模型管理 #
模型概述 #
模型类型 #
text
┌─────────────────────────────────────────────────────────────┐
│ ComfyUI 模型类型 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 主模型 (Checkpoint) │
│ ├── 包含完整生成能力 │
│ ├── 文件较大（2GB-6GB+） │
│ └── 决定基础风格和质量 │
│ │
│ 微调模型 (LoRA/LyCORIS) │
│ ├── 轻量级风格/角色调整 │
│ ├── 文件较小（10MB-500MB） │
│ └── 可叠加使用 │
│ │
│ 控制模型 (ControlNet) │
│ ├── 精确控制生成过程 │
│ ├── 文件中等（700MB-1.5GB） │
│ └── 多种控制类型 │
│ │
│ 编码模型 (VAE/CLIP) │
│ ├── 图像编解码/文本编码 │
│ ├── 文件较小（100MB-300MB） │
│ └── 影响颜色和细节 │
│ │
│ 放大模型 (Upscale) │
│ ├── 图像超分辨率 │
│ ├── 文件中等（50MB-100MB） │
│ └── 提升图像清晰度 │
│ │
└─────────────────────────────────────────────────────────────┘
主模型 (Checkpoint) #
模型版本对比 #
text
┌─────────────────────────────────────────────────────────────┐
│ Stable Diffusion 版本 │
├─────────────────────────────────────────────────────────────┤
│ │
│ SD 1.5 │
│ ├── 发布时间：2022年 │
│ ├── 分辨率：512x512 │
│ ├── 文件大小：~2GB │
│ ├── 显存需求：4GB+ │
│ ├── 资源丰富度：极高 │
│ └── 适用场景：通用、学习、资源丰富 │
│ │
│ SD 2.x │
│ ├── 发布时间：2022年底 │
│ ├── 分辨率：768x768 │
│ ├── 文件大小：~5GB │
│ ├── 显存需求：6GB+ │
│ ├── 资源丰富度：中等 │
│ └── 适用场景：更高分辨率需求 │
│ │
│ SDXL │
│ ├── 发布时间：2023年中 │
│ ├── 分辨率：1024x1024 │
│ ├── 文件大小：~6.5GB │
│ ├── 显存需求：8GB+ │
│ ├── 资源丰富度：高 │
│ └── 适用场景：高质量、高分辨率 │
│ │
│ SD 3 │
│ ├── 发布时间：2024年 │
│ ├── 分辨率：多分辨率 │
│ ├── 文件大小：~5-10GB │
│ ├── 显存需求：8GB+ │
│ ├── 资源丰富度：发展中 │
│ └── 适用场景：最新技术、多模态 │
│ │
│ Flux │
│ ├── 发布时间：2024年 │
│ ├── 分辨率：多分辨率 │
│ ├── 文件大小：~12-23GB │
│ ├── 显存需求：12GB+ │
│ ├── 资源丰富度：快速发展 │
│ └── 适用场景：最高质量、专业用途 │
│ │
└─────────────────────────────────────────────────────────────┘
推荐模型 #
text
SD 1.5 推荐模型：
写实风格：
├── realisticVisionV51 - 高质量写实
├── deliberate_v3 - 细腻写实
├── majicmixRealistic - 真实质感
└── absolutereality - 真实场景
艺术风格：
├── dreamshaper_8 - 通用艺术
├── deliberate_v3 - 多风格
├── neverendingDream - 梦幻风格
└── revAnimated - 动漫风格
动漫风格：
├── anythingV5 - 通用动漫
├── counterfeitV30 - 高质量动漫
├── pastelMix - 柔和风格
└── meinamix - 美少女
SDXL 推荐模型：
├── sd_xl_base_1.0 - 官方基础
├── juggernautXL - 写实风格
├── dreamshaperXL - 通用艺术
└── sdxl_turbo - 快速生成
Flux 推荐模型：
├── flux1-dev - 开发版（高质量）
└── flux1-schnell - 快速版（效率优先）
模型安装 #
text
安装位置：
