节点列表
1. EmptyLatentImage
创建空白潜在空间，是文生图工作流的起点。
- 节点类型: 工具
- 输入数量: 0
- 输出数量: 1
- 所属类别: latent
- 类型: LATENT（绿色）
- 描述: 空白潜在空间
- 用途: 作为采样的起点
- 类型: 数字
- 描述: 图像宽度
- 可选: 否
- 默认值: 512
- 取值范围: 64 - 8192
- 说明: 必须是64的倍数
- 类型: 数字
- 描述: 图像高度
- 可选: 否
- 默认值: 512
- 取值范围: 64 - 8192
- 说明: 必须是64的倍数
- 类型: 数字
- 描述: 批处理大小
- 可选: 否
- 默认值: 1
- 取值范围: 1 - 64
- 说明: 一次生成的图像数量
{
"5": {
"inputs": {
"width": 512,
"height": 512,
"batch_size": 1
},
"class_type": "EmptyLatentImage"
}
}
EmptyLatentImage.LATENT → KSampler.latent_image
- 512x512: 标准尺寸，速度快
- 768x768: 更高质量，速度较慢
- 1024x1024: 高清，速度慢
- 512x768: 纵向图像
- 768x512: 横向图像
- 文生图工作流
- 创建空白画布
- 批量生成
- 尺寸必须是64的倍数
- batch_size影响显存使用
- 更大尺寸需要更多资源
2. LatentUpscale
放大潜在空间。
- 节点类型: 工具
- 输入数量: 1
- 输出数量: 1
- 所属类别: latent
- 类型: LATENT（绿色）
- 描述: 输入潜在空间
- 用途: 进行放大处理
- 类型: LATENT（绿色）
- 描述: 放大后的潜在空间
- 用途: 继续采样或解码
- 类型: 下拉选择
- 描述: 放大方法
- 可选: 否
- 默认值: nearest-exact
- 选项: nearest-exact, bilinear, area, bicubic, lanczos
- 类型: 数字
- 描述: 目标宽度
- 可选: 否
- 默认值: 512
- 取值范围: 64 - 8192
- 类型: 数字
- 描述: 目标高度
- 可选: 否
- 默认值: 512
- 取值范围: 64 - 8192
- 类型: 下拉选择
- 描述: 裁剪方式
- 可选: 否
- 默认值: disabled
- 选项: disabled, center
{
"31": {
"inputs": {
"upscale_method": "lanczos",
"width": 1024,
"height": 1024,
"crop": "disabled",
"samples": ["3", 0]
},
"class_type": "LatentUpscale"
}
}
KSampler.LATENT → LatentUpscale.samples
LatentUpscale.LATENT → KSampler2.latent_image
- 分阶段放大
- 提高分辨率
- 高质量生成
- 放大方法影响质量
- 可以串联多个LatentUpscale
- 放大后继续采样可以提高质量
3. TextConcatenate
连接多个文本。
- 节点类型: 工具
- 输入数量: 2
- 输出数量: 1
- 所属类别: text
- 类型: 文本
- 描述: 第一个文本
- 用途: 与第二个文本连接
- 类型: 文本
- 描述: 第二个文本
- 用途: 与第一个文本连接
- 类型: 文本
- 描述: 连接后的文本
- 用途: 传递给其他节点
- 类型: 文本
- 描述: 分隔符
- 可选: 否
- 默认值: ", "
- 示例: ", ", " ", "\n"
{
"32": {
"inputs": {
"separator": ", ",
"text1": "beautiful landscape",
"text2": "mountains, sunset"
},
"class_type": "TextConcatenate"
}
}
PrimitiveNode1.TEXT → TextConcatenate.text1
PrimitiveNode2.TEXT → TextConcatenate.text2
TextConcatenate.TEXT → CLIPTextEncode.text
- 组合提示词
- 动态生成文本
- 文本处理
- 分隔符影响最终文本
- 可以串联多个TextConcatenate
- 适合动态生成提示词
4. KSamplerSelect
选择采样器。
- 节点类型: 工具
- 输入数量: 0
- 输出数量: 1
- 所属类别: sampling
- 类型: SAMPLER
- 描述: 采样器对象
- 用途: 传递给KSampler
