ComfyUI-AutomaticCFG 插件完全教程
1. 插件简介
插件地址: https://github.com/Extraltodeus/ComfyUI-AutomaticCFG
ComfyUI-AutomaticCFG 是一个超级强大的插件,它就像给你的AI画画机器装了一个"智能调节器"!这个插件最厉害的地方是能自动调节CFG(就是那个控制AI听话程度的数值),让你再也不用担心图片被"烧糊"或者效果不好。
这个插件能给我们带来什么效果?
- 告别烧糊图片:再也不会因为CFG设置太高而让图片过度饱和、失真
- 大幅提升速度:使用"曲速引擎"模式可以让生成速度提升160%!
- 智能CFG调节:CFG不再是固定数值,而是根据每一步的情况自动调整
- 丰富的预设:内置多种专业调优预设,一键应用各种效果
- 注意力机制调节:可以精细控制AI的"注意力",让生成效果更精准
- 负面提示词增强:让负面提示词的效果更强,避免不想要的内容
2. 如何安装
方法一:直接下载
- 打开你的 ComfyUI 安装目录
- 进入
custom_nodes文件夹 - 下载插件到这个文件夹:
git clone https://github.com/Extraltodeus/ComfyUI-AutomaticCFG.git - 安装依赖:在插件文件夹里运行
pip install -r requirements.txt - 重启 ComfyUI
方法二:ComfyUI Manager
- 打开 ComfyUI Manager
- 搜索 "AutomaticCFG"
- 点击安装
- 重启 ComfyUI
3. 节点详细解析
3.1 Automatic CFG 节点 - 基础智能CFG调节器
这个节点就像一个"智能温控器",能根据情况自动调节AI的听话程度,让图片效果更好。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 硬模式 | hard_mode | 布尔值 | True | 是否用更强的调节方式 | 使用hard或soft模式的自动CFG | True效果更明显,False更温和 |
| 加速模式 | boost | 布尔值 | True | 是否启用速度提升 | 是否在低sigma时跳过负面条件 | True能提升生成速度约一倍 |
3.2 Automatic CFG - Negative 节点 - 负面增强调节器
这个节点像一个"负面提示词放大器",让你的负面提示词效果更强。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 加速模式 | boost | 布尔值 | True | 是否启用速度提升 | 是否启用加速优化 | True能提升速度 |
| 负面强度 | negative_strength | 浮点数 | 1.0 | 负面提示词的影响强度(0-5) | 负面条件的插值强度 | 1.0是标准,2.0是双倍效果 |
3.3 Automatic CFG - Warp Drive 节点 - 曲速引擎模式
这个节点就像星际迷航里的"曲速引擎",能让生成速度飞起来!
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 负面开始值 | uncond_sigma_start | 浮点数 | 5.5 | 从什么时候开始跳过负面(0-10000) | 开始跳过负面条件的sigma值 | 5.5是平衡值,1是极速模式 |
| 负面结束值 | uncond_sigma_end | 浮点数 | 1.0 | 到什么时候停止跳过负面(0-10000) | 停止跳过负面条件的sigma值 | 1.0是标准值 |
| 假负面结束值 | fake_uncond_sigma_end | 浮点数 | 1.0 | 假负面的结束时机(0-10000) | 假负面条件的结束sigma值 | 1.0是标准值 |
3.4 Automatic CFG - Preset Loader 节点 - 预设加载器
这个节点像一个"魔法配方书",里面有很多专家调好的设置,一键就能用。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 预设 | preset | 下拉选择 | Excellent_attention | 选择专家调好的配方 | 预设配置文件名 | "Excellent_attention"适合大多数情况 |
| 负面结束值 | uncond_sigma_end | 浮点数 | 0.0 | 负面提示词的结束时机(0-10000) | 负面条件结束的sigma值 | 0.0表示全程使用 |
