ComfyUI
快捷键
| 快捷键 | 解释 |
|---|---|
| Ctrl + Enter | 将当前图表加入到队列中进行生成 |
| Ctrl + Shift + Enter | 将当前图表作为第一个加入队列进行生成 |
| Ctrl + Alt + Enter | 取消当前生成 |
| Ctrl + Z/Ctrl + Y | 撤销/重做 |
| Ctrl + S | 保存工作流程 |
| Ctrl + O | 加载工作流程 |
| Ctrl + A | 全选节点 |
| Alt + C | 折叠/展开选定的节点 |
| Ctrl + M | 静音/取消静音选定的节点 |
| Ctrl + B | 绕过选定的节点（效果如同节点被移除，连线重新连接） |
| Delete/Backspace | 删除选定的节点 |
| Ctrl + Backspace | 删除当前图表 |
| Space | 按住并移动光标时移动画布 |
| Ctrl/Shift + Click | 将点击的节点加入选择 |
| Ctrl + C/Ctrl + V | 复制并粘贴选定的节点（不保持与未选中节点的输出连接） |
| Ctrl + C/Ctrl + Shift + V | 复制并粘贴选定的节点（保持未选中节点的输出与粘贴节点的输入连接） |
| Shift + Drag | 同时移动多个选定的节点 |
| Ctrl + D | 加载默认图表 |
| Alt + + | 画布放大 |
| Alt + - | 画布缩小 |
| Ctrl + Shift + LMB + 垂直拖动 | 画布放大/缩小 |
| Q | 切换队列可见性 |
| H | 切换历史记录可见性 |
| R | 刷新图表 |
| 双击 LMB | 打开节点快速搜索面板 |
| Shift + 拖动 | 同时移动多根连线 |
| Ctrl + Alt + LMB | 断开点击插槽的所有连线 |
基础节点
loaders
Image Only Checkpoint Loader (img2vid model)
该节点在 ComfyUI 中用于加载预训练图像生成模型，专注于图像生成任务，尤其是在图像到视频生成的流程中。它可以帮助用户加载合适的图像模型，并生成视频帧或图像序列，通过其他节点将静态图像转换为动态视频。
Load Checkpoint
该节点是 ComfyUI 中用于加载预训练模型。它可以加载不同格式的检查点文件（如 .ckpt、.safetensors），为图像生成任务提供预训练的模型权重。通过此节点，用户可以灵活选择和加载不同的模型，进行图像生成、修复、风格转换和图像增强等任务。
Load VAE
该节点是 ComfyUI 中用于加载预训练的 VAE 模型。它通过加载 VAE 模型检查点，将潜在空间的图像表示解码为实际图像。VAE 在生成高分辨率、细节丰富的图像中扮演了重要角色，特别是在潜在空间操作、图像生成、图像修复等任务中。
Load LoRA
该节点在 ComfyUI 中用于加载 LoRA 模型，允许用户在大型预训练模型的基础上进行高效微调。通过加载 LoRA 适配器，用户可以实现模型的定制化、适应特定任务，并在计算资源有限的情况下进行有效的模型调整。结合基础模型，LoRA 提供了一种灵活、低资源消耗的微调方案，适用于各种生成和处理任务。
LoraLoaderModelOnly
该节点在 ComfyUI 中用于加载仅包含 LoRA 模型。它专注于加载 LoRA 适配器，使用户能够在已有的基础模型上进行高效的微调和定制。通过与基础模型结合，LoRA 适配器提供了一种灵活、低资源消耗的方式来适应特定任务或风格，适用于各种生成和处理任务。
Load ControlNet Model
该节点在 ComfyUI 中用于加载 ControlNet 模型，提供额外的控制信号以引导图像生成过程。通过加载 ControlNet 模型，用户可以在图像生成任务中实现更精细的控制，例如基于边缘图、姿态图或深度图的生成，从而得到符合特定要求的图像。
Load ControlNet Model (diff)
该节点在 ComfyUI 中用于加载专门针对差异图像生成任务的 ControlNet 模型。通过该节点，用户可以实现基于原始图像和差异信息的生成任务，灵活调整图像内容，满足特定需求。该模型的设计使得用户能够更精细地控制生成过程中的变化，适用于各种图像生成和修改任务。
Load CLIP Vision
该节点在 ComfyUI 中用于加载 CLIP 模型，为用户提供图像特征提取和条件生成的能力。通过该节点，用户可以在图像生成和检索任务中充分利用 CLIP 的强大能力，提升生成效果和处理精度。
unCLIPCheckpointLoader
该节点在 ComfyUI 中用于加载 unCLIP 模型，提供文本到图像生成的功能。通过该节点，用户能够根据文本描述生成符合要求的图像，支持创意内容的创作与艺术探索。
GLIGENLoader
该节点在 ComfyUI 中用于加载 GLIGEN 模型，支持基于文本生成图像的功能。通过该节点，用户可以根据文本描述生成丰富的视觉内容，满足创意和艺术创作的需求。
HypernetworkLoader
该节点在 ComfyUI 中用于加载超网络模型，为用户提供灵活的模型微调和定制能力。通过该节点，用户能够在图像生成等任务中快速适配和调整模型，以满足特定的创作需求和风格要求。
