ComfyUI+Krea2进阶工作流：局部重绘、无损扩图与角色四视图设定

如果你画过角色设定图应该体会过这种折磨正面画好了侧面崩了侧脸终于满意回头一看衣服花纹又全部错乱。过去解决这个问题要么靠 ControlNet 反复锁姿势要么靠 LoRA 练专属角色本地显存不够时一套工作流跑下来要抽卡几十次。今天这套基于 Krea2 的 ComfyUI 进阶工作流核心目标只有一个把“局部重绘、无损扩图、角色四视图设定图”这三件高频需求变成可以在本地一次性跑通的固定流程。先说判断Krea2 真正带来的变化不是生成质量比上一代高了多少而是把“生成后的定向修改”变得可控了。它更适合用在需要反复微调、补全画布、统一角色设定的生产环节。如果你一直在用 ComfyUI 做单张文生图却总卡在“改一处就毁全图”的阶段这篇文章就是给你写的。本文是“纯新手向 ComfyUI 系列”的进阶篇默认你已经会安装 ComfyUI、能跑通最基本的文生图工作流。文章会从概念讲到节点配置从局部重绘到无损扩图最后串联成一条完整的角色四视图设定图工作流。整个过程中涉及的参数、环境配置和常见报错我会放在一起讲完方便你直接对照操作。1. Krea2 进阶工作流的定位与适用场景很多新手第一次接触 Krea2会误以为它就是某个具体的“大模型”。实际上在 ComfyUI 里使用时它更像一套针对图像编辑与重绘任务设计的模型能力组合。Krea2 的本地部署版本通常以 checkpoint 或编辑专用模型的形式出现在工作流中配合 VAE Encode for Inpainting、扩展画布类节点可以完成比传统图生图精细得多的局部控制。从工作流角度说Krea2 适合替代项目中那些“重画一整张图”的笨重做法。传统图生图如果只想修改眼睛或衣领需要把整张图传给模型结果连头发都一起变了。Krea2 这类模型的特点是更关注遮罩范围内的语义理解生成时会把外部区域当作参考条件只对遮罩区域做重建。这个机制决定了它天然适合下面几类任务场景传统做法的问题Krea2 工作流的改进角色表情微调改眉毛会连带改发型和背景遮罩限定范围非遮罩区域尽量保持服装细节修改重绘导致布料纹理全乱局部编辑模型能参考上下文重新生成竖构图转横版拉伸变形或生成剩余区域后接缝明显无损扩图按语义扩展渐进式补全角色多视图每张视图独立生成导致角色不一致固定参考条件视图间只改角度与身材纯新手最容易犯的错是拿到 Krea2 之后仍然按照“文生图 高重绘幅度”的老思路去用。比如做局部重绘时把 Denoise 调到 0.8 以上遮罩范围以外的画面也跟着被重画做无损扩图时一次性向外扩展太多像素结果地面和墙壁的透视关系对不上。这些问题不是模型不行而是没有理解工作流的定位。这篇文章重点涉及三类读者第一类是游戏原画或插画新手想快速产出角色多视图设定稿第二类是做漫画或短视频分镜的内容创作者需要在固定构图下反复局部修改第三类是已经在用 ComfyUI、但希望摆脱“抽卡式改图”的进阶玩家。这三类人读完这篇文章后至少应该能搭出三个可复用的工作流模板。2. 核心概念局部重绘、无损扩图与角色四视图设定图2.1 局部重绘Inpainting究竟在做什么局部重绘的原理并不难理解。你可以把生成模型想象成一个修复师它只需要处理你指定的那块画布区域。在 ComfyUI 里这个区域就是通过遮罩 Mask 来表示的。实现过程通常是读取原图 → 用涂抹工具画出一块白色遮罩 → 把图像和遮罩一起编码到潜空间 → 采样器只针对遮罩区域生成新内容。这里最关键的细节是“非遮罩区域如何参与计算”。在早期方案中非遮罩区域会被简单地保留在潜空间里但采样器对它们仍然有隐式作用力这就是为什么有时候只是改个刘海整张脸都变了。Krea2 这类编辑模型在训练时就加入了局部编辑数据对遮罩边界的处理更精细。配合 ComfyUI 的 VAE Encodefor Inpainting节点非遮罩区域会通过 grow_mask_by 参数做边缘膨胀保证重绘边缘与原有画面自然融合。新手经常忽略的是denoise参数的语义。在局部重绘中denoise 控制在潜空间噪声图上叠加多少新噪声。数值太低遮罩区域变化微弱数值太高遮罩边缘容易出现明显边界。比较稳妥的做法是把 denoise 控制在 0.4 到 0.7 之间具体取决于修改幅度。2.2 无损扩图Outpainting与简单拉伸的区别无损扩图听起来高级本质上是在原图外部补充新的画面内容。传统做法是把画布拉伸变大然后把空白区域喂给模型生成缺点是接缝明显、透视断裂。无损扩图的思路是分多次向外扩展每次只增加一块区域同时保留固定原有的大面积像素不被重新绘制。在 ComfyUI 中无损扩图通常由两类节点配合完成一类是图像边缘扩展节点用于在指定方向和像素数上扩大画布另一类是重绘采样节点负责只针对新增区域进行填充。因为每次只处理新增区域已有画面不会被二次污染所以称为“无损”。更精细的实现还会加入 overlap重叠区域参数让每次扩展与上一次的内容有一段交叉地带采样时根据交叉区域对齐构图和色彩。