落白lite & AI研学社·第 39 / 52 小节 · L3 · 单品课先修:L2-03、L2-04课程地图|← 上一课下一课 →
AI 入门与 ComfyUI 出图课
L3 / A 线 / A1
L3 · 单品课 · A 线第 1 站

文生图:四步最小链路

周三晚上,你只想先出一张能看的客厅图,再去抠细节。网页版给你四个选项:尺寸不对,改一处又崩全图。这一课把出图拆成最短的一条链——8 个节点、11 根线、0 个子图。跑通它,后面所有出图课都往这条骨架上加东西。

01 / 现实问题与一句话目标

你大概也遇到过这种求助:“我只想要一张能用的室内效果图,但工具要么尺寸不对,要么改一处崩全图。”问题不在模型不够强,而在你无法定位是哪一步出了错。

这一课的目标很窄:用一段英文描述 + 一个 SDXL 模型 + 20 步采样,跑通“编码 → 采样 → 解码 → 保存”四步,并说清每个节点到底在传什么。

STEP 01
装载
模型 + LoRA
STEP 02
编码
文字 → 条件
STEP 03
采样
噪声 → 潜空间
STEP 04
解码
潜空间 → 像素
STEP 05
保存
PNG 落盘
源文件 基础工作流 文生图.json 顶层节点 8 连线 11 采样 20 步 / CFG 2.95 画布 1600 × 904 × 3
当前位置A 线 · 出图线 · 第 1 站
A1
文生图你在这里
A2
线稿 + 参考图
A3
室内毛坯 + 参考
A4
建筑毛坯 + 参考
02 / PREREQUISITES

先认三张底牌

这条链路只有 8 个节点,但每个节点都压着一个大概念。下面三张卡先把最常拦人的几个词落地:它们是什么、不是什么。缺一张,第四节就会卡住。

L2-01

模型三件套

一个 Checkpoint(检查点)里打包了 MODEL(去噪网络)、CLIP(文本编码器)、VAE(解码器)。它不是“一个画风包”,换它等于三样一起换。本课三根主线全部从 #1 出发。

L2-02

条件与提示词

文字不会直接进模型,要先被 CLIP 压成 CONDITIONING(条件)——一组采样器每一步都要用的数字。反例:它不是提示词原文,你看不见也改不了,要改只能回上游改文本。

L2-03

潜空间与采样

LATENT 是把像素按 1/8 缩小的草稿画布;KSampler 从纯噪声开始,按草稿一步步擦出图。反例:采样不是“渲染”,没有 3D 场景,也不是一次成型。steps 与 CFG 都在这里。

还需要装好这些:SDXL室内大模型.safetensors 与 LoRA SDXL 室内/大平层SDXL.safetensors。这份工作流没有额外的 ControlNet、没有子图、没有自定义节点,是最适合“第一次独立跑通”的一份。
03 / BLUEPRINT

全景:一条从噪声到 PNG 的路

节点(Node)就是画布上一个方块,写着一件具体的事;连线是上游把数据交给下游的那一下。看图别从左往右扫,先找出口:右下角 #11 SaveImage。倒着往回走,只有一条路能到它——#9 解码 ← #4 采样 ← 三份输入(#5 正向、#7 负向、#8 空画布),而 #4 的模型来自 #2 LoRA ← #1 Checkpoint。全部就这些。

#1 CheckpointLoaderSimple SDXL室内大模型 MODEL / CLIP / VAE 三出口 #2 LoraLoader SDXL 室内/大平层 strength 0.41 / CLIP 1.0 #5 CLIPTextEncode 正向提示词 128 词英文长描述 #7 CLIPTextEncode 负向提示词 "" 空字符串 #8 EmptyLatentImage 1600 × 904 batch 3 #4 KSampler 20 步 · CFG 2.95 euler_ancestral scheduler normal denoise 1.0 四进:模型 / 正 / 负 / 画布 #9 VAEDecode 潜空间 → 像素 VAE 来自 #1 #11 SaveImage ComfyUI 前缀,非文件名 VAE CLIP MODEL 3 张
MODEL / 模型 CONDITIONING / 条件 LATENT / 潜空间 IMAGE / 图像 保存
窄屏速读:#1 模型 → #2 LoRA → #5 / #7 两段提示词 + #8 空画布 → #4 采样 20 步 → #9 解码 → #11 保存 3 张。
04 / NODE BY NODE

