推荐8款超实用的ComfyUI绘画插件,帮助我们的AI绘画质量和效率提升几个档次!
前言
大家在使用SD绘画过程中,想必见识到了插件的强大功能,本身纯净版的SD界面是相对简洁的,但是搭配了各种插件后,界面标签栏会增加很多,相应的功能也增加了。
从简单的中文界面翻译插件,到强大的controlnet图形控制插件,都极大的方便了使用者,也弥补了SD原本不足的功能。
而ComfyUI作为更具自由度的开源流程节点式AI绘画工具,也同样适用插件这个功能,通过插件可以丰富ComfyUI的功能,增加节点及相应的功能。
想象一下,你拥有一种神奇的力量,可以让你的创意在瞬间焕发出绚烂的色彩和独特的魅力。这就是 ComfyUI 插件所能带给你的体验!
今天小圈为大家介绍8款比较实用的ComfyUI插件,一起来看看吧!说不定有你所需要的!
首先提前说下ComfyUI插件安装的3种方式:
ComfyUI 插件跟SD扩展一样,都是放置在指定目录下,而ComfyUI在根目录的 custom_nodes 目录下,只需将插件下载至此目录即可。
1、直接下载源码压缩包,解压到该目录就行。
2、进入该目录,命令行输入 git clone [github地址] ,成功下载即可。
3、使用 ComfyUI 管理器进行插件安装(推荐,最方便的)
1、AIGODLIKE-COMFYUI-TRANSLATION
ComfyUI 的翻译插件,算是一款必装的插件,可以将节点编辑器内的英文都翻译成中文,当然也支持其他国家的语言,目前官方介绍支持中文简体、中文翻译、日语、韩语等。
毕竟有些时候,全英文有时候容易混淆,分不清节点及相关配置参数,所以转换国语还是有必要的(英文好的可以忽略)

2、comfyui-workspace-manager
ComfyUI工作流管理器,该插件式用于管理ComfyUI工作流的,正常情况下是没有工作流切换的,打开某个工作流,如果想要在打开其他工作流(查看下之前的配置或者同时运行之类的),需要关闭当前的找到工作流文件重新加载。
该插件可以编辑备注工作流,同时可以打开多个工作流,来回切换,大家也可以理解为浏览器的标签栏。
GitHub地址:https://github.com/11cafe/comfyui-workspace-manager

3、SDXL Prompt Styler
SDXL 风格化提示词,作用就是相当于通过该插件提前预设了各种风格的提示词,我们只需要选择指定风格选项,就会自动添加到我们最终输出给采样器的提示词当中。
不用每次再去查某些风格,或者有哪些风格,比较人性化方便些。不需再要搭配特殊的 Lora 模型,即可生成我们想要的风格图片。
该插件预设了100+以上的风格选项,其实就是内置了3个json配置文件,我们也可以自己修改json文件,去添加没有的风格。
虽然名称叫SDXL 风格化提示词,但是也兼容SD1.5模型。
GitHub地址:https://github.com/twri/sdxl_prompt_styler

4、ComfyUI-WD14-Tagger
反推插件,这款插件在SD上也很火,用于反推已有图片的提示词,帮助我们更好的优化我们的提示词,基于反推的结果进行借鉴,但也不能全照搬,因为有些场景下可能不完全可以反堆正确。
主要有4个参数,下面一一给大家解释下:
-
•
model:切换反堆提示词模型(推荐covnet_tagger_v2模型) -
•
threshold:指标签被视为有效的分数,数值越低生成的提示词越细致 -
•
character_threshold:指角色标签被视为有效的分数(一般不做调整) -
•
exclude_tag:排除所写的提示词(默认可不填)
如果不以节点方式在流程中使用,也可以针对生成的图片,右键选择WD14-Tagger直接反堆,最终提示词会以弹窗的形式返回。
GitHub地址:https://github.com/pythongosssss/ComfyUI-WD14-Tagger

