lz由于设备性能有限，选择使用吐司平台，uu们可以自行选择其他在线工作流搭建平台。

有能力的uu可以选择本地部署，或者云端部署，不影响comfyUI的学习。。

基础节点搭建

常规5件套，包含Checkpoint、CLIP提示词、空Latent、VAE解码、预览图像。可以根据所选模型的特点决定是否需要外置VAE。

1.checkpoint

每个配置文件（.yaml）定义了模型的结构和推理设置，选择哪个配置文件取决于使用的模型权重（Checkpoint）以及的生成需求（如精度、速度、特定功能）。

以下说明来源于D老师

上图配置文件说明

匹配模型类型：

配置文件需与模型权重训练时的架构一致（例如v1、v2、Anything-V3等）

功能需求：

- `inpainting`：用于图像修复（需配合修复模型）。

- `clip_skip`：跳过CLIP的某些层以调整文本理解强度（通常用于特定画风）。

- `fp16`：半精度计算（减少显存占用，提速但可能略微降低质量）。显存较小选择

- `fp32`：全精度计算（质量最佳，但显存需求高）。显存充足选择

配置文件名称	适用场景	选择说明
anything_v3.yaml	Anything V3 系列模型（动漫风格专用）	模型名称包含`anything`、`anime`等
v1-inference.yaml	Stable Diffusion V1 标准模型（通用场景）	官方V1模型（如`sd-v1-4.ckpt`）
v1-inference_clip_skip_2.yaml	V1模型 + 跳过CLIP最后2层（可增强风格化效果）
v1-inference_fp16.yaml	V1模型 + 半精度推理（显存优化）
v1-inpainting-inference.yaml	V1修复模型专用（需配合inpainting权重）
v2-inference.yaml	Stable Diffusion V2 基础模型（768x768分辨率）	官方V2模型（如`768-v-ema.ckpt`）
v2-inference_v.yaml	V2 版本v的模型（指公开发布的V2基础版）
v2-inference_fp32.yaml	V2模型 + 全精度推理（最高质量）
v2-inpainting-inference.yaml	V2 修复模型专用

2.K采样器 

将运行后操作改为固定，固定种子数，锁定生成的图片的样式。步数、CFG、采样器以及调度器参考所选模型作者给出的提示进行设置。

3.CLIP

CLIP的填写可以参考作者所给提示，相关提示词的撰写可以从下述5个方面展开发散进行撰写。 

1人物（人物主体、表情动作、服饰道具）、2场景、3环境、4光照、5镜头

相关提示词复习：SD-提示词书写1-CSDN博客

初次缩放：Latent缩放

下图列出的方法用于在潜在空间（Latent Space）中调整图像尺寸，而不是在像素空间。可以综合设备性能，图片质量选择合适的缩放方法。

常见缩放方法对比

方法名称	原理	特点	适用场景
最近邻 (Nearest)	直接取最近的原始像素值	⚡️ 速度最快 ⚠️ 锯齿明显，边缘粗糙	像素艺术/需要保留硬边缘的情况
邻近-精确 (Nearest-exact)	最近邻的改进版，边界处理更精确	✅ 比标准最近邻锯齿更少 ⚡️ 仍保持高速	需要快速处理的低精度缩放
双线性 (Bilinear)	基于2×2邻域的加权平均	⚖️ 平衡速度和质量 🌫️ 中等模糊（平滑过渡）	通用缩放（速度与质量折中）
双三次 (Bicubic)	基于4×4邻域的三次多项式计算	🌟 细节保留最好 ⚠️ 计算量较大	照片/高清图像放大
区域 (Area)	按像素区域面积平均采样	🔍 缩小图像时效果最佳 ✅ 避免摩尔纹	图像缩小/降采样
双球面线性 (Bilinear spherical)	在球面色彩空间计算（如LAB/LCH）	🌈 色彩过渡更自然 ⚙️ 减少色带现象	渐变色彩图像（如天空/皮肤）

使用说明建议 

1. 图像放大 → 优先选 双三次

2. 实时处理/视频 → 选 双线性

3. 像素风格作品 → 选 最近邻-精确

4. 色彩敏感内容（如艺术作品）→ 尝试 双球面线性

5. 缩小图像 → 首选 区域法

复制K采样器节点，粘贴带连线的K采样器节点——Ctrl+Shift+C。

当降噪值=1时，初始图片为充满噪声的图片。

但通过观察可以看到，初次放大后的图片相较于原图具备更多细节，发顶的光影处理更细致，但由于设置的降噪数=1，故是一张区别于原图的新图。 

可以多次尝试，试出最佳的降噪数值。

二次缩放：放大模型缩放

通过加载放大模型进行放大

放大模型分类

放大倍数

2x（轻度放大，保留原始风格）、4x（最常用，细节明显增强）、8x（极限放大，需配合降噪）

使用场景

内容类型	代表模型	最佳用途
通用真实图像	RealESRGAN_x4plus.pth（消除伪影更优） 4x_NMKD-Superscale-SP.pth	照片/风景/物品
动漫插画	4x-AnimeSharp.pth RealESRGAN_x4plus_anime_6B.pth	二次元/卡通/游戏截图
人脸特写	4xFaceUpSharpDAT.pth	人像照片/肖像画
艺术插画	4x_IllustrationJaNai_V1_ESRGAN.pth	水彩/油画/手绘

选型法则

1. 匹配内容类型

   • 动漫选 4x-AnimeSharp 或 *anime_6B

   • 真人照片选 RealESRGAN_x4plus

2. 选择锐度

   • 柔和自然：4x_RealisticRescaler

   • 极致锐利：4x-UltraSharp

3. 分层放大处理
   先4倍→再4倍（如4x-AnimeSharp→8x_NMKD）

⚠️ 注意：.safetensors格式比.pth更安全，优先选用

三次放大

三次放大和二次放大均为通过大模型对图片进行放大，肉眼基本看不出差异。

具体工作流 

动漫风格放大工作流 | ComfyUI Workflow | 吐司 tusiart.com

事情不会随着时间自行解决，除非你采取行动。——来点鸡汤8

以上end