关于无损扩图真正值得花时间研究的是扩图方向与单次扩展像素的平衡。一次性扩展 512 像素仍然容易出现结构断裂而每次扩展 64 到 128 像素再跑一次采样效果会更平滑。代价是需要多次采样时间成本更高。所以无损扩图的本质是用多次迭代换取画面一致性。2.3 角色四视图设定图的工作逻辑角色四视图通常指正面、侧面、背面以及一个细节放大图或动作参考图。传统绘制中画师需要从同一个角色模型出发保证五官、发型、服饰在转换角度时逻辑一致。对 AI 来说困难点在于生成多张视图时模型默认会把每张当成独立图像来理解容易出现“正面和背面根本不是同一个人”的情况。在工作流中解决这个问题思路是把参考图信息作为条件输入到生成环节并锁定角色描述文本。比如先产生一张满意的正面图然后以它作为参考再生成侧面、背面和动作图。实际操作中还经常叠加 ControlNet 的 OpenPose 或 Lineart 来控制姿势。Krea2 的作用则更多体现在局部修正阶段这张背面图的发型走向不对可以在侧面图基础上用局部重绘精准修掉。2.4 Krea2 在这三者中的角色如果从节点层级看Krea2 并不是一个单独运行的“插件”而是出现在模型加载、编辑能力、条件控制等不同环节中。你可以把它理解为模型的编辑能力基底。在 ComfyUI 中关键看模型文件放置在哪一个目录以及对应的加载节点如何被调用。从材料中能看到“krea2 edit v1.2”这样的版本信息说明 Krea2 在编辑能力上有持续迭代。对普通用户来说更值得关注的是它擅长哪些编辑操作小范围修图、局部结构重建、以及在大画布上保持对象一致性。这意味着你可以把它放进局部重绘工作流里做主力编辑模型也可以在四视图流程中用来做服装和细节的统一修正。3. 环境准备ComfyUI、Krea2 模型与依赖包3.1 选择整合包还是手动部署ComfyUI 的部署方式主要分两种整合包和手动部署。对纯新手来说推荐先使用整合包。整合包的优势是把 Python 环境、依赖库、常用节点、模型目录结构都预置好了下载解压后启动就能用。很多教程里提到的“秋叶一键整合包”就是这类工具它最大的价值不是免安装而是把后续节点缺失、Python 环境冲突这几个新手最容易栽的坑提前填平了。不过整合包也有缺点部分自定义节点版本较旧或者缺少某个特定模型的依赖。Krea2 如果在运行工作流时提示缺少节点或包需要回到 Python 环境中手动补装依赖。从技术路线上说手动部署更灵活对依赖掌控更精确但纯新手容易在环境变量和 CUDA 版本上卡住。我的建议是先用整合包跑通整条工作流再根据报错去补装缺失节点不要在第一天就追求手动部署。3.2 Krea2 模型应该放在哪里ComfyUI 的模型目录是有明确约定的。Krea2 相关模型文件应该放在ComfyUI/models/下的对应子目录中具体取决于它的格式ComfyUI/ ├── models/ │ ├── checkpoints/ # 完整模型包含文本编码器和 VAE │ ├── loras/ # LoRA 微调模型 │ ├── controlnet/ # ControlNet 条件控制模型 │ ├── vae/ # 独立的 VAE 模型 │ └── custom_nodes/ # 自定义节点插件如果你下载到的是一个 checkpoint 文件就放到checkpoints目录如果是编辑专用的 VAE 或模块文件放到对应目录。放错目录会导致加载节点时找不到模型这是新手最常遇到的问题。3.3 依赖包与缺失节点处理运行工作流时如果看到类似“请安装缺失的包以使用此工作流。要安装缺失的节点请先在你的 Python 环境中运行”的提示说明工作流引用了尚未安装的自定义节点。解决方法是在 ComfyUI 的 Python 环境中安装对应依赖或者在custom_nodes目录下克隆需要的插件。手动安装依赖时需要注意只激活 ComfyUI 自己的 Python 环境不能直接使用系统 Python。尤其是在多个 Python 版本并存的情况下装错环境会导致明明已经pip install过启动时仍然报错。推荐先确认可执行文件路径# 在 ComfyUI 根目录下执行确认当前 Python 环境 python -c import sys; print(sys.executable) # 安装缺失依赖请根据实际报错信息调整包名 python -m pip install opencv-python scipy如果错误信息指向某个自定义节点文件夹只需要单独进入该目录重新安装# 进入缺失节点目录后安装依赖 cd custom_nodes/ComfyUI-Krea2-Nodes python -m pip install -r requirements.txt3.4 验证环境是否可用环境配置完成后先用最简单的工作流验证 Krea2 是否加载正常。新建一个加载 checkpoint 的节点选择 Krea2 模型接入一个空的潜空间和 KSampler生成一张基础测试图。