5、ComfyUI-Crystools
一款ComfyUI工具集插件,有了这套套装,您可以查看CPU/GPU/内存资源消耗、出图进度和已用时间、元数据并比较两个图像、比较两个 JSON、向控制台/显示器、管道等显示任何值!
这提供了更好的节点来加载/保存图像、预览等,并且无需加载新的工作流程即可查看“隐藏”数据。
我比较喜欢的还是可以实时看到电脑资源消耗及出图进度。
GitHub地址:https://github.com/crystian/ComfyUI-Crystools

6、ComfyUI_UltimateSDUpscale
字面意思,用于对生成图像进行高清放大处理的一款插件。经常使用SD的朋友们应该很有体验到吧。
一般都是对已有图片进行再次处理,因为有时候图片可能存在模糊或者不清晰的问题,可以借助该插件进行修复优化。
GitHub地址:https://github.com/ssitu/ComfyUI_UltimateSDUpscale

7、OneButtonPrompt
中文翻译:一键(生成)提示词,是的,有了它你不需要再自己手敲提示词了,特别适合新手或不知道如何写提示词的朋友们。
它可以自动帮你写prompt,说不定生成的图片比你自己写还要好。(懒人神器)
使用步骤:
-
• 通过单击按钮生成完整的提示符
-
• 支持TXT2IMG, IMG2IMG, ControlNET, inpainting和latent couple
-
• 支持选择主题类型、艺术家、图片类型
GitHub地址:https://github.com/AIrjen/OneButtonPrompt

8、SuperBeasts
这款插件可以增强输入图像的动态范围和视觉吸引力。
节点具体功能:
-
• 调整阴影、高光和整体 HDR 效果的强度。
-
• 应用伽玛校正来控制整体亮度和对比度。
-
• 增强对比度和色彩饱和度,以获得更鲜艳的效果。
-
• 通过在 LAB 色彩空间中处理图像来保持色彩准确性,利用基于亮度的蒙版进行有针对性的调整。
-
• 将调整后的亮度与原始亮度混合,以达到平衡效果。
参数的作用及效果:
HDR 强度 (默认值:0.5,范围:0.0至5.0,调整步长:0.01):
控制图片中高动态范围(HDR)效果的整体强度。较高的数值会让 HDR 效果更加突出,使图像的明暗对比更为鲜明。
阴影强度 (默认值:0.25,范围:0.0至1.0,调整步长:0.01):
用于调整图像中阴影部分的深浅。数值越高,阴影越深,增强了图像的对比度,使细节更加分明。
高光强度 (默认值:0.75,范围:0.0至1.0,调整步长:0.01):
调整图像中亮部分的明亮程度。提高这个数值,高光部分会更亮,进一步提升对比度,使图像更加生动。
伽玛强度 (默认值:0.25,范围:0.0至1.0,调整步长:0.01):
决定图像的伽玛校正程度。伽玛校正影响图像的整体亮度和对比度,数值越高,图像整体越亮且对比度越强。
对比度 (默认值:0.1,范围:0.0至1.0,调整步长:0.01):
用于增强图像整体的对比度。调高这个数值,图像的对比度会更加显著,使图像的细节更加清晰和突出。
色彩增强 (默认值:0.25,范围:0.0至1.0,调整步长:0.01):
提升图像的色彩饱和度。随着数值的提高,图像的颜色会变得更加鲜明和生动。
GitHub地址:https://github.com/SuperBeastsAI/ComfyUI-SuperBeasts


为了帮助大家更好地掌握 ComfyUI,我在去年花了几个月的时间,撰写并录制了一套ComfyUI的基础教程,共六篇。这套教程详细介绍了选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。
由于篇幅原因,本文精选几个章节,详细版点击下方卡片免费领取
一、ComfyUI配置指南
- 报错指南
- 环境配置
- 脚本更新
- 后记
- …

