ComfyUI Efficiency Nodes插件高效使用指南

模型名称

ckpt_name

下拉选择

根据需要选择

选择你要用的AI绘画模型

选择Checkpoint模型文件

选择realistic_vision_v2.safetensors

VAE名称

vae_name

下拉选择

Baked VAE

选择图像解码器，像显卡驱动

选择VAE模型用于编码解码

一般选Baked VAE就行

跳过层数

clip_skip

-1到-24

-1

控制文字理解的深度

CLIP模型跳过的层数

-1是默认，-2会更有创意

LoRA名称

lora_name

下拉选择

None

选择风格插件

选择LoRA模型文件

选择一个人物或风格LoRA

LoRA模型强度

lora_model_strength

0.0-10.0

1.0

LoRA对图像的影响程度

LoRA在UNet上的权重

0.8比较自然，1.2会很强烈

LoRA文字强度

lora_clip_strength

0.0-10.0

1.0

LoRA对文字理解的影响

LoRA在CLIP上的权重

通常和模型强度保持一致

正面提示词

positive

文本框

自定义

你想要的画面描述

正向条件提示词

beautiful girl, detailed face

负面提示词

negative

文本框

自定义

你不想要的内容

负向条件提示词

ugly, blurry, low quality

文字标准化

token_normalization

4选1

none

文字处理方式

Token标准化方法

一般用none就行

权重解释

weight_interpretation

5选1

comfy

括号权重的理解方式

权重解释算法

comfy是默认方式

图像宽度

empty_latent_width

64-8192

512

生成图像的宽度像素

潜空间宽度

512、768、1024常用

图像高度

empty_latent_height

64-8192

512

生成图像的高度像素

潜空间高度

和宽度保持比例

批次大小

batch_size

1-262144

1

一次生成几张图

批处理数量

1张测试，4张批量

基础模型

base_ckpt_name

下拉选择

选择SDXL模型

主要的绘画模型

SDXL基础模型

选择sdxl_base_1.0.safetensors

基础跳过层

base_clip_skip

-1到-24

-2

基础模型的文字理解深度

基础模型CLIP跳过层数

SDXL推荐-2

精修模型

refiner_ckpt_name

下拉选择

None或精修模型

用来优化细节的模型

SDXL精修模型

可选sdxl_refiner_1.0.safetensors

精修跳过层

refiner_clip_skip

-1到-24

-2

精修模型的文字理解深度

精修模型CLIP跳过层数

和基础保持一致

正面美学分

positive_ascore

0.0-1000.0

6.0

正面提示词的美学评分

正向美学条件分数

6.0是标准美学水平

负面美学分

negative_ascore

0.0-1000.0

2.0

负面提示词的美学评分

负向美学条件分数

2.0避免低质量

随机种子

seed

0-很大的数

随机

控制随机性的数字

随机数种子

-1是随机，固定数字可复现

采样步数

steps

1-10000

20

AI绘画的计算次数

去噪迭代步数

20-30步够用，50+步精细

引导强度

cfg

0.0-100.0

7.0

AI听你话的程度

分类器自由引导强度

7是标准，12更听话，3更自由

采样器名称

sampler_name

多选1

euler_a

选择绘画算法

采样算法类型

euler_a快速，dpmpp_2m质量好

调度器

scheduler

多选1

normal

控制绘画节奏

噪声调度算法

normal标准，karras更平滑

去噪强度

denoise

0.0-1.0

1.0

改变原图的程度

去噪强度系数

1.0全新生成，0.5半改变

预览方式

preview_method

5选1

auto

生成过程中的预览方式

预览图生成方法

auto自动选择最佳方式

VAE解码

vae_decode

3选1

true

是否显示最终图像

是否进行VAE解码

true显示图片，false只有数据

输入模式

input_mode

simple/advanced

simple

选择简单或高级模式

参数输入复杂度

simple够用，advanced可分别调节

LoRA数量

lora_count

0-3

3

要使用几个LoRA

堆叠的LoRA数量

通常1-2个就够了

LoRA名称1

lora_name_1

下拉选择

None

第一个LoRA文件

第一个LoRA模型

选择人物或风格LoRA

LoRA权重1

lora_wt_1

-10.0到10.0

1.0

第一个LoRA的影响强度

第一个LoRA权重

0.8比较自然

模型强度1

model_str_1

-10.0到10.0

1.0

对图像生成的影响

UNet模型权重

控制风格强度

文字强度1

clip_str_1

-10.0到10.0

1.0

对文字理解的影响

CLIP模型权重

控制提示词理解

网格间距

grid_spacing

0-500

0

图片之间的空隙

网格图像间距像素

0紧密排列，10有小间隙

XY翻转

XY_flip

True/False

False

是否交换X和Y轴

是否翻转XY轴显示

调整图表布局用

Y标签方向

Y_label_orientation

2选1

Horizontal

Y轴标签的显示方向

Y轴标签文字方向

Horizontal水平，Vertical垂转

缓存模型

cache_models

