ComfyUI 新手实录:从零搭建工作流生成图像,模型与提示词成最大难关
一位 AI 图像生成新手分享在 ComfyUI 中从零搭建工作流的经历,用"厨房做菜"比喻工作流、节点、模型与 LoRA 的关系。作者在 Civitai 上从 SD1.5 模型列表中挑选模型,首次生成因步数不足只得到模糊图像,调整后约 1 小时才产出较像样的男性图像。
一位 AI 图像生成新手分享在 ComfyUI 中从零搭建工作流的经历,用"厨房做菜"比喻工作流、节点、模型与 LoRA 的关系。作者在 Civitai 上从 SD1.5 模型列表中挑选模型,首次生成因步数不足只得到模糊图像,调整后约 1 小时才产出较像样的男性图像。
针对用图像生成 AI 制作 note 头图时反复返工的问题,这篇文章给出按 note 头图规格设计的「5 要素提示词」模板,并附 4 个分类型可直接套用的提示词范例。
Qwen-Image 2.1 采用 Qwen Research License,仅限研究或评估用途,作者 9 月发邮件向阿里询问商用授权价格并公开了答复。按自然月生成图片量分级:30 万张以内免费,30 万至 300 万张按 20% 收入分成,超过 300 万张为每年 50 万美元加 15%。
用 SDXL + ControlNet Canny 搭建合成飞机图像生成管线,在 1、2、4 块 RTX 5090 上实测:4 卡吞吐 6.36 张/秒,相比单卡 1.69 张/秒提速 3.77 倍,扩展效率 94.2%。但生成图像中飞机虽可辨认,机场地面却出现怪异岩石状纹理,作者仍无法放心用其训练飞机检测器。
Workflow Studio v0.8.6 与 Comic Creator v1.55.0 更新,适配 ComfyUI v0.40.0,新增原生 LoRA stack 与 Nano Banana 2.1 节点支持。
在 Mac mini M4 32GB 上通过 ComfyUI v0.40.0 实测 Qwen Image 2.1 Turbo,生成一张 1024×1024 图像耗时 37 分 36 秒,速度相比 Qwen Image 2.1 无明显提升。
有创作者正在开发一个简单工具,把粗略草图转成提示词再用 Krea 2 生成图像。示例中草图对应一段山谷风景提示词,最终输出了一张写实风格的风景照片。
谷歌发布图像生成模型 Nano Banana 2.1,单张价格近乎减半,1K 为 0.0336 美元、2K 为 0.0504 美元、4K 为 0.0756 美元,支持最多 14 张参考图。
Midjourney 在 10 月 7 日的更新中推出共享文件夹功能,官方公告明确提示:将文件夹设为「仅受邀者可见」只锁住文件夹入口,其中图片仍按原有公开设置展示在公共列表和个人主页。该功能目前仅在试验版网站上线,且共享设置不改变图片本身的公开范围,隐藏图片仍需依赖高阶方案的 Stealth 模式。
有用户在 fal.ai 上用 Krea 2 训练写实角色 LoRA,数据集为 Nano Banana 生成的 26 张 1024 分辨率图片、训练 1000 步,结果生成时胡须、体毛等细节模糊,而不用 LoRA 时画质正常。该用户表示已尝试各种方法仍未解决,发帖求助原因。
open-ai-canvas 发布 v1.6.8.1,新增千问 AI(QianWenAI MAAS)图像协议插件,并补齐协议清单、接口文档和回归测试。图片生成新增 1K、2K、4K 等分辨率快捷档位与比例 preset 映射,模型选择器可展示最近 10 次调用的成功或失败状态。本版本无新增数据库表,既有数据库无需手工迁移。
lightx2v 推出 Qwen-Image-2.1-Lightning,这是一个面向 Qwen-Image-2.1 的 4 步蒸馏 LoRA,支持文生图与图像编辑。该 LoRA 完全在 16 张华为昇腾 910B NPU 上训练,采用 LightX2V 中的 DMD 方法,据称 rank 为 16。
VigenFlow 是一款本地图像生成与编辑服务器,可在 AMD Ryzen AI NPU(XDNA 2)+ CPU 上运行扩散模型,无需独立显卡,支持 Windows 和 Ubuntu。
创作者发布首个风格 LoRA「RawSnap [Krea2]」,将 Krea 2 推向业余手机随手拍质感:硬闪光、夜景、噪点、歪斜构图与未摆拍人物。该 LoRA 无需触发词,直接描述场景即可,推荐强度 2.00,作者正征集测试反馈与 v2 改进建议。