逐个节点:每站收什么、交什么

按信号流分四段:装载、写条件、采样、输出。每张卡只回答三个问题——这一站收什么、做什么、把什么交给下一站。

A

装载:把模型和风格补丁接上

#1 → #2
#1CheckpointLoaderSimple总开关

它是什么:Checkpoint(检查点)不是“一个模型文件”,而是把 UNet 去噪网络、CLIP 文本编码器、VAE 解码器打包在一起。反例:它不是只换画风;换它,三样一起换。所以它有三个出口,后面每一个分支都从这里出发。

ckpt_nameSDXL室内大模型.safetensors
输出 1MODEL
输出 2CLIP
输出 3VAE
MODEL → #2CLIP → #2VAE → #9
#2LoraLoader补丁

它做什么:LoRA(Low-Rank Adaptation)是补丁:不动大模型,只叠一层“室内 / 大平层”的风格偏移。反例:它不是小模型,也不是插件;删掉它,主模型照常工作。它同时改 MODEL 和 CLIP,所以两根线都要接。

lora_nameSDXL 室内/大平层SDXL.safetensors
strength_model0.41
strength_clip1.0

怎么读 0.41:这是“轻推”。0.3–0.5 通常只改材质与配色;超过 0.8,LoRA 自带的构图习惯会开始压过你的提示词,容易每张都长得像。

B

写条件:一段话变成两份向量

#5 / #7
#5CLIPTextEncode正向

它做什么:把文字压成 CONDITIONING(条件)——一组数字,不是把这段话存起来。采样器每一步都拿它校准“画面该往哪走”。反例:条件不是提示词原文,改条件等于改上游文本。

clip← #2
text 长度128 词 / 829 字符
内容开头sleek and contemporary living room…

这段话描述得相当具体:白色组合沙发、圆形黑茶几、落地窗与白纱帘、棕色休闲椅、纹理墙。它的问题也很具体——太长,第六节会算给你看。

#7CLIPTextEncode负向

它做什么:告诉采样器“哪些方向要躲开”。这里的值是空字符串,不等于“没有负向”,而是“没有特别要躲的东西”。

clip← #2
text""(空)

空负向是 SDXL 的常见做法:配合 2.5–3.5 的 CFG,画面不会太“硬”。如果你把常见的 blurry, low quality 塞进去,CFG 又开得高,颜色会明显变闷。

C

采样:从纯噪声里擦出画面

#8 → #4
#8EmptyLatentImage空画布

它是什么:一张全噪声的潜空间(Latent)画布。潜空间是把像素按 1/8 缩小后的草稿画布,所以 1600×904 在内部是 200×113 的格子。反例:它不是压缩包,解压无损;它来回翻译有损耗。它只决定尺寸和批量,不决定内容。

width1600
height904
batch_size3
LATENT → #4
#4KSampler按草稿擦噪声

它做什么:把“噪声画布 + 正向 + 负向 + 模型”放在一起,跑 20 步去噪。每一步都在猜“如果这里是客厅,像素该长什么样”,再用 CFG 把结果往提示词方向拉。

两个词先落地:seed(种子)是决定从哪一团噪声开始的随机数,反例:它不是画质开关,同 seed 只保证起点相同。CFG(Classifier-Free Guidance)是“听话程度”,2.95 偏温和,调到 7 会明显更硬、更艳;反例:它不是创意度,调高不会更有想象力。

seed1236890805499
control_after_generaterandomize
steps20
cfg2.95
sampler_nameeuler_ancestral
schedulernormal
denoise1.0

denoise 1.0 的意思:从 100% 噪声开始,完全重画。它不是“强度拉满”,而是“没有起始图,别偷懒”。

MODEL正向负向LATENTLATENT → #9
D

解码与保存:把潜空间翻译回 PNG

#9 → #11
#9VAEDecode有损翻译机

它做什么:VAE(变分自编码器)是有损翻译机:把 200×113 的潜空间翻译回 1600×904 的像素图。反例:它不是放大,也不是滤镜;翻译损耗会让图发灰、发糊。