True/False

True

是否缓存加载的模型

是否缓存模型到内存

True节省加载时间

输出图像

ksampler_output_image

2选1

Images

输出单张图还是网格图

KSampler输出图像类型

Images输出单张，Plot输出网格

控制网络

control_net

下拉选择

选择模型

选择ControlNet模型

ControlNet模型文件

选择canny、depth等

输入图像

image

图像输入

必须连接

作为控制参考的图像

控制条件图像

连接预处理后的图像

控制强度

strength

0.0-10.0

1.0

ControlNet的影响程度

控制网络权重强度

0.5轻微影响，1.5强烈影响

开始百分比

start_percent

0.0-1.0

0.0

从什么时候开始生效

控制开始的步数百分比

0.0从头开始，0.3从30%开始

结束百分比

end_percent

0.0-1.0

1.0

到什么时候结束生效

控制结束的步数百分比

1.0到最后，0.8到80%结束

添加噪声

add_noise

enable/disable

enable

是否添加初始噪声

是否在采样开始时添加噪声

enable正常生成，disable用于修复

噪声种子

noise_seed

0-很大的数

随机

控制噪声的随机性

噪声生成的随机种子

固定数字可复现结果

开始步数

start_at_step

0-10000

0

从第几步开始采样

采样开始的步数

0从头开始，10跳过前10步

结束步数

end_at_step

0-10000

10000

在第几步结束采样

采样结束的步数

20只做前20步，用于分阶段

返回噪声

return_with_leftover_noise

enable/disable

disable

是否保留剩余噪声

是否返回未完全去噪的结果

enable用于传递给精修模型

SDXL元组

sdxl_tuple

SDXL_TUPLE

必须连接

SDXL模型组合数据

包含基础和精修模型的数据包

从SDXL加载器连接

精修步数

refine_at_step

-1到10000

-1

什么时候切换到精修模型

切换到精修模型的步数

-1不使用精修，15在第15步切换

批次数量

batch_count

0-50

3

要生成几个不同的随机种子

批处理数量

3会生成3个不同随机性的图

XY类型

XY_type

add_noise/return_with_leftover_noise

add_noise

选择测试噪声添加还是噪声返回

噪声控制类型

add_noise测试是否添加噪声

目标参数

target_parameter

steps/start_at_step/end_at_step/refine_at_step

steps

选择要测试的步数类型

步数参数类型

steps测试总步数

批次数量

batch_count

0-50

3

要测试几个不同的步数值

批处理数量

3会测试3个不同步数

起始步数

first_step

1-10000

10

测试的最小步数

最小采样步数

从10步开始测试

结束步数

last_step

1-10000

20

测试的最大步数

最大采样步数

到20步结束测试

批次数量

batch_count

0-50

3

要测试几个不同的CFG值

批处理数量

3会测试3个不同CFG

起始CFG

first_cfg

0.0-100.0

7.0

测试的最小CFG值

最小引导强度

从7.0开始测试

结束CFG

last_cfg

0.0-100.0

9.0

测试的最大CFG值

最大引导强度

到9.0结束测试

目标参数

target_parameter

sampler/scheduler/sampler & scheduler

sampler

选择测试采样器还是调度器

参数类型选择

sampler只测试采样器

输入数量

input_count

0-50

3

要测试几个不同的选项

输入参数数量

3会测试3个不同采样器

采样器1

sampler_1

采样器列表

euler_a

第一个要测试的采样器

第一个采样算法

选择euler_a采样器

调度器1

scheduler_1

调度器列表

normal

第一个要测试的调度器

第一个调度算法

选择normal调度器

批次数量

batch_count

0-50

3

要测试几个不同的去噪值

批处理数量

3会测试3个不同去噪强度

起始去噪

first_denoise

0.0-1.0

0.0

测试的最小去噪强度

最小去噪系数

从0.0开始测试

结束去噪

last_denoise

0.0-1.0

1.0

测试的最大去噪强度

最大去噪系数

到1.0结束测试

输入模式

input_mode

VAE Names/VAE Batch

VAE Names

选择手动选择还是批量加载

VAE选择模式

VAE Names手动选择

VAE数量

vae_count

0-50

3

要测试几个不同的VAE

VAE模型数量

3会测试3个不同VAE

VAE名称1

vae_name_1

VAE列表

Baked VAE

第一个要测试的VAE

第一个VAE模型

选择内置VAE

目标提示词

target_prompt

positive/negative

positive

选择替换正面还是负面提示词

提示词类型

positive替换正面提示词

搜索文本

search_txt

文本

自定义

要被替换的文字

搜索关键词

输入"girl"来替换

替换数量

replace_count

0-49

3

要替换成几个不同的词

替换选项数量

3会有3个不同替换

替换1

replace_1

文本

自定义

第一个替换词

第一个替换文本

替换成"woman"

