会议信息​

会议主题：ComfyUI共学-WaytoAGI​

会议时间：8月16号（周五） 19:50 - 23:11 （GMT+08）​

参会人：参会人信息统计​

智能纪要​

​智能纪要依据会中总结与录制内容生成，不代表平台立场，请谨慎甄别后使用​​

​📄总结​会议讨论了 Confii、AI 绘图的诸多方面，如提示词、工作流、参数、模型等相关问题及解决办法。主要内容包括：​•关于Confii的答疑与课程安排：讨论了Confii相关的问题解答，如文档错误、更新方法、节点使用等，并介绍了课程安排，包括回顾名词、搭建比赛等。​•正向和负向提示词的写法及相关要点​◦正向和负向提示词的概念：正向提示词是想要生成的内容，负向提示词是不想让其存在于画面中的内容。​◦正面提示词的写法框架：先写表达形式，如媒介和构图；再写主要内容，即画面主体；接着写场景，包括地点、时间等元素；然后写作品质量；之后写艺术风格；最后写氛围感和艺术家。​◦提示词权重的影响：提示词的位置会影响其在模型中的权重，强词应尽量往后调，避免权重过高的词过于靠前而吃掉其他提示词的权重。​​

总结​

会议讨论了 Confii、AI 绘图的诸多方面，如提示词、工作流、参数、模型等相关问题及解决办法。主要内容包括：​

  • •关于Confii的答疑与课程安排：讨论了Confii相关的问题解答，如文档错误、更新方法、节点使用等，并介绍了课程安排，包括回顾名词、搭建比赛等。​
  • •正向和负向提示词的写法及相关要点​◦正向和负向提示词的概念：正向提示词是想要生成的内容，负向提示词是不想让其存在于画面中的内容。​◦正面提示词的写法框架：先写表达形式，如媒介和构图；再写主要内容，即画面主体；接着写场景，包括地点、时间等元素；然后写作品质量；之后写艺术风格；最后写氛围感和艺术家。​◦提示词权重的影响：提示词的位置会影响其在模型中的权重，强词应尽量往后调，避免权重过高的词过于靠前而吃掉其他提示词的权重。​
  • •关于AI绘图提示词及相关工具的介绍​◦正向和负向提示词：正向提示词描绘想要的画面元素，负向提示词排除不想要的元素。AI模型通过对正、负向提示词处理后的图片进行对比采样，使生成的图片更贴近正向、远离负向提示词。​◦翻译节点：介绍了两个可将中文翻译为英文的节点，一个是Web UI中的，另一个是Max live开发团队的，后者还能补充提示词，种子可控制生成结果的复现。​◦自动提示词工具：包括风格选择器，可选择正面和负面提示词，还有可分类选择人物特征及风格并预览图像的工具。​◦自动分辨率工具：解决了记分辨率的痛点，可将选择框的值转为输入参数，与图像的宽高等进行自动链接。​
  • •Stable Diffusion工作流及相关概念讲解​◦自动化图像大小选择器的使用：选择'to input'可进行连接以组合自动化的图像大小选择器，将'Latin'拖过去即可，方便快捷。​◦节点恢复初始形式的方法：右键节点，点击'fix node'可将节点转化为最初的形式。​◦Stable Diffusion工作流中的节点功能：Checkpoint Loader用于载入大模型，CLIP帮助模型理解提示词并连接到采样器，VE将图片处理成浅空间图片，KS Sampler采样器指导模型处理浅空间图片。​◦模型处理图片的原理：模型不能直接生成像素空间的图片，需引入浅空间概念进行数据压缩，降低计算量和处理难度，处理后的浅空间图片再通过解码器和VAE还原到像素空间。​◦工作流中种子参数的作用：种子用于生成模型处理图片的基础噪声，在config UI中用CPU产生噪声，在Web UI中用GPU加噪，即使种子相同，由于处理方式不同，结果可能不同。​
  • •关于图像生成中相关参数的介绍与讲解​◦家噪影响方式：UI 和 config UI 中家噪影响方式分别通过 CPU 和 GPU 运算，可通过特定节点在 config UI 中还原 Web UI 效果。​◦种子的作用：种子用于复原或复现生成的噪声，相同参数下能复现他人或自己之前的图片。​◦控制参数：包括控制生成前或生成后，有固定、递增、递减、随机四个选项，调试工作流时一般将种子固定以判断其他参数对图片的影响。​◦部署次数：模型对输入的浅空间图片采样次数影响图片效果，不同模型有合适的部署次数，可参考模型作者的推荐，一般 SD.5 基础模型在 20 步左右，部分加速模型 2 - 4 步即可。​◦CFG 的作用：CFG 是提示词引导系数，增大 CFG 会使图片更偏向提示词，但并非无限增大就能实现特定效果，一般 SD1.5 模型用 5 - 12 ，设置时可参考他人优秀图片的参数。​
  • •AI绘图中的图生图、采样器及放大方法​◦图生图的噪声设置效果：噪声为0时基本是原图，有编码解码导致的信息损失；噪声为0.5时保留原图部分内容并结合提示词和噪声生成新图；噪声为1时完全重绘，且初始参数不同结果不同。​◦采样器参数讲解完毕：完成了对采样器参数最多部分的讲解。​◦图片预览的流程：图片经过采样器处理后在浅空间，需解码拖回像素空间才能预览，整个流程是先编码、再采样、再解码。​
  • •工作流整理及相关问题解答​◦工作流节点的拖动操作：可直接拖动单个节点到任意位置，也可按住Control键并用鼠标左键滑框选中多个节点，再按Shift键一起拖动。​◦工作流节点的组合与编辑：选中节点后右键新建组，可修改组名、颜色等，组被覆盖时可直接拖动组。​◦工作流节点的对齐操作：选中节点后右键选择对齐方式，如顶部对齐、左边对齐等。​◦第三方节点的安装方式：包括在customer NODE manager中安装、在GitHub上复制链接安装、通过终端输入指令安装、在秋叶启动器的版本管理中安装。​◦特定节点的相关问题：如狐狸头代表config原生节点，Max live是一套功能强大的节点，GPU进度条对应的节点老师忘记了等。​
  • •关于图像生成模型相关问题的讨论​◦噪声控制与种子的关系：噪声强度由种子调节，种子固定噪声分布方式，噪声与CLIP无关，增大噪声设置值会增强模型对图片重绘的程度。​◦分组执行的控制方法：可通过group by Parser节点控制组，也可通过按住节点按control b跳过或按control m终止执行。​◦模型版本的提示词差异：1.5以tag为主，XL论文称以自然语言为主，但实际使用中因模型微调情况可能仍需用tag。​◦Flux模型生成黑图的问题：有时生成黑图，可能有修复方案，需自行查询。​◦图像生成流程错误排查：图像生成结果为空，可能是VAE编码器与大模型未连接，调整连接后问题解决。​
  • •AI 图像生成参数调试问题探讨​◦杰芳的图像缩放问题：杰芳在进行图像卡通风格处理时，缩放后出现效果不佳，如模糊、变形等问题，大家对其原因进行分析，提出可能是尺寸、采样器、降噪、重绘幅度等参数设置不当，并给出相应调整建议。​
  • •关于图像生成模型的问题探讨与解决​◦双CLIP加载器中CLIP模型问题：原有的CLIP模型可能存在问题，需要更换为CLIP l safe Tensor，重新安装后仍需进行一些调试。​
  • •关于图像生成与处理的交流探讨​◦PM22M 采样器的配置：PM22M 下面最好配 Paris。​◦图生图与风格迁移的区别：图生图一般用于老照片放大、上色加细节或用自己照片生成卡通头像等在原图基础上的再创作；风格迁移是用原图风格生成不同内容，如生成女孩在云上的特定风格图像。​◦模型分辨率和采样问题：分辨率设置过高可能导致图像出现问题，如出现两个头像，1.5 的模型开始应调小分辨率，采样值过大也可能有影响。​◦提示词相关问题：提示词的翻译和风格选择，可使用阿里云平台上的相关工具，如翻译工具和风格提示词选择器，且翻译要分别连到正向和反向提示词。​
  • •关于图像操作和相关工具的讨论​◦翻译框与提示词的连接：将文本的绿点引到第一个框，正面提示词的绿点连到第一个翻译框，正向和反向提示词分别对应不同的翻译框，且二者是独立模块。​◦流程中断的处理：流程未连上时可能中断，可再次运行或取消删除，若无法中断可查看后台云平台，通过桌面任务栏找到相关图标进行操作。​◦多选节点的快捷键：在Mac系统中，多选节点使用control键，拖动多选节点使用shift键。​◦图像放大和缩放：图像通过模型放大为4倍，若要放大两倍，需在图像通过模型放大输出的图像后添加一个resize节点，将缩放系数调为0.5。​
  • •解决图片缩放及相关问题​◦原图尺寸过大导致进程卡死：张维纳的图片尺寸远超预期，达到 1116×1688 且放大 4 倍，导致进程卡死。​◦尝试多种缩放方法：先后尝试了插件中的缩放节点、修改系数等方法，最终通过将加载并缩放图像节点的缩放设置为 true 并调整宽高实现了图片缩放。​◦明确合适的缩放操作：了解到对于未知尺寸的图片，用缩放节点按系数缩放更稳妥，且可手动输入宽高参数。​

待办​

  • [ ] 郭佑萌将几个节点发给大家​
  • [ ] 曾书璟截图发送到群里​
  • [ ] 郭佑萌发送工作流​
  • [ ] 许键查询Flux有时黑屏有时不黑屏的问题​用户4389)​
  • [ ] 杰芳尝试用图像放大的方法修复bug​
  • [ ] 钱雅婷研究原图风格的相关问题​
  • [ ] AJ发给阿里的同学，让他帮忙在他们的流程里面加一个​用户8537)​

智能章节​

00:00会议开场​

​会议开场​​

02:53关于提示词及名词回顾与答疑及工作流搭建的讨论​

​本章节主要内容为进行一轮答疑，主题是带大家学习写提示词，回顾昨天的名词，边搭流程边讲解节点名词意思，最后举办快速搭建比赛。大家可开麦交流问题，老师也可投屏看群内之前的问题。​​

04:30CONFIUI 与 Web UI 种子噪声产生方式及差异​

​本章节主要指出文档中存在内容写反的情况，提到 CONFIUI 用 CPU 产生种子噪声，Web UI 用 GPU，前者产生的噪声更精准，用 CONFIUI 产生的图片在任何地域能很好还原，Web UI 因 GPU 不同可能无法百分百还原。​​