ComfyUI/models/checkpoints/
安装方法：
1. 直接下载
├── 从 Civitai/HuggingFace 下载
├── 放入 checkpoints 目录
└── 刷新 ComfyUI
2. 通过 Manager 安装
├── Manager → Install Models
├── 搜索模型名称
└── 点击安装
3. 符号链接
├── 共享模型目录
├── 节省存储空间
└── 多界面共用模型
文件格式：
├── .safetensors（推荐）
│ ├── 安全格式
│ └── 加载速度快
│
└── .ckpt（传统格式）
├── 可能包含恶意代码
└── 需要谨慎使用
LoRA 模型 #
LoRA 概念 #
text
LoRA (Low-Rank Adaptation)：
原理：
├── 轻量级微调技术
├── 不修改原模型
├── 通过小文件调整风格
└── 可叠加多个 LoRA
优势：
├── 文件小（10MB-500MB）
├── 加载快
├── 可组合使用
└── 风格多样
类型：
├── 风格 LoRA - 艺术风格
├── 角色 LoRA - 特定人物
├── 概念 LoRA - 特定概念
└── 功能 LoRA - 特定功能
LoRA 使用 #
text
安装位置：
ComfyUI/models/loras/
使用节点：LoraLoader
连接方式：
Load Checkpoint
│
├── MODEL ──┐
│ │
└── CLIP ───┼──→ LoraLoader ──→ MODEL/CLIP
│
└── lora_name, strength_model, strength_clip
参数说明：
├── lora_name - LoRA 文件名
├── strength_model - 模型权重（0.0-2.0）
└── strength_clip - CLIP 权重（0.0-2.0）
推荐权重：
├── 风格 LoRA：0.6-1.0
├── 角色 LoRA：0.8-1.0
├── 概念 LoRA：0.5-0.8
└── 功能 LoRA：按说明设置
多 LoRA 叠加 #
text
叠加方式：
串联叠加：
Load Checkpoint
│
└──→ LoRA 1 ──→ LoRA 2 ──→ LoRA 3 ──→ KSampler
注意事项：
├── 后加载的 LoRA 可能覆盖前者
├── 总权重不宜过高
├── 风格冲突时降低权重
└── 建议逐个测试效果
推荐组合：
├── 基础模型 + 风格 LoRA + 细节 LoRA
├── 基础模型 + 角色 LoRA + 风格 LoRA
└── 避免过多 LoRA 叠加（建议 ≤ 3 个）
VAE 模型 #
VAE 概念 #
text
VAE (Variational Autoencoder)：
作用：
├── 编码：图像 → 潜空间
├── 解码：潜空间 → 图像
└── 影响颜色和细节
内置 VAE：
├── Checkpoint 包含 VAE
├── 通常已足够使用
└── 某些模型需要外部 VAE
独立 VAE：
├── 改善颜色表现
├── 修复发灰问题
└── 提升细节质量
VAE 使用 #
text
安装位置：
ComfyUI/models/vae/
常用 VAE：
├── vae-ft-mse-840000 - 通用改善
├── sd-vae-ft-mse - SD 1.5 推荐
├── sdxl_vae.safetensors - SDXL 官方
└── flux_vae.safetensors - Flux 官方
使用方式：
1. 使用 Checkpoint 内置 VAE
Load Checkpoint ──→ VAE 输出
2. 加载独立 VAE
VAELoader ──→ VAE 输出
3. 动态切换 VAE
Checkpoint → VAE 输出（内置）
VAELoader → VAE 输出（外部）
ControlNet 模型 #
ControlNet 类型 #
text
┌─────────────────────────────────────────────────────────────┐
│ ControlNet 类型 │
├─────────────────────────────────────────────────────────────┤
│ │
│ Canny - 边缘检测 │
│ ├── 检测图像边缘 │
│ ├── 保持轮廓结构 │
│ └── 适用：线稿、轮廓控制 │
│ │
│ Depth - 深度估计 │
│ ├── 估算场景深度 │
│ ├── 保持空间关系 │
│ └── 适用：场景、建筑 │
│ │
│ OpenPose - 姿态检测 │
│ ├── 检测人体姿态 │
│ ├── 控制人物动作 │