目标评分

target_ascore

positive/negative

positive

选择测试正面还是负面美学评分

美学评分类型

positive测试正面评分

批次数量

batch_count

0-50

3

要测试几个不同的评分值

批处理数量

3会测试3个不同评分

起始评分

first_ascore

0.0-1000.0

0.0

测试的最小美学评分

最小美学分数

从0.0开始测试

结束评分

last_ascore

0.0-1000.0

10.0

测试的最大美学评分

最大美学分数

到10.0结束测试

精修百分比

refine_at_percent

0.0-1.0

0.80

在百分之几的时候切换到精修模型

精修切换点

0.80在80%时切换

目标模型

target_ckpt

Base/Refiner

Base

选择测试基础模型还是精修模型

模型类型

Base测试基础模型

输入模式

input_mode

多种模式

Ckpt Names

选择测试模式

模型输入模式

Ckpt Names只测试模型名

模型数量

ckpt_count

0-50

3

要测试几个不同的模型

模型数量

3会测试3个不同模型

模型名称1

ckpt_name_1

模型列表

选择模型

第一个要测试的模型

第一个检查点模型

选择realistic_vision

目标模型

target_ckpt

Base/Refiner

Base

选择测试基础模型还是精修模型

模型类型

Base测试基础模型

批次数量

batch_count

0-50

3

要测试几个不同的跳过层数

批处理数量

3会测试3个不同层数

起始跳过

first_clip_skip

-24到-1

-1

测试的最小跳过层数

最小跳过层数

从-1开始测试

结束跳过

last_clip_skip

-24到-1

-3

测试的最大跳过层数

最大跳过层数

到-3结束测试

输入模式

input_mode

LoRA Names/LoRA Names+Weights/LoRA Batch

LoRA Names

选择LoRA测试模式

LoRA输入模式

LoRA Names只测试名称

LoRA数量

lora_count

0-50

3

要测试几个不同的LoRA

LoRA数量

3会测试3个不同LoRA

模型强度

model_strength

-10.0到10.0

1.0

LoRA对图像的影响强度

模型权重强度

1.0是标准强度

文字强度

clip_strength

-10.0到10.0

1.0

LoRA对文字理解的影响强度

CLIP权重强度

1.0是标准强度

LoRA名称1

lora_name_1

LoRA列表

None

第一个要测试的LoRA

第一个LoRA文件

选择人物或风格LoRA

输入模式

input_mode

多种组合模式

X: LoRA Batch, Y: LoRA Weight

选择X轴和Y轴的测试内容

二维测试模式

X测试不同LoRA，Y测试权重

LoRA名称

lora_name

LoRA列表

None

要测试的LoRA文件

LoRA模型文件

选择要测试的LoRA

模型强度

model_strength

-10.0到10.0

1.0

LoRA模型权重

UNet权重强度

控制对图像的影响

文字强度

clip_strength

-10.0到10.0

1.0

LoRA文字权重

CLIP权重强度

控制对提示词的影响

X批次数量

X_batch_count

0-50

3

X轴要测试几个值

X轴批处理数量

3会在X轴测试3个值

Y批次数量

Y_batch_count

0-50

3

Y轴要测试几个值

Y轴批处理数量

3会在Y轴测试3个值

节点状态

node_state

Enabled

Enabled

节点是否启用

节点启用状态

Enabled表示启用

LoRA堆栈1

lora_stack_1

LORA_STACK

可选

第一个LoRA堆栈

第一个LoRA组合

连接LoRA Stacker输出

LoRA堆栈2

lora_stack_2

LORA_STACK

可选

第二个LoRA堆栈

第二个LoRA组合

连接另一个LoRA Stacker

控制网络

control_net

CONTROL_NET

必须连接

要测试的ControlNet模型

ControlNet模型

连接canny或depth模型

输入图像

image

IMAGE

必须连接

控制参考图像

控制条件图像

连接预处理后的图像

目标参数

target_parameter

strength/start_percent/end_percent

strength