如果这一步能成功跑出图来就说明模型加载和采样链路没有大问题后面的进阶工作流都可以在这个基础上搭建。4. 工作流一局部重绘的关键节点与参数要点4.1 节点清单局部重绘的基础工作流包含以下节点组Load Image → VAE Encode (for Inpainting) → KSampler → VAE Decode → Save Image ↑ 遮罩图像MaskLoad Image 负责加载原图遮罩图像从同一张图进入VAE Encode (for Inpainting)的mask输入。这样编码器会把原图和遮罩一起编码采样器生成时只针对遮罩区域做重建。4.2 遮罩图像怎么画在 ComfyUI 中最简单的方式是在 Load Image 节点上传图片后点击“编辑遮罩”Edit Mask按钮然后用涂抹工具在需要修改的区域画上白色。遮罩不要求画得非常精细因为 VAE Encodefor Inpainting节点有一个grow_mask_by参数它会自动把遮罩边缘向外扩展几个像素让重绘边界融合得更自然。这里容易出错的是新手会把遮罩画在整张图上。这样等于重绘全图Krea2 的局部编辑优势完全发挥不出来。正确做法是只涂修改的核心区域比如只修改眼睛时遮罩尽量贴近眼睛范围就够了。4.3 核心参数分析局部重绘效果不佳时优先检查这几个参数参数作用新手建议值denoise控制重绘幅度0.5 到 0.7grow_mask_by遮罩边缘膨胀像素4 到 12cfg提示词遵守程度7 左右steps采样步数20 到 30需要说明的是Krea2 这类编辑模型对 Context上下文的依赖比普通模型更强。如果重绘区域太小、周围参考信息太少模型容易“自由发挥”。所以有时候把遮罩稍微扩大一点反而比精确到发丝更稳定。4.4 完整工作流 JSON 示例下面是一份可以直接导入 ComfyUI 的局部重绘最小工作流。使用前请确认模型文件名称是否匹配不匹配时在节点里重新选择即可。{ 1: { class_type: LoadImage, inputs: { image: your_image.png } }, 2: { class_type: VAEEncodeForInpaint, inputs: { pixels: [1, 0], vae: [5, 2], mask: [1, 1], grow_mask_by: 6 } }, 3: { class_type: CheckpointLoaderSimple, inputs: { ckpt_name: krea2_edit_v1.2.safetensors } }, 4: { class_type: CLIPTextEncode, inputs: { text: detailed eyes, natural lighting, soft shadow, high quality, clip: [3, 1] } }, 5: { class_type: VAELoader, inputs: { vae_name: krea2_vae.safetensors } }, 6: { class_type: KSampler, inputs: { model: [3, 0], positive: [4, 0], negative: [7, 0], latent_image: [2, 0], seed: 123456, steps: 25, cfg: 7.0, sampler_name: euler, scheduler: normal, denoise: 0.6 } }, 7: { class_type: CLIPTextEncode, inputs: { text: blurry, low quality, deformed, clip: [3, 1] } }, 8: { class_type: VAEDecode, inputs: { samples: [6, 0], vae: [5, 0] } }, 9: { class_type: SaveImage, inputs: { images: [8, 0], filename_prefix: krea2_inpaint } } }这份 JSON 的核心逻辑是原图通过 Load Image 分别输出 pixel 和 maskpixel 和 vae 一起编码mask 进入遮罩输入。KSampler 中denoise0.6是局部重绘的推荐起点。如果你只修改非常小的细节可以降到 0.4如果是修改大面积服装可以升到 0.7。5. 工作流二无损扩图的实现方式5.1 扩图的基本思路无损扩图在 ComfyUI 中有两种常见实现。第一种是使用图像边缘扩展类节点把现有画布向指定方向延展再用采样器填充新区域第二种是使用专用的 Outpainting 节点包它们在扩展画布的同时会自动生成遮罩并设置好采样所需的参数。