前言

WebUI 和 ComfyUI 都是基于 Stable Diffusion 模型的AI绘画工具。SD 是一种生成式人工智能模型,可根据文本和图像提示生成独特的逼真图像。该模型最初于 2022 年推出。除图像外,您还可以使用该模型创建视频和动画。该模型基于扩散技术,使用潜在空间。这大大降低了处理需求,并且您可以在配备 GPU 的台式机或笔记本电脑上运行该模型。

Stable Diffusion WebUI

参考
👺
stable-diffusion-webui
安装教程,WebUI 具有整合好的可视化界面,用户可以看到非常清晰的操作界面,直接点击选择参数后就可以出图,操作简单,使用方便,也非常直观。通过丰富的模型和插件市场通过简单的预设,可直接输出预览。
notion image

WebUI 的优点

  1. 用户友好界面:WebUI 的布局设计直观,用户只需单击几下即可轻松选择选项、调整设置和生成图像。此布局非常容易上手,尤其适合初学者。
  1. 快速设置:WebUI 具有一体化系统的感觉,非常适合 AI 图像生成新手用户。借助其简化的方法,您可以立即开始创作,而无需经历陡峭的学习曲线。
  1. 强大的生态系统:WebUI 的开源特性使其能够培养出一个庞大的用户和开发者社区,他们贡献插件、工具和更新。这些集成扩展了 WebUI 的功能,允许多种图像输出和自定义。
  1. 多种模型和设置:WebUI 提供多种模型和可自定义的参数,让用户可以尝试不同的风格和技术。这种多功能性使 WebUI 成为满足各种创意需求的可靠工具。

WebUI 的缺点

  1. 硬件密集型:在本地运行 WebUI 需要强大的硬件能力,尤其是强大的 GPU。对于没有高端计算系统的用户来说,这可能是一个限制。虽然有基于云的 WebUI 版本可用,但它们可能需要付费,因此对某些用户来说不太理想。
  1. 工作流程灵活性有限:虽然 WebUI 非常适合单幅图像生成,但它缺乏复杂工作流程或批量图像制作的高级灵活性。参数的轻微变化可能会导致输出不一致,并且 WebUI 不完全支持在多幅图像之间复制精确的工作流程。
  1. 工作流程依赖于手动输入:每次生成新图像时,WebUI 都需要手动调整,这对于希望创建具有最小变化的一致图像系列的用户来说可能很繁琐。