samples← #4
vae← #1

如果这一步糊、灰、偏色,通常不是采样器的问题,而是 VAE 与底模不配套。本课的 VAE 来自同一个 Checkpoint,所以不会踩这个坑。

#11SaveImage落盘

它做什么:把图写进 ComfyUI/output/。注意 filename_prefix 只是前缀,不是完整文件名;真正落盘时会自动补 _00001_ 这样的序号。

filename_prefixComfyUI
实际文件名ComfyUI_00001_.png
batch 3连存 3 张
IMAGE
#11不会存进图的三个信息提醒

PNG 里会带工作流元数据,但文件名不会告诉你 seed、模型、LoRA 强度。三天后你回头看 ComfyUI_00012_.png,只能靠猜。第六节会给出一个可追溯的命名格式。

05 / CHEAT SHEET

参数速查:只动一个会怎样

左边是这份 JSON 的真实值,右边是“只动这一个,会发生什么”。先按原值跑一遍,再做单变量实验。

参数真实值作用
装载
ckpt_nameSDXL室内大模型.safetensors决定画风与知识范围
lora_nameSDXL 室内/大平层SDXL.safetensors叠加室内审美
strength_model0.41越大越像 LoRA 的样板间
strength_clip1.0LoRA 对提示词理解的影响
条件
正向 text128 词英文长描述画面的内容与材质方向
负向 text""不主动排斥任何东西
采样
width × height1600 × 904输出尺寸,约 1.45 MP
batch_size3一次出三张,显存也三份
seed1236890805499同 seed 同参数可复现
steps20去噪步数;低于 12 容易糊
cfg2.95听话程度;越高越硬
sampler / schedulereuler_ancestral / normal去噪路线;ancestral 每步加噪
denoise1.01.0 = 从纯噪声重画
输出
filename_prefixComfyUI只决定文件名前缀

只动一个,会怎样

steps 20 → 8:速度约快一倍,细节和直线开始发虚,家具边缘最先崩。

CFG 2.95 → 7:提示词里有的东西更“必须有”,但颜色更艳、阴影更硬,容易出现塑料感。

batch 3 → 1:显存立刻降下来,适合先试错;定稿再开 3。

1600×904 → 1024×1024:更快、更稳,但构图从横厅变方图,别拿它比较材质。

strength_model 0.41 → 0.9:“样板间味”压过你的描述,换提示词也拉不回来。

20
steps
2.95
CFG
1.0
denoise
1600×904
尺寸
3
batch
0.41
LoRA
06 / TRAPS

四个会绊倒你的地方

这份文生图本身很干净,但“干净”不等于“没坑”。下面四条是跑它必遇到的;最后一条来自同目录的 01 号线稿课,提前给你打预防针。

高
#5 · CLIPTextEncode

128 词的提示词,后半段根本没进模型

SDXL 的 CLIP 文本编码器单段上限是 77 token。token 是编码器把文字切出来的最小片段,一个英文单词常被切成 1 到 3 个。这段 128 词、829 字符的描述,按常见英文分词估算,大约写到“吊灯”那一句就满了;后面的棕色休闲椅、纹理墙、整体氛围,模型可能一句都没读到。

证据:把 #5 的 text 复制到任意分词器里数一遍,或直接删掉后半段重跑——如果画面几乎不变,说明它本来就没生效。

修法:把最重要的 5 个词提到最前(living room, white sectional sofa, floor-to-ceiling window, modern, photorealistic),长句拆成短句;或先把长句压成简短的英文短句,再编码。

中
#8 · EmptyLatentImage

1600×904 不是 64 的倍数

904 ÷ 8 = 113,能被 8 整除,所以不会报错;但 904 ÷ 64 = 14.125,不是 SDXL 最舒服的 64 倍数。再加上 1600×904 约 1.45 MP,高于它最熟悉的 1024×1024(约 1.05 MP),偶尔会出现双茶几、重复吊灯、沙发接缝错位。