06:44关于康飞 UI 的更新及进度条设置相关问题解答​

​本章节主要讨论了康费 UI 的相关问题，包括其有较大改版，建议大家将版本更新到最新。整合包线上会自动更新，本地部署在版本管理中更新内核，还要更新外置定制化节点。对于没有进度条的问题，可在 UI 中设置，但具体位置一时不好找。​​

09:39关于寻找替代 resize 节点的相关说明​

​本章节主要讲了 resize 节点的使用，线上若没有昨天用的 resize by factor 节点，搜索 resize 找类似节点，如存在功能重复的节点，不一定用一样的，像有的节点虽不是成倍调整但可自己算数值调，不必找工作流里一模一样的。​​

11:26郭佑萌关于飞书群、组命名、节点、分辨率等内容的讲解​

​本章节主要讲了未加飞书群的同学可加入群内提问，介绍了组的创建、重命名、编辑和删除等操作，还提到了某些节点的情况，强调了分辨率的重要性，准备了自动分辨率工具，建议向 SDXL 和 Flux 模型转变。​​

17:28关于模型处理图片的空间问题探讨​

​本章节主要讨论了麦菊著名的 V7 模型是 1.5 的模型，课前有三个思考题。重点围绕模型能否直接生成像素空间的图片展开，指出模型不能，因其在浅空间工作，处理浅空间图片，需解码器才能回到像素空间，浅空间是模型工作处，像素空间则是平时看到的直接照片。​​

19:46今日课程安排：提示词入门及工作流重点回顾​

​本章节先提出课程安排，接着讲述今天第一部分内容为提示词书写入门方法，包括正向与负向提示词作用及相关节点，之后会带着回顾昨天工作流重点及三个问题、名词解释，这两部分预计 9 点左右结束，第二部分还会拿出刚提到的三个问题再看。​​

20:52关于康费绘画比赛中正面和负面提示词的介绍及写法​

​本章节主要介绍了康费绘画比赛中正面提示词和负面提示词的概念。正面提示词是想要生成的画面内容，负面提示词是不想在画面中出现的。还提供了描绘正面提示词的框架，以确保对图片的描述更丰满清晰。​​

24:06关于提示词编写顺序及权重分配的讲解​

​本章节先讲了先写表达形式、主要内容和艺术家的原因，提到提示词权重与 CLIP 有关，强词应往后调。接着讲解表达形式包括媒介和构图，主要内容是画面主体及场景，强调不能把质量词等权重高的词放最前面，会影响信息表达和提示词权重。​​

31:00关于 AI 绘图正面提示词写法及相关网站介绍​

​本章节主要讨论了在描述艺术风格时的先后顺序，包括质量、各类艺术风格、氛围感等，强调艺术家对 AI 绘图模型训练影响大，如梵高，提示词可写“拜佑萌”等，还介绍了艺术家网站 art station，其图片质量高，在提示词中加入相关表述有较好效果。​​

35:12关于比赛中正向和负向提示词的思考与讲解​

​本章节郭佑萌指出比赛时思考正面提示词要架构完善，不能简单。还讲到负面提示词，即画面中不想要的东西，比如若画女生站在河边不想要石头，可将石头相关词写在负面提示词里以移除，这也是修改图片的一种方式。​​

36:39AI 中负面提示词的原理及应用实例​

​本章节郭佑萌解释了反向原理，即AI模型对图片加噪去噪，根据正、负向提示词处理出图片，对比差异并采样，使图片贴近正向远离负向。还举例说明通过在负面提示词中加入特定词解决衣服飘动问题，强调明白底层逻辑，从提示词出发能解决很多问题。​​

39:44郭佑萌关于提示词及相关节点的介绍​

​本章节主要讲了提示词（包括负面提示词，逻辑词越往前重量越高），还介绍准备了三个节点，分别是翻译节点、提示词自动提示词工具、自动分辨率工具，首个翻译节点支持多种语言，输入中文并选择即可进行翻译。​​

40:50Maxlab 节点的功能与效果介绍​

​本章节郭佑萌推荐了 Max lab 出的节点，称其是 copy UI 里较大的开发团队节点，并做了 UI 优化，还提到它能翻译且有 generation 效果能补充提示词，可用 show any 或 show text 节点输出，还举例“一个女孩在读书”。​​

42:27关于某些工具的功能及种子在其中的作用介绍​

​本章节郭佑萌先提到翻译节点慢及相关情况，接着介绍提示词结构及种子的作用，如控制生成内容、用于还原和追踪产出物。还提到自动提示词工具，包括有翻译功能的风格选择器及正面提示词的填写。​​

46:01关于图像生成工具与插件的使用介绍​

​本章节主要介绍了一些工具和技巧，包括正面和负面提示词的使用，如通过选择分类输入提示词和风格等；安装插件的方法；自动分辨率工具，将选择框值改成输入参实现连接，还有将节点改回最初形式的操作。​​

52:08郭佑萌准备回顾昨日工作流及参数并解决连线问题​

​本章节先讲完提示词，接着郭佑萌要带大家过一遍昨天用到的 4 个工作流及上面的参数。然后提到最基础的文生图，说有需注意的点，还表示先去掉连线，忘了断开所有连线的操作位置，好像跟某个快降有关。​​

53:09Stable Diffusion 中图生图与文生图的工作原理及浅空间概念解析​

​本章节介绍了 stable diffusion 大模型的载入节点，包括 model、CLIP 和 VAE 三部分，解释了 CLIP 帮助模型理解提示词，VAE 处理图片为浅空间图片等，还说明了引入浅空间是为压缩数据、降低模型处理难度，这是图生图的基本逻辑。​​

01:03:16关于浅空间图片参数如种子、部署、CFG 等的讲解​

​本章节主要介绍了浅空间图片相关内容，包括种子在生成噪声中的作用及在不同平台的运算方式，还讲解了control before generate 选项，以及图像采样部署次数，强调要根据经验和模型作者推荐确定，不同模型部署次数有所不同。​​

01:15:34关于 SD 模型中 CFG 和 Denoys 等参数的介绍与讲解​

​本章节介绍了 CFG 的作用，如随着其增大图片对提示词遵循度更高，但并非绝对，一般 SD 1.5 模型用 5 - 12 没问题。还提到参数设置不要死记硬背，以及 denoys 是给图片加多少噪声，最少 0.1 能跑。​​

01:21:24关于图像编辑中噪声设置对效果的影响及技巧讲解​

​本章节主要探讨了图像编辑中添加噪声对模型的影响，从噪声为 0 基本是原图，到 0.5 保留原图部分并根据提示词和噪声编辑，再到 1 完全重绘，还提到即便噪声都为 1，初始参数不同结果也不同，强调此技巧在精美人像写真制作中有应用。​​

01:27:59文生图与图生图流程中的浅空间图片处理及预览​

​本章节先提到会以原始参考图拉高重绘幅度，接着讲完采样器参数最多的部分。然后探讨浅空间图片无法预览，要将其解码导回像素空间，整个流程是先编码再采样再解码。​​

01:29:14关于图像放大的两种方法介绍​

​本章节主要介绍两种图片放大方法。一是浅空间放大，操作流程是直接放大浅空间图片，需重新采样。二是像素空间放大重采样，用到放大模型，模型可网上下载，能增加细节，放大倍数可按需调整。​​

01:32:59关于图像放大模式及工作流的说明​

​本章节郭佑萌介绍模型放大相关内容，输入尺寸可随意计算完成初步放大，但效果不好。需将图像打回浅空间再次进入采样器、解码、采样完成二次放大模式。工作流用昨天群里发的那套，其会把相关节点发给大家。​​

01:34:08关于今晚 AI 绘图比赛的规则讨论​

​本章节主要讨论了今晚的 AI 绘图比赛。比赛要求在现实时间内手搭能跑通的工作流并截图，上传工作流截图、JSON 文件和自己的图。不能用他人工作流，模型自己选，最好加上放大功能，装节点可今天回去慢慢装。​​

01:36:07关于导出 js 文件和工作流图片及建表格的说明​

​本章节郭佑萌介绍了导出 js 文件的方法，点击 save 改文件名后确定即可保存。还说明了保存工作流图片的操作，右键点 workflow image 后选 export，保存为 PNG 格式。最后准备开始建表格，完成后传到表格里。​​

01:37:09关于软件设置与工作流的操作问题讨论​

​本章节曾书璟询问点掉右边提示词队列设置按钮后如何重新唤醒，还提到按快捷键后生图停不下来。AJ称微讲里模型可自选喜欢的。郭佑萌对工作流位置提出调整问题，有人提议教整理工作流。​​

01:38:55工作流整理的方法与操作演示​

​本章节主要讲解工作流的整理方法。开始前需清空工作流，正式开始后从左到右整理，介绍了常用快捷键和节点拖动、新建组、编辑组、自动对齐等操作，如上下左右对齐、更改组的属性等。​​

01:44:33郭佑萌讲解节点整理及第三方节点安装等相关内容​

​本章节主要介绍了工作流的整理，如将功能区域节点尽量放一起，还说明了带狐狸头代表康费 UI 原生节点，不带则为第三方节点，并介绍了第三方节点的几种安装方式，包括在相关管理器中安装、通过 GitHub 链接安装等，也提及了 mix lab 节点。​​

01:51:03关于比赛准备及相关事项的说明​

​本章节要点为：准备开始比赛，郭佑萌陪大家到 10 点左右，大家赶紧搭建工作流，有问题随时提。AJ 已在群里放提交链接，要清空从头搭，提交后可截图或在群里交流问题。​​

01:52:21关于图像生成模型相关问题的讨论​

​本章节主要讨论了出图相关的问题，包括放大后编码和接采样器、采样器噪声的影响因素、控制只跑单个图流程的方法、不同模型的提示词区别以及一些出图时遇到的如黑图、空图等问题及解决方式。​​

02:10:53图像编码与模型连接的在线指导交流​

​本章节郭佑萌因事先下，杨元投屏分享图像加载相关操作，过程中遇到未连接 VAE 编码器等问题，在大家指导下成功，随后邀请其他小伙伴分享，众人认为这种共同指导作业的方式比上课更有趣。​​

02:14:22关于图像缩放与调整中遇到的问题及解决探讨​

​本章节主要讨论图像缩放相关问题，包括空分头像卡通风格的实现，探讨了像素、尺寸、采样器、降噪、重绘幅度等因素对效果的影响，如采样器的选择、放大倍率的调整等，也提到了 AI 出图存在的一些通病。​​

