%20(1).png)
ComfyUI-InversedNoise 插件完整保姆级教程
1. 插件简介
插件地址：https://github.com/logtd/ComfyUI-InversedNoise
这个插件就像是一个"时光倒流器"，专门用来做图片的逆向处理。简单来说，它能让你把一张现有的图片"倒退"回制作过程中的某个阶段，然后从那个阶段重新开始制作，这样就能得到既保持原图特色又有所变化的新图片。
主要用途： - 图片微调：对现有图片进行细微改动，比如换个风格但保持主体不变 - 图片变体制作：基于一张图片制作多个相似但不同的版本 - 逆向工程：找到某张图片是怎么制作出来的噪音基础
能带来的效果： - 让你的图片改动更加精准，不会面目全非 - 制作一系列风格统一的图片变体 - 提高图片编辑的可控性
2. 如何安装
方法一：通过 ComfyUI Manager 安装（推荐）
- 打开 ComfyUI
- 点击右下角的 "Manager" 按钮
- 在搜索框里输入 "InversedNoise"
- 找到 "ComfyUI-InversedNoise" 插件
- 点击 "Install" 按钮
- 重启 ComfyUI
方法二：手动安装
- 打开你的 ComfyUI 安装目录
- 进入
custom_nodes文件夹 - 在这个文件夹里右键选择 "在此处打开命令窗口"
- 输入命令：
git clone https://github.com/logtd/ComfyUI-InversedNoise.git - 重启 ComfyUI
3. 节点详解
3.1 Inversed Euler Sampler（逆向欧拉采样器）
这个节点就像是一个"倒带机"，它能把一张已经完成的图片逆向分析，找出制作这张图片时使用的"噪音配方"。
3.1.1 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 | 任意模型 | 这就像选择一个"分析师"，不同的模型会有不同的分析结果 | 用于执行逆向采样的扩散模型 | 选择你用来生成原图的同一个模型，这样分析最准确 |
| 采样数量 | steps | 1-150 | 20-50 | 就像"倒带"的精细程度，数字越大分析越仔细，但也越慢 | 逆向采样的步数，影响质量和速度 | 如果你原图用了30步生成，这里也设30步比较合适 |
| 配置比例 | cfg | 1.0-30.0 | 7.0 | 这像是"听话程度"，数字越大越严格按照提示词来分析 | 分类器自由引导比例，控制对提示词的遵循程度 | 一般用7.0就够了，如果觉得分析结果偏差太大可以调到10-15 |
| 采样器名称 | sampler_name | 下拉选择 | euler | 这是"倒带"的方式，就像不同的倒带机器有不同的方法 | 指定使用的采样算法类型 | 选择euler，这是最常用也最稳定的方式 |
| 调度器 | scheduler | 下拉选择 | normal | 这像是"倒带"的节奏控制，决定每一步的强度变化 | 控制采样过程中噪音调度的方式 | 用normal就行，它适合大多数情况 |
| 随机种子 | seed | 整数 | 随机 | 就像洗牌的方式，同样的种子会得到同样的结果 | 控制随机性的种子值，确保结果可重现 | 想要相同结果就用相同数字，想要不同结果就换个数字 |
| 提示词 | positive | 文本 | 你的提示词 | 告诉"分析师"你希望看到什么内容 | 正面提示词，引导生成想要的内容 | 输入你希望图片包含的内容描述 |
| 负面提示词 | negative | 文本 | 你的负面词 | 告诉"分析师"你不希望看到什么内容 | 负面提示词，避免生成不想要的内容 | 输入你不希望图片包含的内容，如"模糊,丑陋" |
| 潜在空间图像 | latent_image | 潜在对象 | 输入图像 | 这是要被"倒带"分析的图片 | 编码后的图像数据，用于逆向分析 | 连接你要分析的图片节点 |
3.2 Mix Noise with Latent（噪音与潜在图像混合器）
这个节点就像是一个"调色盘"，它能把纯噪音和图片信息按照不同比例混合，创造出介于两者之间的状态。
3.2.1 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 |
|---|---|---|---|---|---|---|
| 潜在图像 | latent | 潜在对象 | 输入图像 | 这是你的"原材料"图片，就像做菜时的主料 | 输入的潜在空间图像数据 | 连接你要处理的图片节点 |
| 噪音 | noise | 噪音对象 | 噪音数据 | 这是"调料"，用来给图片增加变化和随机性 | 要混合的噪音数据 | 通常连接从其他节点生成的噪音 |
| 混合比例 | mix_factor | 0.0-1.0 | 0.5 | 这像是"调味料"的用量，0是纯图片，1是纯噪音，0.5是一半一半 | 控制噪音和图像混合的比例 | 想要轻微变化用0.1-0.3，想要较大变化用0.5-0.7 |