修法:先试 1600 × 896(25×64 与 14×64)或 1536 × 896,同 seed 对比重复构图是否消失。

中
#8 · batch_size = 3

“一次三张”是三倍显存,不是三倍魔法

batch 3 会让三张图同时留在显存里跑。8 GB 显卡在 1600×904 下很可能直接 OOM;更隐蔽的情况是系统自动降级,速度突然变得很慢。

修法:调参阶段固定 batch 1,定稿再开 3。要批量比较,用同一 seed + fixed,跑三次比一次开 3 更容易定位问题。

低
#11 · filename_prefix

前缀叫 ComfyUI,等于没命名

所有输出都叫 ComfyUI_000xx_.png,文件夹里一天就能堆出几百张无法区分的图。同目录的 01 号线稿课更典型:保存前缀写着 Flux2-Klein-4b-base,实际加载的模型却是 flux-2-klein-base-9b-fp8.safetensors——文件名在撒谎。

修法:用可追溯前缀,例如 t2i_sdxl-indoor_lora041_s1236890805499,一眼能看出工作流、模型、LoRA 强度和 seed。

低
同目录 01 号 · 线稿+文字

同门体检:三个你迟早会踩的坑

01 号文件不是纯文生图,它多了一张线稿入口。把它的画布翻一遍,会看到三件事,正好提前认识:

  • 换机即断:#222 的图片名是 image (26).png,ComfyUI 只在原机器的 input 目录里找得到。换电脑、重装、清理缓存,节点立刻报红。修法:把素材改成 lineart_livingroom_01.png 这类可读名字,并随工作流一起打包。
  • 子图全叫 New Subgraph:点开任何一层都叫这个名字,根本分不清谁是谁。修法:右键重命名成“Flux2 精修”“SDXL 装载”这类功能名。
  • 看起来在出图,其实没接线:01 号的 SDXL 支路 #177 采样 → #184 解码,输出没有接到任何保存节点;真正落盘的是 #196 Flux2 子图。判断方法只有一个:从 SaveImage 倒着走,能走到的才算数。
07 / PRACTICE

练习与自检

每个练习只改一个变量。做完再回看第五节,你会对“这行数字在管什么”有体感。

EX 01 · 5 分钟

先跑通,再谈效果

加载 JSON,确认 8 个节点没有报红,直接排队。记录出图耗时与显存峰值。

看什么:能否出 3 张、文件名是不是 ComfyUI_00001_ 开头。
EX 02 · 10 分钟

固定 seed,只动步数

把 #4 的 control_after_generate 改成 fixed,steps 依次跑 20 / 12 / 8。

看什么:第几步开始糊,先崩的是家具边缘还是墙面纹理。
EX 03 · 10 分钟

只动 CFG

seed 不变,cfg 依次跑 1.5 / 2.95 / 7。提示词一个字不改。

看什么:画面变硬、颜色变艳的拐点在哪;7 时是否出现塑料感。
EX 04 · 10 分钟

batch 与显存

batch 先改 1,再改 6,记录两次的显存峰值和单张耗时。

看什么:显存是否线性增长,以及你的卡在哪一档开始 OOM。
EX 05 · 10 分钟

换一个合法尺寸

把 1600×904 改成 1600×896,其他不动,同 seed 对比。

看什么:重复构图是否减少,画面比例是否仍然像横厅。
EX 06 · 15 分钟

把提示词压到 60 词

保留白沙发、圆茶几、落地窗、白纱帘、棕色单椅五个元素,删掉形容词堆叠,重写 #5。

看什么:元素是否更齐。这一步通常比加步数更有效。

自检清单(勾选状态会存在本机)

  • 我能从 #11 倒着走到 #1,说出每一站传的是什么。
  • 我知道 Checkpoint 的三个出口分别去了哪里。
  • 我能解释 denoise = 1.0 不是“强度拉满”,而是“没有起始图”。
  • 我知道 1600×904 对应的潜空间是 200×113。
  • 我能说清 128 词提示词为什么会被截断,以及先写哪五个词。
  • 我知道 filename_prefix 不是完整文件名,并给自己定了一个可追溯前缀。
  • 我改过至少一个参数,并能用“潜空间 / 条件 / 显存”解释结果。