02:27:02关于图像相关问题的讨论及解决尝试​

​本章节主要讨论了图像相关问题，包括面部修复节点的添加、图像的放大尝试、图变黑的情况及原因探讨。如许键的图一直黑着，可能因模型不同，Flux 模型出现问题，而麦橘的能轻易画出，还提及了文件保存和工作流差异等。​​

02:30:42关于双 CLIP 加载器相关问题的讨论与解决尝试​

​本章节讨论了双 CLIP 加载器相关问题，如参数、反向提示词、模型等，包括是否更换 CLIP、如何将图拖入工作流，还提到模型可能存在问题及相关操作，如安装新的 CLIP 等。​​

02:36:08关于作业提交统计、课程安排及投屏提问的讨论​

​本章节内容为：AJ 让许键查看交作业人数，提到自由练习环节可自行离开，下周根据老师时间排课表。作业在问卷里，之后有 prompt battle 擂台赛，可能周二开始。钱雅婷作为新手有问题想投屏询问，目前还未投屏成功。​​

02:38:17关于云平台和图生图相关问题的讨论与解决​

​本章节主要是钱雅婷在云平台操作时遇到的一系列问题，包括图的放大、工作流和图消失以及风格生成等，众人纷纷给出解决建议和相关解释，如孙琦、AJ 等，还探讨了图生图与风格迁移的区别。​​

02:48:08关于图像生成模型使用问题的交流与探讨​

​本章节主要讨论了图像相关的问题及解决办法，包括头像分辨率过高、模型选择与调整、提示词翻译和风格选择等，还涉及如何查看后台、中断流程以及保存工作流等操作。​​

03:02:58关于图像缩放节点使用与分辨率调整的讨论​

​本章节主要讨论了图像缩放的操作问题，包括选用合适的插件和快捷键，如多选节点用 control 键，以及探讨如何调整图像缩放的系数、尺寸等，还涉及解决操作中出现的卡顿、报错等情况。​​

03:19:23关于工作流相关问题交流的结束讨论​

​本章节张维纳表示自己关于多选组件和进程卡死的问题已解决并先退出共享。AJ 认为大家看别人搭建工作流有收获，时间不早若有问题群里聊。王蓉、钱雅婷、孙琦等人表示感谢后结束。​​

会议回顾​

会议议程​

会议信息​

会议主题：ComfyUI共学-WaytoAGI​

会议时间：8月15号（周四） 19:53 - 22:51 （GMT+08）​

参会人：参会人信息统计​

智能纪要​

​智能纪要依据会中总结与录制内容生成，不代表平台立场，请谨慎甄别后使用​​

​📄总结​会议讨论了 Stable Diffusion 相关的原理、应用、技术、参数等及图像生成工作流诸多问题。主要内容包括：​•关于Stable Diffusion工作流的原理与实操讲解：讨论了Stable Diffusion工作流的原理，包括扩散模型、潜在扩散模型、核心组件等，并介绍了课程安排及相关实操内容。​•关于Stable Diffusion模型的介绍与应用：讨论了Stable Diffusion模型的基础底膜、微调模型、训练方法、相关名词解释、模型融合以及其组成部分CLIP等内容。​•关于图像生成模型相关技术的讲解​◦SDXL中CLIP的对比与选择：SDXL中CLIP常用值在-1和-2之间，模型训练时用的CLIP不一定决定最终效果，一般按模型作者推荐或个人喜好设置，官方默认CLIP为-2。CLIP由Open AI提出，主要解决数据集标注贵和模型训练的局限性问题。​◦VAE的作用与版本：VAE是图像编码器，能将图像压缩到浅空间，其版本分SD XL和SD1.5，不能混用。有的模型已包含VAE，有的则需另外加载，VAE分编码器和解码器。​◦模型主体、采样器和种子：模型主体即unit，对浅空间图片进行处理生成新图片。采样器控制噪声采样方式，调度器控制噪声变化水平，按作者推荐设置即可。种子产生初始随机噪声，config UI和Web UI对种子的处理方式及对提示词权重处理不同。​•图像生成模型的参数设置与Lora模型介绍​◦图像生成模型的分辨率：SD1.5正方性图片用512×512，纵向或横向用512×768或768×512；XL基础分辨率为一定24×一定24，长或宽的用896×152或152×896。​◦CFG值的作用和选择：CFG是提示词引导系数，值越高生成图片与提示词关联性越强但风格化越严重。SD1.5常用6.5-7，XL常用7-8，推理加速模型常用1-2。应优先采用模型作者推荐的值。​◦Web UI和config UI的参数差异：config UI用CPU产生噪声，Web UI用GPU。若使用Web UI的参数，需结合inspire节点中的噪播模式和BNK节点改变提示词权重差值的方式，以复原效果。​◦图生图的重绘幅度：通过改变Latin值调整重绘幅度，该值影响图片重绘效果。​​

总结​

会议讨论了 Stable Diffusion 相关的原理、应用、技术、参数等及图像生成工作流诸多问题。主要内容包括：​

  • •关于Stable Diffusion工作流的原理与实操讲解：讨论了Stable Diffusion工作流的原理，包括扩散模型、潜在扩散模型、核心组件等，并介绍了课程安排及相关实操内容。​
  • •关于Stable Diffusion模型的介绍与应用：讨论了Stable Diffusion模型的基础底膜、微调模型、训练方法、相关名词解释、模型融合以及其组成部分CLIP等内容。​
  • •关于图像生成模型相关技术的讲解​◦SDXL中CLIP的对比与选择：SDXL中CLIP常用值在-1和-2之间，模型训练时用的CLIP不一定决定最终效果，一般按模型作者推荐或个人喜好设置，官方默认CLIP为-2。CLIP由Open AI提出，主要解决数据集标注贵和模型训练的局限性问题。​◦VAE的作用与版本：VAE是图像编码器，能将图像压缩到浅空间，其版本分SD XL和SD1.5，不能混用。有的模型已包含VAE，有的则需另外加载，VAE分编码器和解码器。​◦模型主体、采样器和种子：模型主体即unit，对浅空间图片进行处理生成新图片。采样器控制噪声采样方式，调度器控制噪声变化水平，按作者推荐设置即可。种子产生初始随机噪声，config UI和Web UI对种子的处理方式及对提示词权重处理不同。​
  • •图像生成模型的参数设置与Lora模型介绍​◦图像生成模型的分辨率：SD1.5正方性图片用512×512，纵向或横向用512×768或768×512；XL基础分辨率为一定24×一定24，长或宽的用896×152或152×896。​◦CFG值的作用和选择：CFG是提示词引导系数，值越高生成图片与提示词关联性越强但风格化越严重。SD1.5常用6.5-7，XL常用7-8，推理加速模型常用1-2。应优先采用模型作者推荐的值。​◦Web UI和config UI的参数差异：config UI用CPU产生噪声，Web UI用GPU。若使用Web UI的参数，需结合inspire节点中的噪播模式和BNK节点改变提示词权重差值的方式，以复原效果。​◦图生图的重绘幅度：通过改变Latin值调整重绘幅度，该值影响图片重绘效果。​
  • •关于 Lora 在图像生成中的应用​◦Lora 减少参数量实现个人电脑快速训练：Lora 方法在模型中增加一层，使矩阵参数改变，从而减少参数量，能在个人电脑上快速训练，用于图像生成。​◦Lora 实现特定风格或角色的图像生成：通过对特定对象训练得到 Lora，可让模型按照微调数据生成特定风格或角色的图像。​◦Lora 的触发词使用技巧：训练 Lora 时命名的触发词在调用模型时输入，能使图像更贴近 Lora 效果，有触发词的 Lora 最好加上触发词，下载时可通过说明判断是否有触发词。​◦调整 Lora 权重优化效果：Lora 效果不好时可降低权重，一般调到 0.7 左右，模型强度和 clip 强度会影响 Lora 效果。​◦图生图加 Lora 及还原原图风格：图生图工作流中加入 Lora 可改变效果，使用 Control Net 可在保持风格的同时更还原原图，图生图与文生图原理不同，图生图基于已有图片加噪去噪生成。​
  • •关于图像生成中分辨率和放大方式的讨论​◦不同模型的适合分辨率：SD1.5通用尺寸为512乘512或512乘768，SDXL基础尺寸为1024乘1024，生成图像前要选对尺寸，否则效果差。​◦通过浅空间缩放放大图像：直接对浅空间图片进行编辑放大，然后进行第二次采样和高清处理，若直接放大不解码会很模糊，需用较低的采样系数增加细节。​◦使用外置放大模型放大图像：可使用外置放大模型对图像进行放大，默认放大4倍，可通过resize image节点调整到想要的尺寸，放大后要送回编码器进行采样处理。​◦图像对比节点：图像对比节点名为compare，需安装相关包才能使用，可用于对比最初和最终的图片。​◦算力和资源获取：飞翔提供了50个小时的算力时间，可在飞书群填问卷获取，分享模型较少可提建议，相关文档在飞书和公众号中。​
  • •AI绘图相关技术与工具的介绍及交流​◦公众号文章包含AGI相关信息：通往AGI之路的公众号最新文章中有相关信息，内置工作流和启动器方便，Mac系统因无CUDA生态不太好用。​◦推荐提示词辅助插件：如SDXL的S1XL style，可对提示词进行风格化扩充，还有能翻译提示词的插件，如沙拉查词、沉浸式翻译等。​◦解释CLIP和CFG的区别：CLIP用于解析提示词，将其转化为模型可理解的向量，CFG是提示词对画面影响的强度，即提示词引导系数。​◦搭建带Lora的图生图工作流：介绍了加载模型、设置clip跳过层、处理图像、连接采样器和解码器等步骤，并展示效果。​
  • •关于Lora串联和图像放大模型的讨论​◦Lora串联：多个Lora串联时左右顺序不影响结果，可复制并点对点连接。​◦CLIP层调整：CLIP层-1和-2的效果不同，加Lora时某些Lora可能更适合-2。​◦Lora作用：Lora可用于生成底模无法画出的内容，是一种经济实用的模型微调方式。​◦打断渲染跑图：在运行中点击取消可打断正在渲染跑的图。​◦图像放大模型：通过up scale image using model节点放大图像，可选择放大模型，用resize节点调整尺寸，再用编码器和采样器处理。​◦采样原因：放大模型直接放大的图像效果不佳，需再次采样增加细节。​
  • •关于飞桨使用中节点添加及相关问题的讨论​◦添加飞桨缺失节点的方法：可以将工作流拖入查看标红节点，通过管理器安装缺失节点，也可从GitHub获取节点包放入文件管理系统。​◦图像放大方式的效果差异：通过专门训练的放大模型放大图像效果更好，直接像素放大效果不佳。​◦采样器和调度器参数设置：建议参考模型作者推荐的参数，并结合自己的调试来寻找最佳参数，推荐了o2a、DMP佳佳2M采样器和normal、cars调度器。​◦Web UI模型管理的备注问题：目前未找到较好的给模型加备注的节点，靠改模型文件夹名字备注。​◦人物一致性控制：控制人物在多场景、多个姿势下的一致性有很多方法，课程后期会介绍。​◦多张图输出的显示问题：一次产出多张图在预览窗口目前不能并排显示。​◦Lora的刷新：将Lora丢到文件夹后，多点几次刷新即可，Web UI中Lora库有刷新按钮。​◦进阶学习途径：提到一些全球交流频道，如Confii生态大会相关频道。​
  • •关于图像生成与工作流相关问题的讨论​◦Discord使用问题：Discord已荒废很久，对于相关操作存在疑问。​◦图像输出显示问题：探讨了图像输出是否并排显示，可能因误点单张显示导致，叉掉即可恢复并排。​◦图像放大采样问题：放大后模糊需再次编码，放入采样器重新采样。​◦模型训练与应用：训练自己人像可用于生成脸部头像，图像生成后可加载出视频。​◦节点功能及学习方式：节点功能通过实践和需求寻找尝试，而非死记硬背，可参考优秀工作流和节点开发者的成果，如open art网站上的工作流。​
  • •关于 AI 绘图提示词及工作流学习的安排​◦明天的学习和比赛安排：郭佑萌明天给大家讲提示词基本结构框架，举行图片加提示词的比赛，让大家体验写提示词。​◦工作流的学习方法：通过在 config UI 里实践搭建，复刻他人工作流并研究吃透，将模型替换为自己的，来提升搭建水平。​◦后续课程规划：后期有复杂工作流拆解、工作流设计逻辑技巧的课程，还会请工作流搭建较好的作者分享技巧。​◦近期学习重点：先打好基础，多练习，再拆解分析，提升整体搭建水平，下周不开课。​

