comfyui-txt2img

name	comfyui-txt2img
description	ComfyUI 文生图标准工作流。checkpoint + CLIP + KSampler + VAEDecode + SaveImage。 Use when AI needs to: (1) generate images from text prompts, (2) tune sampling parameters, (3) add LoRA to generation pipeline. ComfyUI only (run_python).
metadata	{"artclaw":{"version":"0.1.0","author":"ArtClaw","dcc":"comfyui"}}

ComfyUI 文生图 (txt2img)

⚠️ 操作前必须先阅读 comfyui-operation-rules

---

完整工作流代码

可直接复制使用，修改 prompt 和参数即可。

import random

# Step 1: 查询可用模型
ckpts = folder_paths.get_filename_list("checkpoints")
print("Available checkpoints:")
for c in ckpts:
    print(f"  {c}")
ckpt_name = ckpts[0]  # 选择第一个，或按需指定
print(f"\nUsing: {ckpt_name}")

import random

# Step 2: 构建 workflow
ckpt_name = "..."  # 上一步选择的模型名
seed = random.randint(0, 2**63)

wf = {}

# 1. 加载 Checkpoint → MODEL(0), CLIP(1), VAE(2)
wf["1"] = {
    "class_type": "CheckpointLoaderSimple",
    "inputs": {"ckpt_name": ckpt_name}
}

# 2. 正向提示词 → CONDITIONING(0)
wf["2"] = {
    "class_type": "CLIPTextEncode",
    "inputs": {
        "text": "a majestic mountain landscape at golden hour, dramatic clouds, photorealistic, 8k",
        "clip": ["1", 1]
    }
}

# 3. 负向提示词 → CONDITIONING(0)
wf["3"] = {
    "class_type": "CLIPTextEncode",
    "inputs": {
        "text": "ugly, blurry, low quality, deformed, watermark, text",
        "clip": ["1", 1]
    }
}

# 4. 空 Latent → LATENT(0)
wf["4"] = {
    "class_type": "EmptyLatentImage",
    "inputs": {"width": 1024, "height": 1024, "batch_size": 1}
}

# 5. 采样 → LATENT(0)
wf["5"] = {
    "class_type": "KSampler",
    "inputs": {
        "model": ["1", 0],
        "positive": ["2", 0],
        "negative": ["3", 0],
        "latent_image": ["4", 0],
        "seed": seed,
        "steps": 20,
        "cfg": 7.0,
        "sampler_name": "euler",
        "scheduler": "normal",
        "denoise": 1.0
    }
}

# 6. VAE 解码 → IMAGE(0)
wf["6"] = {
    "class_type": "VAEDecode",
    "inputs": {"samples": ["5", 0], "vae": ["1", 2]}
}

# 7. 保存图片
wf["7"] = {
    "class_type": "SaveImage",
    "inputs": {"images": ["6", 0], "filename_prefix": "txt2img"}
}

# Step 3: 提交执行
result = submit_workflow(wf)
print(f"Done! Images: {len(result['images'])}")

# Step 4: 展示结果
for img in result["images"]:
    img_bytes = client.get_image(img["filename"], img["subfolder"], img["type"])
    save_preview(img_bytes, f"txt2img_{img['filename']}")

---

参数调优指南

KSampler 参数

参数	说明	推荐值
steps	采样步数	20-30（更多=更精细，更慢）
cfg	提示词引导强度	5-10（过高=过饱和/伪影）
sampler_name	采样算法	见下表
scheduler	噪声调度	见下表
seed	随机种子	随机，固定=可复现
denoise	去噪强度	txt2img 固定 1.0

采样器选择

sampler_name	特点	推荐场景
euler	快速，稳定	通用默认
euler_ancestral	有创造性随机	更多变化
dpmpp_2m	高质量，快速	⭐ SDXL 推荐
dpmpp_sde	高质量，较慢	精细细节
dpmpp_2m_sde	平衡质量/速度	通用高质量
uni_pc	少步数高质量	10-15 步快速出图
heun	高精度	精细控制
dpm_2	经典 DPM	兼容性好
dpm_2_ancestral	DPM + 随机	更多创意
lms	线性多步	稳定输出

调度器选择

scheduler	特点
normal	标准线性调度
karras	⭐ 推荐，噪声过渡更自然
exponential	指数衰减
sgm_uniform	SGM 均匀调度

---

分辨率指南

模型	推荐分辨率	常用宽高比
SD 1.5	512×512	512×768, 768×512
SDXL	1024×1024	1024×1024, 1216×832, 832×1216
SD 3	1024×1024	同 SDXL

SDXL 常用宽高比:

比例	尺寸	用途
1:1	1024×1024	头像、图标
3:2	1216×832	横向风景
2:3	832×1216	竖向人像
16:9	1344×768	宽屏场景
9:16	768×1344	手机壁纸

---

添加 LoRA

在 Checkpoint 和 CLIP 编码之间插入 LoraLoader：

# 查可用 LoRA
loras = folder_paths.get_filename_list("loras")
print("LoRAs:", loras)

wf = {}
wf["1"] = {"class_type": "CheckpointLoaderSimple", "inputs": {"ckpt_name": ckpt_name}}

# LoRA: 接收 Checkpoint 的 MODEL 和 CLIP，输出增强后的 MODEL(0) 和 CLIP(1)
wf["1.5"] = {"class_type": "LoraLoader", "inputs": {
    "model": ["1", 0], "clip": ["1", 1],
    "lora_name": "my_style.safetensors",
    "strength_model": 0.8,    # 模型影响强度 (0~1)
    "strength_clip": 0.8      # 文本编码影响强度 (0~1)
}}

# 后续节点引用 LoRA 输出（注意改 ID）
wf["2"] = {"class_type": "CLIPTextEncode", "inputs": {"text": "...", "clip": ["1.5", 1]}}
wf["3"] = {"class_type": "CLIPTextEncode", "inputs": {"text": "...", "clip": ["1.5", 1]}}
# ... EmptyLatentImage 不变
wf["5"] = {"class_type": "KSampler", "inputs": {
    "model": ["1.5", 0],  # ⚠️ 用 LoRA 的 MODEL 输出
    "positive": ["2", 0], "negative": ["3", 0],
    # ...其余不变
}}

多个 LoRA: 链式连接，每个 LoraLoader 接上一个的 MODEL/CLIP 输出。

---

Prompt 技巧

正向提示词结构

[主体描述], [风格], [质量词], [细节]

示例：

a cyberpunk city at night, neon lights reflecting on wet streets,
cinematic lighting, photorealistic, highly detailed, 8k uhd

常用质量词

类别	关键词
高质量	masterpiece, best quality, highly detailed, 8k uhd
写实	photorealistic, hyperrealistic, raw photo, DSLR
插画	illustration, anime style, digital art
光照	cinematic lighting, dramatic lighting, volumetric lighting, golden hour
构图	wide angle, close-up, bird's eye view, low angle

负向提示词模板

ugly, blurry, low quality, worst quality, deformed, disfigured,
watermark, text, signature, extra limbs, bad anatomy, bad hands

---

质量调优速查

目标	调整方法
更高质量	steps 25-40, cfg 7-8, dpmpp_2m + karras
更快速度	steps 10-15, uni_pc + normal
更多细节	提高 steps, 加质量词, cfg 适当提高
减少伪影	降低 cfg (5-7), 换 euler 采样器
更有创意	用 _ancestral 采样器, 不同 seed
复现结果	固定 seed + 相同参数