无论哪种实现核心流程都是Load Image → 扩宽画布 → 对新增区域编码 → KSampler 定点重绘 → 解码保存为了画面自然新增区域不能一次性扩展太多。推荐的单次扩展像素为 64 到 128 像素。方向可以根据需要选择向左、向右、向上或向下也可以多个方向同时扩展。5.2 从竖构图到横版设定图的扩图策略应用在角色四视图时最常见的需求是把一张竖构图角色图扩展成横版多视图底板。这时可以先向左右两侧扩展再在新的画布中通过布局节点摆放多张视图。如果你使用的是支持批次的输出节点也可以用一张大尺寸空白画布作为底图把正面图、侧面图、背面图分别粘贴到对应区域再通过局部重绘把背景补全。这里的关键是扩图不是基于“拉伸”而是基于“语义补全”。模型会根据画面中的地面线、墙缝、光影方向等线索推测扩展区域应该是什么样的。所以提供参考信息的原始画面越大扩图成功率越高。5.3 扩图参数建议无损扩图的参数和局部重绘不完全相同。在填充新增区域时denoise不需要太高因为新增区域原本就是空白没有需要保留的原图信息。更关键的是overlap重叠区域它决定了每次采样时有多少像素与之前生成的画面重叠重叠区域越多接缝越不明显。参数作用推荐值expand_pixels单次扩展像素64 - 128overlap与已存在画布的重叠像素32 - 64denoise新增区域重绘幅度0.6 - 0.8direction扩展方向left/right/up/down5.4 扩图节点配置示例如果你安装了支持 Outpainting 的自定义节点配置示例如下Load Image → Outpaint Node ├── pixels → 编码 → KSampler → 解码 → Save Image └── mask → 送入采样器部分节点会在 Outpaint 之后直接输出 latent 和 mask不需要手动连接 VAE Encode。配置时需要在节点属性里设置left、right、top、bottom的像素数以及overlap值。运行完成后如果发现接缝处有明显色差可以增加 overlap或者把生成结果重新送入一次局部重绘用低 denoise 值统一色调。6. 工作流三一键生成角色四视图设定图6.1 布局先行还是生成先行生成四视图有两种思路。第一种是“先生成后拼接”先分别生成正面、侧面、背面再把三张图拼到同一张画布中最后统一修正第二种是“先拼版后生成”在一张大画布上布局好三个区域用 ControlNet 锁定姿势再一次性生成三视图。从 Krea2 的特性来看更稳妥的是第一种。因为 Krea2 在编辑模式下擅长对已有局部做修正而不是从零生成三视图。先生成单张视图再通过拼接和修正得到四视图可控性更高。6.2 提示词设计四视图的提示词需要在统一角色特征的条件下分别描述正面、侧面、背面。可以在正向提示词中把角色固定描述写全在需要变化的部分用不同关键词控制视角。masterpiece, best quality, 1girl, character design sheet, front view, side view, back view, white background, full body, consistent outfit, same hairstyle, game character concept art, soft lighting, high detail这里有一个实操技巧在 KSampler 的负面提示词中加入extra limbs, duplicate face, inconsistent clothing这类词能明显减少视角切换时出现的结构错误。6.3 分步操作流程第一步加载 Krea2 模型先生成一张满意的正面全身图。第二步把这张正面图作为参考图放入图生图流程用提示词改为side view同时调整 ControlNet 姿势图生成侧面图。第三步用同样的方法生成背面图。第四步把三张图载入到一张空白底图上用局部重绘修复人物边缘和背景阴影。第五步把最终结果再送入一次轻度重绘统一三张视图的光影和轮廓线。为了保证角色一致性一个建议是选定生成整洁的正面图后不要重新抽取随机种子而是固定种子和提示词只修改视角关键词。这样 Krea2 在生成侧面和背面时颜色和发型特征会保持相对稳定。6.4 四视图工作流模板以下 JSON 演示了从正面图生成侧面图的核心逻辑实际使用时需要加载正面图并修改提示词中的视角描述。