| 使用预设中的结束值 | use_uncond_sigma_end_from_preset | 布尔值 | True | 是否用预设里的设置 | 是否使用预设中的sigma结束值 | True用预设值,False用自定义 |
| 自动CFG模式 | automatic_cfg | 下拉选择 | From preset | CFG调节方式 | 自动CFG的计算模式 | "From preset"用预设,"hard"更强烈 |
3.5 Automatic CFG - Excellent attention 节点 - 卓越注意力调节器
这个节点像一个"注意力训练师",能让AI更专注于重要的部分。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 自动CFG | Auto_CFG | 布尔值 | True | 是否启用智能CFG调节 | 是否启用自动CFG功能 | True获得更好效果 |
| 补丁倍数 | patch_multiplier | 浮点数 | 1.0 | 注意力增强的强度(0-100) | 注意力修改的倍数 | 1.0是标准,2.0是双倍增强 |
| 补丁正面 | patch_cond | 布尔值 | True | 是否增强正面提示词的注意力 | 是否对正面条件应用补丁 | True让正面提示词更有效 |
| 补丁负面 | patch_uncond | 布尔值 | True | 是否增强负面提示词的注意力 | 是否对负面条件应用补丁 | True让负面提示词更有效 |
| 轻量补丁 | light_patch | 布尔值 | False | 是否使用省显存的轻量模式 | 是否使用轻量级补丁 | 显存不够时选True |
| 静音正面自注意力8层 | mute_self_input_layer_8_cond | 布尔值 | False | 是否关闭第8层的自注意力(正面) | 是否静音输入层8的自注意力 | 特殊情况下可以尝试 |
| 静音正面交叉注意力8层 | mute_cross_input_layer_8_cond | 布尔值 | False | 是否关闭第8层的交叉注意力(正面) | 是否静音输入层8的交叉注意力 | 特殊情况下可以尝试 |
| 静音负面自注意力8层 | mute_self_input_layer_8_uncond | 布尔值 | True | 是否关闭第8层的自注意力(负面) | 是否静音输入层8的自注意力 | True通常效果更好 |
| 静音负面交叉注意力8层 | mute_cross_input_layer_8_uncond | 布尔值 | False | 是否关闭第8层的交叉注意力(负面) | 是否静音输入层8的交叉注意力 | False是推荐设置 |
| 负面结束值 | uncond_sigma_end | 浮点数 | 1.0 | 负面提示词的结束时机(0-10000) | 负面条件结束的sigma值 | 1.0是标准值 |
| 绕过而非静音 | bypass_layer_8_instead_of_mute | 布尔值 | False | 是否绕过第8层而不是静音 | 是否绕过而不是静音第8层 | False是推荐设置 |
| 保存为预设 | save_as_preset | 布尔值 | False | 是否保存当前设置为预设 | 是否将当前配置保存为预设 | 调好参数后可以保存 |
| 预设名称 | preset_name | 文本输入 | 空 | 保存预设的名字 | 预设文件的名称 | 输入"我的设置"等名字 |
3.6 Automatic CFG - Advanced 节点 - 高级调节器
这个节点像一个"专业调音台",有很多专业的调节选项,适合高手使用。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 自动CFG模式 | automatic_cfg | 下拉选择 | hard | CFG自动调节的方式 | 自动CFG的计算模式 | "hard"效果明显,"soft"温和 |
| 跳过负面 | skip_uncond | 布尔值 | True | 是否在某些时候跳过负面提示词 | 是否跳过负面条件计算 | True能提升速度 |
| 假负面开始 | fake_uncond_start | 布尔值 | False | 是否使用假的负面提示词 | 是否启用假负面条件 | False是标准设置 |
| 负面开始值 | uncond_sigma_start | 浮点数 | 1000 | 负面提示词开始生效的时机(0-10000) | 负面条件开始的sigma值 | 1000表示从头开始 |
| 负面结束值 | uncond_sigma_end | 浮点数 | 1 | 负面提示词结束生效的时机(0-10000) | 负面条件结束的sigma值 | 1是标准值 |
