Przewodnik: Oto jak generować obrazy na komputerze za darmo

Pierwszą rzeczą, którą należy zrobić, jest upewnienie się, że mają Państwo zainstalowane najnowsze sterowniki Nvidia dla swojej karty graficznej. Jeśli nie mają Państwo pewności co do zainstalowanego procesora graficznego Nvidia, proszę kliknąć prawym przyciskiem myszy w dowolnym miejscu na pulpicie i kliknąć "Panel sterowania NVIDIA" w menu kontekstowym.

Proszę teraz odszukać "Informacje o systemie" na samym dole strony, która się otworzy. Po lewej stronie powinna pojawić się nazwa karty graficznej, a w razie potrzeby także dodatkowe informacje.

Na stronie GitHubproszę przewinąć w dół do sekcji readme i wyszukać swój system operacyjny. Stability Matrix oferuje również pliki do pobrania dla systemów Linux i Mac. Na potrzeby tego przewodnika będziemy używać wersji dla systemu Windows.

Proszę odszukać na dole przycisk "Dodaj pakiet" i kliknąć go, aby wyświetlić różne opcje.

Instalacja i konfiguracja ComfyUI

Proszę otworzyć Stability Matrix i kliknąć przycisk "Dodaj pakiet". Teraz proszę znaleźć "ComfyUI" na liście oferowanych pakietów i kliknąć na niego. Na stronie, która się otworzy, proszę upewnić się, że w rozwijanym polu wybrana jest wersja "master". Wersja "master" jest najbardziej stabilnym wydaniem i jest zalecana dla większości użytkowników.

Po kliknięciu przycisku Zainstaluj, Stability Matrix rozpocznie pobieranie pakietu. Proszę poczekać na jego zakończenie. Pobieranie może potrwać kilka minut, więc proszę nie przerywać korzystania z systemu w tym czasie. Jeśli okno pobierania zostanie zamknięte lub przypadkowo naciśnięty zostanie przycisk "Ukryj", proszę użyć przycisku pobierania na dole, aby wyświetlić stan bieżącego pobierania.

Proszę wrócić do Packages, a na stronie pojawi się kafelek ComfyUI, ale proszę go jeszcze nie uruchamiać. ComfyUI domyślnie uruchamia się w trybie Normal VRAM dla GPU z 12 GB VRAM lub więcej. Jeśli mają Państwo kartę z 8 GB VRAM, to dobry moment, by wymusić uruchomienie Comfy w trybie Low VRAM.

Proszę kliknąć na środkowe koło zębate ustawień i przewinąć w dół, aby znaleźć sekcję VRAM. Proszę wybrać "--lowvram" i nacisnąć Zapisz.

Następnie musimy zainstalować ComfyUI Manager. Jest to kluczowy komponent, który umożliwia instalację i zarządzanie różnymi niestandardowymi węzłami w aplikacji. Proszę kliknąć ikonę Jigsaw po prawej stronie i wpisać "ComfyUI-Manager" w sekcji "Dostępne rozszerzenia". Proszę je wybrać i kliknąć przycisk Zainstaluj na dole. Po zakończeniu instalacji obok rozszerzenia powinien pojawić się komunikat "(zainstalowano)". Teraz wszystko jest gotowe do uruchomienia ComfyUI.

Proszę uruchomić ComfyUI i pozwolić mu przejść przez proces uruchamiania. Po jego zakończeniu aplikacja automatycznie otworzy się w nowej karcie domyślnej przeglądarki. Jeśli tak się nie stanie, proszę wrócić do zakładki Pakiety i kliknąć WebUI na zielonym kafelku ComfyUI.

Pobieranie i używanie pierwszego modelu obrazu

Zanim zaczniemy pobierać modele obrazów, przejrzyjmy słowniczek terminów, z którymi powinni się Państwo zapoznać.

1) UNET/punkt kontrolny/model dyfuzyjny/dyfuzory - wielki szef. Mózg operacji, proszę myśleć o nim jak o artyście, który maluje używając Państwa słów.

2) Tokenizer - strażnik czasu. Przekształcają Państwa podpowiedzi w tokeny do osadzenia, zanim kodery tekstu przejmą kontrolę. W zależności od modelu, będą Państwo ograniczeni do określonej liczby tokenów (słów), których można użyć.

3) Text Encoders/CLIP - to urządzenia do podnoszenia ciężarów. Konwertują one podpowiedzi tekstowe na wejścia cyfrowe, które UNET może zrozumieć.

4) Samplery - główny dyrygent. Iteracyjnie kieruje procesem generowania obrazu, udoskonalając obraz od szumu do ostatecznego wyniku.

5) VAE - ekipa sprzątająca. Usuwają szumy po etapie generowania i pomagają poprawić jakość obrazu.

Podczas swojej podróży napotkają Państwo więcej terminów, ale są to podstawy, które będą definiować wszystko od tego momentu. Proszę nie przejmować się zbytnio zagłębianiem się w szczegóły na ich temat.

Po uruchomieniu ComfyUI powinno otworzyć się czyste okno przepływu pracy. Proszę kliknąć "Workflow" w lewym górnym rogu, a następnie "Browse Templates"

Spowoduje to otwarcie okna zawierającego już skonfigurowane przykładowe przepływy pracy. Proszę kliknąć "Podstawy", a następnie "Generowanie obrazu" Na ekranie natychmiast pojawi się błąd informujący o brakujących modelach. Dzieje się tak, ponieważ nie pobraliśmy jeszcze modelu obrazu. Proszę więc to zrobić. Proszę kliknąć "Pobierz".

