ComfyUI节点技巧进阶/多模型串联 | 细分拆解

在之前安装完汉化插件后，在新建节点中就会出现Alek节点组，一般我们用第一个简化版就够用，当我们深入学习后或者有了更好的翻译引擎比如deep的api接口，则可以选用高级版去探索

在安装完汉化插件后，在新建节点中就会出现Alek节点组，这就是插件提供给我们的插件包，我们所有下载的插件但凡是节点都会是一些列的节点，有的拓展包比较大，有的比较小；

像Alek拓展包就是比较轻量化的节点，我们把条件和文本的节点一一罗列出来，至于拓展是附带的一些小功能类似预览文本，图像则是像绘图等可以再之后放入我们的Ctrl net或图像处理的流程中，这里就不过多赘述了；

与工作流中CLIP文本编码器相同，负责接收我们输入文本，和把文本编码成Token；一般我们用第一个简化版就够用，当我们深入学习后或者有了更好的翻译引擎比如deep的api接口，则可以选用高级版去探索；

可以看到区别，文本的是不带编码的，左边节点的输出是直接clip输出，clip能直接链接输出到模型；右边没有我们该怎么处理呢？这里就要说到一个节点的基础知识点：参数提升为变量，我们可以把任何一个节点里的参数提升为一个单独的变量，然后单独的输入；如果想单独运用翻译文本上text节点输出（更准确是string这个类型）可以直接右键CLIP文本编码器节点，选择转换 文本 为输入

同样的方法我们也可以在正向提示词进行一个转换，这种提升变量的方式呢我们在节点里是经常用到的；比如说我们有两个K采样器，两组生成内容不一样（两种不同的提示词）但我们希望两组的随机种子是一样的固定某一个值，此时我们就可以用到提升变量把这个值提出来；

比如说我们直接把随机种子拖拽到元节点上，此刻元节点所代表的值就是随机种子；同理我们把另一个K采样器的随机种也提升为变量链接源节点，两个K采样器即可使用同一随机种变量；通常情况下当我们想共享数据参数的时候，都会使用提升参数为变量；同理既然我们可以提升参数为变量就可以还原参数，右键转换随机种为组件即可；

有时候在我们输入提示词的时候描述并不准确，我们并不能直观的看到翻译后的内容，我们就可以使用带编码的CLIP文本编码器；带编码的CLIP文本编码器优点时简单，缺点就是不能多次批量的来组合文本；

这样我们在文本框种输入的同时就编码翻译进去了，如果想查看原英文只需要再加一个展示文本即可；展示文本和预览文本功能相同；这就是我们一个翻译文本的基本运用；

Tips：当我们不需要某个节点的时候就可以ctrl+m停止该节点运行

在我们的瑞士军刀插件中还有一个字符串操作（function）；可以看到图片最后当我们选择替换replace时，如果三个字符串中我们同样分别输入111/222/333，最后输出的结果就会都被第一个字符转替换，结果框中只显示：111；

紧接上条，当我们有了这样一个字符串操作（function）后，我们就可以进行一个题词的一个组结；

此刻我们的字符串就可以直接给到文本，这样就形成了我们的一个文本的编辑工作流；

当然现阶段图片可能有些不美观，因为我们此时的模型还是需要加一些质量描述词/修饰词等，直出图片还是不如SDXL模型人性化

文字补全功能需要点击自定义语句，让它读取下本身的TXT文件，插件就会加载网上读取的默认文字补全；

包括主模型，右键我们也可以看到查看信息，点击查看信息就会读取civitiai的模型数据内容，也可直接点进civitai看模型详细信息；同样是菜单栏中：我们可以自由选择图像面板位置，按照下面图片依次点击，菜单左边就会出现历史记录；

Tips：当我们需要图像重绘时，也可以直接从历史区域拖拽；也可以在comfyui空白界面通过拖拽图像直接出现该图像的生成工作流

当安装了插件后我们在右键子菜单中可以看到Checkpoint加载器（pysss）选项

还要介绍的一个功能就是吸附网格，在移动时可以吸附任意点，相当于自动对齐；其余小操作大家也可以自行探索，这里就不过多赘述了，后面在用到时会顺带跟大家展示一下；

SD中我们常用的一个功能高清修复，其本质就是图片的放大重绘重采样，和我们图生图中是一致的，这一篇讲解的就是如何在comfyUI中的多重放大工作流和Lora模型的节点串联；首先我们依然是加载一个默认工作流，这里我们再来说一个小功能，comfyUI的功能是特别细碎的，有些东西没办法组织成体系，所以我们会在工作流之中参插教给大家；我们在放大工作流上额外实现的一个功能就是Lora模型的一个加载（因为生成图像所以未来效果更好，我们这里添加一个Lora）；通过之前节点输出输入的学习我们现在应给也基本可以判断出Lora（加载器）在当前模型输入中的哪一条线路；

这里要提到的一个概念就是输入的管道，因为未来我们用到所有外挂的一些东西都是需要挂载到最初的【K采样器】的输入里去的；但目前我们看到K采样器输入的类型就只有三个：模型数据、clip编码数据和Latent数据，这意味这将来所有挂载的数据都要输入到这三个管道中去；这里通过加载lora可以看出它用的管道是模型管道和CLIP管道；但此时clip不是条件，无法链接K采样器，意味着此处肯定是链接CLIP编码器的也就是文本编码之前；

通过管道信息分析，我们就一目了然，这个Lora模型该怎么链接加载了；主模型信息先经过Lora处理，主模型CLIP也要经过Lora处理，处理完以后再把Lora的CLIP给到文本，文本调整以后再传输给K采样器，Lora处理完以后的模型就可以直接给到采样器，这是我们的一个基本连法了；

在comfyui中实现也很简单，只要把Lora的clip点在空白处拖出来就会得到CLIP设置停止层的节点（CLIP Set Last Layer）此时默认是-1，如果我们要出动漫效果就填-2，跳过两层，再把CLIP重新连给文本；

如果我们还想添加Lora模型，比如一张图需要3-5个Lora模型，我们只需要复制Lora用串接的形式链接；此时我们的CLIP从模型过了四遍最后输出给文本，最后一个模型再输出给到我们的K采样器（不一定是K采样器，但总之任何采样器都是需要模型输入的）；

在Lora加载器中，我们可以看到模型强度和CLIP强度两个参数输出的强度选项；通常我们在webui中两个强度时相关的（一样数值），这样就可以共用一个参数，不需要设置两遍；

这里如果我们想让参数一致就需要用到之前的知识点参数提升变量，再新建元节点，用元节点读取它们的信息，这样一个参数就可以同时控制模型和CLIP两个参数；

下面一篇会给大家更新放大组件，ComfyUI的工作流并不唯一，没有一个答案是固定死的，没有完全觉得的答案也没有完全绝对的工作流，一切都靠我们思路的发散。