| 混合模式 | mix_mode | 下拉选择 | linear | 这是"搅拌"的方式，不同方式会产生不同的混合效果 | 指定混合算法的类型 | linear是最常用的，效果最自然 |
3.3 Combine Latent Noise（潜在噪音合并器）
这个节点就像是一个"合成器"，它能把多个不同的噪音信号组合成一个新的噪音信号。
3.3.1 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 |
|---|---|---|---|---|---|---|
| 噪音A | noise_a | 噪音对象 | 第一个噪音 | 这是第一个"声音"，就像乐队里的主唱 | 第一个输入的噪音数据 | 连接你的主要噪音源 |
| 噪音B | noise_b | 噪音对象 | 第二个噪音 | 这是第二个"声音"，就像乐队里的伴奏 | 第二个输入的噪音数据 | 连接你的辅助噪音源 |
| 合并权重A | weight_a | 0.0-1.0 | 0.5 | 这控制第一个"声音"的音量大小 | 第一个噪音在合并中的权重 | 想让A更重要就设置0.6-0.8，想让它次要就设置0.2-0.4 |
| 合并权重B | weight_b | 0.0-1.0 | 0.5 | 这控制第二个"声音"的音量大小 | 第二个噪音在合并中的权重 | 通常weight_a + weight_b = 1.0，比如A是0.3，B就是0.7 |
| 合并方式 | combine_method | 下拉选择 | add | 这是"混音"的方式，决定两个声音怎么组合 | 指定两个噪音数据的合并算法 | add是相加，multiply是相乘，add更常用 |
4. 使用技巧和建议
4.1 基础使用流程
- 准备原图：首先用普通的工作流程生成一张你满意的图片
- 逆向分析：用 Inversed Euler Sampler 分析这张图片，获得对应的噪音
- 噪音调节：用 Mix Noise with Latent 调节噪音强度，控制变化程度
- 重新生成：用调节后的噪音重新生成图片
4.2 参数调节建议
- 步数设置：建议与原图生成时使用相同的步数，这样逆向分析最准确
- CFG值：逆向分析时可以比正向生成时稍微低一点，比如原来用15，逆向时用10-12
- 混合比例：初学者建议从0.2开始尝试，逐步增加到0.5，找到满意的变化程度
4.3 常见组合用法
- 轻微变体：Inversed Euler Sampler → Mix Noise (0.1-0.3) → 正常采样
- 风格迁移：Inversed Euler Sampler → 更换提示词 → 重新采样
- 细节调整：Inversed Euler Sampler → Mix Noise (0.5-0.7) → 局部重绘
5. 常见问题解答
Q1：为什么逆向分析后的图片和原图差别很大？
A1：这通常是因为： - 使用的模型不同（建议用相同模型） - 步数设置不同（建议用相同步数） - CFG值过高（建议适当降低）
Q2：混合噪音后图片变得很奇怪怎么办？
A2：这可能是因为： - 混合比例太高（建议从0.1开始慢慢增加） - 噪音质量不好（检查噪音来源） - 混合模式不合适（建议用linear模式）
Q3：处理速度很慢怎么办？
A3：可以尝试： - 降低逆向分析的步数 - 使用更快的采样器（如euler_a） - 减少图片分辨率
Q4：如何获得更稳定的结果？
A4：建议： - 使用固定的随机种子 - 保持参数设置一致 - 使用相同的模型和提示词
6. 实际应用场景
6.1 批量变体制作
当你需要制作一系列相似但不同的图片时，比如： - 同一个角色的不同表情 - 同一个场景的不同天气 - 同一个物品的不同颜色
6.2 图片微调
当你对生成的图片基本满意，但想要： - 稍微调整构图 - 改变一些细节 - 保持主体不变的情况下改变背景
6.3 风格实验
当你想要： - 用不同的艺术风格重新演绎同一个主题 - 测试不同提示词对同一图像的影响 - 探索同一概念的多种表现形式
7. 进阶技巧
7.1 多层噪音混合
使用多个 Combine Latent Noise 节点，可以创建更复杂的噪音模式： - 第一层：基础噪音（权重0.5） - 第二层：细节噪音（权重0.3） - 第三层：特殊效果噪音（权重0.2）
7.2 循环优化
通过多次逆向-正向循环，可以逐步优化图片： 1. 原图 → 逆向分析 → 调整提示词 → 重新生成 2. 新图 → 再次逆向分析 → 再次调整 → 再次生成 3. 重复直到满意
7.3 局部应用
配合遮罩节点，可以只对图片的某一部分进行逆向处理，实现局部修改而不影响整体。
这个插件的核心思想是"可控的随机性"，通过精确控制噪音的来源和混合方式，让你能够在保持图片主要特征的同时，获得想要的变化效果。熟练掌握这些节点后，你就能像一个熟练的调音师一样，精确地调节图片的各个方面。