ComfyUI 构建比迪丽专属 AI 绘画工作流模板实战

方案二：本地部署（适合有一定经验的用户） 如果你习惯在本地电脑运行，可以下载社区的整合包（如'秋叶大佬的 ComfyUI 整合包'）。解压后，直接运行启动脚本即可。记得准备好 NVIDIA 显卡和相应的驱动。

3.2 安装比迪丽模型与 LoRA

ComfyUI 启动后，界面是空的，我们需要把'食材'——模型文件放进去。

1. 准备模型文件：
   • 基础大模型：你需要一个 SDXL 基础模型，例如 sd_xl_base_1.0.safetensors。这是生成画面的'大脑'。
   • 比迪丽 LoRA 模型：这就是我们今天的主角，文件可能类似 bidili_sdxl_lora.safetensors。这是赋予'大脑'绘制比迪丽角色能力的'风格插件'。
2. 放置模型文件：
   • 找到你的 ComfyUI 安装目录下的 models 文件夹。
   • 将基础大模型放入 models/checkpoints 目录。
   • 将比迪丽 LoRA 模型放入 models/loras 目录。
   • （可选）如果你还想使用其他 VAE 模型或 ControlNet 模型，分别放入 models/vae 和 models/controlnet。
3. 刷新模型列表：回到 ComfyUI 网页界面，点击右侧的'刷新'按钮，你刚放入的模型就应该出现在对应的节点下拉菜单里了。

至此，你的创作环境就准备好了。接下来，就是激动人心的部分：搭建专属工作流。

4. 核心实战：一步步构建比迪丽专属工作流

我们将从零开始，搭建一个功能完整、效果出色的工作流。我会解释每个节点的作用，你可以跟着一步步操作。

4.1 第一步：搭建基础生成流水线

这是最核心的链条，负责从一段文字描述生成一张图片。

1. 加载检查点（Load Checkpoint）：
   • 在空白处右键，选择 Load Checkpoint。
   • 在这个节点上，点击选择你放入的 SDXL 基础模型（如 sd_xl_base_1.0.safetensors）。这个节点会输出 MODEL（模型）、CLIP（文本编码器） 和 VAE（图像解码器） 三个关键数据。
2. 加载 LoRA（Load LoRA）：
   • 右键添加 Load LoRA 节点。
   • 将上一步 Load Checkpoint 节点的 MODEL 和 CLIP 输出，分别连接到 Load LoRA 节点的 model 和 clip 输入。
   • 在 Load LoRA 节点上选择你放入的比迪丽 LoRA 模型（如 bidili_sdxl_lora.safetensors）。
   • 这个节点会输出融合了 LoRA 能力的 MODEL 和 CLIP。
3. 编写提示词（CLIP Text Encode）：
   • 添加两个 CLIP Text Encode 节点，一个用于正向提示词（positive），一个用于负向提示词（negative）。
   • 将 Load LoRA 节点输出的 CLIP 连接到这两个节点的 clip 输入。
4. 空潜变量与采样器（Empty Latent Image & KSampler）：
   • 添加一个 Empty Latent Image 节点，设置你想要的图片尺寸，例如宽度 1024，高度 1024。
   • 添加一个 KSampler 节点。这是负责'绘画'的核心。
   • 连接所有部分：
     • 将 Load LoRA 输出的 MODEL 连到 KSampler 的 model。
     • 将 Empty Latent Image 输出的 LATENT 连到 KSampler 的 latent_image。
     • 将正向提示词节点输出的 CONDITIONING 连到 positive。
     • 将负向提示词节点输出的 CONDITIONING 连到 negative。
   • 设置采样参数：这是影响出图效果的关键。
     • steps（步数）：推荐 20-30，平衡速度和质量。
     • cfg（引导系数）：推荐 7-8，让画面更贴合描述。
     • sampler（采样器）：新手可以用 euler 或 euler_ancestral，速度快；追求质量可以用 dpmpp_2m 或 dpmpp_3m_sde。
     • scheduler（调度器）：常用 normal 或 karras。
     • seed（随机种子）：设为 0 则每次随机；固定一个数字（如 123456）可以复现相同结果。
5. 解码与保存（VAE Decode & Save Image）：
   • 添加一个 VAE Decode 节点。将 KSampler 输出的 LATENT（潜变量）连到它的 samples，将最开始的 Load Checkpoint 输出的 VAE 连到它的 vae。这个节点负责把计算机看得懂的'潜变量'解码成我们看得见的图片。
   • 最后，添加一个 Save Image 节点，连接到 VAE Decode 输出的 IMAGE。点击 Queue Prompt 按钮，你的第一张 ComfyUI 比迪丽图就应该生成了！

在负向提示词节点中，可以输入一些通用负面词来避免常见瑕疵：

(worst quality, low quality:1.4), (bad anatomy), blurry, cartoon, 3d, doll 

在正向提示词节点中输入描述。关键技巧：记得包含 LoRA 的触发词，比如 bidili 或 videl。一个完整的例子可能是：

bidili, (masterpiece, best quality, 8k), 1girl, solo, martial arts uniform, determined expression, in a city street, anime style（比迪丽，（杰作，最佳质量，8k），1 女孩，单人，武道服，坚定的表情，在城市街道，动漫风格）