选择要测试的参数类型

测试参数类型

strength测试控制强度

批次数量

batch_count

0-50

3

要测试几个不同的参数值

批处理数量

3会测试3个不同强度

起始强度

first_strength

0.0-10.0

0.0

测试的最小控制强度

最小控制权重

从0.0开始测试

结束强度

last_strength

0.0-10.0

1.0

测试的最大控制强度

最大控制权重

到1.0结束测试

控制网络

control_net

CONTROL_NET

必须连接

ControlNet模型

控制网络模型

连接canny模型

输入图像

image

IMAGE

必须连接

控制参考图像

控制条件图像

连接边缘检测图像

绘图类型

plot_type

多种组合

X: Strength, Y: Start%

选择X轴和Y轴的测试参数

二维测试类型

X测试强度，Y测试开始百分比

控制强度

strength

0.0-1.0

1.0

ControlNet的基础控制强度

基础控制权重

1.0是完全控制

开始百分比

start_percent

0.0-1.0

0.0

ControlNet开始生效的时机

控制开始百分比

0.0从头开始

结束百分比

end_percent

0.0-1.0

1.0

ControlNet结束生效的时机

控制结束百分比

1.0到最后

绘图类型

plot_type

多种类型

Nothing

选择要手动输入的参数类型

手动输入参数类型

Steps手动输入步数

绘图值

plot_value

文本

空

手动输入的测试值

手动输入的参数值

输入"10;15;20"测试3个步数

随机数源

rng_source

gpu/cpu

gpu

选择随机数生成器类型

随机数生成源

gpu速度更快

CFG去噪器

cfg_denoiser

true/false

false

是否使用CFG去噪器

CFG去噪器开关

false是标准模式

添加种子噪声

add_seed_noise

true/false

false

是否添加种子噪声

种子噪声开关

false不添加额外噪声

混合种子

mixed_seed

整数

0

混合噪声的种子值

混合噪声种子

用于噪声混合

混合权重

mixed_weight

0.0-1.0

0.0

混合噪声的权重

噪声混合权重

0.0不混合

放大类型

upscale_type

latent/pixel/both

latent

选择放大方式

放大算法类型

latent在潜空间放大

潜空间放大器

latent_upscaler

放大器列表

nearest-exact

潜空间放大算法

潜空间放大方法

nearest-exact保持细节

放大倍数

upscale_by

1.0-8.0

2.0

图像放大的倍数

放大系数

2.0放大一倍

使用相同种子

use_same_seed

true/false

true

高分辨率修复是否用相同种子

种子复用开关

true保持一致性

高分辨率种子

hires_seed

整数

0

高分辨率修复的种子

高分辨率随机种子

0使用随机种子

高分辨率步数

hires_steps

1-10000

20

高分辨率修复的采样步数

高分辨率采样步数

20步通常够用

高分辨率去噪

hires_denoise

0.0-1.0

0.5

高分辨率修复的去噪强度

高分辨率去噪系数

0.5保持原图特征

迭代次数

iterations

1-10

1

高分辨率修复的迭代次数

修复迭代次数

1次通常够用

放大倍数

upscale_by

1.0-8.0

2.0

图像放大的倍数

放大系数

2.0放大一倍

分块大小

tile_size

64-2048

512

每个分块的大小

分块尺寸像素

512适合大部分显卡

分块策略

tiling_strategy

random/linear

random

分块处理的策略

分块处理算法

random避免接缝

分块步数

tiling_steps

1-10000

20

每个分块的采样步数

分块采样步数

20步保证质量

分块种子

tile_seed

整数

0

分块处理的随机种子

分块随机种子

0使用随机

分块去噪

tiled_denoise

0.0-1.0

0.5

分块处理的去噪强度

分块去噪系数

0.5保持细节

运动模型

motion_model

模型列表

选择模型

控制动画运动的模型

运动控制模型

选择适合的运动模型

Beta调度

beta_schedule

调度列表

linear

噪声调度方式

Beta调度算法

linear是线性调度

上下文选项