ComfyUI

notion image
📁ComfyUI_windows_portable ├── 📁ComfyUI // comfy UI主要文件夹 │ ├── .git // Git版本控制文件夹,代码版本管理用 │ ├── .github // GitHub Actions 工作流文件夹 │ ├── 📁 comfy // │ ├── 📁 comfy_extras // │ ├── 📁 custom_nodes // comfyUI 自定义节点文件目录(插件安装目录) │ ├── 📁 input // comfyUI上传文件夹,当你使用了如**load image**节点,对应上传的图片会存储到这个文件夹 │ ├── 📁 models // 对应模型文件配置文件夹 │ | ├── 📁 checkpoints // 检查点大模型文件存放路径 │ | ├── 📁 clip // CLIP文件存放路径 │ | ├── 📁 clip_vision // CLIP_vision文件存放路径 │ | ├── 📁 configs │ | ├── 📁 controlnet // ControlNet 模型存放路径 │ | ├── 📁 diffusers │ | ├── 📁 embedding // embedding 模型存放路径 │ | ├── 📁 gligen │ | ├── 📁 hypernetworks // 超网络模型 │ | ├── 📁 loras // Lora 模型存放路径 │ | ├── 📁 style_models │ | ├── 📁 unet │ | ├── 📁 upscale_models // upscale_models 放大模型存放路径 │ | ├── 📁 vae // VAE 模型存放路径 │ | └── 📁 vae_approx │ ├── 📁 notebooks │ ├── 📁 user // comfyUI 用户信息(如配置文件,工作流信息等) │ | ├── 📁 default // 默认 comfyUI 用户文件夹 │ | | ├─ 📁 workflow // 用户保存的 workflow 文件 │ | | ├─ 📄 xxx.json // 用户的配置文件 │ | | └── ... xxx.json // 其它配置文件 │ | └── ...[username] // 如果你启用了多用户且存在多用户则会显示对应不同用户的名称 │ ├── 📁 output // comfyUI图片输出文件夹,当使用类似 ** save image** 节点时,生成的图片会存储到这个文件夹 │ | ├── 📁 checkpoints // 如果有使用模型合并节点,和保存合并后的模型相关功能,则合并后的模型会输出到这里 │ | └── ... xxx.png // 运行过程中生成的文件会保存到这里 │ ├── extra_model_paths.yaml.example // 额外模型文件路径配置文件,如设置此项,请删除**.example** 后缀用记事本进行编辑 │ └── ... // 其它文件 ├── config // 配置文件夹 ├── 📁 Python_embeded // 嵌入的python 文件 ├──📁 update │ ├── update.py // 用于comfyUI的 python 脚本 │ ├── update_comfyUI.bat // comfyUI作者推荐使用此批处理命令对 ComfyUI 进行升级 │ └── update_comfyui_and_python_dependencies.bat // 只有当你的 python 依赖文件存在问题时才需要运行此批处理命令 ├── comfyui.log // Comfy UI运行日志文件 ├── README_VERY_IMPORTANT.txt // README 文件,包含了文件使用的方法和说明等等 ├── run_cpu.bat // 批处理文件,当你的显卡为A卡或只有 CPU 时,双击运行它启动 ComfyUI └── run_nvidia_gpu.bat // 批处理文件,当你的显卡为N卡(Nvidia)时,双击运行它启动 ComfyUI
ComfyUI 是一个基于节点流程式的 stable diffusion Al绘图工具, 通过将 stable diffusion 的流程拆分成节点,实现了更加精准的工作流定制和完善的可复现性。但节点式的工作流也提高了一部分使用门槛。

ComfyUI 的优势

  1. 高度可定制:ComfyUI 的节点系统使用户能够创建自定义工作流程。每个节点代表生成过程中的一个步骤,例如模型加载、输入提示或图像采样。通过排列节点,用户可以完全自定义图像生成流程。
  1. 效率和性能:ComfyUI 针对低资源设备进行了优化,这意味着它在对硬件要求最低的系统上也能表现良好。这使得使用较低规格硬件的用户仍能进行高质量的图像生成,而不会影响性能。
  1. 增强对工作流程的控制:ComfyUI 对于需要复杂工作流程和批量生成功能的资深用户尤其有利。此设置非常适合在大量图像中创建一致的输出,非常适合商业用途。
  1. 简化的节点功能:ComfyUI 中的基于节点的结构可轻松进行故障排除、测试和修改。每个节点都可以单独调整,使用户能够隔离问题并微调工作流程的特定部分。

ComfyUI 的缺点

  1. 学习难度更高:ComfyUI 的灵活性是以牺牲可用性为代价的。对于不熟悉技术设置或模块化设计的初学者来说,其基于节点的结构可能会让人不知所措。
  1. 视觉引导较少:与 WebUI 的点击界面相比,ComfyUI 的节点需要对图像生成功能的工作原理有更抽象的理解。对于习惯于简单界面的用户来说,这种设置可能不够直观。
  1. 社区支持有限:作为一款较新的工具,ComfyUI 缺乏 WebUI 那样广泛的社区支持和资源。这使得查找资源、教程或故障排除解决方案变得更加困难。

对比

  • ComfyUI 和 WebUI 在 windows 平台都有对应的第三方整合包,解压可直接使用
  • 两者都可以通过 API 调用
WebUI
ComfyUI
易于使用
适合初学者的直观界面
复杂,需要了解基于节点的工作流程
定制
仅限于预设模型和基本调整
通过节点实现高度、完全可定制的工作流程
硬件需求
需要强大的 GPU 或基于云的访问
在低规格硬件上也能高效运行
工作流程灵活性
有限的单一图像焦点
高,支持批量处理和一致输出,100% 工作流复用
社区支持
已建立大型开源社区
在增长,但规模较小且欠发达、版本更新频繁
notion image

其他

教程

 
badge