4.2 第二步：优化与增强——让作品更出色

基础流水线能出图，但我们可以让它变得更强。

• 添加高清修复（Hires. fix）：在 KSampler 之后，VAE Decode 之前，插入一套'潜变量放大'流程。可以使用 Latent Upscale 节点先放大潜变量尺寸，再连接第二个 KSampler 进行细节重绘。这能有效提升图片的清晰度和细节。
• 使用提示词反推：如果你有一张参考图，想生成类似风格的比迪丽，可以使用 CLIP Vision 相关的节点进行图片反推，自动生成描述词，再融入到你的正向提示词中。
• 集成 ControlNet（精准控制）：如果你想精确控制比迪丽的姿势、构图或线稿上色，就需要加入 ControlNet。流程是：在 Empty Latent Image 之后，添加 ControlNet Apply 节点，导入你的姿势图或线稿，并加载对应的 ControlNet 模型（如 openpose 或 canny）。这能让你'指挥'AI 按照你的草稿来作画。

4.3 第三步：保存与分享你的专属模板

当你调试出一个非常满意的工作流后，一定要保存它！

1. 点击界面右上角的 Save 按钮。
2. 给你的工作流起个名字，比如 Bidili_Anime_Portrait_Workflow.json。
3. 保存后，这个 .json 文件就包含了所有节点和连接信息。
4. 分享给他人：对方只需要有相同的模型文件，在 ComfyUI 中点击 Load 按钮，选择你的 .json 文件，就能完整复现你的整个工作流，包括所有参数设置。

你也可以将工作流保存为 .png 图片（使用 Save (API) 菜单中的选项），这张图片里会嵌入所有工作流数据，其他人直接拖拽这张图片到 ComfyUI 界面，就能一键加载。

5. 提示词与参数精调指南

有了好的工具，还需要好的'指令'。这里针对比迪丽角色，提供一些进阶的提示词思路和参数调整心得。

5.1 比迪丽角色提示词构建公式

不要只写 bidili。一个有效的角色提示词应该像导演给演员说戏：

[触发词：bidili/videl], [角色特征：young woman, black hair, blue eyes, martial arts outfit], [表情与姿态：confident smile, fighting stance], [场景与环境：inside Capsule Corp, sci-fi background], [画面质量：masterpiece, best quality, 8k, detailed eyes], [艺术风格：anime, cel-shaded, by Studio Ghibli]

• 分层管理：在 ComfyUI 中，你可以用多个 CLIP Text Encode 节点分别管理'角色'、'场景'、'风格'、'质量'，然后用 Conditioning Combine 节点将它们合并。这样调整起来非常方便。
• 权重控制：使用 (word:1.2) 来增强某个词的权重，用 [word:0.8] 来减弱。例如 (bidili:1.3) 会让角色特征更突出。

5.2 关键参数对画面的影响

• CFG Scale（引导系数）：
  • 低（5-7）：创意更自由，画面可能更有'艺术感'，但容易偏离提示词。
  • 中（7-10）：最常用的范围，在遵循提示词和画面创造性之间取得平衡。
  • 高（10-15）：严格遵循提示词，细节更扎实，但可能导致画面僵硬、色彩过度饱和。对于角色肖像，通常 7.5-9 是一个安全且出彩的范围。
• Sampler（采样器）：
  • Euler 家族：速度快，适合快速构思和迭代。
  • DPM++ 2M/3M SDE：速度稍慢，但细节和色彩通常更丰富、更准确，是追求质量时的首选。
• Step（步数）：
  • 对于 SDXL 模型，20-30 步已经能产生很好的效果。超过 35 步，收益递减非常明显，只会增加生成时间。

5.3 不同画风的切换技巧

• 动漫/二次元：在提示词中加入 anime style, manga, cel-shaded, vibrant colors。可以尝试搭配专门针对动漫优化的 SDXL 模型底模。
• 写实风格：加入 photorealistic, realistic, photography, detailed skin texture。同时，负向提示词要强力压制 anime, cartoon, drawing 等词汇。使用写实风格的 VAE 也可能有帮助。
• 插画/艺术风格：指定艺术家或艺术运动，如 in the style of Makoto Shinkai, artstation, digital painting, concept art。

6. 总结：你的专属角色创作引擎已就绪

回顾我们搭建的这个 ComfyUI 工作流，它已经远不止是一个'生成图片'的工具。它是一个可定制、可复用、可扩展的创作系统。

• 效率提升：一次搭建，无限次使用。无需每次手动设置模型、LoRA 和复杂参数。
• 质量可控：通过精细的节点控制，你能稳定产出高质量、风格一致的角色图，非常适合系列作品创作。
• 潜力无限：这个模板是一个起点。你可以随时在其中加入新的节点，比如用于换脸的 ReActor，用于局部重绘的 Inpaint，或者用于视频生成的 AnimateDiff 模块，不断拓展你的创作边界。

从 WebUI 的'使用者'到 ComfyUI 的'构建者'，这一步跨越带来的是创作自由度的巨大提升。现在，这个专属于比迪丽——或者说专属于你心中任何角色的——创作引擎已经启动。导入模板，修改提示词，调整参数，然后，让想象力飞驰吧。