待办​

  • [ ] 郭佑萌整理图片并在群里分享给大家​
  • [ ] 郭佑萌让小田跑一张对比更明显的图；在飞书群里填写问卷​
  • [ ] 郭佑萌寻找提示词翻译插件并介绍给大家​
  • [ ] AJ向沉浸式翻译的作者要几个会员送给大家​用户8537)​
  • [ ] 郭佑萌确定如何调XYZ的对比并告知AJ​
  • [ ] AJ询问飞奖的同学添加节点的流程​用户8537)​
  • [ ] AJ下载节点包并发送给大家；郭佑萌将工作流和节点链接发送到群里​用户8537)​
  • [ ] AJ将频道链接发给郭佑萌​用户8537)​
  • [ ] 许键将图片编码后放入采样器中重新采样​用户4389)​

智能章节​

01:01AJ 与众人准备开始今日学习并等待佑萌老师上线​

​本章节主要是准备开始学习，AJ 表示今天主要讲清节点和名词的意思，佑萌老师来讲，大家在搭建过程中有问题可先交流，AJ 去转发，让三思主持，期间众人有一些交流，截至目前佑萌老师还未出现。​​

04:25关于 config UI 中工作流及相关课程与比赛的讨论​

​本章节提到 config UI 加入 agent 工作流，今天课程主要讲添加放大节点和 Lora 及相关作品，明天最后一堂课将搞搭建工作流比赛，还提到不同 UI 效果差异及原因的底层逻辑将讲解。​​

08:15郭佑萌分享资源及相关介绍​

​本章节主要是郭佑萌共享屏幕，AJ 称赞其能力强，用康飞 UI 搭建工作流且收益高。郭佑萌在群里发百度网盘分享的 up scaler models 文件夹让大家下载，告知存放路径，并询问云端是否需要下载。​​

09:48郭佑萌介绍验证方法与 AJ 讲述课程安排​

​本章节中，郭佑萌提到一种快速验证方法，需输入节点如“go image”，找“up scaler image using model”。AJ 表示前面 40 到 60 分钟介绍底层原理和名词含义，后面约一小时供大家实操。​​

11:01关于放大模型加载器及文件放置路径的说明​

​本章节主要是关于模型部署相关内容。昨天带领大家进行了部署找节点操作，今天讲原理。若放大模型加载器中无放大模型，需从群文件下载，放在 confiui 里 models 文件夹，IRU 也放此处。​​

12:36AI 绘画中 Stable Diffusion 扩散模型原理及核心组件讲解​

​本章节主要介绍了今天课程的两块内容，先讲解 AI 绘画基础通识中 stable diffusion 扩散模型的原理，包括传统扩散模型在物理热力学中的概念和图片中的两种扩散模式，还解释了提出潜在扩散模型的原因及核心组件 CLIP、VAE、Unite。​​

17:16扩散模型的潜在空间原理讲解​

​本章节主要介绍了扩散模型的基础原理。指出可利用 VAE 将像素空间的图片压缩到潜在空间，若让电脑直接学 512 乘 512 的图片费劲，从 256 或更小尺寸图片还原到 512 ，则可让电脑在 64*64 的潜在空间中学习，可能令人有点懵。​​

18:30关于 SD 大模型及其微调的原理与应用介绍​

​本章节主要介绍了大模型，包括常见的 SD 1.5 和 SD XL 基础底膜及相关微调模型，还解释了下载模型时的名词如 EMA、IP 16/32、PT 等，强调模型微调可让出图质量更好，能学习概念和画风，比如画特定小狗就得微调。​​

26:09关于大模型微调、模型融合及相关问题的介绍​

​本章节主要讲述大模型微调对显存要求高，如 SD 1.5 至少 12G 显存，SDXL 至少 16G 显存。低于此显存可采用模型融合，融合对显存要求低。还介绍基础预训练模型个人难训练，微调模型种类及 Flux 作为预训练模型存在的问题。​​

30:59关于 Stable Diffusion 中 CLIP 及 CLIP SKIP 的讲解​

​本章节主要讲解了 check point 相关内容，重点介绍了 CLIP 是 SD 模型的基础组成部分，能将用户输入的 prompt 转化为文本嵌入让模型理解，还能引导和优化图像生成，其 CLIP SKIP 常用值在-1 与-2 之间，设置可参考模型作者推荐或个人喜好。​​

38:39关于 CLIP 和 VAE 在图像模型中的作用及相关要点​

​本章节介绍了 CLIP 由 open AI 提出，能缓解数据集标注贵和模型训练的局限性。CLIP 是文本与视觉的桥梁，用于理解图像。还提到 VAE 是图像编码器，能将图像压缩到浅空间，使用时注意版本不能混用，有的模型已包含 VAE。​​

43:10VAE 编码器、解码器与模型工作流及采样器介绍​

​本章节主要介绍了 VAE 中的编码器和解码器，编码器将像素空间图像转为浅空间图像，解码器则相反。还提到模型主体 unit 处理浅空间图片，采样器通过分层采样还原图片，采样器控制采样方式，调度器控制噪声变化水平，按作者推荐设置即可。​​

48:31Confio i 与 Web UI 在种子处理和提示词权重处理上的差异​

​本章节主要讲了种子的作用是产生初始随机噪声，无种子无法还原产出图片。CONFIO i 通过 GPU 计算种子噪声，Web UI 通过 CPU，处理方式不同会致图像不同。还提到对提示词权重的处理也不一样。​​

50:43郭佑萌讲解 late image 生成图片的过程及噪声相关内容​

​本章节郭佑萌讲解了 late image 是扩散模型生成图片的过程，需从初始噪声生成，直接用随机无信息噪声会根据提示词出图，用 VE 编码过的噪声且调整降噪参数，图像会因与提示词差距大而模糊。​​

53:25关于 SD 和 XL 模型图片分辨率的说明​

​本章节郭佑萌指出图像分辨率很重要，SD 1.5 正方性图片用 512 乘 512，纵向或横向用 512 乘 768 或 768 乘 512，XL 基础分辨率是一定 24 乘一定 24，长或宽的用 896 乘 152 或 152 乘 896，之后会有分辨率总结表发群里。​​

55:14文生图工作流中 CFG 及模型参数相关讲解​

​本章节主要探讨文生图工作流。提到CFG是提示词引导系数，值影响图片与提示词关联性和风格化。模型参数宜用作者推荐值，Web UI 和 company UI 参数有别，可通过特定节点结合复原 Web UI 效果，但没必要，用熟 company UI 也能找到适用参数。​​

01:01:03关于图生图重绘幅度影响效果的介绍​

​本章节围绕图生图展开，重点是 Latin 这个噪声值代表图片重绘幅度。以 0.5 重绘幅度未达到预期，改为 0.7 有了一些变化，展示了由此生成的图片，探讨了图生图的相关情况。​​

01:02:32关于模型 CFG 参数及模型作者相关问题的讨论​

​本章节讨论了模型相关问题，如 XL 模型和 1.5 模型中 CFG 参数，SD 1.5 常用 6.5 - 7，XL 常用 7 - 8，推理加速模型 CFG 较低。还提及模型作者位置，以 Lib 中的模型为例，如 Lora 等，并查看了 XL 模型。​​

01:05:10关于屏幕设置与模型参数的讨论​

​本章节主要讨论了屏幕相关问题，如郭佑萌的 HDR 屏幕直播或投屏有问题。还提到了东方国潮季模型，试完模型可返图并展示参数，强调多试不同数据，看他人用法，不必死记硬背 CFG 与图像关系及步数等。​​

01:07:00Lora 模型：解决模型微调成本与效果问题的创新方法​

​本章节主要讲解了 Lora 模型，指出其能优雅解决模型微调成本高的问题，最初用于微调 GPT 3 模型，通过加 RR 层减少参数量，可在个人电脑上快速训练，能使模型生成特定风格图像，保持角色或风格一致性。​​

01:11:03关于 Lora 模型的加载与触发词设置及效果展示​

​本章节主要介绍在 LIB 上找 Lora 的筛选方法，实际操作时在本地通过点 Lora 加载器，输入关键词触发词，还提到训练 Lora 时将模型命名为触发词以方便调用，并对比有无 Lora 的出图效果。​​

01:14:45关于 Lora 触发词的使用与了解方法​

​本章节主要讨论了 Lora 的相关内容，指出有些 Lora 有触发词，有的没有，有触发词的训练时对图片打标，词权重很大，加上效果更贴近 Lora 本身，模型有触发词最好加上。下载时看说明可知道有无触发词。​​

