一个用flux Fill的修图工作流
(https://linux.do#p-11552200-h-1)使用价值在当前的 AI 修图方案中，确实已经可以直接使用 nano-banana 这类模型快速完成图片修改，但在实际使用过程中仍然存在一些明显限制：
[*] NSFW 图片不稳定：当输入图片涉及 NSFW 内容时，这类在线或通用模型往往会直接拒绝生成或输出失败，严重影响可用性。
[*] Token 成本不划算：在仅做小范围修改的情况下，频繁抽卡消耗大量 token，从性价比角度来看并不值得。
所以分享一个comfyui的工作流
(https://linux.do#p-11552200-h-2)技术核心
(https://linux.do#p-11552200-h-1-flux-fill-3)1. 模型选择：Flux-Fill 系列
[*] 使用 Flux-Fill 系列模型 作为 Inpainting 的核心模型。
[*] 相比一些完全依赖文本生成的模型，Flux-Fill 会更多地参考原图已有的像素和结构信息。
[*] 这种特性可以显著减少“抽卡”次数，让结果更加稳定、一致，特别适合人物修图、肢体细节修正等场景。
(https://linux.do#p-11552200-h-2-sam3-4)2. 自动蒙版生成：SAM3
[*] 通过 SAM3 自动生成目标区域的初始蒙版。
[*] 减少手动涂抹蒙版的时间成本，同时保证边缘更加贴合实际目标。
(https://linux.do#p-11552200-h-3-inpaint-crop-5)3. 精细控制：inpaint-crop 节点
[*] 使用 inpaint-crop 节点对蒙版区域进行二次微调。
[*] 该节点的一个关键优势在于：
它可以同时接收两个蒙版区域：
[*] 重绘蒙版：真正需要重新生成的区域
[*] 参考蒙版：用于向模型提供上下文信息
(https://linux.do#p-11552200-h-6)这样设计的好处包括：
[*] 避免全图编解码：只对裁剪后的区域进行处理，速度更快，显存与算力占用更低。
[*] 更好的空间理解：参考蒙版帮助模型理解局部与整体的空间关系，减少结构性错误。
[*] 降低常见失误：例如避免把左手修成右手、肢体错位、背景结构崩坏等问题。
https://cdn3.ldstatic.com/optimized/4X/a/5/3/a53283c7f9bf231b995bc5b4ed8d461de0ad9d7a_2_690x311.png
(https://linux.do#p-11552200-h-7)使用方法
[*]
下载并安装 ComfyUI
[*] 建议使用官方仓库或常见整合包，确保基础节点完整可用。
[*]
安装 ComfyUI Manager 插件
[*] 插件地址：
GitHub - Comfy-Org/ComfyUI-Manager: ComfyUI-Manager is an extension designed to enhance the usability of ComfyUI. It offers management functions to install, remove, disable, and enable various custom nodes of ComfyUI. Furthermore, this extension provides a hub feature and convenience functions to access a wide range of information within ComfyUI. (https://github.com/Comfy-Org/ComfyUI-Manager)
[*] 该插件用于统一管理自定义节点、模型和依赖，后续安装会方便很多。
[*]
导入工作流
[*] 将下面提供的 JSON 工作流文件 直接拖入 ComfyUI 界面。
[*] ComfyUI 会自动解析工作流结构。
[*]
按提示下载依赖
[*] 根据 ComfyUI Manager 的提示，下载缺失的节点与所需模型（包括 Flux-Fill、SAM3 等）。
[*] 下载完成后重启 ComfyUI，确保所有节点正确加载。
下载地址:
**** Hidden Message *****
页:
[1]