这个案例整合了我们之前所学的全部内容，非常适合作为综合案例进行复习和加深理解。
没有看过之前教程的小伙伴可以上站长素材AI教程网站查看哦
网站链接：https://aisc.chinaz.com/jiaocheng/
这个工作流使用comfyui来将照片转换为复古动漫风格的图像。以下是这个工作流中的各个节点及其功能的详细解析：
节点解析
1.图像加载和预处理：
LoadImage (id: 13):加载指定URL的输入图像。
DF_Get_image_size (id: 15):获取加载图像的宽度和高度。
EmptyLatentImage (id: 5):创建具有提取维度的空潜在图像。
2.ControlNet加载器和预处理器：
ControlNetLoader (id: 28):加载用于线稿的ControlNet模型 (control_v11p_sd15_lineart.pth)。
ControlNetLoader (id: 30):加载用于姿态检测的ControlNet模型 (control_v11p_sd15_openpose.pth)。
ControlNetLoader (id: 27):加载用于深度检测的ControlNet模型 (control_v11f1p_sd15_depth.pth)。
Zoe_DepthAnythingPreprocessor (id: 40):处理图像以生成深度信息。
Inference_Core_LineArtPreprocessor (id: 42):处理图像以生成线稿信息。
OpenposePreprocessor (id: 39):处理图像以生成姿态关键点。
3.条件应用和组合：
ControlNetApply (id: 26， 29， 31):应用ControlNet条件到图像上，结合深度、线稿和姿态信息。
ConditioningCombine (id: 37):组合不同的条件信息。
4.文本编码：
CLIPTextEncode (id: 6):对正面描述文本进行编码，例如“beautiful scenery nature glass bottle landscape， purple galaxy bottle”。
CLIPTextEncode (id: 7):对负面描述文本进行编码，例如“Easy Negative， worst quality， low quality”等。
CLIPTextEncode (id: 34):对额外描述文本进行编码，例如“official art， context art， retro anime， complex background， blurry background， depth of field”。
5.模型加载和采样：
CheckpointLoaderSimple (id: 4):加载主要的生成模型 (AWPainting(1.4))。
LoraLoader (id: 10， 16):加载Lora模型用于特定风格的调整（例如“80'sFusion(V2.0)”和“Retro Anime(1.0)”）。
KSampler (id: 3):使用KSampler进行潜在图像的采样，结合模型、正面和负面条件以及潜在图像。
VAEDecode (id: 8):将采样后的潜在图像解码为最终图像。
6.图像保存：
SaveImage (id: 9):保存生成的图像。
使用说明
由于ComfyUI工作流比较复制，所以我这里直接提供工作流，并对重点进行解释说明帮助大家梳理逻辑。需要这个工作流的可以扫底部二维码加群获取哦，大家如果有哪里看不明白也可以加群交流。
第一次使用工作流可能会报错提示安装缺失节点，我们在管理器中把缺失的节点安装上即可
加载Lora
大模型串联两个Lora
反推标签
没有WD14 反推提示词的小伙伴可以在管理器中搜索WD安装即可，clip文本编码要改成以文本输入才可以和WD反推出的关键词连接
ControlNet控制
这边用到三个controlnet串联分别是，深度图，线稿，和姿态控制。
获取图片宽高
合并提示词
由于我们的Lora模型需要一些触发词，但是之前的文本编码器已经和WD连接，所以我们只能在复制一个文本编码器和WD提示词的文本编码器合并。最后把合并的条件连接到第一个controlnet应用
工作流效果
该工作流的主要步骤是通过加载和预处理图像，应用不同的ControlNet模型生成辅助信息（如深度、线稿和姿态），然后结合这些信息以及文本描述进行图像生成，最终解码并保存生成的复古动漫风格图像。需要这个工作流的可以扫底部二维码加群获取哦
——————————————————————————————
站长素材AI教程是站长之家旗下AI绘图教程平台
海量AI免费教程，持续更新干货内容
想要深入学习更多AI绘图教程，请访问站长素材AI教程网：
https://aisc.chinaz.com/jiaocheng/