01:17:46文生图与图生图加 Lora 的工作流及相关问题探讨​

​本章节主要讨论文生图加 Lora，提到通过注意力机制可使两个人物大概百分之八九十不互相污染，效果取决于位置。还讲到效果不好可降低 Lora 权重至 0.7 左右，以及图生图加 Lora 时重绘幅度不宜为 1，还提及未来可加入 Control Net 保持风格和原图还原。​​

01:22:32关于图生图与文生图工作流的讲解​

​本章节主要讲解图生图工作流。指出其去掉 Lora 就是图生图工作流，与文生图的区别在于生成方式，文生图基于空白噪声，图生图基于带信息噪声。还举例说明在不同工作流中，降噪强度对结果的影响，如图生图即使降噪低也能还原底图。​​

01:25:41关于图生图、图片分辨率及节点相关问题的探讨​

​本章节讨论了图生图加 Lora 及高清放大，提到昨天已讲一种高清放大方法。还涉及图片加载后的节点、图片尺寸调整，指出若图片分辨率没问题无需调整，可直接生图。最后赛博娜娜提议讲完后再统一提问。​​

01:27:01关于 SD 模型分辨率尺寸的讲解与讨论​

​本章节郭佑萌称今天讲解逻辑不佳，文档用心且资料出处有标注。重点讲了分辨率尺寸问题，如 SD 1.5 通用尺寸为 512 乘 512 或 512 乘 768，SDXL 基础尺寸为 1024*1024，强调尺寸在模型训练和生图中很重要。​​

01:31:25图像放大方法及相关操作讲解与交流​

​本章节主要讨论了图像放大的方法，包括通过浅空间缩放、外置放大器等方式，强调放大过程中需要采样处理，还提到对比节点及相关模型，以及关于算力时间、模型分享等信息。​​

01:47:27关于 AGI 相关及模型插件、系统使用等的讨论​

​本章节提到通往 AGI 之路公众号最新文章有相关信息，懒瑞内置工作流启动方便，模型插件多但当前课程要求不高，苹果 Mac 系统因无 CUDA 生态不好用，建议上云或单独买 n 卡，提示词辅助插件老师稍后介绍。​​

01:48:35关于写实照片放大效果及提示词插件的讨论​

​本章节主要讨论了写实照片的放大效果及相关操作。郭佑萌介绍了参数调整，推荐了提示词辅助插件，展示了提示词的运用及正负向文本的处理，还提到用放大模型能增加图片放大后的细节，效果优于直接放大。​​

01:52:49关于 AI 绘图提示词风格化及翻译插件的讨论​

​本章节主要讨论了提示词风格化和优化输入。内置多种风格可选择，还提到提示词翻译插件，如沙拉查词、沉浸式翻译等。虽部分模型支持中文提示词，但很多只支持英文，玩时可练习英文。​​

01:56:20关于图生图工作流及相关参数设置的讲解交流​

​本章节主要讨论了有关图像生成的内容，包括 CLIP 和 CFG 的区别及作用，还讲解了图生图的工作流，如加载模型、设置参数、使用采样器等，并提及了 Lora 的加载和连线，最后通过运行查看效果。​​

02:04:16关于 SDXL 中 Lora 串联及 CLIP 跳过层效果的探讨​

​本章节讨论了 SDXL 中 CLIP 跳过层默认值、多个 Lora 的串联及左右顺序、Lora 的作用等。指出-2 的效果通常好于-1，加 Lora 会有影响。Lora 可快速实现模型微调，能控制风格等，选能良好结合的 Lora 效果更佳。​​

02:09:06关于图像放大模型工作流及相关问题的讨论​

​本章节主要讨论了节点连接问题，包括颜色对应原则，还提及如何打断渲染图，调 XYZ 对比会后续解决。新增放大模型的运用，如 upscale image using model 节点，以及放大后用 resize 等操作调整，明天会练习，强调效果重于速度，并可对比采样前后的效果。​​

02:20:01关于图像放大与节点添加的讨论​

​本章节主要讨论了图像放大相关问题，包括自行训练的卡通节点 Lora 对细节的影响，以及不同放大方式的对比。还提及飞桨中添加缺失节点的方法，如通过工作流查看标红节点安装，也可将节点包放入文件管理系统。​​

02:26:39关于采样器、调度器参数设置及模型相关问题的讨论​

​本章节主要讨论了采样器参数设置，提到 XL 约 30 步较好，建议用作者推荐参数结合调试找最佳参数，推荐了 Oler a 和 DMP 加 2M 采样器及 normal 和 cars 调度器，还提到 Web UI 相关更新，以及明天可能带大家搭工作流或重讲部分内容。​​

02:32:01关于模型管理、人物一致性及图像输出等问题的交流​

​本章节讨论了模型管理相关问题，包括模型命名与备注、Web UI 模型管理、Lora 操作、图片输出显示及图片放大模糊的处理等，涵盖多个人员的提问和交流，如冀晖、常忠浩、许键等。​​

02:41:33关于人像训练、工作流及相关节点的讨论​

​本章节主要讨论了关于人像训练与模型应用的问题，包括训练完成后的模型使用、图像生成与视频加载，还提到放大采样的连接、对比节点，以及如何学习和记忆节点功能、获取工作流的途径等。​​

02:48:30关于节点开发、工作流搭建及相关合作的讨论​

​本章节主要讨论了厉害的节点开发者，如葫芦娃搭建了好用的节点，提到国内同学搭建工作流众多。还涉及康飞 UI 大会相关内容，如 94 等人的成果，以及 Triple 作为赞助商时在搭建节点中遇到的问题和其 3D 模型效果好，AJ 表示可为参与小伙伴争取相关 API 的 token 。​​

02:51:31关于明天活动安排及提示词相关讨论​

​本章节临近 11 点，郭佑萌表示今天服务欠佳，明天争取挽回。明天打算讲提示词基本结构框架，让大家体验写提示词并进行比赛，此次比赛不再传照片而是图片，且大家可自行多搭两遍流程。​​

02:53:16关于 AI 绘图提示词与工作流的学习方法探讨​

​本章节讨论了图片加提示词的评选，强调不仅是 SD ，整个 AI 绘画的提示词都很重要。还提到学习康飞 y 的最好方法是复刻工作流，拖入他人工作流时要换为自己的模型，吃透工作流以提升搭建水平。​​

02:56:08关于课程后续安排及工作流学习的讨论​

​本章节讨论了课程后期安排，包括复杂工作流拆解及设计逻辑技巧，会请作者分享搭建技巧。下周停课打基础，学完两节课能读懂工作流走向，后续要自行研究节点再拆解分析以提升搭建水平。明天进行比赛，纯实战，今晚群里会丢工作流供练习。​​

会议回顾​

会议议程​

会议信息​

会议主题：ComfyUI共学-WaytoAGI​

会议时间：8月14号（周三） 19:55 - 22:40 （GMT+08）​

智能纪要​

​智能纪要依据会中总结与录制内容生成，不代表平台立场，请谨慎甄别后使用​​

​📄总结​会议讨论了 Top UI 部署、AI 绘图及相关模型、工作流等多方面内容及问题。主要内容包括：​•Top UI 部署及 AI 绘图发展历程：讨论了Top UI的本地部署和云部署方案，以及AI绘图的发展历程。​•AI绘图模型及相关工具的介绍与应用：讨论了AI绘图主流模型、交互渠道、Confii的发展及在各行业的应用，并提及未来技术方向和相关操作要点。​•关于AI部署的介绍与流程安排：讨论了AI部署的相关内容，包括本地部署和云端部署的方法，以及后续的操作流程和活动安排。​•云平台部署方式及相关介绍​◦首次拉取镜像的等待时间：第一次拉取镜像需等待一到三分钟，环境分配需一到两分钟，启动完毕后打开应用按钮会亮起，前端加载需稍作等待。​◦数据区不可用的原因及解决：选3090区可能因卡无资源导致数据区不可用，可改选B4或B5的4090区。​◦关闭网页后的操作：关闭网页后需点停止运行，否则会浪费时长券。​◦云平台的两种部署方式：一种是应用启动器，另一种是自定义创建，自定义创建需选区域、显卡、镜像、手动启动，挂载网盘可选用外部网盘但需拷数据，数据集包含多种模型。​◦云平台和云服务的区别：云服务不允许动设置，云平台可扩展性更高，云服务更傻瓜适合大众，云平台更灵活但需一定动手能力。​•云平台使用介绍与分享​◦揽瑞平台的优势：官方维护了很多工作流，不易爆红，数据集和模型丰富，支持百度网盘和URL地址下载模型，未启动不消耗时间，网盘存储费用不高。​◦百度飞桨平台的情况：首次注册有2小时免费时长，争取到50小时免费时长，明天收集电话号码再充入，有100台设备靠手速获取，用百度账号可自动登录，启动实例简单，需记住UID并收集统一发放算力，使用后要关闭实例。​◦阿里平台的特点：新用户注册有优惠，流程还行但可能费用较贵。​•关于文生图工作流部署及相关问题的讨论​◦要求相关方降价：认为某些产品价格贵，已反馈要求降价。​​

