1. 工作流概述

• 作用与目的：
  这是一个专注于生成 唐代工笔画风格人物 的工作流，核心功能包括：

  • 使用 LoRA 模型（唐风工笔娃娃_v1.0）强化传统工笔画风格。

  • 基于 Stable Diffusion 架构（基础算法_F.1）生成高分辨率图像（默认 1024x1920）。

  • 支持 双 CLIP 编码（clip_l + t5xxl_fp8_e4m3fn）提升提示词理解能力。

  • 负面提示词优化（如排除低质量、手部畸形等）。

• 核心模型：

  • 基础模型：UNETLoader 加载的 基础算法_F.1（自定义微调模型）。

  • LoRA 适配器：唐风工笔娃娃_v1.0（权重 1.0），增强唐代服饰与工笔画细节。

  • CLIP 编码器：DualCLIPLoader 结合 clip_l 和 t5xxl_fp8_e4m3fn。

  • VAE：ae.sft 用于潜在空间解码。

2. 组件说明

• 关键节点：

  • LoraLoader：加载 唐风工笔娃娃_v1.0，融合至基础模型。

  • DualCLIPLoader：双文本编码器提升提示词解析精度。

  • CLIPTextEncode：

    • 正面提示词：描述唐代汉服少女、蝴蝶、花卉等场景（如 "hanfu, Gongbi painting, chinese traditional painting"）。

    • 负面提示词：过滤低质量、手部错误等内容（如 "worst quality, lowres, badly drawn hands"）。

  • KSampler：

    • 采样器：euler，20 步，CFG 值 3.5，去噪强度 0.8。

  • EmptyLatentImage：生成 1024x1920 的空白潜在图像。

• 特殊组件安装：

  • LoRA 模型：需将 唐风工笔娃娃_v1.0.safetensors 放入 models/loras 文件夹。

  • 双 CLIP 编码器：需下载 t5xxl_fp8_e4m3fn.safetensors 和 clip_l.safetensors。

3. 工作流结构

1. 模型加载组：

   • UNETLoader → LoraLoader → DualCLIPLoader，完成模型与适配器加载。

2. 提示词处理组：

   • 正面/负面提示词通过 CLIPTextEncode 生成条件张量。

3. 图像生成组：

   • EmptyLatentImage 提供画布 → KSampler 生成潜在图像 → VAEDecode 输出最终图像。

4. 输入与输出

• 输入参数：

  • 必填：正面提示词（如汉服少女描述）、分辨率（1024x1920）。

  • 可选：种子值（默认随机）、CFG 值、采样步数。

• 输出结果：

  • 保存为 PNG/JPG 至 ComfyUI/output，风格为唐代工笔人物画。

5. 注意事项

• 模型兼容性：需确认 基础算法_F.1 与 唐风工笔娃娃_v1.0 的兼容性。

• 显存需求：高分辨率（1024x1920）可能需要 ≥8GB GPU。

• 错误排查：

  • 缺少 LoRA 文件：检查文件名是否匹配。

  • CLIP 编码失败：验证 t5xxl_fp8_e4m3fn 模型路径。