Load Upscale Model
该节点在 ComfyUI 中用于加载超分辨率模型，为用户提供对低分辨率图像进行放大的能力。通过该节点，用户能够生成高质量的图像，满足多种应用需求，包括图像增强、细节恢复和视频处理等。
Load Style Model
该节点在 ComfyUI 中用于加载特定的风格化图像生成模型，为用户提供将艺术风格应用于图像的能力。通过该节点，用户能够实现独特的视觉效果，满足多种创意和艺术创作需求。
conditioning
InpaintModelConditioning
该节点在 ComfyUI 中用于图像修复和填充任务，允许用户根据遮罩和条件信息生成符合要求的内容。通过该节点，用户能够灵活地对图像进行修改和修复，满足各种创意和实际应用需求。
SVD_img2vid_Conditioning
该节点在 ComfyUI 中用于将图像转换为视频的条件处理，利用 SVD 技术增强生成质量。通过该节点，用户能够根据图像和条件信息生成动态视频，满足各种创意和实际应用需求。
TIP
输入通常结合 Image Only Checkpoint Loader (img2vid model) 节点和 Load Image 节点使用。
StableZero123_Conditioning
该节点在 ComfyUI 中用于条件图像生成，利用稳定性技术提高生成质量和一致性。通过该节点，用户能够根据俯仰视角或侧视视角生成符合需求的高质量图像，适应各种创意和应用场景。
StableZero123_conditioning_Batched
该节点在 ComfyUI 中用于批量处理图像生成任务，结合俯仰视角或侧视视角生成和高效的批量处理能力。该节点特别适合需要同时处理多个俯仰视角或侧视视角的情况。
SV3D_Conditioning
该节点在 ComfyUI 中用于条件生成三维内容，允许用户根据输入条件生成高质量的三维模型和场景。通过该节点，用户能够满足各种创意和应用需求，特别是在需要深度和立体感的创作中。
SD_4XUpscale_Conditioning
该节点在 ComfyUI 中用于实现四倍超分辨率图像处理，通过提升低分辨率图像的清晰度和细节，满足用户对高质量图像的需求。
TIP
必须加载对应的 Upscaler 模型。
StableCascade_StageB_Condition
该节点在 ComfyUI 中用于多阶段图像生成的细化处理，通过进一步优化生成的图像，提升整体质量和细节，满足用户在艺术创作和设计上的需求。
InstructPixToPixConditioning
该节点在 ComfyUI 中用于根据用户指令进行图像转换，通过灵活的指令实现对图像的修改和生成，满足各种创意和设计需求。
TIP
必须加载对应的 InstructPixToPix 模型。
CLIP Text Encode (Prompt)
该节点在 ComfyUI 中用于将文本提示转换为向量表示，支持图像生成和多模态任务，满足用户在创意和检索方面的需求。
CLIP Set Last Layer
该节点在 ComfyUI 中用于调整 CLIP 模型的最后一层，以满足特定任务的需求。通过此节点，用户能够优化模型性能，实现更好的图像生成和处理效果。
ConditioningAverage
该节点在 ComfyUI 中用于计算多个条件向量平均值，通过整合输入特征，提升图像生成和处理任务的效果。此节点帮助用户实现更稳定和一致的生成结果。
Conditioning(Combine)
该节点在 ComfyUI 中用于将多个条件向量合并，增强后续生成任务的表现，通过整合不同的输入特征，帮助用户实现更丰富和多样的生成效果。
Conditioning(Concat)
该节点在 ComfyUI 中用于将多个条件向量连接，增强图像生成和处理任务的表现，通过整合不同的输入特征，帮助用户实现更丰富和多样的生成效果。
Conditioning(Set Mask)
该节点在 ComfyUI 中用于为条件向量设置遮罩，控制特定区域的生成影响，增强图像生成的灵活性和准确性。此节点帮助用户实现更精细和符合需求的生成效果。
CLIP Vision Encode
该节点在 ComfyUI 中用于将图像输入转换为向量表示，支持图像生成、检索和多模态任务，帮助用户实现更灵活和丰富的图像处理效果。
TIP
输入通常结合 Load CLIP Vision 节点和 Load Image 节点使用。
unCLIPConditioning
该节点在 ComfyUI 中用于将图像向量转换为条件信息，支持图像生成和多模态任务，通过解码潜在向量帮助用户实现更丰富和灵活的生成效果。
TIP
输入通常结合 CLIP Vision Encode 节点使用。
Apply Style Model
该节点在 ComfyUI 中用于将特定风格应用于输入图像，通过风格迁移技术，帮助用户创造出具有艺术性和个性的图像，满足多种创作和设计需求。
TIP
输入通常结合 Load Style Model 节点、 Load CLIP Vision 节点、 Load Image 节点和 CLIP Vision Encode 节点使用。
Apply ControlNet
该节点在 ComfyUI 中用于通过 ControlNet 模型对图像生成进行控制和指导，帮助用户实现更精确和符合需求的图像生成效果，增强创作过程的灵活性和有效性。