总结​

会议讨论了 Top UI 部署、AI 绘图及相关模型、工作流等多方面内容及问题。主要内容包括：​

  • •Top UI 部署及 AI 绘图发展历程：讨论了Top UI的本地部署和云部署方案，以及AI绘图的发展历程。​
  • •AI绘图模型及相关工具的介绍与应用：讨论了AI绘图主流模型、交互渠道、Confii的发展及在各行业的应用，并提及未来技术方向和相关操作要点。​
  • •关于AI部署的介绍与流程安排：讨论了AI部署的相关内容，包括本地部署和云端部署的方法，以及后续的操作流程和活动安排。​
  • •云平台部署方式及相关介绍​◦首次拉取镜像的等待时间：第一次拉取镜像需等待一到三分钟，环境分配需一到两分钟，启动完毕后打开应用按钮会亮起，前端加载需稍作等待。​◦数据区不可用的原因及解决：选3090区可能因卡无资源导致数据区不可用，可改选B4或B5的4090区。​◦关闭网页后的操作：关闭网页后需点停止运行，否则会浪费时长券。​◦云平台的两种部署方式：一种是应用启动器，另一种是自定义创建，自定义创建需选区域、显卡、镜像、手动启动，挂载网盘可选用外部网盘但需拷数据，数据集包含多种模型。​◦云平台和云服务的区别：云服务不允许动设置，云平台可扩展性更高，云服务更傻瓜适合大众，云平台更灵活但需一定动手能力。​
  • •云平台使用介绍与分享​◦揽瑞平台的优势：官方维护了很多工作流，不易爆红，数据集和模型丰富，支持百度网盘和URL地址下载模型，未启动不消耗时间，网盘存储费用不高。​◦百度飞桨平台的情况：首次注册有2小时免费时长，争取到50小时免费时长，明天收集电话号码再充入，有100台设备靠手速获取，用百度账号可自动登录，启动实例简单，需记住UID并收集统一发放算力，使用后要关闭实例。​◦阿里平台的特点：新用户注册有优惠，流程还行但可能费用较贵。​
  • •关于文生图工作流部署及相关问题的讨论​◦要求相关方降价：认为某些产品价格贵，已反馈要求降价。​
  • •关于图像生成模型的操作流程与问题解决​◦清除默认空间内容的方法：可通过按control键并用鼠标拉框选中后删除，或使用control z撤销，也可点击清除按钮，还可以使用control a删除。​◦选择解码器的方式：对于自带VAE的模型可直接连接，也可双击选择VA1并点击V1加载器，选择适合SD1.5的VAE。​◦处理图像放大的操作：从Latin拉一条线出来选择按系数缩放，系数改成2，通过特定快捷键复制采样器和VE的连线以提高效率。​◦模型飘红问题的解决：飘红可能是未放置模型或未刷新模型，需将模型放在指定目录并刷新。​
  • •文生图工作流及相关操作讲解​◦文生图工作流搭建：先左键点住CLIP黄点向外拖，再拖出两个CLIP编码器，从条件处拉出采样器，连接正负提示词和模型，还需VE解码器和VE模型，若模型无VAE则需加载器。​◦浅空间图像放大：从第一个采样器向右拉，点击按系数缩放将later调成2倍，复制采样器、VE解码器并连接处理过的later。​◦图像高清修复：在confii里调整重绘幅度，如设为0.3变化微小，设为1图像更清晰。​◦提示词获取：在LIB上点击生成信息可获取正面和负面提示词及采样器等信息。​◦模型参数调整：如生成图片的大小可先调为768，后续再解释具体原因。​
  • •关于Confii的操作教学与问题解答​◦Confii图像放大操作：从第一个采样器开始，通过一系列操作如添加Latin节点、连接提示词和模型、连接VE解码器等，并设置重绘幅度、缩放系数等参数来实现图像放大。​◦参数设置的作用：重绘幅度（降噪）决定图像改变程度，数值越高与原始图像差别越大；缩放系数默认1.5，可调整为2。​◦模型安装问题：云端用户不知如何安装Magic模型，小田提到可能通过百度分享安装。​◦问题解答：针对学员提出的放大操作未成功、不理解操作步骤、权重反向提示影响正向结果等问题进行解答。​
  • •关于模型使用和工作流相关问题的讨论​◦inspire节点安装问题：许键表示inspire节点未找到，郭佑萌称其不是当前课程内容，之后再讲。​
  • •关于图像生成相关问题的讨论​◦节点打包操作：将部分节点打包成组，可通过Control+B或框选加Shift键实现，便于一起拖动。​◦报错处理：杨天朗线上使用飞甲时生成图像报错，可能是平台问题，可刷新重试；林鸿光生成的图片有斑点，可能是CFG值过高、VE配置错误或模型选择不当。​◦模型选择及参数设置：杨天朗使用XL模型时分辨率不宜过低；林鸿光可更换为自带VE的模型，并调整CFG和部署参数；不同模型有不同特点，要选择合适的。​◦快捷键及资源获取：锁定种子值可在相应位置选择固定；快捷键列表可在GitHub官方页面获取，小田的教程会分享；模型及VE的保存路径和获取方式有相应说明。​
  • •关于AI绘图工具使用的讨论​◦排线方式与技巧：手动排线，可在设置中选择隐藏曲线、直角线、直线等连线渲染模式，新手不建议隐藏，直角线和直线能使线条更清晰。​◦避免多手多脚等问题的方法：使用SD1.5模型时，将图片大小统一设置为512乘768可避免此类情况。​◦划分区块的操作：右键点击新建分组即可。​◦后续安排：明天讲解参数，包括CLIP VA等每个参数的作用及训练方法，建议提前预习相关教程。​

待办​

  • [ ] 言曰AI君收集电话号码，让张楠老师帮忙充值50个小时的免费时长；AJ将百度飞桨连接放在共学文档里​用户8537)​
  • [ ] AJ制作问卷收集UID并发放算力​用户8537)​
  • [ ] 郭佑萌跟大家讲解什么叫浅空间图像、CLIP、VE​
  • [ ] 郭佑萌把详细参数给大家再过一遍​
  • [ ] AJ将操作步骤总结并贴到文档上​用户8537)​
  • [ ] 小田将麦菊老师的纹身图贴到文档里​
  • [ ] 杨元将随机设置调整为固定设置；郭佑萌查找设置的位置​
  • [ ] 杨天朗刷新后再次尝试生成​
  • [ ] AJ找到快捷键列表并发到群里​用户8537)​

智能章节​

00:04关于康维 UI 部署及工作流搭建的分享会介绍​

​本章节 AJ 表示在做前期准备，担心算力并发问题找了多个平台，佑萌老师将带着大家学习康维 UI 部署及工作流搭建，包括云部署和本地部署，中间小田老师会带大家实操云部署平台流程，且为新用户争取了一周的使用时长。​​

06:58关于 AI 绘画底模及秋叶整合包的介绍​

​本章节郭佑萌介绍了所发文档中的三个链接，其一为 dream shaper 的 SD 1.5 底模，需装在 CONFIUI 里出图，新手本地部署可先下载。还提到秋叶的两个整合包，分别在跨客盘和百度盘，二者内容相同。​​

09:03关于特定文件下载及电脑配置要求的说明​

​本章节主要内容为：提供了跨客盘和百度盘的下载链接及文件。需下载 3.7 个 g 的文件或亚索包，有独立显卡的电脑优先下载。Mac 中 M2 以上可以，下载后解压。配置低或无显卡的待会讲云部署方案。​​

11:28关于AI绘图的本地及云端部署、模型介绍与文生图工作流讲解​

​本章节主要介绍了 AI 绘图相关内容，包括本地部署的操作步骤，如模型放置、路径设置、版本更新等，还讲解了多种云平台部署方式及特点，如莱瑞新洲、百度飞桨等，最后提及文生图工作流。​​

01:17:06Config UI 文生图工作流搭建及相关问题讲解​

​本章节主要介绍了文生图工作流的搭建步骤，包括进入飞书知识库获取资料、通过一系列操作加载模型、设置提示词、添加采样器和解码器等，还提及了处理线乱、模型飘红等问题。​​

01:36:24关于模型搭建、加载及相关问题的讨论​

​本章节主要介绍了模型相关操作。先在根目录的 models 和 checkpoint 放置模型，使用阿里的 company UI 要记得领取免费试用资源。搭模型时需基础底膜，加载模型后要刷新才能选择，之后还提到需要写提示词的地方。​​

01:39:48搭建模型相关组件的操作流程介绍​

​本章节主要讲述了操作流程，包括用 clip 解析提示词，拖出文本编码器和采样器并进行连接，处理浅空间图像，还提到返回像素空间需要 VE 解码器及 VE 模型，介绍了模型带与不带 VAE 的情况及处理方式。​​

01:44:09文生图的放大方法及相关操作讲解​

​本章节主要介绍了图像处理相关操作，如停止工作流执行、浅空间放大图像，包括调整采样器系数、复制采样器和 VE 解码器并连接等，还提到了快捷键在不同平台的使用，以及关于参会人员 Web UI 基础的询问。​​

01:48:34关于图片处理相关问题的讨论与操作指导​

​本章节郭佑萌说明天再过详细参数，脸部修复以后再说。白状询问采样器的复制操作，郭佑萌解答先鼠标左键点选采样器，再按 control c 复制，然后 control shift 加 v，AJ 表示会总结贴到文档上。​​

01:49:45关于图片高清修复中重绘幅度调整的讲解​

​本章节主要是郭佑萌关于图片处理的讲述。要把图高清修复，重绘幅度在 CONFIUI 里调，先加成 0.3 效果不佳，后加高使图像清晰很多，要求今晚跑出这样质量的图片。​​

01:51:27关于麦菊老师纹身图及抄作业方法的讨论​

​本章节讨论了麦菊老师纹身图相关内容，提到可从小田帮忙贴入文档或在其 live 站直接获取，还讲解了如何抄作业，即在 lib 上点生成信息获取正面和负面提示词，以及复制相关采样器等信息。​​

01:52:33关于飞桨降噪设置与相关问题的讨论​

​本章节讨论了有关飞桨的问题，比如飞桨的降噪设置不是数值且有人找不到设置的地方，需删掉默认流跟随搭建。还提到飞桨用的是其自身一些节点而非通用 config 里的节点，此外对 NSFW 含义有所疑问。​​

01:53:38关于 SD 绘图相关问题的讨论​

​本章节主要讨论了 NSFW 的含义及对 SD 出图的限制，提到了从网上抄的提示词及模型相关，包括调整采样器和生成图片大小，还探讨了文本编辑框爆红及阿里云默认麦菊模型等问题，并对图像油油的原因进行了猜测。​​

01:57:34郭佑萌讲解实现 Config UI 与 Web UI 统一的操作​

​本章节中，郭佑萌指出 config UI 与 SD 不同，并展示如何与 Web UI 统一，需用编码器和一套东西，把某些地方改成 A111 和 A11，随机种子设为 30。​​

01:59:01关于图像采样、放大及相关问题的讲解与讨论​

​本章节主要展示了图像效果，包括复制采样器、连接条件、拖解码器等操作，还提到放大节点、调固定种子、重绘幅度等，有人未听懂放大和复制操作，对于降噪的数值含义做了初步解释，有人反馈跑不了图。​​

02:03:54关于 Company UI 和 Web UI 效果差异及优化操作​

​本章节主要介绍效果好的原因是 company UI 与 Web UI 对种子、clip 文本解析权重不同。恢复了 Web UI 采样和文本解析方式，去掉权重可简单操作，固定种子能出新图。去掉权重后效果变好，还可加质量词进一步优化。​​

02:06:12关于今晚学习内容的问题讨论​

​本章节主要是关于今晚康费学习内容的交流，许键放大图片带毛刺，老师建议 denoys 开到 0.5；渠婳不懂放大操作中连线问题，前面内容已懂；还有云端朋友不知如何装麦具模型。​​