│ └── 适用：人物姿势控制 │
│ │
│ Normal - 法线图 │
│ ├── 表面法线信息 │
│ ├── 保持表面细节 │
│ └── 适用：3D 效果、细节控制 │
│ │
│ Scribble - 涂鸦 │
│ ├── 简单线条控制 │
│ ├── 自由创作 │
│ └── 适用：草图生成 │
│ │
│ Tile - 分块控制 │
│ ├── 保持局部细节 │
│ ├── 高清放大 │
│ └── 适用：细节增强、放大 │
│ │
│ IP-Adapter - 图像适配 │
│ ├── 参考图像风格 │
│ ├── 风格迁移 │
│ └── 适用：风格参考、角色一致性 │
│ │
└─────────────────────────────────────────────────────────────┘
ControlNet 安装 #
text
安装位置：
ComfyUI/models/controlnet/
推荐模型：
SD 1.5 ControlNet：
├── control_v11p_sd15_canny
├── control_v11p_sd15_openpose
├── control_v11f1p_sd15_depth
├── control_v11p_sd15_normal
├── control_v11p_sd15_scribble
└── control_v11f1e_sd15_tile
SDXL ControlNet：
├── controlnet-canny-sdxl-1.0
├── controlnet-depth-sdxl-1.0
└── controlnet-openpose-sdxl-1.0
IP-Adapter：
├── ip-adapter_sd15
├── ip-adapter-plus_sd15
└── ip-adapter_sdxl
其他模型 #
Embeddings #
text
Embeddings（文本嵌入）：
作用：
├── 预定义的文本向量
├── 简化提示词
└── 特定效果或风格
安装位置：
ComfyUI/models/embeddings/
使用方式：
在提示词中使用：
"beautiful landscape, <embedding:badhandv4>"
常用 Embeddings：
├── badhandv4 - 改善手部
├── EasyNegative - 通用负向
├── ng_deepnegative_v1_75t - 深度负向
└── by bad-artist - 改善艺术质量
Upscale Models #
text
放大模型：
作用：
├── 图像超分辨率
├── 细节增强
└── 提升清晰度
安装位置：
ComfyUI/models/upscale_models/
推荐模型：
├── RealESRGAN_x4plus - 通用 4x 放大
├── RealESRGAN_x4plus_anime_6B - 动漫专用
├── 4x-UltraSharp - 细节增强
├── 4x_NMKD-Siax_200k - 高质量
└── SwinIR - 高质量放大
使用节点：
├── ImageUpscaleWithModel
└── UpscaleModelLoader
模型管理技巧 #
目录组织 #
text
推荐目录结构：
ComfyUI/models/
├── checkpoints/
│ ├── sd15/
│ │ ├── realistic/
│ │ └── artistic/
│ ├── sdxl/
│ └── flux/
│
├── loras/
│ ├── style/
│ ├── character/
│ └── concept/
│
├── controlnet/
│ ├── sd15/
│ └── sdxl/
│
├── vae/
├── embeddings/
└── upscale_models/
模型清理 #
text
清理建议：
1. 定期检查
├── 删除不用的模型
├── 整理重复模型
└── 备份重要模型
2. 存储管理
├── 模型文件很大
├── 注意磁盘空间
└── 使用外置存储
3. 版本管理
├── 记录模型版本
├── 保留稳定版本
└── 测试新版本
模型测试 #
text
测试流程：
1. 基础测试
├── 使用默认参数
├── 简单提示词
└── 检查基本效果
2. 风格测试
├── 不同类型提示词
├── 测试风格范围
└── 记录特点
3. 参数测试
├── 不同 CFG 值
├── 不同采样器
└── 找到最佳配置
4. 组合测试
├── LoRA 组合
├── ControlNet 组合
└── 记录有效组合
下一步 #
现在你已经了解了模型管理，接下来学习 提示词技巧，掌握如何编写有效的提示词。
最后更新：2026-04-05