解放AI生產力——為什麼要使用ComfyUI

最近狀態不好，所以這幾天基本沒幹什麼，就分享一下和AI繪畫有關的東西吧。
此前我都沒有抱著一種教學的心態來寫部落格，因為我所掌握的東西實在太過簡單，只要一說大家就會了，我害怕我在人群裡失去自己的特徵，但不得不承認，這是一種很醜陋的心態，重要的是我否定了自己所學的東西，如果不願承認現在的軟弱，我就始終看不清我走到了一個什麼樣的位置上。
學過3D建模的應該都知道，3D建模軟體裡面都有一套類似於這種的東西：

上面我所展示的，就是今天介紹的重點：AI繪畫的工作流，不知道的兄弟也沒關係，這東西用起來很簡單。
但在介紹怎麼使用它之前，我先介紹一下它相比於原來的工作優點。
各位請看，這是我原來的UI：

原來的UI用起來很簡單，輸入正面提示詞和負面提示詞後點選生成之後，就會生成圖片，這也是一開始就有的生成方式。
但點選生成之後，電腦的內部並不像我們使用起來那麼簡單：
在載入了這個UI之後，電腦會首先讀取你原先設定好的模型，就是我們左上角看見的anything，並且這個模型型別被限定，隨著某個日本大神發明的簡易訓練模型lora誕生，越來越多的私人模型誕生，但左上角這個我試了一下，好像沒辦法讀入私人模型，也可能是因為我的電腦沒有N卡的問題，而能否使用私人模型，對於流水線式的生產圖片很關鍵
在你點選生成之後，電腦會通過你設定的取樣器進行取樣，取樣生成出來的圖片會再次經過vae的處理，如果你的圖片生成出來偏灰，可以載入一下vae試試。
這樣的生產方式面臨兩個問題：
1.有些東西你很難用文字表達清楚，比如坐著，腳放在前面。Ai並不知道坐著是什麼意思，也不知道腳放在前面是什麼意思，但是它會模仿模型裡它已經學習過的坐著，腳放在前面的圖片來生成一個差不多的給你，問題來了，你怎麼知道AI模型裡它模仿的圖片是什麼樣的？和你不一樣的時候要怎麼辦，萬一這個動作它根本沒學過呢？
為了解決的這個問題，斯坦福的某個天才發明了controlnet，它可以通過不同的預處理方式，來控制圖片的構成，這裡貼上連結，想要細看的看官可以去看一下：https://github.com/Mikubill/sd-webui-controlnet
不想點連結的也沒事，我會放出圖片：
這是一張用3D建模做的圖片：
利用canny預處理，這張圖片可以變成這樣：
在這個外掛面世之前，AI生成圖片從來都是隨機的，比如這兩張：
如果不是我人為的控制了它，這個AI可以放縱得更離譜。
通過上面兩個例子的對比各位可以發現，controlnet展現了驚人的圖片控制能力，而不需要人為的控制AI，限制AI發揮的強度，更厲害的是controlnet不止有canny預處理這樣將影象退化為線稿再處理的預處理方式，它也可以只控制人物的姿勢，而不控制影象的其他任何部分，只保留產品和建築物的結構，對產品和建築物進行重新裝修也不再話下，配合文字，可以變成任何你想要的圖片。
說了這麼多，其實我想說，控制AI一直是AI繪畫愛好者的心頭病。
也是面臨的第一個問題：AI生成出來的東西不可控，單單controlnet的發明，在AI繪畫圈內就引起了巨大的轟動，但這終究只能控制影象的冰山一角，想要將AI的生產力解放出來，這還不夠。
舉一個很恰當的例子：我要開一個方便麵廠，我生產紅燒牛肉麵的時候你不能給我香辣牛肉麵，不然我還要人為地在生產完成後給你分出來，浪費時間浪費金錢，而且我不能只有一條流水線，我還得有另一條流水線生產香辣牛肉麵，不能兩種面混合著生產，不然你就要人為地調整流水線的生產，費時費力。
但是很不巧的是，這個繪畫AI一開始的UI把這兩個缺點全佔了，我們先不從動畫說起，就以遊戲業內最簡單的圖片CG說起：
一個正常的遊戲CG的人物表情是有好幾種變化的，其背後的景物是不能變，為了解決這個問題，我需要讓AI做到景物不變人變，但其實這很難做到。
可能有一些知道AI繪畫的人會說利用圖生圖降低噪聲強度，減少修改的範圍，只修改你要修改的部分就行了，（或者使用蒙版，意思是一樣的）在這裡我可以和你說，在關於這個方法的視訊發出來的幾個月前我就試出來了這種方法，我可能也是最先放棄它的人。