02:07:37模型安装与参数设置的操作讲解​

​本章节主要讲解了模型的安装方法，包括从特定节点开始放大，操作文生图采样器，连接提示词和模型，连接 VE 解码器，拖出预览图像，以及调整降噪重绘幅度和缩放系数等步骤。​​

02:12:28关于模型提示词、工作流报错及操作相关问题的讨论​

​本章节主要围绕模型相关问题展开，涉及权重反向提示词对正向结果的影响、节点安装、提示词及VAE报错处理、工作流保存和跑图操作等，如更换VAE、加载默认工作流等，还探讨了一些设置和参数调整。​​

02:25:53关于图像操作、节点拖动、报错处理等的讨论​

​本章节讨论了图像去油问题，指出是提示词权重过高导致，需去掉数字。还探讨了节点打包固定、图片保存位置及杨天朗生成图片报错的问题，建议其提供工作流，刷新尝试，调整分辨率以优化效果。最后决定十点二十开始比赛。​​

02:30:55关于模型使用、工作流等问题的交流与解答​

​本章节讨论了绘图相关的诸多问题，如效果不好可能是 CFG 设置问题，模型有斑点与 VAE 配置有关，提及锁定种子值、快捷键、工作流分享，还包括连线方式及分辨率设置、新建分组等内容。​​

02:41:58关于作业提交、参数讲解、预习建议及结束交流的讨论​

​本章节主要内容为：今天作业提交至指定文档，因部分人未完成不评选，大家可提前预习相关教程。明天会讲解 CLIP VAE 等参数及作用。佑萌老师已发工作流至群里，大家可自行练习，有问题群内互助。​​

会议回顾​

会议议程​

会议信息​

会议主题：ComfyUI共学-WaytoAGI​

会议时间：8月13号（周二） 19:55 - 22:09 （GMT+08）​

智能纪要​

​智能纪要依据会中总结与录制内容生成，不代表平台立场，请谨慎甄别后使用​​

​📄总结​会议讨论了 Config UI、AI 绘图、Confii 等在多领域的应用及相关学习、工作进展和生态发展。主要内容包括：​•关于 Config UI 的学习交流与活动安排：讨论了 Config UI 的学习需求、教程分享、部署问题、应用场景，以及相关活动的规划。​•关于 Config UI 工作流的分享与探讨：讨论了 Config UI 工作流在不同场景的应用、优势、弊端以及学习方法，还提及了相关的分享会和开源社区的情况。​•关于 CONFIUI 的学习交流与报错问题解决：讨论了 CONFIUI 的使用、工作流分享、报错问题及解决方案，还有相关课程的设计安排。​•AI绘图技术在工作中的应用与分享：讨论了郭佑萌在AI绘图领域的工作经历，包括项目实践、技术调研、培训以及未来的教学计划等内容。​•关于AI绘图课程的介绍与规划​◦邀请947座分享3D技术：考虑邀请947座来分享3D相关技术。​◦课程目标是培养学员工作中独当一面的能力：希望通过一系列教学活动，让学员在工作上能够独立应对。​◦插画提效成果显著：原本需要200人美术团队一年多完成的1万多张动画插画，最终不到10人用半年完成。​◦课程从零基础开始：从认识config、UI及行业概念讲起，逐步深入到环境部署、底层技术概念、提示词等内容。​◦介绍config牛角尖大王系列：包括control net、IP Adapter、图像放大、mask等部分，阐述了它们的作用和玩法。​◦具备搭建复杂工作流能力：学习相关知识后初步具备搭建复杂工作流能力，会拆解分析网上热门工作流。​◦解决config UI报错问题：报错问题可分为网络、模型、工作流搭建、环境等方面，安装新插件时可参考项目地址的requirement文档。​◦规划实战案例思路：目前想到了三个实战案例的思路。​•关于 config UI 生态及相关技术的分享​◦郭佑萌介绍课程提纲：包括课程可能的扩充、回顾总结及重点讲解 Flux 模型，实际课程不严格按大纲走，会根据大家接受程度和安排进行共学。​◦Zho 分享技术案例：如用微软开源模型替代 Runway 运动笔刷实现图像变化，将二次元图像放大超分的模型迁移到 config 里，利用模型实现二次元图像的法线图转换和打光，以及张丽敏的 IC Lite 模型在打光方面的应用等。​​

总结​

会议讨论了 Config UI、AI 绘图、Confii 等在多领域的应用及相关学习、工作进展和生态发展。主要内容包括：​

  • •关于 Config UI 的学习交流与活动安排：讨论了 Config UI 的学习需求、教程分享、部署问题、应用场景，以及相关活动的规划。​
  • •关于 Config UI 工作流的分享与探讨：讨论了 Config UI 工作流在不同场景的应用、优势、弊端以及学习方法，还提及了相关的分享会和开源社区的情况。​
  • •关于 CONFIUI 的学习交流与报错问题解决：讨论了 CONFIUI 的使用、工作流分享、报错问题及解决方案，还有相关课程的设计安排。​
  • •AI绘图技术在工作中的应用与分享：讨论了郭佑萌在AI绘图领域的工作经历，包括项目实践、技术调研、培训以及未来的教学计划等内容。​
  • •关于AI绘图课程的介绍与规划​◦邀请947座分享3D技术：考虑邀请947座来分享3D相关技术。​◦课程目标是培养学员工作中独当一面的能力：希望通过一系列教学活动，让学员在工作上能够独立应对。​◦插画提效成果显著：原本需要200人美术团队一年多完成的1万多张动画插画，最终不到10人用半年完成。​◦课程从零基础开始：从认识config、UI及行业概念讲起，逐步深入到环境部署、底层技术概念、提示词等内容。​◦介绍config牛角尖大王系列：包括control net、IP Adapter、图像放大、mask等部分，阐述了它们的作用和玩法。​◦具备搭建复杂工作流能力：学习相关知识后初步具备搭建复杂工作流能力，会拆解分析网上热门工作流。​◦解决config UI报错问题：报错问题可分为网络、模型、工作流搭建、环境等方面，安装新插件时可参考项目地址的requirement文档。​◦规划实战案例思路：目前想到了三个实战案例的思路。​
  • •关于 config UI 生态及相关技术的分享​◦郭佑萌介绍课程提纲：包括课程可能的扩充、回顾总结及重点讲解 Flux 模型，实际课程不严格按大纲走，会根据大家接受程度和安排进行共学。​◦Zho 分享技术案例：如用微软开源模型替代 Runway 运动笔刷实现图像变化，将二次元图像放大超分的模型迁移到 config 里，利用模型实现二次元图像的法线图转换和打光，以及张丽敏的 IC Lite 模型在打光方面的应用等。​
  • •关于Confii在图像领域的应用及相关工作进展​◦Confii在图像生成和处理方面的应用：如纯黑背景生成、背景抠除、分层生成、背景融合等，还提到了不同模型在这些方面的特点和优势。​◦工作流的优化和创新：包括对艺术家参考图选择的优化，管理节点的运用，以及指令调整使得模型能更好理解需求等。​◦相关项目的热度和支持情况：如Instant ID项目热度高，后来被QBIC原生支持；Auction Edit的核心优势在于指令调整。​◦未来的工作规划：Zho准备在8月15号左右在各个平台发布不同层次和方面的内容，包括新的内容调整、项目集中发布等。​
  • •AI工具在图像、视频等领域的应用及发展​◦利用互补工具完成工作：在传统工具未诞生时，通过SD3、SDXL等工具的互补来完成工作，如人效生成和姿势生成用SD3，人脸和姿势迁移用XL等。​◦差分算法的优势：接受0-255的梯度图，重绘时按渐变效果生成，融合程度好，可应用于重绘相关工作。​◦年龄渐变和特定内容替换：谷歌两三年前的算法可实现人的年龄渐变和特定内容如物体颜色、动物种类的准确识别与替换。​◦q列模型的特点：对人像迁移较好，能保持人脸特征，实现多人脸融合和适应不同姿势，适用于对人物主体一致性要求强的工作。​◦语言模型的迁移和发展：将詹姆丹1.5迁移到company i，避免对话框式交流，jumeline 1.5可分析视频和文件，与CM2结合可实现高度的agent。​◦深度图检测和分层处理：可实现人物、物品的抠图分层处理，用于生成可控的分层视频，效果比直接用视频生成模型更好。​◦工作流思维和生态发展：工作逻辑是先定目标，拆分成工作流、工作组，用模块和模组实现并串联。Confii生态发展稳定，节点和项目增多，但存在重复，实用的约60%，常用的节点不超1000。​
  • •关于康菲菲（Confii）的技术与生态发展​◦康菲菲技术原理学习的必要性：若想在AI水平上有更高提升，掌握康菲菲的理论基础是必备的，只有这样才能更好地理解代码和论文，轻松应对各种情况。​◦工作流搭建与原理的关系：了解采阳器、浅空间等原理，对搭建节点工作流更有感觉，不懂时可多搭几遍或查询研究。​◦康菲菲的技术细节：如clip的skip层、scheduler和sample的区别、CFG等都有相关理论和解释，了解后能更灵活选择参数。​◦康菲菲的生态发展：北美举办了config UI的leadership man峰会，国内也在深圳举办了相关大会，未来还将在东京举办，以促进其生态繁荣。​◦康菲菲的未来展望：希望其成为开源载体，整合各种AI及传统模型算法，实现自动化和整合化操作，涵盖3D预览和生成等更多功能。​
  • •关于学习活动安排与飞书群相关事宜​◦视频软件可通过 API 接入：康菲菲生态外的收费视频软件能用 API 节点接入所有体系。​

待办​

  • [ ] AJ将b站链接发到群里​用户8537)​
  • [ ] AJ同步课件及相关信息至康美UI共学群​用户8537)​

智能章节​

00:10关于 CONF UI 学习需求调研与教程分享的交流会议​

​本章节讨论了有关 config UI 的相关事宜，包括开发者 ZHO 将于 8 点半分享最新案例，会按需求分类答疑，提到佑萌等厉害成员，还讨论了电商工作流等需求，今晚将调研需求，明天进行部署，介绍了相关教程。​​

11:22关于节点搭建教程、分享会及东京生态大会的相关介绍​

​本章节主要内容为：教程前期是简单的节点流程搭建，厉害的同学可做辅导员。8 点半快 9 点时 zho 分享部署节点经验。介绍了教学大纲及会依实际调整。还提到 11 月 16 至 17 日东京的 CONFIUI 社区峰会，在安排议程，想办得有趣，考虑办展览展示作品。​​

