和优化
  • 使用采样器(如 DDIM、Euler a 等)来控制去噪过程
  • CFG Scale 参数用来控制图像与提示词的匹配程度
  • Steps 参数决定迭代次数，会影响生成质量和时间
  • 最终成图 经过完整的去噪过程后,噪声被转换成符合提示词描述的清晰图像。
  1. 这个过程可以类比成:从一张充满噪点的照片开始,通过不断擦拭镜头,逐渐显现出想要的图像。每一次擦拭都会参考提示词来决定往哪个方向擦。

如果把这个出图比作炒菜

那么这个提示词和模型就相当于我们的原料，原料有了，我们现在还需要一个厨子，采样器就是这个厨子，不同的采样器就好比不同的厨子，我们的这个厨子，还会自带一些调料，比如说采样步数，就好比是盐，每一道菜呢都不可缺少；提示词引导系数呢就好比是糖，加入合适的量呢可以去提鲜，seed 值就好比是刀工，不同的切法，同样的土豆既可以炒土豆丝，也可以炒土豆片。最后厨子、原料和调料都有了，我们还需要一口锅，这个锅就是我们的图片尺寸。有一些厨子还喜欢在这个出菜之后勾个芡，那这个芡呢就是传说中的 VAE，可以在一定程度上提升这个菜的观感和口感，但并不是每一道菜都需要勾芡。

说了这么多不知道大家饿了没，说了这么多，什么厨子 原料 炒菜什么的，主要是想给大家加深一下，对这些模块的印象

现在我们看一下comfyUI的基础流程
picture 0 comfyUI_basic-1737446844019