Podczas gdy plik będzie się pobierał, zastanówmy się nad niektórymi różnicami między różnymi modelami, które Państwo zobaczą. To, co teraz pobieramy, to podstawowy model Stable Diffusion 1.5 model podstawowy. W kanwie ComfyUI mogli Państwo zauważyć trzy oddzielne połączenia od pierwszego węzła "Load Checkpoint". Po jednym dla MODEL, CLIP i VAE.

Dzieje się tak, ponieważ wszystkie trzy są zawarte w tym podstawowym punkcie kontrolnym i nie trzeba używać oddzielnych CLIP i VAE dla tego konkretnego modelu.

Nowsze modele graficzne, takie jak Flux lub HiDreamwymagają pobrania ich osobno, więc proszę o tym pamiętać. Na szczęście mają one przykładowe szablony, takie jak ten, więc nie trzeba się martwić o konfigurację wszystkiego. Porozmawiamy o tym później. Na razie wygenerujmy nasz pierwszy obraz.

Teraz, jeśli klikną Państwo przycisk Run w prawym dolnym rogu, zauważą Państwo, że ComfyUI nadal wyświetla błąd. To dlatego, że model musi być umieszczony w odpowiednim folderze, aby Comfy mógł go rozpoznać. Proszę teraz przejść do folderu, do którego pobrano model w Eksploratorze plików i skopiować go.

Zauważą Państwo, że nazwa pliku ma rozszerzenie ".SAFETENSORS". Jest to format używany przez plik. Zasadniczo proszę pobierać tylko pliki z rozszerzeniem .safetensors. Proszę nie pobierać tensorów pickle lub .pth. Proszę mi zaufać!

Proszę otworzyć folder, w którym zainstalowano program Stability Matrix i poszukać folderu o nazwie "Models" Proszę kliknąć go dwukrotnie i poszukać podfolderu o nazwie "StableDiffusion", a następnie wkleić do niego plik .safetensors.

Do wykorzystania w przyszłości. Modele zawierające CLIPS i VAE powinny być umieszczone w folderze "StableDiffusion". Modele zawierające tylko UNET (bez CLIP lub VAE) zostaną umieszczone w folderze "DiffusionModels". Kodery tekstu (T5, Llama, CLIP L, CLIP G) należy umieścić w folderze "TextEncoders". Pliki VAE należy umieścić w folderze "VAE".

Jak zapewne Państwo widzą, istnieje o wiele więcej folderów niż tylko te trzy. Moja rada jest taka, aby zorientować się, kiedy do nich dotrzemy. Na razie proszę zająć się naszym obrazem.

Proszę odświeżyć stronę ComfyUI w przeglądarce. Proszę kliknąć okno dialogowe w węźle "Załaduj punkt kontrolny" i wybrać pobrany plik.

Ponieważ jest to szablon, wszystko jest już dla Państwa skonfigurowane. Warto jednak znać podstawowe podstawy dla przyszłych przepływów pracy. Zacznijmy od lewej strony. Omówiliśmy już węzeł Load Checkpoint, a obok niego znajdują się dwa węzły "CLIP Text Encode (Prompt)".

Górny z nich to pozytywne podpowiedzi lub to, co chcą Państwo zobaczyć na obrazie. Poniżej znajduje się wejście dla negatywnych podpowiedzi lub tego, czego nie chcą Państwo widzieć w końcowym wyniku. Generowanie obrazów to równowaga tych dwóch połączonych węzłów. Tworzą Państwo obraz, sprawdzają, co się Państwu w nim nie podoba i wprowadzają to do podpowiedzi negatywnej. Na razie są one już wprowadzone, więc proszę kliknąć "Uruchom"

ComfyUI jest interfejsem wizualnym, co oznacza, że można zobaczyć proces zachodzący węzeł po węźle. Po zakodowaniu tekstu jest on wysyłany do "KSampler", który rozpoczyna iterację obrazu. Przejrzyjmy szybko wszystkie ustawienia w tym węźle.

1) Seed: Proszę traktować to jako adres obrazu. Ten sam pozytywny monit + negatywny monit + te same ustawienia + ten sam seed = ten sam obraz. Przydatne do odtwarzania i iteracji obrazu.

2) Kontrola po wygenerowaniu: Określa, czy seed będzie randomizowany po każdej generacji, czy powinien pozostać stały.

3) Kroki: Liczba kroków, przez które KSampler powinien iterować. Większość modeli posiada zalecane kroki.

4) CFG: Reakcja modelu na Państwa podpowiedzi. Wyższe wartości = ścisłe przestrzeganie podpowiedzi, ale mniej kreatywności. Niższe wartości = bardziej kreatywne wyniki kosztem przestrzegania podpowiedzi.

5) Sampler_name: nazwa aktualnie używanego samplera. Proszę kliknąć na rozwijaną listę, aby uzyskać więcej opcji. Proszę poeksperymentować z różnymi ustawieniami i samplerami, aby uzyskać zróżnicowane wyniki.

6) Scheduler: Proszę myśleć o nim jako o zastępcy dowódcy, który opracowuje strategie zatwierdzane przez dyrygenta. Ponownie, proszę poeksperymentować z różnymi samplerami i harmonogramami, aby znaleźć taki, który będzie dla Państwa odpowiedni.

7) Denoise: Określa ilość szumu dodawanego na początku procesu generowania. Jest on usuwany iteracyjnie przez sampler. Wartość nie może być ustawiona powyżej 1,00, a wartości poniżej tej wartości (0,45 lub 0,65) są używane głównie w przepływach pracy między obrazami, rafinacji lub malowaniu.

Wejście latent_image po lewej stronie węzła KSampler określa rozmiar obrazu. W przepływie pracy jest ono połączone z węzłem "Empty Latent Image" o rozdzielczości 512x512 i rozmiarze partii (liczba obrazów wygenerowanych w jednym przebiegu) równym 1.