14:55CONFIUI 线下大会的精彩回顾与工作流分享​

​本章节主要讲述了 CONFIUI 线下大会，参会人员众多，包括来自各地的插件作者、艺术家等。会上大家现场交流提需求，分享工作流，如阿文、阿硕等人，且有许多开源工作流可在多处下载使用，氛围好，收获多。​​

19:29关于工作流及 CONFIUI 相关分享与讨论​

​本章节提到接下来几天会逐步从入门部署到实践，强调工作流复杂，大佬们讨论让生态更繁荣，瓜瓜分享工作流，joanna 有案例解析，指出想完成作品可通过多种方式，涉及图片、视频、音乐等。​​

20:31Config UI 工作流的强大功能与应用分享​

​本章节主要介绍了 config UI 工作流的应用及优势，如卓安娜、瑞等的成功案例，它能提升效率、多模态串联、开放开源，还提到通过教程可熟悉部署原理从而自行搭建，其在不同行业都有价值。​​

29:50关于 conf UI 作品分享与学习的讨论​

​本章节主要提到阿文在 b 站分享用 AI 的内容，海鑫刚公开一些效果，如哈利波特、小人跳舞等。强调大家做出不错作品可在社区分享，目前康复 UI 板块有待充实。主播三思辛苦学习，曾有相关照片但被删。​​

31:57AJ 与赛博娜娜关于直播、工作流及人员情况的交流​

​本章节提到在 iPad 上画画与音频结合，用 control net 控制生成不同风格作品，阿硕提供工作流生成有趣作品。直播间有三百七十多个同学，后提到没转发，金树文明天将讲工作流搭建，初学者小白也可参与。​​

34:18关于收集报错内容的节点操作介绍​

​本章节主要是 AJ 介绍了若做的过程中有报错，在下面有节点报错小帮手，可查看哪个节点报错及原因，希望收集大家报错内容建成词典供以后查阅，还提到让金属文讲如何共建。​​

35:31关于康费 UI 开源项目部署及代码学习的讨论​

​本章节金属文讲述自己不懂代码，在康费 UI 的开源项目中从部署到安装自定义节点遇到诸多报错，认为要用好需学些代码，如 Python 语言，还提及节点依赖安装在系统环境易冲突，近两个月在学习用虚拟环境单独安装复杂自定义节点的依赖。​​

37:52关于解决自定义节点报错问题的共创文档设想​

​本章节主要讲述小白在入门时面临自定义节点报错问题，作者将自己遇到的问题总结在文档中，但一个人能力有限，希望大家共创，在使用节点报错时共同寻找解决办法并整合到文档中，以帮助新手入门。​​

40:23关于 Convy UI 搭建与报错问题的交流及共学计划​

​本章节讨论了共创文档以吸引新用户，提到学代码对玩 AI 和项目有帮助，Convy UI 搭建难点在于报错，希望大家分享报错解决办法，明天佑萌老师将带大家学搭建，社区有大牛答疑，还将分享课程设计原因。​​

44:20郭佑萌专职从事 AI 绘图领域工作的经历分享​

​本章节郭佑萌表示将投屏，先自我介绍，本职是互联网公司产品经理，从 21 年底 22 年接触 AI 绘画，22 年底因公司业务需求调研其能否提效图片产出流程，后专职搞相关工作及技术调研。且有提到会有回放分享到 B 站。​​

46:13儿童教育插画项目中的工作流与技术应用​

​本章节郭佑萌介绍自己做儿童教育领域插画工作，展示工作流，如在康飞 UI 里完成线稿制作、透明化处理等，还提到用 SD3 及相关技术做图像风格迁移，强调交给技术实现时需色值统一，用 Python 脚本初步达成效果。​​

50:42郭佑萌关于儿童绘本插画与企业 AI 绘图落地应用的介绍​

​本章节郭佑萌介绍了儿童绘本插画工作，提及训练多个角色模型保持画风一致，用 Lora 组合及分区绘图控制产出多角色插画，还提到其另一工作是带领企业进行 AI 绘图方面的整体落地应用及相关培训内容。​​

52:23郭佑萌分享视频处理与 AI 应用的商业案例​

​本章节郭佑萌介绍了去年的培训及学习计划，包括带相关部门学Web UI和AI绘图等。还提到今天上午列出学习计划，晚上未充分准备。展示了将视频中人物转变为动漫角色等案例，如视频局部重绘，并讲述与影楼企业合作把模特图片转成高精度AI写真的流程。​​

56:53高分辨率下保真的 AI 摄影工作流介绍​

​本章节主要介绍了在接近 8K 的高分辨率下进行 AI 摄影的工作流，强调要保持画面内容尤其是人脸不动且保真，还提及工作流较简单，有自己设计的部分，同时存在投屏过曝的问题后续会修复。​​

59:10郭佑萌关于工作流及共学内容的介绍与统计​

​本章节中，郭佑萌表示会手把手教大家做出可落地的工作流，此工作流有新增内容。还提到对群里小伙伴兴趣的统计，本期共学围绕 config 基础要求、康费工作流设计、实战案例构建，config 环境会融在基础里讲，深度理解等在课表中。​​

01:00:54共学活动与高效完成插画任务的相关讨论​

​本章节主要讨论了后续课程安排，如请 947 分享 3D 技术，希望共学活动让学员在工作中独当一面。还提到插画提效显著，原需 200 人一年多完成的 1 万多张插画，最终不到 10 人半年完成。​​

01:02:45从零开始的 CONFIUI 课程介绍与学习规划​

​本章节主要讲述课程安排，明天第一期从认识 CONFIUI 及行业概念讲起，重点搭建 config 环境并做第一张图，第二课科普 AI 绘图底层技术的基本概念，以助理解工作流，即便现阶段不会搭，也要能看懂。​​

01:05:42郭佑萌关于 AI 绘画提示词与工作流的分享​

​本章节先讲了提示词的重要性及相关分享，接着介绍了康费牛角尖大王系列的四个部分，包括 control net、IP Adapter、图像放大和 mask，还提到复杂工作流是简单工作流的拼凑以及“flow engineering”这一概念。​​

01:12:49关于工作流拆解与 ConfiuI 报错问题的探讨​

​本章节主要讲先带领大家拆解网上大型工作流并总结思路，形成自己的思维逻辑，还提到 confiui 报错有规律可循，可分网络、模型、工作流搭建、环境等问题，并分享查看 GitHub 项目 requirement 文档来配置新工作流节点插件的经验。​​

01:16:15课程安排与 FLOX 模型的介绍​

​本章节主要讲述工作流没问题后将进行实战案例分享，模块可能扩充，最后会做课程回顾总结并重点讲 FLOX 模型，整个课程不一定按大纲走，会根据大家接受程度等安排，共同供学。​​

01:17:42郭佑萌分享 AI 绘画，AJ 呼吁经验开源与共学成长​

​本章节中郭佑萌表示来抛砖引玉，希望大家借其经验探索 AI 绘画。AJ 称赞郭佑萌是高手，并期待大家共学后都能成为高手，还希望未来的高手回来分享，同时提议将积攒的经验和工作流开源到社区帮助更多同学。​​

01:18:44AJ 邀请 z 参加会议并分享经验，提及康复 UI 生态大会相关事宜​

​本章节 AJ 提到忘了给 z 发会议链接，称 z 之前做了很厉害的图，喜欢用 mirror 且其 b 站视频虽讲原理基础多但对搭建工作流有帮助，还提到接下来要搞几次康复 UI 的生态大会，z 已被接收进会议。​​

01:20:09关于 Convey UI 及活动准备情况的交流​

​本章节主要是 AJ 讲述活动今天先介绍 Convey UI 能干什么及课程内容，提到因业余时间举办，准备不足请大家担待，还提及 Zho 此前在杭州会议凌晨写干货白板，以及大家讨论如何设置显示留言等问题。​​

01:23:12关于建筑设计师兼职做 copy UI 生态建设及相关会议内容介绍​

​本章节主要内容为：a Ho 本职是建筑设计师，业余爱好是做 copy UI 生态建设，为爱发电令人感动。还提到 CLS 准备改名为 CCS，以及之前开会内容，佑萌介绍了自己的案例和接下来共学的提纲。​​

01:24:17Zho 介绍康 VI 相关模型与工作流的应用案例​

​本章节介绍了多种模型及应用案例，包括运动笔刷、图像超分放大、打光处理、人像迁移、风格转换等模型，还提及相关工作流及应用场景，如在康 VR 中的操作和效果等。​​

01:40:13Zho 关于内容分享的调整与筹备安排​

​本章节主要是关于 Zho 和 AJ 的分享。Zho 之前在 b 站日更，现调整为三天一更且多核心内容，8 月准备上线。与康 VI 相关项目集中测试发布，8 月 15 号左右在各平台全面推出不同层次和方面的内容。AJ 提及 Zho 学习能力强，并收录相关内容至知识库。​​

01:41:51康威 UI 的技术应用、工作流及发展生态介绍​

​本章节主要介绍了康威 UI 的相关内容，包括图像生成、背景融合、分层抠图等多种模型和算法的应用，还提及年龄渐变、人像迁移等技术，强调工作流思维，指出生态增长稳定但存在重复节点，建议了解理论以推动发展。​​

01:58:08AI 学习中理论基础及原理的重要性与学习方法探讨​

​本章节讨论了提升 AI 水平需具备理论基础，如原理篇论文在 b 站有详细解释，多看几遍能帮助理解，包括采样器、clip 的 skip 层等原理，不懂时可多搭几遍、查询研究，也可借助 b 站 up 主或问 AI 来辅助理解。​​

02:01:29关于 ConfUI 的生态发展、功能整合及未来展望的讨论​

​本章节主要讨论了 ConfUI 生态的发展，包括相关大图的迭代、新画板的推出计划，还提到了其在整合工具功能上的优势，如实现自动化和整合化操作，以及举办的相关会议和未来在东京的计划等。​​

02:10:46关于新会议安排及飞书大群相关事宜的讨论​

​本章节主要内容为：今日学习先到此结束，接下来几天学习时间在晚上 8 点，群里会发通知。提到 10 点有新会议，飞书大群可容纳更多人方便交流，有人反映链接失效，建议在会议中展示，因直播不能展示二维码，将关闭直播。​​

02:11:50关于今日会议结束及后续直播与群内信息同步的通知​

​视频号在线 135 人，还投屏展示了二维码可永久扫码，相关课件及信息会同步在群里，然后会议就关闭，因为还有另一个会议等着。​​

会议回顾​

会议议程​