二、ComfyUI基础入门
- 软件安装篇
- 插件安装篇
- …

三、 ComfyUI工作流节点/底层逻辑详解
- ComfyUI 基础概念理解
- Stable diffusion 工作原理
- 工作流底层逻辑
- 必备插件补全
- …

四、ComfyUI节点技巧进阶/多模型串联
- 节点进阶详解
- 提词技巧精通
- 多模型节点串联
- …

五、ComfyUI遮罩修改重绘/Inpenting模块详解
- 图像分辨率
- 姿势
- …

六、ComfyUI超实用SDXL工作流手把手搭建
- Refined模型
- SDXL风格化提示词
- SDXL工作流搭建
- …

由于篇幅原因,本文精选几个章节,详细版点击下方卡片免费领取


相关文章:
推荐8款超实用的ComfyUI绘画插件,帮助我们的AI绘画质量和效率提升几个档次!
前言 大家在使用SD绘画过程中,想必见识到了插件的强大功能,本身纯净版的SD界面是相对简洁的,但是搭配了各种插件后,界面标签栏会增加很多,相应的功能也增加了。 从简单的中文界面翻译插件,到强大的contro…...
MATLAB-振动问题:两自由度耦合系统自由振动
一、基本理论 二、MATLAB实现 以下是两自由度耦合系统自由振动质量块振动过程动画显示的MATLAB程序。 clear; clc; close allx0 1; D1 40; D12 8; D2 D1; m1 1; omega0 sqrt(D1/m1); k1 D12 / D1; k2 D12 / D2; k sqrt(k1 * k2); omegazh omega0 * sqrt(1 k); omeg…...
人工智能-NLP简单知识汇总01
人工智能-NLP简单知识汇总01 1.1自然语言处理的基本概念 自然语言处理难点: 语音歧义句子切分歧义词义歧义结构歧义代指歧义省略歧义语用歧义 总而言之:!!语言无处不歧义 1.2自然语言处理的基本范式 1.2.1基于规则的方法 通…...
Spring Boot中的异步编程技巧
Spring Boot中的异步编程技巧 大家好,我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编,也是冬天不穿秋裤,天冷也要风度的程序猿!今天我们将探讨在Spring Boot应用程序中如何使用异步编程技巧,以提升性…...
深度解密Spark性能优化之道
课程介绍 课程通过实战案例解析和性能调优技巧的讲解,帮助学员提升大数据处理系统的性能和效率。课程内容涵盖了Spark性能调优的各个方面,包括内存管理、并行度设置、数据倾斜处理、Shuffle调优、资源配置等关键技术和策略。学员将通过实际案例的演示和…...
在U盘/移动硬盘上安装热插拔式Ubuntu系统,并将Docker目录挂载到NTFS硬盘
Windows10的WSL2的确给开发人员带来了很多方便,但是仍然有很多缺点。比如:太占系统内存;有些软件无法在WSL2中编译成功;相当于虚拟机,性能不如原装系统。 装双系统,相信大家都不陌生,但它会占用…...
商城小程序论文(设计)开题报告
一、课题的背景和意义 近些年来,随着移动互联网巅峰时期的来临,互联网产业逐渐趋于“小、轻、微”的方向发展,符合轻应用时代特点的各类技术受到了不同领域的广泛关注。在诸多产品中,被誉为“运行着程序的网站”之名的微信小程序…...
15. Java的 CAS 操作原理
1. 前言 本节内容主要是对 CAS 操作原理进行讲解,由于 CAS 涉及到了并发编程包的使用,本节课程只对 CAS 的原理问题进行讲解,有助于同学后续对并发编程工具使用的学习。本节具体内容点如下: 了解 CAS 的概念,这是本节…...
修改element-ui日期下拉框datetimePicker的背景色样式
如图: 1、修改背景色 .el-date-picker.has-sidebar.has-time { background: #04308D; color: #fff; border: 1px solid #326AFF } .el-date-picker__header-label { color: #ffffff; } .el-date-table th { color: #fff; } .el-icon-d-arrow-left:before { color: …...