context_options

选项

默认

动画上下文设置

上下文处理选项

控制动画连贯性

帧率

frame_rate

1-60

8

动画的帧率

每秒帧数

8fps适合预览

循环次数

loop_count

0-100

0

动画循环播放次数

循环播放次数

0无限循环

输出格式

format

gif/mp4

gif

动画输出格式

动画文件格式

gif兼容性好

乒乓效果

pingpong

true/false

false

是否启用乒乓播放

往返播放效果

true会来回播放

保存图像

save_image

true/false

true

是否保存单帧图像

单帧保存开关

true保存每一帧

输入图像

image

IMAGE

必须连接

要添加叠加的基础图像

基础图像输入

连接生成的图像

叠加文本

overlay_text

文本

空

要叠加的文字内容

叠加文字内容

输入水印或标题文字

字体大小

font_size

1-200

32

叠加文字的大小

字体尺寸像素

32适合大部分情况

文字颜色

text_color

颜色值

white

叠加文字的颜色

文字颜色设置

white白色文字

位置X

position_x

0-图像宽度

10

文字在图像中的X坐标

水平位置坐标

10距离左边10像素

位置Y

position_y

0-图像高度

10

文字在图像中的Y坐标

垂直位置坐标

10距离顶部10像素

LoRA堆栈

lora_stack

LORA_STACK

必须连接

要转换的LoRA堆栈

LoRA堆栈数据

连接LoRA Stacker输出

输出格式

output_format

simple/detailed

simple

选择输出的详细程度

输出格式类型

simple只显示名称和权重

分隔符

separator

文本

,

多个LoRA之间的分隔符

文本分隔符

用逗号分隔不同LoRA

基础模型

base_model

MODEL

必须连接

SDXL基础模型

基础生成模型

连接SDXL基础模型

基础CLIP

base_clip

CLIP

必须连接

基础模型的CLIP

基础文字编码器

连接基础CLIP

基础正面条件

base_positive

CONDITIONING

必须连接

基础模型正面条件

基础正向条件

连接正面提示词编码

基础负面条件

base_negative

CONDITIONING

必须连接

基础模型负面条件

基础负向条件

连接负面提示词编码

精修模型

refiner_model

MODEL

必须连接

SDXL精修模型

精修生成模型

连接SDXL精修模型

精修CLIP

refiner_clip

CLIP

必须连接

精修模型的CLIP

精修文字编码器

连接精修CLIP

精修正面条件

refiner_positive

CONDITIONING

必须连接

精修模型正面条件

精修正向条件

连接精修正面编码

精修负面条件

refiner_negative

CONDITIONING

必须连接

精修模型负面条件

精修负向条件

连接精修负面编码

SDXL元组

sdxl_tuple

SDXL_TUPLE

必须连接

要解包的SDXL元组

SDXL数据包

连接SDXL加载器输出

表达式

expression

文本

a

要计算的数学表达式

数学计算表达式

输入"a+b"进行加法

变量a

a

整数

0

表达式中的变量a

第一个整数变量

输入要计算的数值

变量b

b

整数

0

表达式中的变量b

第二个整数变量

输入第二个数值

变量c

c

整数

0

表达式中的变量c

第三个整数变量

可选的第三个数值

表达式

expression

文本

a

要计算的数学表达式

数学计算表达式

输入"a*0.5"进行乘法

变量a

a

浮点数

0.0

表达式中的变量a

第一个浮点变量

输入小数值

变量b

b

浮点数

0.0

表达式中的变量b

第二个浮点变量

输入第二个小数值

变量c

c

浮点数

0.0

表达式中的变量c

第三个浮点变量

可选的第三个小数值

表达式

expression

文本

a

字符串处理表达式

字符串操作表达式

输入"a+b"连接字符串

变量a

a

文本

空

表达式中的字符串a

第一个字符串变量

输入文本内容

变量b

b

文本

空

表达式中的字符串b

第二个字符串变量

输入第二个文本

变量c

c

文本

空

表达式中的字符串c

第三个字符串变量

可选的第三个文本

说明文档

notes

长文本

预设说明

显示手动输入的语法说明

语法帮助文档

查看如何手动输入参数