#启动方法： ./start.sh

#停止放法 ctrl+C

最强大、模块化的视觉 AI 引擎与应用。

ComfyUI 允许您使用基于图/节点/流程图的界面来设计和执行高级的 Stable Diffusion（稳定扩散）管线。支持 Windows、Linux 和 macOS 操作系统。

• 最简单的入门方式。
• 支持 Windows 和 macOS。

• 包含最新提交且完全便携（免安装）。
• 支持 Windows。

支持所有操作系统和 GPU 类型（NVIDIA、AMD、Intel、Apple Silicon、Ascend）。

• 我们的官方付费云端版本，适合没有本地硬件条件的用户。

您可以通过最新的模板工作流或旧版的示例工作流来看看 ComfyUI 都能做些什么。

• 基于节点/图/流程图的界面，无需编写任何代码即可实验和创建复杂的 Stable Diffusion 工作流。
• 图像模型 (Image Models)
  • SD1.x, SD2.x (unCLIP)
  • SDXL, SDXL Turbo
  • Stable Cascade
  • SD3 和 SD3.5
  • Pixart Alpha 和 Sigma
  • AuraFlow
  • HunyuanDiT (混元)
  • Flux
  • Lumina Image 2.0
  • HiDream
  • Qwen Image (千问)
  • Hunyuan Image 2.1 (混元)
  • Flux 2
  • Z Image
• 图像编辑模型 (Image Editing Models)
  • Omnigen 2
  • Flux Kontext
  • HiDream E1.1
  • Qwen Image Edit
• 视频模型 (Video Models)
  • Stable Video Diffusion
  • Mochi
  • LTX-Video
  • Hunyuan Video
  • Wan 2.1
  • Wan 2.2
  • Hunyuan Video 1.5
• 音频模型 (Audio Models)
  • Stable Audio
  • ACE Step
• 3D 模型
  • Hunyuan3D 2.0 (混元3D)
• 异步队列系统
• 多项优化：每次执行时，仅重新执行发生变化的工作流部分。
• 智能内存管理：可以自动在 VRAM 低至 1GB 的 GPU 上运行大型模型，具有智能显存卸载功能。
• 即使没有 GPU，也可以使用 --cpu 运行（速度较慢）
• 可加载 ckpt 和 safetensors 格式：支持多合一的检查点模型（checkpoints）或独立的 diffusion 模型、VAE 和 CLIP 模型。
• 安全加载 ckpt、pt、pth 等文件。
• 嵌入 (Embeddings) / 文本反转 (Textual inversion)
• Loras (常规、locon 和 loha)
• 超网络 (Hypernetworks)
• 可以从生成的 PNG、WebP 和 FLAC 文件中加载完整的工作流（包含随机种子）。
• 将工作流保存/加载为 Json 文件。
• 节点界面可用于创建复杂的工作流，例如用于高清修复 (Hires fix)，或更高级的工作流。
• 区域合成 (Area Composition)
• 使用常规模型和专门的重绘模型进行局部重绘 (Inpainting)。
• ControlNet 和 T2I-Adapter
• 放大模型 (ESRGAN, ESRGAN 变体, SwinIR, Swin2SR 等...)
• GLIGEN
• 模型合并 (Model Merging)
• LCM 模型和 Loras
• 带有 TAESD 的潜空间预览 (Latent previews)
• 完全离线运行：除非您明确要求，否则核心程序永远不会下载任何内容。
• 提供了可选的 API 节点，可通过在线的 Comfy API 使用外部提供商的付费模型，使用 --disable-api-nodes 可禁用该功能。
• 配置文件 (Config file) 用于设置模型的搜索路径。

工作流示例可以在示例页面中找到。

ComfyUI 遵循大约每周一次的发布周期（目标是周一），但由于模型发布或代码库的重大修改，这个周期经常会变动。目前有三个相互关联的代码库：

1. ComfyUI 核心 (ComfyUI Core)

   • 大约每周发布一个新的稳定版本（例如 v0.7.0）。
   • 从 v0.4.0 开始，补丁版本（Patch versions）将用于向后移植到当前稳定版本的修复程序。
   • 次要版本（Minor versions）将用于基于 master 分支的发布。
   • 在向后移植不合理的情况下，补丁版本仍可能用于 master 分支的发布。
   • 在稳定发布标签之外的提交可能非常不稳定，并可能破坏许多自定义节点。
   • 它是桌面版发布的基础底座。