- 类型: 下拉选择
- 描述: 采样器名称
- 可选: 否
- 默认值: euler
- 选项: euler, euler_ancestral, heun, ddim, dpmpp_2m, dpmpp_sde, dpm_fast, dpm_adaptive, lcm, ddim_uniform
{
"33": {
"inputs": {
"sampler_name": "euler"
},
"class_type": "KSamplerSelect"
}
}
KSamplerSelect.SAMPLER → KSampler.sampler
- euler: 快速，质量好，推荐
- euler_ancestral: 更随机，创意性更强
- heun: 质量更高，速度较慢
- ddim: 经典采样器，稳定
- dpmpp_2m: 高质量，推荐
- dpmpp_sde: 更高质量，更慢
- lcm: 极速，质量稍低
- 动态选择采样器
- 采样器对比
- 工作流优化
- 不同采样器适合不同场景
- 可以根据需求动态选择
- 配合Scheduler使用
5. SchedulerSelect
选择调度器。
- 节点类型: 工具
- 输入数量: 0
- 输出数量: 1
- 所属类别: sampling
- 类型: SCHEDULER
- 描述: 调度器对象
- 用途: 传递给KSampler
- 类型: 下拉选择
- 描述: 调度器名称
- 可选: 否
- 默认值: normal
- 选项: normal, karras, exponential, sgm_uniform, simple, ddim_uniform, beta
{
"34": {
"inputs": {
"scheduler": "karras"
},
"class_type": "SchedulerSelect"
}
}
SchedulerSelect.SCHEDULER → KSampler.scheduler
- normal: 标准调度
- karras: 更好的质量分布，推荐
- exponential: 指数衰减
- sgm_uniform: 均匀分布
- simple: 简单调度
- ddim_uniform: DDIM均匀分布
- 动态选择调度器
- 调度器对比
- 工作流优化
- 不同调度器影响生成质量
- karras通常提供更好的质量
- 配合Sampler使用
6. LoadImage
加载图像文件。
- 节点类型: 工具
- 输入数量: 0
- 输出数量: 3
- 所属类别: image
- 类型: IMAGE（红色）
- 描述: 加载的图像
- 用途: 传递给其他节点
- 类型: MASK（黄色）
- 描述: 图像掩码（如果有）
- 用途: 用于图像修复等
- 类型: IMAGE_INFO
- 描述: 图像信息
- 用途: 获取图像尺寸等信息
- 类型: 文件选择
- 描述: 图像文件
- 可选: 否
- 默认值: 无
- 支持格式: PNG, JPG, WEBP等
{
"35": {
"inputs": {
"image": "example.png"
},
"class_type": "LoadImage"
}
}
LoadImage.IMAGE → VAEEncode.pixels
LoadImage.MASK → VAEEncode.for_mask
- 图生图工作流
- 图像修复
- 图像处理
- 图像放在
input/目录 - 支持多种图像格式
- 自动生成掩码（如果有alpha通道）
最佳实践
潜在空间管理
- 合理尺寸: 选择合理的图像尺寸
- 批量处理: 使用batch_size提高效率
- 分阶段放大: 使用LatentUpscale分阶段放大
- 资源优化: 根据硬件调整参数
文本处理
- 组合提示词: 使用TextConcatenate组合提示词
- 动态生成: 动态生成提示词
- 分隔符: 使用合适的分隔符
- 文本清理: 清理不必要的文本
采样优化
- 选择合适采样器: 根据需求选择采样器
- 选择合适调度器: 根据需求选择调度器
- 对比效果: 对比不同组合的效果
- 记录配置: 记录有效的配置
图像加载
- 准备图像: 准备高质量的输入图像
- 格式选择: 选择合适的图像格式
- 尺寸匹配: 确保图像尺寸合适
- 目录组织: 组织好input目录
常见问题
Q1: 图像尺寸有什么要求？
A: 宽度和高度必须是64的倍数。
Q2: batch_size设置多少合适？
A: 根据显存大小，通常1-4之间。
Q3: 如何提高分辨率？
A: 使用LatentUpscale或ImageUpscale节点。
Q4: 采样器和调度器如何选择？
A: euler+karras是很好的起点，根据需求调整。
Q5: 如何加载图像？
A: 使用LoadImage节点，图像放在input/目录。
相关节点
工作流示例
更新日志
- 2026-01-26: 初始版本创建