第018章：ComfyUI文生图Z-Image模型创建数字人模特（二）

上一章我们已经把Z-Image模型文生图工作流所有需要的一些文件准备好了，这一章我们将从零开始搭建一个Z-Image模型的文生图工作流。

我的想法是这样的，我准备通过去做一个完整“数字人项目”来和大家一起去学习ComfyUI的使用，这样我们每一步的学习都会有相应的成果反馈，大家也更容易有成就感，具体的计划如下：

第一步：数字人模特创建，通过文生图的方式去生成独属于我们自己的数字人模特。

第二步：模特换装、换场景，通过图生图、图片编辑的方式去让数字人展示不同的风格。

第三步：给数字人配音，通过文声音音频的方式，给数字人设计音色、让他唱歌、读文案。

第四步：数字人视频，通过图生视频的方式生成数字人唱歌卖货的视频。

通过这样一个完整的流程的学习，我想等大家全部学习完时候，就能对AIGC&ComfyUI有一个比较深刻的掌握。

好了现在我们开始第一步，搭建一个Z-Image模型的文生图工作流来生成我们的“数字人模特”，启动ComfyUI，新建一个空白的工作流。

我们把自己想象成一个正准备筹建一个图像工作室的创业业者，我们需要组件我们得团队。

1、既然是图像工作室那最重要得就是画师了，对应到我们得工作流就是“图像生成大模型”。

还记得上一章里我们存放Z-Image模型得文件夹叫什么名字吗？对喽，“Unet”翻译过来就是神经网络得意思，在AIGC里面就饿可以理解为“AI模型”。

双击工作流得空白处，在弹出得搜索框中搜索“unet” ，选择"UNet加载器"。

在第一个框里选择我们上一章放到Unet文件夹里的“z_image_turbo_bf16.safetensors”模型。

第二个框里有“default/fp8_e4m3fn/fp8_e4m3fn_fast/fp8_e5m2” 四个选项，他们得含义如下：

怎么选择呢？大部分情况下我们都选择第2个“fp8_e4m3fn”，相比于“default”他得出图质量只有轻微得降低，但出图得速度大大提高。

“fp8_e4m3fn_fast”这个带Fast得出图速度是最快的，一般我们试提示词、草稿预览时可以用。

最后这个“fp8_e5m2”大部分时间都用不到，等后面如果有机会用到再给大家说，这里可以先不用管他。

2、请到画师以后，画师提了个要求，说我一个人干活效果可能不是那么好，希望能给他配个助手，对应到我们工作流里就是“lora”。

同样书记工作流得空白处，搜索“lora”,如下图：

这个添加以后，我们先鼠标右键“绕过”，相当于让这个节点失效不产生作用，我们先不让助手帮忙，先单独试试画师得水平。

他两得连线如下（模型 连 模型），由于刚才我们把Lora绕过了所以他变成了红色，就是不起作用了。

3、画师请到位了，现在要让画师干活，就得给他下达任务。这时候我们就需要一个文本输入得东西，在里面把任务写好再传递给画师。

还记得我们上一章下载的文本编码文件放到那个文件夹里了吗？对喽，“CLip”。

双击工作流空白处，输入“clip”,如下图：

添加以后，复制一下，总共放两个，为什么要两个呢？一个给他说“要怎么怎么做（输入正面提示词）”，一个给他说“不要怎么怎么做（输入负面提示词）”。

但实际上对现在的新模型来说，比如“Z-image"负面提示词其实是不需要的,但你不给他，工作流又会报错，这属于一个历史遗留问题。所以我们还需要一个空白的CLip给他。

在第一个框里（正面提示词里），我们需要把我们的要求输入进去（Z_Image支持中文输入），第二个框（负面提示词）由于不需要输入任何内容，我们可以点击鼠标右键“折叠”，把他折叠起来这样看起来更清爽一些。

折叠后的效果，如下图：

关于第二个clip文本编码框（负面提示词）还有一种操作方法，就是不用clip文本编码框，而是添加一个“条件零化”的组件，这个组件的作用就是，无论输入给他的任何内容，他都会转换为空再输出。

添加好以后，把正面提示词的内容输入给他，他会转换为空输出出去，如下图：

这个“条件零化”大家知道什么意思就行，有些人的工作流里会用这个代替空的“clip文本编码框”，我们后面的课程中还是会选择用“clip文本编码框”。

4、我把我们的要求写好了，但是咱们这个画师是个AI人，他听不懂我们人类的语言，需要把我们的人话转换为AI语言（计算机语言），这个时候我就需要请一个翻译官（clip加载器）。

还记得上一章我么下载的“text_encoders”文件,放在了clip文件夹里的是什么吗？对喽！是“qwen_3_8b_fp8mixed.safetensors”。

把"加载Clip"这组件和“clip文本编码框”链接起来，如下图：

5、那画师有了，任务也下达了，并且也翻译成AI画师能听懂得语言了，先画师要开始作画，是不是得准备画布了。双击空白处搜索“空latent”如下图：

宽度、高度就是画布得大小（我最最终输出得图像大小），个人建议图片大小控制在1K左右，太大了生成得速度会明显变慢，至于高清晰度图片我们后面可以用一个图片放大的组件来实现。批量大小就是一次生成几张图片得意思。