TIP
输入通常结合 Load ControlNet Model 节点或 Load ControlNet Model (diff) 节点、 Load Image 节点和对应预处理器（Canny/ Invert/ depth_leres++）节点使用。
Apply ControlNet (Advanced)
该节点在 ComfyUI 中提供了一种高级方式，通过 ControlNet 模型对图像生成进行细致控制，帮助用户实现更复杂和符合需求的图像生成效果，增强创作的灵活性和精确度。
latent
VAE Decode
该节点在 ComfyUI 中的主要功能是对潜在空间（latent space）中的信息进行解码，将其转换为可视化的图像。在扩散模型中，VAE（Variational Autoencoder，变分自编码器）用于编码图像到潜在空间，再通过解码生成高质量的图像。
VAE Encode
该节点在 ComfyUI 中的功能是将图像编码为潜在表示（latent space representation），这使得图像可以在潜在空间中进行操作和处理。与 VAE Encode (for Inpainting) 类似，但它是更广泛的图像编码节点，适用于不同的任务，而不仅仅局限于 inpainting（图像修复）。
Empty Latent Image
Empty Latent Image 节点在 ComfyUI 中的作用是创建一个空的潜在图像（latent image），其主要功能是为扩散模型或其他潜在空间操作提供一个初始化的起点。这个节点生成的潜在图像是未填充的，因此它可以用于后续的图像生成、编辑或插值任务。
详细说明：
创建空的潜在图像： Empty Latent Image 节点生成的并不是一张具体的可见图像，而是一个表示图像的潜在空间中的空白矩阵或张量（tensor）。这个潜在图像没有实际的图像数据，它通常是填充有零值的张量，作为扩散模型的输入或起始点。
配置参数： 当创建空的潜在图像时，用户通常可以定义一些参数，比如：
- 分辨率或维度：指定潜在图像的大小或维度，这决定了输出图像的分辨率。一般来说，潜在图像的大小对应于最终图像的分辨率。
- 随机初始化（可选）：一些情况下，用户可能希望生成随机噪声作为起始点，而不仅仅是空白的潜在图像。这个节点可以配置为初始化为全零或随机值。
作用和用途：
- 扩散模型的初始输入：在图像生成任务中，扩散模型通常从一个潜在空间中的初始表示开始进行迭代生成。Empty Latent Image 提供了这个初始潜在表示。
- 插值或混合任务：空的潜在图像还可以用于插值或混合任务。例如，将多个潜在表示混合生成新图像时，Empty Latent Image 可以作为中间状态。
- 定制初始状态：在一些高级生成任务中，用户可能需要从一个空的、随机的或零噪声的潜在表示开始，Empty Latent Image 提供了这种灵活性。
后续操作： 生成的空潜在图像将传递到后续的节点进行处理，例如：
- VAE Decode：可以通过解码器将潜在图像转换为可视图像。
- 扩散模型：将空的潜在图像作为输入，进行扩散和噪声预测，生成完整图像。
使用场景：
- 图像生成初始点：在使用扩散模型时，通常从一个随机噪声或空潜在图像开始迭代生成，这个节点提供了这个起点。
- 图像修复或编辑的起点：用于创建空白或噪声潜在图像，以便在潜在空间中进行操作，例如图像编辑或修复。
- 多步生成的插入节点：在多步生成任务中，Empty Latent Image 可以作为某个步骤的起点，等待来自其他步骤的输入或参数调整。
总结： Empty Latent Image 是生成图像工作流中非常基础但重要的节点，它生成一个空白或随机初始化的潜在表示，用于后续扩散模型的处理。这个节点特别适合在图像生成的早期阶段使用，作为创建潜在图像的起点。
Upscale Latent
该节点在 ComfyUI 中的功能是对潜在空间中的图像进行放大或插值，即增加图像的分辨率，而不直接对图像像素进行操作。这种操作是在潜在空间中进行的，从而可以在保持图像细节的同时，提高图像的分辨率。
Upscale Latent By
该节点在 ComfyUI 中的作用是以特定的倍数对潜在空间中的图像进行放大。它与普通的 Upscale Latent 节点类似，但区别在于用户可以明确指定上采样的倍数，以此更灵活地控制图像的分辨率增量。这种上采样操作是在潜在空间中进行的，以提高图像的分辨率，同时尽可能保持图像的细节和质量。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点使用。
Latent Composite
该节点在 ComfyUI 中的功能是将多个潜在空间中的图像（latent images）组合或混合在一起，以创建一个新的潜在图像表示。这一节点允许用户在潜在空间中合成图像元素，从而灵活地修改图像的结构、细节，或是融合多个生成结果。
TIP
输入通常结合 2 个 Load Image 节点和 VAE Encode 节点使用。
LatentCompositeMasked
该节点在 ComfyUI 中的功能是将多个潜在空间中的图像（latent images）根据用户提供的蒙版（mask）进行组合。与 Latent Composite 类似，它的主要作用是将图像在潜在空间中合并，但不同的是它允许用户通过蒙版精确控制图像的哪些部分将被组合。这种功能特别适用于局部图像修复、编辑以及复杂的图像合成任务。
