ComfyUI 魔法书 Logo
🏠 首页
👥 加群
🔥 报错不求人
😎 大帅比
登录 →
ComfyUI 魔法书 Logo
🏠 首页 👥 加群 🔥 报错不求人 😎 大帅比
登录
  1. 首页
  2. 🧩 插件工坊 (Plugin Workshop)
  3. ComfyUI AutomaticCFG插件使用教程 从入门到精通

ComfyUI AutomaticCFG插件使用教程 从入门到精通

0
  • 🧩 插件工坊 (Plugin Workshop)
  • 发布于 2025-06-28
  • 18 次阅读
编程界的小学生
编程界的小学生

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

  1. 打开你的 ComfyUI 安装目录
  2. 进入 custom_nodes 文件夹
  3. 下载插件到这个文件夹:git clone https://github.com/Extraltodeus/ComfyUI-AutomaticCFG.git
  4. 安装依赖:在插件文件夹里运行 pip install -r requirements.txt
  5. 重启 ComfyUI

方法二:ComfyUI Manager

  1. 打开 ComfyUI Manager
  2. 搜索 "AutomaticCFG"
  3. 点击安装
  4. 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CFGTrue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 presetCFG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CFGAuto_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hardCFG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CFGlatent_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CFGlatent_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CFGAuto_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IDunet_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IDunet_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IDunet_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IDunet_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IDunet_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IDunet_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:

  1. "Excellent_attention" - 最通用,适合大多数情况
  2. "Original automatic CFG" - 经典设置,效果稳定
  3. "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

  1. CheckpointLoader → 加载你的模型
  2. Automatic CFG - Preset Loader → 选择"Excellent_attention"预设
  3. KSampler → 设置CFG=8,其他参数正常
  4. 观察效果,根据需要调整CFG值

7.2 速度优先流程

  1. CheckpointLoader → 加载你的模型
  2. Automatic CFG - Warp Drive → 使用默认设置或调整为3/1/1
  3. KSampler → 使用AYS调度器,步数可以减少到10-12步
  4. 享受飞一般的生成速度

7.3 质量优先流程

  1. CheckpointLoader → 加载你的模型
  2. Automatic CFG - Excellent attention → 精细调整各项参数
  3. Automatic CFG - Attention modifiers → 添加自定义注意力修改
  4. KSampler → 使用较多步数(20-50步)获得最佳质量

7.4 实验探索流程

  1. CheckpointLoader → 加载你的模型
  2. Automatic CFG - Attention modifiers tester → 自动测试不同组合
  3. 通过改变seed值测试不同的注意力修改组合
  4. 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!

标签: #插件 2338
相关文章

ComfyUI错误修复插件详解:轻松解决常见问题 2025-07-10 18:25

ComfyUI-CustomMenu插件使用教程:高效自定义工作流指南 2025-07-10 17:50

ComfyUI图像合并插件comfyui-merge使用教程 2025-07-03 22:44

ComfyUI 图像合并插件教程 (comfyui-merge) 1. 插件简介 这是一个专门用来合并图片的 ComfyUI 插件,就像用 PS 把多张图片叠在一起那样。它的特别之处在于你精确控制每张图片的混合方式。 GitHub 地址:https://github.com/LingSss9/com

ComfyUI WAN 2.2视频插件教程:万相AI提示词全攻略 2025-07-31 11:47

ComfyUI WAN 2.2视频插件教程:万相AI提示词实战指南 2025-07-29 20:10

ComfyUI HeyGem数字人插件教程:零基础快速精通指南 2025-07-22 14:10

目录

从节点基础到高阶工作流,我们为你绘制最清晰的 ComfyUI 学习路径。告别困惑,让每一次连接都充满创造的魔力,轻松驾驭 AI 艺术的无限可能。

  • 微信
  • B站
  • GitHub
Copyright © 2025 AIX All Rights Reserved. Powered by AIX.
隐私政策
津ICP备2024019312号