一种面向扩散模型的校正训练方法可在不依赖 CFG 的情况下提升生成质量,测试基于 NanoGen 这一统一扩散 Transformer 实现,覆盖 ImageNet 与文生图任务。
Valtz 是一款基于 Vpipe 推理引擎的原生 macOS 应用,面向 Apple Silicon 优化,把图像生成与编辑、视频生成、图生视频、AI 提示词增强、多图层视频剪辑、AI 超分、声音克隆与音乐生成整合在同一界面,无需手动搭建节点工作流。
推出面向网页设计的 Runway。 将 Runway 连接至 @Replit,直接在项目中生成图像、视频和素材,从最初想法到成品网站。点击下方链接开始使用。
疑似 Gemini 4 Argon 内部测试流出,用 Simon 经典 SVG 测试画出戴船长帽的拟人鹈鹕骑淡紫自行车,从灰度线稿进化到粉彩矢量大片。画面含前篮藏鱼、羽毛微层次、Peach Dusk/Seafoam Mist 粉彩氛围与珐琅漆质感,海滨栈桥、帆船、热气球背景图层可独立开关。背景上下文称 Gemini 4 Argon 今晚将向 Ultra 订阅用户开放测试。
创作者 gabrielxdesign 发布了 Kroma(Chroma + Krea 2)的简易工作流,内置 Amateur Slider 与 2x 超分。该工作流提供文档与下载链接,可通过 Civitai、Patreon(完全免费)、作者网站及 JSON 代码获取,并附英文和西班牙文说明。
针对 AI 生成 note 文章配图时缩略图与 3 张插图容易雷同的问题,可用「4 张设计图」先为每张图分配不同角色与场景:缩略图负责传达主题,插图 1 讲整体构成、插图 2 讲操作方法、插图 3 讲完成确认。生成时把提示词拆成共通条件(如可爱日本成年女性、明亮动画风、青粉色调、约 5,500K 中性日光、16:9)与每张图的个别场景,并逐张生成检查,插图需明确不加大字标题。
Ideogram API 按模型与质量档位对每张生成图计费,Ideogram 4.5 在 Low 档为 $0.03、Medium 档 $0.06、High 档 $0.10,且 1K 与 2K 同价,Medium 档 2K 图合 $60/1000 张。
ArchiGen AI 提出用"变更预算"来指导 ComfyUI 建筑渲染增强:在搭建工作流前先列出受保护的建筑事实、允许的图像改动和需要蒙版的编辑。全局通道适合曝光、色彩等整体氛围调整,需用低降噪;材质、反射等有明确归属的改动应走蒙版或局部 inpaint,且每次输出都要与原始图像对比。
Kokon 是一款在本地运行 Qwen-Image 2.1 的桌面修图工具,输入一句话即可完成生成、编辑、涂抹修改、扩图和超分。10 月 14 日发布的 0.9.2 版本改为直接输出 2K 原尺寸而非事后放大,速度约提升三分之一,并因 MoSR 超分贡献被合并而迁移到官方 stable-diffusion.cpp 发布版。
同一组三个提示词测试显示,Design.com 是新手最佳选择,Canva 适合已有 Canva 用户,Adobe Firefly 更适合 Adobe 生态用户。Design.com 支持日常语言提示、AI 编辑与提示词优化,并可衔接 50+ 设计与 AI 工具完成品牌成品;免费可无账号生成,付费方案 $3/月起。三款工具在简单、详细与营销提示下均能生成可用图像。
Design.com 的 AI Image Generator 主打用日常语言描述生成图像,可一次生成多个方案并反复修改提示词,还能直接接入其 logo、网站、社媒图等品牌设计工具。
视频对比了两种主流 AI 角色一致性方法,判断哪种更适合 AI 影视制作。完整文字解析与提示词已发布在 curiousrefuge.com/blog/how-to-create-pro-ai-character-sheets。
Speridlabs 发布约 30 亿参数的图像生成模型 Iris-3B,不用 VAE、直接在 RGB 像素空间生成,并配套 4 步蒸馏 LoRA(Iris-3B Turbo LoRA)与 ComfyUI 自定义节点。
PerfectLab 发布 ComfyUI 插件 1.1.0,新增 Sessions 模型配置,可为 Z-Image 400、Flux 512、Krea 2 512、Qwen-Image 1024、SDXL 75 或自定义数值设定 token 预算,并让 linter 与引擎 guard 读取同一字符串。