TIP
输入通常结合 2 个 Load Image 节点和 VAE Encode 节点使用。
LatentAdd
LatentAdd 节点在 ComfyUI 中用于将多个潜在图像（latent images）进行加法操作。这意味着它将输入的潜在图像通过逐像素的加法进行组合，生成一个新的潜在图像。这个节点主要用于在潜在空间中合成图像，能够实现一些特定的效果，比如特征融合、图像合成等。
TIP
输入通常结合 2 个 Load Image 节点和 VAE Encode 节点使用。
LatentSubtract
LatentSubtract 节点在 ComfyUI 中用于从一个潜在图像（latent image）中减去另一个潜在图像。这意味着节点通过逐像素的减法操作生成一个新的潜在图像，体现了从一个图像中去除另一个图像的特征。这个节点在潜在空间中进行操作，能够实现特定的图像编辑和调整效果。
TIP
输入通常结合 2 个 Load Image 节点和 VAE Encode 节点使用。
LatentMultiply
LatentMultiply 节点在 ComfyUI 中用于对两个潜在图像（latent images）进行逐像素的乘法操作。这意味着它将两个潜在图像的像素值进行相乘，生成一个新的潜在图像。这种操作在潜在空间中进行，可以实现图像的特征增强、掩蔽或调整等效果。
TIP
输入通常结合 2 个 Load Image 节点和 VAE Encode 节点使用。
LatentInterpolate
LatentInterpolate 节点在 ComfyUI 中用于在两个潜在图像（latent images）之间进行线性插值。它允许用户生成介于两个潜在图像之间的中间图像，通过平滑过渡来探索潜在空间中的不同特征或样式。这个节点可以用于创建平滑的变换效果、生成插值动画、或者进行特征融合。
TIP
输入通常结合 2 个 Load Image 节点和 VAE Encode 节点使用。
VAE Encode (for Inpainting)
该节点在 ComfyUI 中的主要作用是将现有的图像编码到潜在空间（latent space），以便用于进一步的操作，比如图像修复（inpainting）等任务。在 inpainting 任务中，部分图像会被替换或重构，这个节点的作用就是把已有图像转换为潜在表示，从而进行修改或修复。
TIP
输入通常结合 Load Image 节点使用。
Set Latent Noise Mask
该节点在 ComfyUI 中用于在潜在图像（latent image）中添加噪声或应用噪声遮罩。这通常用于模拟噪声、进行数据增强或在生成图像中引入随机性。通过设置噪声遮罩，用户可以控制噪声在潜在空间中的应用方式，从而影响最终生成的图像。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点使用。
Rotate Latent
该节点在 ComfyUI 中用于旋转潜在图像，通过旋转操作改变潜在图像的方向或角度，从而影响解码后生成的图像。这种操作能够让用户在潜在空间中进行旋转变换，进而调整图像的视角或方向。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点使用。
Flip Latent
该节点在 ComfyUI 中用于翻转潜在图像，通过翻转对潜在图像进行水平或垂直方向上的翻转，影响潜在空间中的表示，从而在生成的图像中体现出相应的镜像效果。它在图像的几何变换、数据增强、或创建对称性图像时非常有用。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点使用。
Crop Latent
该节点在 ComfyUI 中用于裁剪潜在图像，通过裁剪可以选择潜在图像的特定区域并丢弃其他部分。这一功能类似于在图像像素层面进行裁剪，但它发生在潜在空间中，因此影响的是图像的特征表示，而不是直接处理像素。这种操作可以用于控制生成图像的局部区域，调整图像内容或进行数据增强。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点使用。
LatentBatch
该节点在 ComfyUI 中用于创建和管理潜在图像的批次。它允许用户将2个潜在图像打包成一个批次，以便在同一时间处理2个潜在图像。这一节点对于批量生成、批处理操作和数据增强场景尤为重要，因为它使得用户能够同时处理2个潜在图像，提高工作效率。
TIP
输入通常结合 2 个 Load Image 节点和 VAE Encode 节点使用。
Repeat Latent Batch
该节点在 ComfyUI 中用于对潜在图像（latent images）批次进行重复操作。这意味着，用户可以通过该节点将输入的一批潜在图像（或者单一潜在图像）重复多次，从而生成多份相同的潜在图像。这一功能在需要对相同潜在图像进行批量操作或生成多个相同图像的场景中非常有用。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点使用。
Rebatch Latents
