環境搭建與語系設定
安裝桌面版可簡化流程,建議將介面設為英文,以對齊社群模型名稱與專業術語。
提示詞與節點操作
使用雙擊搜尋或右鍵選單建立節點;正負面提示詞需透過 Clip Text Encode 編碼傳遞給 AI。
模型組件與外部資源
解構 Checkpoint 為 Model(畫家)、Clip(翻譯)、VAE(後製);可從 Civitai 下載模型放入指定資料夾擴充風格。
KSampler 核心參數解析
調整 Seed(靈感來源)、Steps(繪畫筆數)、CFG(提示詞遵循度) 與 Sampler(繪畫技法) 來控制成像品質。
佈局整理與輸出預覽
利用 Reroute 節點導引線條並調整為直線樣式,最後經 VAE Decode 產出可儲存或預覽的影像。
觀眾怎麼看
整理 40 則有效留言信心 高觀眾高度肯定教學邏輯清晰且易於入門,同時針對實作過程中的硬體配置、節點操作與錯誤排除提出熱烈討論。
觀眾一致認為講解邏輯清晰、比喻生動,能將複雜的ComfyUI概念簡化,是目前看過最適合新手的教學。
觀眾分享了模型放置路徑的正確位置,以及使用「Add Reroute」功能來優化節點連線的簡潔度。
部分觀眾在執行時遇到CLIPTextEncode錯誤或模型載入失敗,詢問關於硬體相容性與軟體設定的解決方案。
觀眾詢問關於LoRA連接方式、如何設定KSampler即時預覽,以及本地端與雲端運算的使用差異。
本摘要僅基於留言樣本,無法涵蓋所有未留言觀眾的實際操作體驗。