6、我们想想我们这个AI图像工作室还差什么东西？画师有了、画布有了、任务也翻译好了，他在哪办公呢？我们还没有办公室，赶紧去租一个办公室（K采样器）：

一般情况下这个“K采样器”就足够我们使用了，不需要什么高级的采样器。

里面的参数的意思从上到下分别是：

（1）模型：传入加载好的 UNet 大模型（Z-Image 等），是画面生成的核心权重，必须接入。

（2）正面条件：链接正向提示词的Clip编码框条件（CLIP 输出），告诉 AI 你想要画什么。

（3）负面条件：链接负向提示词的Clip编码框条件（CLIP 输出），告诉 AI 避开哪些瑕疵。

（4）Latent 图像：潜空间图像，AI模型绘画的画布。最下面的“降噪”参数，和这个是相互配合的，接「空 Latent」，降噪固定 1.0；图生图 / 图像编辑：接原图 VAE 编码后的 Latent，降噪值低于 1。

关于“降噪”，我们可以这么理解，AI绘画就是处理噪点的过程。降噪固定 1.0就是在画布上铺满噪点，AI需要去处理整个画布的所有位置。降噪固定 0.5,大概就是在画布上铺50%的噪点，Ai只需要就去处理50%的地方，剩下50%还是保持原样。所以图生图我我们固定1.0，图生图/图像编辑都是低于1.0。

（5）种子：控制整张图的构图、光影、人物五官基础随机值，可以简单理解为不同的种子对应不同的图片，种子不一样图片肯定就不一样，需要多次抽卡时就去把种子值改一下。

（6）生成后控制：randomize：随机新种子（默认，每次图都不一样）；fixed：锁定当前种子，重复运行出完全相同图片；increment：每次执行种子 + 1，批量生成相似变体图；decrement：每次执行种子 - 1；

这里有的randomize（随机新种子）有个问题，就是每次图片生成完成以后，你在这里看到的种子数值，并不是当前图片的种子值说下一次将要生成的图片的种子值。也就是说如果你觉得这张图不错，想记录一下整个种子数，你是找不到的。这就是我为啥喜欢用fixed（固定种子）的原因，当我需要换种子时我就手动去改一下。

（7）步数（steps）：采样迭代步数，AI 细化画面的迭代次数。数值越低：出图越快，但细节模糊、结构崩坏；数值越高：细节越丰富，但渲染耗时成倍增加；

至于整个步数（steps）应该填几？不同的模型值不同，一般模型的介绍里都有，如果你仔细看过Z-Image模型的介绍，就会知道（如下图），我们可以看到Z-Image-Turbo的步数（steps）是8，一般建议（6-12）之间，超过12除了让速度变慢，没有任何意义。

（8）CFG（引导系数，Classifier-Free Guidance）：控制正负提示词的遵守强度。

数值越低：AI 自由度越高，越容易偏离提示词；数值越高：AI 自由度越低，对提示词的服从度越高；

CFG的值现在一般默认1就可以。

（9）采样器名称（sampler）：AI 迭代计算画面的数学算法，不同采样器画风、速度、细节完全不同；

（10）调度器（scheduler）：配合采样器，控制每一步降噪幅度的衰减曲线，直接影响画质。

关于采样器和调度器怎么选，一般用默认的euler+simple就可以，我自己测下来整个默认组合的性价比是最好的，采样器改成seed_3,出图的质量会好一些，但是出图的时间翻了一倍。

Z-Image-Turbo模型K采样器参数设置如下：

下来让画师入住我们的办公室（连线），如下图：

7、各种准备工作已经准备完成，画师坐在办公室里也把图像画出来了，但我们整个画师是个AI画师，他画出来的东西是数据矩阵，我么们人类是看不懂的！所以我们还需要一个翻译官，把整个数据矩阵翻译成我们人类能够看懂的图片，就是上一章里，我们下载并部署到VAE文件夹的“ae.safetensors”文件。

工作流空白处搜索“加载vae”，选择“ae.safetensors”文件。

工作流空白处搜索“vae解码”，因我们是需要吧AI画的图 翻译成我们人类可以识别的图片，所以用的是“VAE解码”。

“vae解码”需要和“vae加载器”链接起来，如下图。

我们可以看到，vae解码还有两个链接节点“Latent”和“图像”，其中“Latent”就是接收K采样器传输出来的“Latent（图像矩阵）”，“图像”就是他调用vae加载器翻译以后输出的我们可以正常观看的图片，因此我们还需要给“图像节点”链接一个“保持图像”的组件，把生成的图片保存下来。

工作流空白处搜索“图像保存”

组件链接的线路如下：

8、到此我们一个最基础的Z-Image文生图工作流就搭建完成了，点击右上角“运行”按钮，我们看看效果。

不出意外的除了意外了，报错了，如下：

什么原因呢？原来我们上一章下载的CLip文件是“qwen_3_8b_fp8mixed.safetensors”这个文件呢和我们用的Clip文版编码框不适配。重新下载一下，下载“qwen_3_4b.safetensors”这个文件就OK了（选择下载下图红框标出来的文件）。

clip加载器重新选择：

再点工作流右上角的运行按钮，效果如下：

至此，我们一个最基础的Z-Image文生图工作流就搭建完成并运行成功了，在这一章里我们留了几个问题不知道大家注意到了没？

1、Lora我们是忽略的没有启用。

2、我文章中提到了，让大家把空Latent的大小设置到1K左右，后面可以加个放大节点去放大图片增加清晰度，但工作流里并没有体现出来。

3、细心的朋友应该发现了，我的正向提示词里，也就是图片的要求写的是比较详细的，但我们用自己脑子想的话很难写出这么详细的提示词。

这几个问题我们放到下一章去解决，等下一章我们把Lora和放大节点加进去，到时我会把完整的工作流，在群里分享给大家。