| 插值负面 | lerp_uncond | 布尔值 | False | 是否混合正面和负面提示词 | 是否对负面条件进行插值 | False是标准设置 |
| 插值强度 | lerp_uncond_strength | 浮点数 | 2 | 混合的强度(0-10) | 负面条件插值的强度 | 2是推荐值 |
| 插值开始值 | lerp_uncond_sigma_start | 浮点数 | 1000 | 插值开始的时机(0-10000) | 插值开始的sigma值 | 1000表示从头开始 |
| 插值结束值 | lerp_uncond_sigma_end | 浮点数 | 1 | 插值结束的时机(0-10000) | 插值结束的sigma值 | 1是标准值 |
| 减去潜在均值 | subtract_latent_mean | 布尔值 | False | 是否减去图像的平均值 | 是否减去潜在空间的均值 | False是标准设置 |
| 减去均值开始值 | subtract_latent_mean_sigma_start | 浮点数 | 1000 | 减去均值开始的时机(0-10000) | 减去均值开始的sigma值 | 1000表示从头开始 |
| 减去均值结束值 | subtract_latent_mean_sigma_end | 浮点数 | 1 | 减去均值结束的时机(0-10000) | 减去均值结束的sigma值 | 1是标准值 |
| 潜在强度重缩放 | latent_intensity_rescale | 布尔值 | False | 是否重新调整图像强度 | 是否重新缩放潜在空间强度 | False是标准设置 |
| 重缩放方法 | latent_intensity_rescale_method | 下拉选择 | hard | 重缩放的计算方式 | 强度重缩放的计算方法 | "hard"效果明显 |
| 重缩放CFG | latent_intensity_rescale_cfg | 浮点数 | 8 | 重缩放的目标强度(0-100) | 重缩放的目标CFG值 | 8是标准值 |
| 重缩放开始值 | latent_intensity_rescale_sigma_start | 浮点数 | 1000 | 重缩放开始的时机(0-10000) | 重缩放开始的sigma值 | 1000表示从头开始 |
| 重缩放结束值 | latent_intensity_rescale_sigma_end | 浮点数 | 3 | 重缩放结束的时机(0-10000) | 重缩放结束的sigma值 | 3是推荐值 |
| 正面实验 | cond_exp | 布尔值 | False | 是否对正面提示词进行实验性处理 | 是否启用正面条件实验功能 | False是安全设置 |
| 正面实验标准化 | cond_exp_normalize | 布尔值 | False | 是否标准化实验结果 | 是否标准化实验处理结果 | False是标准设置 |
| 正面实验开始值 | cond_exp_sigma_start | 浮点数 | 1000 | 正面实验开始的时机(0-10000) | 正面实验开始的sigma值 | 1000表示从头开始 |
| 正面实验结束值 | cond_exp_sigma_end | 浮点数 | 1 | 正面实验结束的时机(0-10000) | 正面实验结束的sigma值 | 1是标准值 |
| 正面实验方法 | cond_exp_method | 下拉选择 | amplify | 正面实验的处理方式 | 正面条件的实验方法 | "amplify"是放大效果 |
| 正面实验数值 | cond_exp_value | 浮点数 | 2 | 实验处理的强度(0-100) | 实验方法的参数值 | 2是标准值 |
| 负面实验 | uncond_exp | 布尔值 | False | 是否对负面提示词进行实验性处理 | 是否启用负面条件实验功能 | False是安全设置 |
| 负面实验标准化 | uncond_exp_normalize | 布尔值 | False | 是否标准化负面实验结果 | 是否标准化负面实验结果 | False是标准设置 |
| 负面实验开始值 | uncond_exp_sigma_start | 浮点数 | 1000 | 负面实验开始的时机(0-10000) | 负面实验开始的sigma值 | 1000表示从头开始 |
| 负面实验结束值 | uncond_exp_sigma_end | 浮点数 | 1 | 负面实验结束的时机(0-10000) | 负面实验结束的sigma值 | 1是标准值 |