Linux—— 逻辑运算符,压缩和解压缩
- -a: and 逻辑与 - -o: or 逻辑或 - -not: not 逻辑非 - 优先级:与>或>非 shell [rootserver ~]# find / -size 10k -a -size -50k [rootserver ~]# find /etc -name "e*" -o -name "f*"…...
音视频入门基础:H.264专题(6)——FFmpeg源码:从H.264码流中提取NALU Header、EBSP、RBSP和SODB
音视频入门基础:H.264专题系列文章: 音视频入门基础:H.264专题(1)——H.264官方文档下载 音视频入门基础:H.264专题(2)——使用FFmpeg命令生成H.264裸流文件 音视频入门基础&…...
STM32实现按键单击、双击、长按、连按功能,使用状态机,无延时,不阻塞
常见的按键判定程序,如正点原子按键例程,只能判定单击事件,对于双击、长按等的判定逻辑较复杂,且使用main函数循环扫描的方式,容易被阻塞,或按键扫描函数会阻塞其他程序的执行。使用定时器设计状态机可以规…...
C#之Delta并联机械手的视觉同步分拣
本文导读 前面两节课程我们介绍了怎么建立Delta并联机械手的正逆解以及如何通过视觉进行匹配定位。本节课程给大家分享如何通过C#语言开发正运动Delta并联机械手传送带同步的视觉分拣。 VPLC711硬件介绍 VPLC711是正运动推出的一款基于x86平台和Windows操作系统的高性能机器…...
01:Linux的基本命令
Linux的基本命令 1、常识1.1、Linux的隐藏文件1.2、绝对路径与相对路径 2、基本命令2.1、ls2.2、cd2.3、pwd / mkdir / mv / touch / cp / rm / cat / rmdir2.4、ln2.5、man2.6、apt-get 本教程是使用的是Ubuntu14.04版本。 1、常识 1.1、Linux的隐藏文件 在Linux中…...
GNSS 载波、测距码和导航电文的关系简介
1、GNSS 载波、测距码和导航电文 在卫星导航系统中,载波、测距码和导航电文是构成GPS信号的三个基本组成部分,它们共同工作以实现精确的卫星定位和导航功能。以下是对这三个组成部分的详细介绍: 1. 载波(Carrier)&…...
deepE 定位系统卡顿问题实战(一) ----------- 锁造成的阻塞问题
deepE介绍 deepE是一个开源的用于端侧(自动驾驶车,机器人)等环境的系统问题与性能分析工具。基于ebpf功能实现 deepE项目地址 欢迎star 测试程序 #include <iostream> #include <thread> #include <mutex>static std::mutex lock;void func1() {int l…...
YOLOv5改进 | 主干网络 | ODConv + ConvNeXt 增强目标特征提取能力
秋招面试专栏推荐 :深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转 💡💡💡本专栏所有程序均经过测试,可成功执行💡💡💡 专栏目录: 《YOLOv5入门 …...
TIA博途WinCC通过VB脚本从 Excel中读取数据的具体方法介绍
TIA博途WinCC通过VB脚本从 Excel中读取数据的具体方法介绍 添加 一个PLC,设置PLC的IP地址,如下图所示, 添加全局DB块,新建几个变量,如下图所示, 在数据块中添加了 tag1 …… tag6 ,共 6 个浮点数类型的变量,用来接收通过 WinCC 从 Excel 文件中读取的数据。 添加 HMI…...
第5篇 区块链的技术架构:节点、网络和数据结构
区块链技术听起来很高大上,但其实它的核心架构并不难理解。今天我们就用一些简单的例子和有趣的比喻,来聊聊区块链的技术架构:节点、网络和数据结构。 节点:区块链的“细胞” 想象一下,区块链就像是一个大型的组织&a…...
vue长列表,虚拟滚动