该节点在 ComfyUI 中用于重新调整潜在图像（latent images）的批次大小。该节点的主要功能是接收一个潜在图像的批次，并根据用户的需要重新组织或调整批次中的图像数量。这对于需要调整批量操作、优化内存使用或改变处理任务的粒度时非常有用。
TIP
输入通常结合 Load Image 节点、 VAE Encode 节点和 Repeat Latent Batch节点使用。
WARNING
执行该节点操作会节省显存占用，但之后生成图片的序号将不再生效。
Latent From Batch
该节点在 ComfyUI 中用于从潜在图像批次（latent image batch）中提取单个潜在图像。这意味着，如果用户有一个包含多个潜在图像的批次，并且希望从中提取某一特定图像进行进一步操作或处理，就可以使用该节点来选择指定的图像。
TIP
输入通常结合 Simpler 节点使用。
WARNING
输入端需要注意与 ImageFromBatch 节点区别。
image
Upscale Image
Upscale Image 节点在 ComfyUI 中用于将图像分辨率放大，同时尽可能保持图像的细节和质量。它通常使用预训练的超分辨率模型来增强图像的分辨率，使图像在放大后保持清晰。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点，或直接 VAE Decode 节点使用。
Upscale Image By
Upscale Image By 节点在 ComfyUI 中用于按指定倍数对输入图像进行分辨率放大。这个节点允许用户以灵活的比例放大图像，同时尽量保留图像的细节和质量。与Upscale Image 节点不同的是，Upscale Image By 提供了更精确的控制，用户可以通过具体的放大倍数参数来自定义输出图像的尺寸。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点，或直接 VAE Decode 节点使用。
ImageScaleTo TotalPixels
ImageScaleTo TotalPixels 节点在 ComfyUI 中用于将图像的总像素数量调整到指定的目标值，而不强制改变图像的宽高比。这是一种灵活的图像缩放方法，能够使图像在保持宽高比的同时调整大小，以适应特定像素需求。
TIP
输入通常结合 Load Image 节点和 VAE Encode 节点，或直接 VAE Decode 节点使用。
Upscale Image (using Model)
Upscale Image (using Model) 节点在 ComfyUI 中用于通过一个预训练的超分辨率模型来对图像进行分辨率放大。这一节点使用深度学习模型，旨在在图像放大的过程中保持或增强细节，并避免传统放大方法中常见的模糊或失真问题。
TIP
输入通常结合 Load Upscale Model 节点、 Load Image 节点和 VAE Encode 节点，或 Load Upscale Model 节点和 VAE Decode 节点使用。
ImageBlend
ImageBlend 节点在 ComfyUI 中用于将两张图像进行混合（blend），根据用户设定的混合模式和权重，生成一张融合了两张输入图像特征的图像。它是图像处理中的一种基本操作，通常用于叠加效果、透明处理、或合成图像。
TIP
输入通常结合 2 个 Load Image 节点使用。
ImageBlur
ImageBlur 节点在 ComfyUI 中用于对输入的图像应用模糊效果。模糊是一种图像处理技术，能够通过平滑像素来减少图像的细节和噪声，从而产生柔和的视觉效果。ImageBlur 节点通常用于背景虚化、图像过渡、减少细节等场景。
TIP
输入通常结合 Load Image 节点使用。
ImageQuantize
ImageQuantize 节点在 ComfyUI 中用于对图像进行颜色量化处理。颜色量化是一种减少图像颜色种类的技术，通过将图像中的颜色数目限制在一定的范围内，常用于减少文件大小、创建复古或卡通效果，或为特定用途生成较少颜色的图像。
TIP
输入通常结合 Load Image 节点使用。
ImageSharpen
ImageSharpen 节点在 ComfyUI 中用于对图像应用锐化处理。图像锐化是一种增强图像边缘和细节的技术，通过提高像素间的对比度，使图像看起来更加清晰和鲜明。ImageSharpen 节点可用于改善模糊图像的清晰度，或者在图像处理流程中为图像增添细节。
TIP
输入通常结合 Load Image 节点使用。
ImageMorphology
ImageMorphology 节点在 ComfyUI 中用于对图像进行形态学操作。图像形态学处理是一类基于图像形状的非线性处理技术，广泛用于图像的结构化调整、降噪、边缘检测、形状修复等。常见的形态学操作包括膨胀、腐蚀、开运算、闭运算等。
TIP
输入通常结合 Load Image 节点使用。
Batch Images
Batch Images 节点在 ComfyUI 中用于对一组图像进行批量处理。这一节点允许用户同时对多张图像应用相同的处理操作，提高工作效率。
TIP
输入通常结合 2 个 Load Image 节点使用。
RepeatImageBatch