| 负面实验方法 | uncond_exp_method | 下拉选择 | amplify | 负面实验的处理方式 | 负面条件的实验方法 | "amplify"是放大效果 |
| 负面实验数值 | uncond_exp_value | 浮点数 | 2 | 负面实验处理的强度(0-100) | 负面实验方法的参数值 | 2是标准值 |
| 假负面实验 | fake_uncond_exp | 布尔值 | False | 是否对假负面进行实验性处理 | 是否启用假负面实验功能 | False是安全设置 |
| 假负面实验标准化 | fake_uncond_exp_normalize | 布尔值 | False | 是否标准化假负面实验结果 | 是否标准化假负面实验结果 | False是标准设置 |
| 假负面实验方法 | fake_uncond_exp_method | 下拉选择 | cond_pred | 假负面实验的处理方式 | 假负面条件的实验方法 | "cond_pred"是标准方法 |
| 假负面实验数值 | fake_uncond_exp_value | 浮点数 | 2 | 假负面实验的强度(0-1000) | 假负面实验方法的参数值 | 2是标准值 |
| 假负面倍数 | fake_uncond_multiplier | 整数 | 1 | 假负面的倍数(-1到1) | 假负面条件的倍数 | 1是标准值 |
| 假负面开始值 | fake_uncond_sigma_start | 浮点数 | 1000 | 假负面开始的时机(0-10000) | 假负面开始的sigma值 | 1000表示从头开始 |
| 假负面结束值 | fake_uncond_sigma_end | 浮点数 | 1 | 假负面结束的时机(0-10000) | 假负面结束的sigma值 | 1是标准值 |
| 自动CFG顶部K值 | auto_cfg_topk | 浮点数 | 0.25 | 自动CFG计算时使用的顶部比例(0-0.5) | 自动CFG计算的topk参数 | 0.25是平衡值 |
| 自动CFG参考值 | auto_cfg_ref | 浮点数 | 8 | 自动CFG的参考强度(0-100) | 自动CFG的参考CFG值 | 8是标准值 |
| 全局注意力修改器启用 | attention_modifiers_global_enabled | 布尔值 | False | 是否启用全局注意力修改 | 是否启用全局注意力修改器 | False是安全设置 |
| 禁用正面 | disable_cond | 布尔值 | False | 是否禁用正面提示词 | 是否禁用正面条件 | False是标准设置 |
| 禁用正面开始值 | disable_cond_sigma_start | 浮点数 | 1000 | 禁用正面开始的时机(0-10000) | 禁用正面开始的sigma值 | 1000表示从头开始 |
| 禁用正面结束值 | disable_cond_sigma_end | 浮点数 | 0 | 禁用正面结束的时机(0-10000) | 禁用正面结束的sigma值 | 0表示到最后 |
| 保存为预设 | save_as_preset | 布尔值 | False | 是否保存当前设置为预设 | 是否将当前配置保存为预设 | 调好参数后可以保存 |
| 预设名称 | preset_name | 文本输入 | 空 | 保存预设的名字 | 预设文件的名称 | 输入"我的高级设置"等名字 |
3.7 Automatic CFG - Post rescale only 节点 - 后处理重缩放器
这个节点像一个"图片后期调色师",专门在生成完成后调整图片的亮度和对比度。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 减去潜在均值 | subtract_latent_mean | 布尔值 | True | 是否减去图像的平均值 | 是否减去潜在空间的均值 | True能改善对比度 |
| 减去均值开始值 | subtract_latent_mean_sigma_start | 浮点数 | 1000 | 减去均值开始的时机(0-10000) | 减去均值开始的sigma值 | 1000表示从头开始 |
| 减去均值结束值 | subtract_latent_mean_sigma_end | 浮点数 | 7.5 | 减去均值结束的时机(0-10000) | 减去均值结束的sigma值 | 7.5是推荐值 |
| 潜在强度重缩放 | latent_intensity_rescale | 布尔值 | True | 是否重新调整图像强度 | 是否重新缩放潜在空间强度 | True能改善亮度 |
