一、ComfyUI 是什么

1.1 一句话定义

ComfyUI 是一个基于节点（Node）的 Stable Diffusion 图形化操作界面与推理引擎。

你可以把它理解成“AI 绘画的乐高积木”——每一个功能模块是一个节点（方块），你用线把它们连起来，数据从一个节点流向下一个节点，最终输出一张图片或一段视频。

1.2 它在 AI 绘画生态中的位置

目前主流的 AI 图像生成工具有三条路线：

ComfyUI 不是用来替代 Midjourney 的——它是一套可编程的图像/视频生成引擎。当你需要精确控制每一步、需要把流程复用给团队、需要接入 API 做批量生产时，ComfyUI 几乎是唯一的选择。

1.3 为什么不直接用 Midjourney

这个问题很关键。很多新手会问：”MJ 一句话就出图了，为什么要学这么复杂的 ComfyUI？”

答案在于控制力和生产力：

• MJ 像自动挡汽车——踩油门就走，但你没法手动换挡
• ComfyUI 像手动挡赛车——学习成本更高，但你能精确控制每一个参数、每一个环节

二、核心概念：节点式工作流

2.1 什么是”节点”

节点（Node）是 ComfyUI 的最小功能单元。每个节点长成一个圆角方块，包含：

• 输入端口（左侧）：接收上游数据
• 输出端口（右侧）：向下游输出结果
• 参数（方块内部）：可调节的设置项

例如最常用的 Load Checkpoint 节点，它没有输入（它是起点），但输出三个东西：MODEL（模型权重）、CLIP（文本编码器）、VAE（变分自编码器）。

2.2 什么是”工作流”

工作流（Workflow）就是一堆节点用线连起来形成的”流水线”。数据从左边的节点出发，经过中间节点的处理，最终到达右边的输出节点。

下面这张图展示了一个最标准的文生图工作流：

让我们逐个节点解读这张图：

2.3 数据流向

用一句话概括文生图的数据流：

模型 → 编码提示词 → 在空白画布上采样 → 解码成图片 → 保存

这个流程贯穿整个 ComfyUI 学习的始终。后面所有的高级工作流（图生图、ControlNet、视频生成），本质上都是在这条主干上增加分支和控制节点。

三、ComfyUI vs 传统 WebUI

3.1 操作方式对比

本课程专注于 ComfyUI，因为它是 2026 年 AI 创作（图像+视频+数字人）的事实标准。

四、ComfyUI 能做什么

4.1 图像生成

• 文生图：输入文字描述，生成图片
• 图生图：输入参考图 + 文字，生成新图
• 局部重绘：只修改图片的某个区域
• 外扩补图：把图片向四周扩展
• 高清放大：低清图变高清
• 图像编辑：换背景、换衣服、改表情

4.2 视频生成

• 文生视频：文字描述 → 动态视频
• 图生视频：静态图 → 让它动起来
• 首尾帧控制：指定开头和结尾帧，AI 生成中间过渡
• 视频插帧：让卡顿视频变流畅
• 视频高清放大：提升视频画质

4.3 数字人

• 对口型：图片/视频 + 音频 → 嘴型同步说话
• 动作迁移：把一段舞蹈动作迁移到你的图片人物上
• 人物替换：把视频中的人脸换成另一个人

4.4 声音克隆

• 语音克隆：用几秒参考音频克隆任意人的声音
• 文字转语音：输入文字，用克隆的声音朗读

4.5 商业应用

AI 头像写真、电商主图、产品摄影、AI 短剧、动画、宣传片、数字人直播带货、批量内容生产。

五、课程总览与学习路线

5.1 七大章节一览

5.2 难度成长

课程遵循”认知 → 实操 → 进阶 → 精通 → 实战”的递进逻辑：

• 第 1-15 课：零基础入门，跑通第一个工作流（难度 ★★☆☆☆）
• 第 16-36 课：图像生成核心，掌握所有主流模型（难度 ★★★☆☆）
• 第 37-58 课：视频生成，进入动态领域（难度 ★★★★☆）
• 第 59-128 课：影视理论 + 项目实战（难度 ★★★★★）

六、前置准备

硬件要求

软件准备

• Git（用于下载插件）
• 7-Zip（解压模型文件）
• 浏览器（Chrome / Edge）
• 科学上网工具（下载模型时需要）

七、关键术语速查

后面会反复出现这些术语，先混个眼熟：