该节点在 ComfyUI 中用于重复一个图像批次的操作。该节点允许用户将已有的图像批次复制多次，以便于后续的处理步骤中使用。这在处理需要相同输入多次的任务时非常有用。
TIP
输入通常结合 Load Image 节点使用。
Rebatch Images
该节点在 ComfyUI 中用于将图像的批次（batch）进行重新分配和组织。图像批处理是指在一次操作中处理多个图像，而 Rebatch Images 节点提供了一种灵活的方式来重新组织这些图像批次，适应不同处理需求。
TIP
输入通常结合 RepeatImageBatch 节点使用。
WARNING
执行该节点操作会节省显存占用，但之后生成图片的序号不再生效。
ImageFromBatch
该节点在 ComfyUI 中用于从图像批次中提取特定的单张图像。这个节点使得用户能够选择并使用批次中的某一特定图像进行后续处理或分析。
TIP
输入通常结合 VAE Decode 节点使用。
WARNING
输入端需要注意与 Latent from Batch 节点的区别。
Canny
Canny 节点在 ComfyUI 中用于执行 Canny 边缘检测，这是图像处理中一种常用的边缘检测算法。Canny 边缘检测通过多个步骤提取图像中的边缘信息，以便于后续处理和分析。
TIP
输入通常结合 Load Image 节点使用。
ImageCrop
Image Crop 节点在 ComfyUI 中用于裁剪图像。这一功能允许用户从输入图像中提取出特定区域，通常用于调整图像的大小、去除不需要的部分或专注于某个特定区域。
TIP
输入通常结合 Load Image 节点使用。
SaveAnimatedWEBP
Save Animated WEBP 节点在 ComfyUI 中用于将生成的动画保存为 WEBP 格式。这种格式是一种现代的图像格式，支持高质量的压缩以及动画效果，适合在网络上使用。
TIP
输入通常结合 VAE Decode 节点使用。
SaveAnimatedPNG
Save Animated PNG 节点在 ComfyUI 中用于将生成的动画保存为 PNG 格式的文件。尽管 PNG 通常用于静态图像，但它也支持动画，通过将多帧图像合成为一段动画效果。
TIP
输入通常结合 VAE Decode 节点使用。
Save Image
Save Image 节点在 ComfyUI 中用于将处理后的图像保存为文件。该节点提供简单的方式，将生成或修改后的图像导出到本地存储，以便后续使用或分享。
TIP
输入通常结合 VAE Decode 节点使用。
Preview Image
Preview Image 节点在 ComfyUI 中用于显示处理后的图像的预览。这一节点允许用户快速查看图像结果，以便进行后续的调整或决策。
TIP
输入通常结合 VAE Decode 节点使用。
Load Image
Load Image 节点在 ComfyUI 中用于从本地存储加载图像文件。这个节点使用户能够将图像导入到工作流中，进行后续的处理和分析。
Invert Image
Invert Image 节点在 ComfyUI 中用于对输入图像进行颜色反转处理。这个节点可以将图像的每个像素的颜色值转换为其补色，从而实现图像的反转效果。
TIP
输入通常结合 Load Image 节点使用。
EmptyImage
Empty Image 节点在 ComfyUI 中用于创建一张空白图像。这一节点通常用于初始化图像，作为后续处理的基础。
ImageCompositeMasked
Image Composite Masked 节点在 ComfyUI 中用于将多张图像进行合成，同时应用遮罩效果。这一节点允许用户根据指定的遮罩，将不同图像融合在一起，创造出复杂的视觉效果。
TIP
输入通常结合 2 个 Load Image 节点使用。
Pad Image for Outpainting
Pad Image for Outpainting 节点在 ComfyUI 中用于对图像进行扩充处理，以便在图像周围添加额外的区域，通常用于图像扩展或出画（outpainting）任务。这种处理可以帮助用户在不失去原始图像内容的情况下，增加画布的尺寸，为后续的绘制或生成提供更多空间。
TIP
输入通常结合 Load Image 节点使用，输出通常结合 VAE Encode (for Inpainting) 节点使用。
sampling
BasicScheduler
KarrasScheduler
ExponentialScheduler
PolyexponentialScheduler
VPScheduler
BetaSamplingScheduler
SDTurboScheduler
AlignYourStepsScheduler
GITSScheduler
KSamplerSelect
SamplerEulerAncestral
SamplerEulerAncestralCFG++
SamplerLMS
SamplerDPMPP_3M_SDE
SamplerDPMPP_2M_SDE
SamplerDPMPP_SDE
SamplerDPMPP_2S_Ancestral
SamplerDPMAdaptative
SamplerLCMUpscale
splitSigmas
SplitSigmasDenoise
FlipSigmas
CFGGuider
DualCFGGuider