| 重缩放方法 | latent_intensity_rescale_method | 下拉选择 | hard | 重缩放的计算方式 | 强度重缩放的计算方法 | "hard"效果明显 |
| 重缩放CFG | latent_intensity_rescale_cfg | 浮点数 | 8 | 重缩放的目标强度(0-100) | 重缩放的目标CFG值 | 8是标准值 |
| 重缩放开始值 | latent_intensity_rescale_sigma_start | 浮点数 | 1000 | 重缩放开始的时机(0-10000) | 重缩放开始的sigma值 | 1000表示从头开始 |
| 重缩放结束值 | latent_intensity_rescale_sigma_end | 浮点数 | 5 | 重缩放结束的时机(0-10000) | 重缩放结束的sigma值 | 5是推荐值 |
3.8 Automatic CFG - Custom attentions 节点 - 自定义注意力调节器
这个节点像一个"注意力定制师",可以精确控制AI在不同情况下的注意力分配。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自加载器 | 连接你的AI绘画大脑 | 输入的模型对象 | 连接CheckpointLoader的输出 |
| 自动CFG | Auto_CFG | 布尔值 | True | 是否启用智能CFG调节 | 是否启用自动CFG功能 | True获得更好效果 |
| 正面模式 | cond_mode | 下拉选择 | replace_by_custom | 正面提示词的处理方式 | 正面条件的处理模式 | "replace_by_custom"是替换模式 |
| 负面模式 | uncond_mode | 下拉选择 | replace_by_custom | 负面提示词的处理方式 | 负面条件的处理模式 | "replace_by_custom"是替换模式 |
| 正面差异倍数 | cond_diff_multiplier | 浮点数 | 1.0 | 正面差异的放大倍数(-100到100) | 正面条件差异的倍数 | 1.0是标准值 |
| 负面差异倍数 | uncond_diff_multiplier | 浮点数 | 1.0 | 负面差异的放大倍数(-100到100) | 负面条件差异的倍数 | 1.0是标准值 |
| 负面结束值 | uncond_sigma_end | 浮点数 | 1.0 | 负面提示词的结束时机(0-10000) | 负面条件结束的sigma值 | 1.0是标准值 |
| 保存为预设 | save_as_preset | 布尔值 | False | 是否保存当前设置为预设 | 是否将当前配置保存为预设 | 调好参数后可以保存 |
| 预设名称 | preset_name | 文本输入 | 空 | 保存预设的名字 | 预设文件的名称 | 输入"我的注意力设置"等名字 |
3.9 Automatic CFG - Attention modifiers 节点 - 注意力修改器参数设置
这个节点像一个"注意力参数调节面板",用来设置各种注意力修改的具体参数。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 开始值 | sigma_start | 浮点数 | 1000 | 修改开始的时机(0-10000) | 修改开始的sigma值 | 1000表示从头开始 |
| 结束值 | sigma_end | 浮点数 | 0 | 修改结束的时机(0-10000) | 修改结束的sigma值 | 0表示到最后 |
| 自注意力修改代码 | self_attn_mod_eval | 多行文本 | 空 | 自定义的注意力修改代码 | 注意力修改的评估字符串 | 输入专业的修改代码 |
| 输入块ID | unet_block_id_input | 文本输入 | 空 | 要修改的输入块编号 | UNet输入块的ID列表 | 输入"4,5,7,8"等 |
| 中间块ID | unet_block_id_middle | 文本输入 | 空 | 要修改的中间块编号 | UNet中间块的ID列表 | 输入"0"等 |
| 输出块ID | unet_block_id_output | 文本输入 | 空 | 要修改的输出块编号 | UNet输出块的ID列表 | 输入"0,1,2,3"等 |
| 注意力类型 | unet_attn | 下拉选择 | attn1 | 要修改的注意力类型 | 注意力机制的类型 | "attn1"是自注意力,"attn2"是交叉注意力 |
3.10 Automatic CFG - Attention modifiers tester 节点 - 注意力修改器测试器