Intern Lumina U2 是首个在全离散空间表示多码本视觉 token 的扩散语言模型,每个视觉位置由一组来自互补码本的编码表示,输入端按位置拼接嵌入,输出端用轻量多码本自回归头逐位预测编码,扩散主干并行处理所有位置。
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上,依托 GPT-6 Astra 实现。同时,它用 GPT-Image-2.5 提升画面精度,并借助 GPT-Live 提供通往语音电影制作的路径。
推荐理由:Higgsfield 借助 GPT-6 Astra 把 AI 视频时长从 1 分钟拉到 10 分钟以上,可据此判断长片创作的可用性。
BaoCut 3.5 是一款开源免费的本地图像生成工具,集成 Qwen Image 2.1 Turbo 模型,可在 Mac 等设备上离线渲染 1080P 及 2K 分辨率图片,无需上传云端。它还能将本机生成服务暴露给 AI Agent 调用,融入自动化工作流,适合注重数据隐私或需要为 Agent 配置本地绘图能力的开发者。由于本地推理较耗性能,建议使用配置较好的硬件设备。
Character.AI 已申请破产,并寻求将资产出售给迪士尼。软件方面,Qwen-Image-2.1-Turbo 发布,是 Qwen-Image-2.1 的加速版本,支持文生图与图像编辑,仅需 8 步去噪;Scenario 推出可一键生成生产级 3D 模型的新版本,支持导出 GLB、FBX、OBJ 和 .blend。
作者用 ChatGPT 图像生成先做出一张角色表,再在 7 个场景提示词中每次附上该表作参考,固定同一名 20 代日本女性工程师的脸型、发型、眼镜与体型,场景包括写代码、线上故障、线上会议、工牌自拍、眼镜起雾、秋叶原假日和死亡行军。所有图统一 3:4 竖幅,角色表可保存后直接复用。
AICU 杂志 Vol.29 出刊,卷首特集聚焦图像生成新模型 GPT-Image-2.5,并用官方角色 AiCuty 的 AiCutyBench 实测其角色复现的“良品率”。该期还介绍高速模型 Flare 与高精度模型 Sunburst 的按用途分工、GPT-Image-2.5 的 API 手册与提示词指南翻译,以及 Suno v6 局部编辑、UMG 与 ElevenLabs 的多年授权协议。
一篇实战教程讲解如何用 Stable Diffusion、Midjourney 等工具生成非"量产型"的原创 AI 美女,核心方法是先设计包含年龄、骨格、性格、魅力点与视觉符号的"人设与世界观"设计表,再按五层结构撰写提示词。教程建议把 extremely beautiful、cute girl 等词从提示词中删除,改用具体部件、光线、构图与质感描写来表现美感,并给出可直接套用的角色设计模板。
一名大学生为制作"100年后的东京"主题视频,用AI图像生成工具做素材,再用PixVerse把图片转成动态影像,最后用CapCut剪辑拼接并配BGM,成片发布到TikTok。作者称PixVerse常出现镜头乱动、建筑变形,需固定机位并逐场景调整指令;并强调能做出视频与能靠它做副业是两回事。
针对 AI 生成图片中日文汉字出错、换行别扭的问题,可用「先出无字背景、再用 Adobe Express 加字」的流程解决:生成时在预定位置留出明亮空白并避免绘制文字,随后在 Text 面板添加可编辑文本框,分别设置标题与日期。调整时统一字号层级、拉开文字与背景明暗差、按语义断行,输出前用原寸核对错字与数字、用小尺寸确认标题是否一眼可读。
创作者以 AI 插画为ますす和ひより尝试长发与短发造型:ますす做了低扎侧马尾和耳周利落的圆润短发,ひより则是放下头发的微卷长发和短发半扎。每个造型都搭配了相应服装与场景,如咖啡馆、书店、花店和厨房。
Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 开源权重模型,同时支持文生图、单参考图编辑和多参考图组合生成,文本编码器为 Qwen3-VL-4B-Instruct。
推荐理由:5.6B 开源权重模型把文生图、单图编辑与多图组合统一到同一模型,并给出量化版本与显存占用,便于自部署者评估落地成本。
作者在 RTX 5060 Laptop(VRAM 8GB、内存 32GB)上用 ComfyUI 0.39 实测了显存与缓存策略。Z-Image Turbo 在 2560×2560 下未出现 OOM,但耗时 189 至 213 秒,而先用 1024×1024 生成再经 RealESRGAN x4 放大到 2560 只需约 12 秒,且构图更稳定。