BasicGuider
Scheduled CFGGuider (Inspire)
Scheduled PerpNeg CFGGuider (Inspire)
RandomNoise
DisableNoise
SamplerCustom
SamplerCustomAdvanced
VideoLinearCFGGuidance
VideoTriangleCFGGuidance
KSampler
KSampler (Advanced)
TiledK Sampler (Advanced)
Tiled KSampler
高级节点
mask
Porter-Duff Image Composite
- 功能：使用 Porter-Duff 合成模式将两张图像组合在一起。
- 应用场景：用于创建复杂的图像叠加效果，适用于图像合成和编辑。
Split Image with Alpha
- 功能：将图像分割为 RGB 图像和 Alpha 通道。
- 应用场景：在需要单独处理图像的透明度信息时使用。
Join Image with Alpha
- 功能：将 RGB 图像与 Alpha 通道合并。
- 应用场景：在需要合成图像与其透明度信息时使用。
Load Image (as Mask)
- 功能：将图像加载为遮罩。
- 应用场景：在图像处理过程中将图像用作遮罩，进行区域选择或遮罩。
Convert Mask to Image
- 功能：将遮罩转换为图像。
- 应用场景：在需要将遮罩信息可视化或进行进一步处理时使用。
Convert Image to Mask
- 功能：将图像转换为遮罩。
- 应用场景：用于提取图像的特定区域或轮廓，生成遮罩。
ImageColorToMask
- 功能：将图像的颜色信息转换为遮罩。
- 应用场景：在基于颜色信息选择图像区域时使用，生成二值遮罩。
SolidMask
- 功能：生成一个实心的遮罩。
- 应用场景：在需要对整个图像应用统一遮罩时使用。
InvertMask
- 功能：反转遮罩的区域。
- 应用场景：在需要将选定区域反转为未选定区域时使用。
CropMask
- 功能：裁剪遮罩到特定区域。
- 应用场景：在只需要处理遮罩的部分区域时使用。
MaskComposite
- 功能：将多个遮罩合成一个遮罩。
- 应用场景：在需要合并多个遮罩的选择区域时使用。
FeatherMask
- 功能：对遮罩边缘进行羽化处理，使其过渡更平滑。
- 应用场景：在需要创建柔和的边缘过渡效果时使用。
GrowMask
- 功能：扩展遮罩的选定区域。
- 应用场景：在需要增加遮罩覆盖区域时使用。
ThresholdMask
- 功能：根据阈值生成二值遮罩。
- 应用场景：在需要基于图像亮度或颜色生成遮罩时使用。
advanced
Load CLIP
- 功能：加载 CLIP 模型。
- 应用场景：用于文本与图像的跨模态对比学习，支持条件生成任务。
Load Diffusion Model
- 功能：加载扩散模型，用于生成任务。
- 应用场景：在图像生成和扩散过程中的模型加载。
DualCLIPLoader
- 功能：加载双 CLIP 模型。
- 应用场景：适用于需要同时使用两个 CLIP 模型进行对比学习或多模态生成任务。
Load Checkpoint With Config (DEPRECATED)
- 功能：加载带有配置的检查点（已废弃）。
- 应用场景：已废弃节点，建议使用更新版本的加载节点。
TripleCLIPLoader
- 功能：加载三个 CLIP 模型。
- 应用场景：适用于复杂的多模态生成任务，使用三个不同的 CLIP 模型。
CLIPTextEncodeFlux
- 功能：对文本进行编码，生成 Flux 指导下的文本嵌入。
- 应用场景：用于基于 Flux 的文本编码，适合复杂生成任务。
FluxGuidance
- 功能：为生成过程提供 Flux 指导。
- 应用场景：在生成图像时提供额外的引导信息，以增强生成质量。
ConditioningzeroOut
- 功能：将条件置为零，清空条件信息。
- 应用场景：在不希望使用任何条件生成的任务中使用。
ConditioningSetTimestepRange
- 功能：设置条件的时间步范围。
- 应用场景：用于控制条件在生成过程中的应用范围。
CLIPTextEncodeSDXLRefiner
- 功能：对文本进行编码，用于 SDXL 精炼器模型。
- 应用场景：用于生成任务中更精细的文本条件编码。
CLIPTextEncodeSDXL
- 功能：对文本进行编码，用于 SDXL 模型。
- 应用场景：在 SDXL 模型中作为文本条件输入。
CLIPTextEncodeSD3
- 功能：对文本进行编码，用于 SD3 模型。
- 应用场景：适用于 SD3 模型的文本条件输入。
CLIPTextEncodeHunyuanDiT
- 功能：对文本进行编码，用于 HunyuanDiT 模型。
- 应用场景：在 HunyuanDiT 模型中生成文本条件。
ModelMergeSD1
- 功能：合并两个 SD1 模型。
- 应用场景：在需要合并多个模型权重以生成新模型时使用。
ModelMergeSD2
- 功能：合并两个 SD2 模型。
- 应用场景：同样适用于合并模型权重，以生成新的模型。
ModelMergeSDXL
- 功能：合并 SDXL 模型。
