🛠️ 工作流概述 (Workflow Overview)

作用与目的： 本工作流用于将图片自动转为线稿风格，同时对图像进行优化与细化处理。它结合了 ControlNet、线稿模型和图像细化算法，能够将上传的图像转换为清晰的线稿效果，并进一步优化面部细节。

核心功能：

1. 线稿提取：使用 ControlNet + 线稿模型将原图转换为线稿风格。

2. 面部细节优化：利用 FaceDetailer 修复面部，改善模糊或失真部分。

3. 图像预览与保存：生成最终线稿图像并显示预览，同时保存输出图像。

🔥 核心模型 (Core Models)

1. 线稿手绘大模型 Lineart_v1.1

   • 功能：这是主要模型，负责将图像转为线稿风格。

   • 安装方式：

     • 可通过 ComfyUI Manager 下载模型。

     • 或者从 Hugging Face 或 CivitAI 等模型平台下载 .safetensors 文件，并放置在 models/Stable-diffusion 目录下。

2. ControlNet

   • 模型名称：control_v11p_sd15_lineart

   • 功能：在生成过程中引导模型输出线稿风格。

   • 安装方式：

     • 可通过 ComfyUI Manager 安装。

     • 手动安装：

       • 下载 ControlNet 模型文件放入 models/ControlNet 目录。

       • 下载预处理模型放置在 annotator 目录中。

3. LoRA 模型：线稿lineart_1.0

   • 功能：微调模型以增强线稿风格。

   • 安装方式：

     • 下载 .safetensors 文件并放置在 models/Lora 文件夹中。

⚙️ 组件说明 (Nodes Explanation)

1. LoadImage

   • 功能：加载用户上传的图片。

   • 输入：图像路径。

   • 输出：图像数据。

2. ImageResize+

   • 功能：调整图像大小。

   • 输入：图像。

   • 输出：调整后的图像、宽度、高度。

3. LineArtPreprocessor

   • 功能：预处理图像，提取线稿。

   • 输入：图像。

   • 输出：线稿图像。

4. ControlNetLoader

   • 功能：加载 ControlNet 模型。

   • 参数：

     • control_v11p_sd15_lineart

   • 输出：ControlNet 数据。

5. ControlNetApplyAdvanced

   • 功能：将 ControlNet 应用到生成过程。

   • 输入：

     • 图像、正面条件、负面条件、ControlNet 模型。

   • 输出：

     • 生成的条件数据。

6. KSampler

   • 功能：生成潜在图像。

   • 参数：

     • 采样方法：euler_ancestral

     • 步数：30

     • CFG 规模：1

   • 输入：

     • 正负条件、模型、潜在图像。

   • 输出：

     • 潜在图像。

7. VAEDecode

   • 功能：将潜在图像解码为可视图像。

   • 输入：潜在图像。

   • 输出：图像。

8. FaceDetailer

   • 功能：面部细化器，优化面部细节。

   • 输入：

     • 图像、模型、VAE、CLIP、正负条件。

   • 输出：

     • 优化后的图像。

9. PreviewImage

   • 功能：显示最终生成的图像。

   • 输入：图像。

   • 输出：无，仅预览。

10. SaveImage

• 功能：保存生成的图像到本地。

• 输入：图像。

• 输出：无，仅保存文件。

🧩 工作流结构 (Workflow Structure)

✅ Group 1：图像加载与预处理

• LoadImage → 加载用户图像。

• ImageResize+ → 调整图像分辨率。

• LineArtPreprocessor → 提取线稿图像。

• ControlNetLoader → 加载 ControlNet 模型。

✅ Group 2：生成与线稿应用

• ControlNetApplyAdvanced

  • 将预处理后的线稿图像与 ControlNet 进行绑定。

• KSampler

  • 生成潜在图像。

✅ Group 3：解码与细化

• VAEDecode

  • 解码潜在图像为可视图像。

• FaceDetailer

  • 优化面部细节，提升线稿质量。

✅ Group 4：预览与保存

• PreviewImage

  • 显示生成的线稿图像。

• SaveImage

  • 保存最终线稿图像。

🔥 输入与输出 (Inputs & Outputs)

✅ 输入参数：

• 上传的图片。

• 线稿模型与 LoRA 模型。

• ControlNet 模型。

• 面部细化参数。

✅ 输出结果：

• 最终生成的线稿图像。

• 优化后的面部细节。

⚠️ 注意事项 (Considerations)

1. 性能需求：

   • 工作流包含多次模型加载和图像处理，建议使用至少 8GB 显存的 GPU。

2. 兼容性问题：

   • 使用 FaceDetailer 可能需要额外的插件或模型包，确保已安装相关依赖。

3. 图像尺寸限制：

   • 图像分辨率过高时可能会占用大量显存，建议控制在 1024x1024 或更小。

4. 模型版本兼容性：

   • 确保 ComfyUI 和 ControlNet 模型版本一致，避免输出异常。