2. ComfyUI 桌面版 (ComfyUI Desktop)

   • 使用最新的稳定核心版本构建新版本。

3. ComfyUI 前端 (ComfyUI Frontend)

   • 每周的前端更新会合并到核心代码库中。
   • 在即将发布的核心版本前，功能会被冻结。
   • 在下一个发布周期继续进行开发。

快捷键	说明
Ctrl + Enter	将当前图加入生成队列
Ctrl + Shift + Enter	将当前图置于生成队列首位
Ctrl + Alt + Enter	取消当前生成
Ctrl + Z/Ctrl + Y	撤销/重做
Ctrl + S	保存工作流
Ctrl + O	加载工作流
Ctrl + A	全选节点
Alt + C	折叠/展开所选节点
Ctrl + M	静音（禁用）/取消静音所选节点
Ctrl + B	绕过所选节点（相当于节点从图中移除，但前后连线保持贯通）
Delete/Backspace	删除所选节点
Ctrl + Backspace	删除当前图（清空画布）
Space	按住空格键并移动光标时拖动整个画布
Ctrl/Shift + Click	将点击的节点添加到选区
Ctrl + C/Ctrl + V	复制并粘贴所选节点（不保留与未选中节点输出的连接）
Ctrl + C/Ctrl + Shift + V	复制并粘贴所选节点（保留从未选中节点输出到粘贴节点输入的连接）
Shift + Drag	同时移动多个选中的节点
Ctrl + D	加载默认图
Alt + +	画布放大
Alt + -	画布缩小
Ctrl + Shift + 鼠标左键 + 垂直拖拽	画布放大/缩小
P	固定/取消固定所选节点
Ctrl + G	将所选节点编组
Q	切换队列的可见性
H	切换历史记录的可见性
R	刷新图
F	显示/隐藏菜单
.	使视图适应所选项（未选中任何内容时适应全图）
双击鼠标左键	打开节点快速搜索面板
Shift + 拖拽	同时移动多根连线
Ctrl + Alt + 鼠标左键	断开点击的插槽上的所有连线

对于 macOS 用户，可以将 Ctrl 替换为 Cmd 键。

我们提供了一个适用于 Windows 的独立便携版本，该版本支持在 Nvidia GPU 上运行，也可以仅使用 CPU 运行。您可以在发布页面找到它。

只需下载，使用 7-Zip 或较新 Windows 系统的文件资源管理器解压，然后运行即可。对于较小的模型，您通常只需将 checkpoints（巨大的 ckpt/safetensors 文件）放入 ComfyUI\models\checkpoints，但许多大型模型包含多个文件。请务必按照说明了解应将它们放入 ComfyUI\models\ 的哪个子文件夹中。

如果您在解压时遇到问题，请右键单击该文件 -> 属性 -> 勾选“取消阻止” (Unblock)。

上面的便携版目前自带 Python 3.13 和 PyTorch CUDA 13.0。如果无法启动，请更新您的 Nvidia 显卡驱动。

适用于 AMD GPU 的实验性便携版

自带 PyTorch CUDA 12.6 和 Python 3.12 的便携版 （支持 Nvidia 10 系列及更老的 GPU）。

请参阅配置文件以设置模型的搜索路径。在 Windows 独立版本中，您可以在 ComfyUI 目录中找到此文件。将此文件重命名为 extra_model_paths.yaml，并使用您喜欢的文本编辑器对其进行编辑即可。

您可以使用 comfy-cli 来安装并启动 ComfyUI：

pip install comfy-cli
comfy install

Python 3.14 也可以运行，但某些自定义节点可能会出现问题。支持自由线程（free threaded）版本，但某些依赖项会启用 GIL，因此暂未得到完全支持。

Python 3.13 的支持非常完善。如果您在 3.13 上遇到某些自定义节点依赖项的问题，可以尝试使用 3.12。

支持 Torch 2.4 及以上版本，但某些功能和优化可能仅在较新版本上有效。我们通常建议使用最新的 PyTorch 主要版本以及最新的 CUDA 版本（除非该版本发布时间不到 2 周）。

使用 Git clone 克隆此代码库。

将您的 SD checkpoints（巨大的 ckpt/safetensors 文件）放入：models/checkpoints

将您的 VAE 放入：models/vae

如果您尚未安装，AMD 用户可以使用 pip 安装 rocm 和 pytorch，这是安装稳定版的命令：

http://googleusercontent.com/immersive_entry_chip/0 http://googleusercontent.com/immersive_entry_chip/1 http://googleusercontent.com/immersive_entry_chip/2 http://googleusercontent.com/immersive_entry_chip/3 http://googleusercontent.com/immersive_entry_chip/4 http://googleusercontent.com/immersive_entry_chip/5 http://googleusercontent.com/immersive_entry_chip/6 http://googleusercontent.com/immersive_entry_chip/7 http://googleusercontent.com/immersive_entry_chip/8

您也可以尝试设置这个环境变量 PYTORCH_TUNABLEOP_ENABLED=1，这可能会加快运行速度，但代价是初始运行会非常缓慢。

只有那些所有正确输入均具备并且有输出结果的图形部分才会被执行。

每次执行时，仅重新执行发生变化的部分图形。如果您提交相同的图形两次，则只会执行第一次。如果您仅更改了图的最后一部分，则只执行您更改的部分以及依赖于它的部分。

将生成的 png 图片拖动到网页上，或者加载该图片，将为您展示包含随机种子（seeds）等信息的完整工作流。

您可以使用 () 来更改某个词语或短语的权重，例如：(good code:1.2) 或 (bad code:0.8)。() 的默认权重倍数为 1.1。如果要在实际提示词中显示 () 字符，请进行转义，如 \( 或 \)。

您可以使用 {day|night} 语法来实现通配符/动态提示词。使用此语法，每次您将提示词加入队列时，前端都会将 {wild|card|test} 随机替换为 wild、card 或 test。如果要在实际提示词中显示 {} 字符，请进行转义，如 \{ 或 \}。

动态提示词还支持 C 语言风格的注释，例如 // comment 或 /* comment */。

要在文本提示词中使用文本反转 (textual inversion) 概念/嵌入 (embeddings)，请将它们放置在 models/embeddings 目录中，并在 CLIPTextEncode 节点中像这样使用它们（您可以省略 .pt 后缀扩展名）：

http://googleusercontent.com/immersive_entry_chip/9

这将会使用保存在 ComfyUI 旧版前端仓库 中的旧版本快照。