这个节点像一个"自动实验机",能自动测试不同的注意力修改组合,帮你找到最佳设置。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 种子 | seed | 整数 | 0 | 实验的随机种子(0到最大整数) | 控制实验序列的种子值 | 不同种子测试不同组合 |
| 开始值 | sigma_start | 浮点数 | 1000 | 修改开始的时机(0-10000) | 修改开始的sigma值 | 1000表示从头开始 |
| 结束值 | sigma_end | 浮点数 | 0 | 修改结束的时机(0-10000) | 修改结束的sigma值 | 0表示到最后 |
| 自注意力修改代码 | self_attn_mod_eval | 多行文本 | 空 | 自定义的注意力修改代码 | 注意力修改的评估字符串 | 输入要测试的修改代码 |
| 输入块ID | unet_block_id_input | 文本输入 | 4,5,7,8 | 要测试的输入块编号 | UNet输入块的ID列表 | 默认值包含常用块 |
| 中间块ID | unet_block_id_middle | 文本输入 | 0 | 要测试的中间块编号 | UNet中间块的ID列表 | 0是中间块 |
| 输出块ID | unet_block_id_output | 文本输入 | 0,1,2,3,4,5 | 要测试的输出块编号 | UNet输出块的ID列表 | 默认值包含常用块 |
| 注意力类型 | unet_attn | 下拉选择 | attn1 | 要测试的注意力类型 | 注意力机制的类型 | "both"测试两种类型 |
3.11 Automatic CFG - Unpatch function 节点 - 取消补丁功能
这个节点像一个"重置按钮",能取消之前应用的所有CFG修改,让模型回到原始状态。
参数详解:
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | 模型对象 | 来自其他节点 | 连接被修改过的模型 | 输入的模型对象 | 连接其他AutomaticCFG节点的输出 |
4. 使用技巧和建议
4.1 新手入门建议
- 从简单开始:先用"Automatic CFG"基础节点,设置hard_mode=True,boost=True
- CFG值调整:插件会改变CFG的含义,建议从8开始尝试,然后根据效果调整
- 预设优先:使用"Preset Loader"节点加载"Excellent_attention"预设是最简单的开始方式
4.2 速度优化技巧
- 曲速引擎:使用"Warp Drive"节点能获得最大速度提升(160%)
- boost模式:在基础节点中启用boost能提升约一倍速度
- 合理设置sigma值:uncond_sigma_end设为1.0通常是速度和质量的平衡点
4.3 质量提升技巧
- 预设组合:不同预设适合不同类型的图片,人物用"Excellent_attention",创意图用"Enhanced_details_and_tweaked_attention"
- 注意力调节:使用"Excellent attention"节点的patch_multiplier参数微调效果
- 负面增强:使用"Negative"节点的negative_strength参数增强负面提示词效果
4.4 高级用法技巧
- 自定义注意力:使用"Attention modifiers"节点可以精确控制AI的注意力分配
- 实验功能:高级节点的各种exp功能可以实现特殊效果,但需要谨慎使用
- 预设保存:调好参数后记得保存为预设,方便以后使用
4.5 不同模型适配
- SDXL模型:大部分预设都针对SDXL优化,效果最佳
- SD1.5模型:使用"crossed conds customized 3"预设效果很好
- 特殊模型:某些模型(如Juggernaut)可能不兼容,需要调整参数
5. 常见问题解答
Q1: 为什么使用插件后CFG的效果变了?
A:
这是正常的!插件会重新定义CFG的含义,它不再是固定的引导强度,而是变成了"目标效果强度"。建议:
- 从CFG=8开始尝试(这是插件的"中心值")
- CFG=4会得到较轻的效果,CFG=16会得到较强的效果
- 不要害怕尝试以前不敢用的低CFG值(如4-6)
Q2: 曲速引擎模式安全吗?会不会影响质量?
A:
曲速引擎是安全的,而且通常能提升质量:
- 5.5/1/1设置是最平衡的,适合大多数情况
- 3/1/1设置速度更快,适合主体明确的提示词
- 1/1/1设置是极速模式,但可能影响细节
Q3: 哪个预设最适合新手?