1.新建子组件,将数据传递过去(几万条数据的数组,一次性展示多少条,每条数据的行高). <template><div class"vitualScroll"><sub-scroll :dataList"dataList" :rowCount"20" :rowHeight"2…...
Spring AI与Spring Modulith核心技术解析
Spring AI核心架构解析 Spring AI(https://spring.io/projects/spring-ai)作为Spring生态中的AI集成框架,其核心设计理念是通过模块化架构降低AI应用的开发复杂度。与Python生态中的LangChain/LlamaIndex等工具类似,但特别为多语…...
c++第七天 继承与派生2
这一篇文章主要内容是 派生类构造函数与析构函数 在派生类中重写基类成员 以及多继承 第一部分:派生类构造函数与析构函数 当创建一个派生类对象时,基类成员是如何初始化的? 1.当派生类对象创建的时候,基类成员的初始化顺序 …...
苹果AI眼镜:从“工具”到“社交姿态”的范式革命——重新定义AI交互入口的未来机会
在2025年的AI硬件浪潮中,苹果AI眼镜(Apple Glasses)正在引发一场关于“人机交互形态”的深度思考。它并非简单地替代AirPods或Apple Watch,而是开辟了一个全新的、日常可接受的AI入口。其核心价值不在于功能的堆叠,而在于如何通过形态设计打破社交壁垒,成为用户“全天佩戴…...
SQL Server 触发器调用存储过程实现发送 HTTP 请求
文章目录 需求分析解决第 1 步:前置条件,启用 OLE 自动化方式 1:使用 SQL 实现启用 OLE 自动化方式 2:Sql Server 2005启动OLE自动化方式 3:Sql Server 2008启动OLE自动化第 2 步:创建存储过程第 3 步:创建触发器扩展 - 如何调试?第 1 步:登录 SQL Server 2008第 2 步…...
Android屏幕刷新率与FPS(Frames Per Second) 120hz
Android屏幕刷新率与FPS(Frames Per Second) 120hz 屏幕刷新率是屏幕每秒钟刷新显示内容的次数,单位是赫兹(Hz)。 60Hz 屏幕:每秒刷新 60 次,每次刷新间隔约 16.67ms 90Hz 屏幕:每秒刷新 90 次,…...
记一次spark在docker本地启动报错
1,背景 在docker中部署spark服务和调用spark服务的微服务,微服务之间通过fegin调用 2,问题,docker容器中服务器来后,注册中心都有,调用服务也正常,但是调用spark启动任务后报错,报错…...
NoSQL——Redis配置与优化
目录 关系型&非关系型数据库 一、核心原理对比 二、核心特性对比 三、关键区别剖析 四、典型产品示例 总结 Redis Redis核心原理 核心特性 技术意义 配置文件解析 1. 基础配置 2. 持久化配置 3. 内存管理 4. 高可用配置 5. 性能调优 6.…...
设计模式-观察着模式
观察者模式 观察者模式 (Observer Pattern) 是一种行为型设计模式,它定义了对象之间一种一对多的依赖关系,当一个对象(称为主题或可观察者)的状态发生改变时,所有依赖于它的对象(称为观察者)都…...
自建 dnslog 回显平台:渗透测试场景下的隐蔽回显利器
🔍 背景介绍 在渗透测试与红队评估过程中,DNS 外带(DNS Exfiltration) 是一种常见且隐蔽的通信通道。由于多数目标环境默认具备外网 DNS 解析能力,即便在 无回显、无文件上传权限 的条件下,仍可通过 DNS 请…...
git引用概念(git reference,git ref)(简化对复杂SHA-1哈希值的管理)(分支引用、标签引用、HEAD引用、远程引用、特殊引用)
文章目录 **引用的本质**1. **引用是文件**2. **引用的简化作用** **引用的类型**1. **分支引用(Branch References)**2. **标签引用(Tag References)**3. **HEAD 引用**4. **远程引用(Remote References)*…...