這是我當時的記錄，時間去年11月，這個方法第一個視訊我沒記錯的話是1月才看見有第一個人發。
我不是說我是第一個發現它的人，而是想說，在評價這個方法的缺點的時候，我應該比你更有發言權。
這個方法屬於治標不治本，本質上你還是在讓AI隨機抽卡，而且你修改的範圍再大一點你就會發現，我靠，兩個部分的色塊完全不一樣啊。（甚至有可能人都不一樣，如果你是個小白的話）
或許也有人會說，如果AI不能生成只變化圖片的部分的話，那我多生成幾張CG，多良心啊。
大哥，cg的動作，場景細節，光照角度，視角都是要設計的，繪畫本身是一門藝術，應該要告訴玩家某種感覺，只是排放一堆圖片給觀眾的話，觀眾容易審美疲勞，誰還會注意你的音樂，圖片的細節啊。像這種東西建議稱為AI垃圾，和那種口水歌差不多。
這樣的話就更容易出現一個問題了，如果我連場景細節，光照角度都要管，那對AI的控制不是更難了嗎？
何止，你不僅要管控制，你還要管AI繪畫的第二個問題：崩壞：
相信大家都或多或少聽說過AI畫手的問題吧？
為了避免有些人要睡著了，我先炫一下技：
這是別人的AI畫手：
這是我的AI畫手：
（可能有人感覺我是用momoke模型控制的，我可以保證說不是，不信你可以拿我的圖片放進你的AI裡讀取資訊）
在對SDUI的使用方面來說，我可以說我比得過一半的人，即便如此，我依然放棄了它選擇了ComfyUI，為什麼？
AI繪畫會出現這兩個問題，原因很簡單，因為這個畫不是我們畫的，而是AI畫的，畫的過程我們是控制不了的，我們能做的只有點一下生成。
是的，大家應該猜到問題出在哪裡了————點一下生成。
我上面說SDUI把兩個缺點全佔了：這裡我們重點說說是哪兩個缺點：
1.我們只能輸入一次，雖然SDUI支援不斷地生成，但除非你人為地去改，否則輸入的內容都是一樣的，AI根據我們的提示輸出的也不會差太多，就好像我們只有一條流水線，只能生產紅燒牛肉麵一樣，但ComfyUI可以有多條流水線。
2.SDUI裡面人物和環境是一起預處理的，哪怕是controlnet也一樣，這種感覺就好像你生產的一包紅燒牛肉麵混進了香辣牛肉麵的醬包，但ComfyUI可以分開處理：
這是原圖：
接著我跟我的AI強調了不需要背景，背景接著白色就可以了，但這是效果：

我連手都能控制，卻不能控制背景，因為SDUI並沒有給我分開處理的機會，但ComfyUI給了我這個機會，剛才的測試也成功了。

我明白要說明ComfyUI的優點應該也說明一下它的工作方式，可是已經快四千字了（好累），我就簡短的說明一下，詳細的下次再說或者這裡有：https://github.com/comfyanonymous/ComfyUI
相比於SDUI，ComfyUI的生成方式並不是點一下滑鼠就好了，你需要用節點的方式輸入模型，外掛（如果你要使用的話），正面和負面的提示詞，圖片格式，vae，然後用線把它們連線起來，就像這樣：

在這個UI中，你每一次的生成並不只是生成一張圖片，而是每一個應該輸出圖片的節點都會輸出圖片，對於同樣一份輸入資料，你可以用線把它連到不同的節點，用不同的外掛和強度處理，然後生成圖片輸入下一個節點或者就這樣輸出，它就像有好幾條流水線在同時工作，並且你可以通過許多模型控制一張圖片，這在ComfyUI裡面時允許，前面提到了lora，你可以使用多個自己訓練的小模型來同時控制圖片，增強你對AI的控制。
綜上，ComfyUI相比於SDUI，它可以使用多個流水線工作，用不同的處理方式處理多個不同的圖片，輸出不同的圖片，如果工作量很大，你只需要調整後節點然後出去玩一整天，而不用像SDUI一樣坐在電腦前這張跑完了，換個輸入資料換個處理方式再跑另一張。
同時，它也支援多個模型和外掛（包括controlnet），輸入資料同時控制一張圖片，滿足你對視角，動作，場景細節的要求，甚至得益於它的高效率和搞控制能力，許多AI動畫愛好者狂喜，儘管這些人數量不多，因為要做到這些，需要和我差不多的對AI的控制能力，基本沒人會研究的。（所以在ComfyUI面世時，很多大佬都在狂喜，但卻有很多聲音覺得AI退化了，不會畫畫，又不去學，只會讓AI畫，又懶得鑽研........）
雖然cComfyUI很厲害，但它其實只是把AI工作的過程透明化了，它的本質還是SDAI，我也一直很感謝SDai。