comfyUI扩展教程

ComfyUI-Impact-Pack

ComfyUI-Impact-Pack 提供了检测、细节增强、发送者/接收者等多种功能，以增强 ComfyUI 的工作流配置。

• 工作流 包含用于 ComfyUI 的工作流。

• 您可以下载适用于 ComfyUI-Impact-Pack 的各种 工作流。

• 各种教程视频可在 YouTube 播放列表 中找到。

• 基础教程

  • 检测器
  • 细节增强器（开发中）
  • 区域采样器（开发中）
  • ImpactWildcardProcessor/编码
  • PreviewBridge：支持“Clipspace”使用的节点（开发中）
  • 交互式 SAM + PreviewBridge
  • 来自 MediaPipe FaceMesh 的 SEGS
  • 开关/反向开关

• 高级教程

  • 按区块提示的放大
  • 与 CLIPSeg 结合
  • 超高清放大

• 教程（旧版）

  • 基础自动人脸检测与精修示例
  • Mask Pointer：使用 SAM 的位置提示进行遮罩
  • SAMDetection 应用
  • 图像发送者、图像接收者、潜在空间发送者潜在空间接收者
  • 双采样器用于遮罩
  • 高级迭代放大（TwoSamplersUpscaleProvider、KSampleProvider、TiledKSampleProvider）
  • PK_HOOK（像素 K 样本钩子）
  • 两个高级遮罩采样器
  • 使用细节增强器批量处理图像示例

• 工作流

  • 发型重塑 [演示视频]
  • 自动手部修复 [演示视频]
  • 人群控制 [演示视频]
  • 性别敏感细节增强器 [演示视频]
  • 按区块提示的放大

ComfyUI-Inspire-Pack

• 工作流 包含用于 ComfyUI 的工作流。

• 教程

  • Lora 块权重
  • SEGS ControlNet
  • 全局种子
  • 从目录/文件加载
  • 区域提示支持
  • KSampler 进度

ComfyUI-Workflow-Component

ComfyUI-Workflow-Component 提供了将工作流转化为组件的功能，从而简化工作流；同时还具备基于组件改进图像的图像精修功能。

• 图像 包含用于 ComfyUI 的工作流。
• 您可以下载适用于 ComfyUI-Workflow-Component 的各种 工作流。
• 各种教程视频可在 YouTube 播放列表 中找到。

ComfyUI 扩展套件快速上手指南

本指南涵盖 ComfyUI-Impact-Pack、ComfyUI-Inspire-Pack 和 ComfyUI-Workflow-Component 三个核心扩展的快速部署与基础使用。这些工具旨在增强 ComfyUI 的工作流配置能力，提供检测、细节修复、区域控制及工作流组件化等功能。

1. 环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Windows 10/11, Linux, 或 macOS (推荐 Linux 或 Windows)。
• Python 版本: Python 3.10.x (ComfyUI 官方推荐版本)。
• 前置依赖:
  • 已安装并运行正常的 ComfyUI。
  • 已安装 git 命令行工具。
  • 具备稳定的网络连接（若下载模型缓慢，建议配置国内镜像源或使用代理）。
• 硬件要求: 推荐 NVIDIA GPU (显存 8GB 以上以获得最佳体验)，部分功能支持 CPU 运行但速度较慢。

2. 安装步骤

请将以下命令在 ComfyUI 根目录下的 custom_nodes 文件夹中执行。

步骤 2.1: 进入自定义节点目录

cd path/to/ComfyUI/custom_nodes

(请将 path/to/ComfyUI 替换为您实际的 ComfyUI 安装路径)

步骤 2.2: 克隆扩展仓库

依次执行以下命令安装三个扩展包：

# 安装 Impact Pack (核心功能：检测、细节修复、区域采样等)
git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git

# 安装 Inspire Pack (核心功能：LoRA 块权重、SEGS ControlNet 等)
git clone https://github.com/ltdrdata/ComfyUI-Inspire-Pack.git

# 安装 Workflow Component (核心功能：工作流组件化、图像优化器)
git clone https://github.com/ltdrdata/ComfyUI-Workflow-Component.git

提示: 如果直接克隆速度较慢，可使用国内镜像加速（如 Gitee 镜像，若有）或在命令前添加代理设置。

步骤 2.3: 安装依赖

进入每个扩展目录并安装其所需的 Python 依赖包：

# 安装 Impact Pack 依赖
cd ComfyUI-Impact-Pack
pip install -r requirements.txt
cd ..

# 安装 Inspire Pack 依赖
cd ComfyUI-Inspire-Pack
pip install -r requirements.txt
cd ..

# 安装 Workflow Component 依赖
cd ComfyUI-Workflow-Component
pip install -r requirements.txt
cd ..

步骤 2.4: 重启 ComfyUI

安装完成后，完全关闭并重新启动 ComfyUI。启动时，管理器会自动下载缺失的模型文件（如 DETR、SAM 模型等），请耐心等待控制台输出完成。

3. 基本使用

安装成功后，您将在 ComfyUI 节点菜单中看到新的分类。以下是各扩展的最简使用示例。

3.1 ComfyUI-Impact-Pack：自动人脸修复

这是最常用的功能，用于自动检测并修复生成图像中崩坏的人脸。

1. 加载工作流: 在 ComfyUI 菜单中点击 Load，选择 ComfyUI-Impact-Pack/workflow/dwpose-segs-handfix.png (或参考 README 中的 Auto Handfix 示例)。
2. 核心节点:
   • 使用 ImpactDetector (DWPose) 检测人体/手部。
   • 连接 Detailer 节点，它会自动截取检测到的区域进行重绘并贴回原图。
3. 快速构建:
   • 双击搜索 Detailer 节点。
   • 将主模型的 IMAGE 输出连接到 Detailer 的 image 输入。
   • 选择一个 SAMModel (如 sam_vit_b_01ec64.pth) 作为检测器。
   • 点击 Queue Prompt 即可看到自动修复后的人脸。

3.2 ComfyUI-Inspire-Pack：LoRA 块权重控制

用于更精细地控制 LoRA 对不同网络层的影响，提升生成质量。

1. 添加节点: 双击搜索 Lora Block Weight。
2. 连接方式:
   • 将该节点插入到 Load LoRA 和 CLIP Text Encode (或 Model) 之间。
   • 格式：Model -> Lora Block Weight -> KSampler。
3. 调整参数:
   • 在节点面板中调整 block_weight 字符串，例如："1,1,1,0.8,0.8" 来分别控制不同层的权重。
   • 结合 XY Plot 功能可自动生成不同权重的对比图。

3.3 ComfyUI-Workflow-Component：工作流组件化

将复杂的工作流封装为单一组件，便于复用和管理。

1. 创建组件:
   • 选中一组相关的节点（例如一个完整的放大流程）。
   • 右键点击画布空白处，选择 Convert to Component (具体菜单名可能随版本更新略有变化，通常在 Impact/Component 分类下)。
2. 使用图像优化器 (Image Refiner):
   • 加载 ComfyUI-Workflow-Component 提供的预设工作流。
   • 该功能允许基于现有组件对图像进行二次优化，无需重新构建整个链路。
   • 直接拖入保存好的 .json 组件文件即可像普通节点一样调用整套逻辑。

---

进阶资源:

• 官方工作流库: 各扩展文件夹内的 workflow 目录包含大量预设 .json 文件，直接拖入 ComfyUI 即可加载。
• 视频教程: 访问作者 YouTube 播放列表获取详细操作演示（需网络环境支持）。