- 应用场景：适用于需要合并多个 SDXL 模型权重的任务。
ModelMergeSD3_2B
- 功能：合并两个 SD3 模型。
- 应用场景：用于将两个 SD3 模型权重合并为一个新模型。
ModelMergeFlux1
- 功能：合并 Flux 模型。
- 应用场景：在生成任务中合并多个 Flux 模型的权重。
ModelMergeSimple
- 功能：简单地合并两个模型。
- 应用场景：适用于需要快速合并模型权重的场景。
ModelMergeBlocks
- 功能：通过块级别合并模型。
- 应用场景：用于细粒度的模型合并操作，适合复杂的模型组合任务。
ModelMergeSubtract
- 功能：通过减去权重来合并模型。
- 应用场景：用于差异化合并模型。
ModelMergeAdd
- 功能：通过相加权重来合并模型。
- 应用场景：用于融合多个模型的权重。
Save Checkpoint
- 功能：保存当前模型检查点。
- 应用场景：在训练或生成过程中保存模型状态，以便后续使用。
CLIPMergeSimple
- 功能：简单地合并两个 CLIP 模型。
- 应用场景：快速合并 CLIP 模型，用于文本和图像任务。
CLIPMergeSubtract
- 功能：通过减去权重来合并 CLIP 模型。
- 应用场景：在需要差异化 CLIP 模型的任务中使用。
CLIPMergeAdd
- 功能：通过相加权重来合并 CLIP 模型。
- 应用场景：用于融合多个 CLIP 模型的权重。
CLIPSave
- 功能：保存 CLIP 模型状态。
- 应用场景：在生成任务后保存 CLIP 模型，以便将来使用。
VAESave
- 功能：保存 VAE 模型状态。
- 应用场景：用于在生成和编码任务后保存 VAE 模型。
ModelSamplingDiscrete
- 功能：对模型进行离散采样。
- 应用场景：在生成任务中应用离散采样策略。
ModelSamplingContinuousEDM
- 功能：对模型进行连续 EDM 采样。
- 应用场景：在生成任务中应用连续采样策略，以提高生成质量。
ModelSamplingContinuousV
- 功能：对模型进行连续 V 采样。
- 应用场景：用于特定的生成任务，提升输出的连贯性。
ModelSamplingStableCascade
- 功能：应用 StableCascade 方法进行模型采样。
- 应用场景：在复杂生成任务中使用 Cascade 采样技术。
ModelSamplingSD3
- 功能：对 SD3 模型进行采样。
- 应用场景：用于在 SD3 模型上执行采样操作，生成图像或其他输出。
ModelSamplingAuraFlow
- 功能：对模型进行 AuraFlow 采样。
- 应用场景：在需要应用 AuraFlow 技术的生成任务中使用。
ModelSamplingFlux
- 功能：对模型进行 Flux 采样。
- 应用场景：用于生成任务中应用 Flux 技术的采样方法。
RescaleCFG
- 功能：重新调整 CFG（分类器引导）的比例。
- 应用场景：在生成任务中对分类器引导的强度进行调整，以优化输出质量。
model_patches
FreeU
- 功能：FreeU 是一种用于优化图像生成过程中自注意力模块表现的技术，通常用于提升生成质量。
- 应用场景：适用于需要高质量图像生成的任务，特别是在处理复杂场景或高细节图像时。
FreeU_V2
- 功能：FreeU 的改进版本，进一步优化了自注意力模块的表现，提升了生成质量和效率。
- 应用场景：在 FreeU 的基础上，适用于更高要求的图像生成任务，提供更出色的生成效果。
HyperTile
- 功能：HyperTile 通过将图像划分为多个小块进行处理，从而实现更高效的图像生成与处理。
- 应用场景：用于大图像生成或需要处理大分辨率图像的任务，能够显著减少内存使用并加快处理速度。
PerturbedAttentionGuidance
- 功能：通过扰动自注意力机制来引导生成过程，使得生成的图像更具多样性和复杂性。
- 应用场景：适用于需要增加图像多样性或生成更复杂场景的任务，在艺术创作和数据增强中有较好应用。
audio
SaveAudio
- 功能：将音频数据保存为文件。
- 应用场景：用于在音频处理或生成任务完成后保存音频输出，以便后续使用或分发。
LoadAudio
- 功能：从文件中加载音频数据。
- 应用场景：在音频处理任务中作为输入使用，适用于需要对现有音频进行编辑或处理的场景。
PreviewAudio
- 功能：预览音频数据。
- 应用场景：在音频处理或生成过程中进行快速检查，确保音频效果达到预期。
utils
Primitive
- 功能：生成基础的几何图形或简单形状，用于图像或其他视觉内容的构建。
- 应用场景：适用于构建简单的图形元素，或在更复杂的视觉设计中作为基础组件使用。
Note
- 功能：添加注释或备注，帮助解释或记录流程中的特定步骤或节点的用途。
- 应用场景：用于文档化工作流程，帮助团队成员或未来的用户理解特定节点的作用和操作逻辑。
Reroute
- 功能：在工作流中重新引导数据流或连接，以更好地组织和管理复杂的节点网络。
- 应用场景：适用于需要重新组织数据流的场景，特别是在处理复杂的工作流程时，帮助提高可读性和管理效率。