ComfyUI 简介
ComfyUI 是一个基于节点式工作流的 Stable Diffusion 图形界面工具。与 WebUI 不同,它采用可视化编程的方式,允许用户通过连接不同的功能节点来构建复杂的生成流程。这种架构具有极高的可定制性,适合高级用户进行自动化任务编排、批量处理以及自定义算法集成。
ComfyUI 的核心优势在于其轻量级和模块化设计。它支持加载各种自定义节点(Custom Nodes),能够轻松扩展功能,例如视频处理、高清修复、特定模型推理等。由于底层逻辑清晰,许多开发者选择使用 ComfyUI 作为 AI 应用开发的框架。
环境搭建与安装
硬件要求
运行 ComfyUI 需要具备一定的硬件基础:
- GPU:建议使用 NVIDIA 显卡,显存至少 8GB(推荐 12GB 以上)。4090 或 3090 等高端卡能显著提升处理速度。
- 内存:建议 16GB 及以上。
- 存储:SSD 硬盘,用于存放模型文件和工作流缓存。
软件依赖
- Python 环境:推荐使用 Python 3.10 版本。
- Git:用于克隆代码仓库。
- CUDA Toolkit:根据显卡型号安装对应的 CUDA 版本(如 CUDA 11.8 或 12.x)。
安装步骤
在终端中执行以下命令获取官方代码:
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
启动服务通常使用 python main.py。首次运行时会自动下载必要的默认模型到 models/ 目录。
插件管理
为了增强功能,建议安装 ComfyUI Manager。这是一个第三方管理器,可以方便地搜索、安装和更新缺失的自定义节点。
- 将
ComfyUI-Manager文件夹放入custom_nodes目录。 - 重启 ComfyUI,点击侧边栏的 "Manager" 按钮。
- 使用 "Install Missing Custom Nodes" 自动补全缺失组件。
AI 抠图技术详解
抠图是图像处理的基础操作,ComfyUI 提供了多种高效的节点方案。
RemBG 节点
RemBG 是基于 U-Net 架构的通用分割模型,适用于大多数场景。
核心参数说明:
- Model:选择预训练模型。
u2net:通用模型,平衡速度与精度。u2netp:轻量版,适合低显存设备。u2net_human_seg:专为人像优化,边缘更平滑。silueta:体积最小(43MB),适合移动端或受限环境。
- Alpha Matting:用于精细控制前景与背景的透明度过渡。
Foreground threshold:前景阈值,过低会导致背景残留,过高会切掉前景细节。Background threshold:背景阈值,反之亦然。Erode size:腐蚀尺寸,用于清理边缘噪点。
经验配置:对于一般图片,建议设置为 ,并根据实际输出效果微调。