A:
推荐顺序:
- "Excellent_attention" - 最通用,适合大多数情况
- "Original automatic CFG" - 经典设置,效果稳定
- "Kickstart" - 简单有效的入门设置
Q4: 插件与其他节点冲突怎么办?
A:
- 避免同时使用多个CFG修改插件
- 如果需要取消效果,使用"Unpatch function"节点
- 某些ControlNet可能需要调整参数
Q5: 显存不够用怎么办?
A:
- 使用"Excellent attention"节点时启用"light_patch"
- 避免使用过多的注意力修改器
- 降低图片分辨率
Q6: 如何保存和分享自己的设置?
A:
- 在节点中启用"save_as_preset"并输入名称
- 预设文件保存在插件的presets文件夹中
- 可以直接复制.json文件分享给他人
- 注意:不要运行来源不明的预设文件,可能包含恶意代码
Q7: 实验功能安全吗?
A:
- 基础的实验功能(如amplify、root、power)是安全的
- 避免使用eval相关的功能,除非你了解代码
- 从小的数值开始尝试(如2.0),逐步调整
6. 预设推荐指南
6.1 通用预设
- Excellent_attention: 最佳通用选择,适合各种类型图片
- Original automatic CFG: 经典自动CFG,稳定可靠
- Kickstart: 简单有效的入门设置
6.2 速度优化预设
- Warp Drive相关: 大幅提升生成速度
- everything_turned_off: 最小化处理,最快速度
6.3 质量增强预设
- Enhanced_details_and_tweaked_attention: 增强细节,适合创意图
- reinforced_style系列: 强化风格,适合艺术创作
6.4 特殊效果预设
- The red riding latent: SDXL专用,创意效果,容易出现红色服装
- Potato Attention Guidance: 适合快乐人物肖像
- SDXL_Photorealistic_helper: 照片级真实感增强
7. 工作流程建议
7.1 新手推荐流程
- CheckpointLoader → 加载你的模型
- Automatic CFG - Preset Loader → 选择"Excellent_attention"预设
- KSampler → 设置CFG=8,其他参数正常
- 观察效果,根据需要调整CFG值
7.2 速度优先流程
- CheckpointLoader → 加载你的模型
- Automatic CFG - Warp Drive → 使用默认设置或调整为3/1/1
- KSampler → 使用AYS调度器,步数可以减少到10-12步
- 享受飞一般的生成速度
7.3 质量优先流程
- CheckpointLoader → 加载你的模型
- Automatic CFG - Excellent attention → 精细调整各项参数
- Automatic CFG - Attention modifiers → 添加自定义注意力修改
- KSampler → 使用较多步数(20-50步)获得最佳质量
7.4 实验探索流程
- CheckpointLoader → 加载你的模型
- Automatic CFG - Attention modifiers tester → 自动测试不同组合
- 通过改变seed值测试不同的注意力修改组合
- 找到满意的效果后保存为预设
8. 总结
ComfyUI-AutomaticCFG是一个革命性的插件,它彻底改变了我们使用CFG的方式:
- 告别烧糊图片:智能CFG调节让过度饱和成为历史
- 大幅提升速度:曲速引擎模式让生成速度提升160%
- 丰富的预设系统:专家调优的预设让新手也能获得专业效果
- 强大的自定义能力:注意力修改器让高手能精确控制每个细节
- 简单易用:从基础的一键设置到高级的精细调节,适合各个水平的用户
使用建议:
- 新手从"Preset Loader"开始,选择"Excellent_attention"
- 追求速度用"Warp Drive",追求质量用"Excellent attention"
- 不要害怕尝试低CFG值,插件让4-6的CFG也能有很好的效果
- 记得保存你调好的设置为预设,方便以后使用
这个插件让AI绘画变得更快、更好、更有趣!掌握它,你的AI艺术创作将迈上新的台阶!