{ 1: { class_type: LoadImage, inputs: { image: front_view.png } }, 2: { class_type: VAEEncode, inputs: { pixels: [1, 0], vae: [5, 0] } }, 3: { class_type: CLIPTextEncode, inputs: { text: 1girl, side view, full body, same outfit, same hairstyle as reference, game character concept art, white background, high quality, clip: [4, 1] } }, 4: { class_type: CheckpointLoaderSimple, inputs: { ckpt_name: krea2_edit_v1.2.safetensors } }, 5: { class_type: VAELoader, inputs: { vae_name: krea2_vae.safetensors } }, 6: { class_type: KSampler, inputs: { model: [4, 0], positive: [3, 0], negative: [7, 0], latent_image: [2, 0], seed: 888888, steps: 30, cfg: 7.0, sampler_name: dpmpp_2m, scheduler: karras, denoise: 0.55 } }, 7: { class_type: CLIPTextEncode, inputs: { text: extra limbs, duplicate face, inconsistent clothing, blurry, low quality, clip: [4, 1] } }, 8: { class_type: VAEDecode, inputs: { samples: [6, 0], vae: [5, 0] } }, 9: { class_type: SaveImage, inputs: { images: [8, 0], filename_prefix: krea2_side_view } } }这里的denoise0.55很关键它让侧面图保留正面图的肤色、发色、服装色同时允许视角变化。如果你发现侧面图和正面图姿势太接近可以稍微提高 denoise如果角色身份发生了漂移则降低 denoise。7. 运行结果与效果验证7.1 预期输出局部重绘工作流的预期结果是遮罩区域内的细节按照新的提示词改变遮罩外的画面基本保持原样。无损扩图的预期结果是新增画布上生成与原图连续的地面、背景和环境光整张图看起来像本来就是大尺寸画面。四视图设定图的预期结果是一张包含角色正面、侧面、背面和细节信息的横版设定图三张视图在服装、发色、气质上保持一致。7.2 如何判断成功判断标准不是“图好不好看”而是“是否满足工作流约束”。局部重绘只需要看非遮罩区域的像素变化幅度是否小无损扩图看新增区域与原有区域的边缘是否自然四视图看三张视图在角色身份特征上是否统一。建议每次保存结果时顺手把遮罩和参数一起截图方便后续对照调参。7.3 失败先看哪里如果生成效果不理想第一步不是改提示词而是检查遮罩和参数。局部重绘失败先看遮罩是否布满整个修改区域再看 denoise 是否过高。扩图出现明显接缝先调大 overlap 或降低单次扩展像素。四视图角色不一致先固定随机种子再降低 denoise。按照这个顺序排查通常比盲目抽卡更有效率。8. 常见问题与排查思路问题现象可能原因排查方式解决方案启动工作流时提示缺少节点自定义节点未安装看报错信息中的节点名称在 custom_nodes 中安装对应插件重启 ComfyUI提示“请安装缺失的包以使用此工作流”Python 环境缺少依赖按报错提示进入指定环境执行 pip install确认环境路径后安装 requirements.txt 中的依赖局部重绘后非遮罩区域也变了denoise 过高或 mask 过大降低 denoise检查遮罩范围将 denoise 调到 0.4-0.6重画遮罩扩图接缝明显overlap 太小或单次扩展像素太多观察接缝位置增加 overlap 到 48-64每次扩展 64-128 像素角色四视图不像同一人随机种子变化或 denoise 过高固定 seed降低 denoise统一种子将 denoise 保持在 0.5 左右显存不足导致报错长宽尺寸过大batch 过大查看输出日志中的 OOM 信息关闭其他进程降低图像分辨率或减小 batchKrea2 模型加载失败模型文件放置路径错误检查 checkpoint 节点是否能选到模型将模型放到对应目录刷新节点列表生成结果颜色断层VAE 与模型不匹配替换 VAE 测试换用模型配套的 VAE 文件9. 最佳实践与工程建议9.1 角色一致性管理角色一致性是四视图工作流最容易翻车的地方。我的建议是每次进入新流程前固定三样东西模型版本、随机种子、角色标准化提示词。角色标准化提示词可以单独存放内容包含发型、发色、瞳色、服装款式、颜色和配饰。这样在生成侧面、背面时只需要修改视角关键词不需要重复描述全部角色特征。9.2 显存优化Krea2 在编辑模式下对显存有一定压力尤其是无损扩图需要多次采样。如果显存不够推荐使用 Tiled VAE 解码并降低单批次图数量。还有一个技巧是先用较小分辨率跑通流程确认构图和效果后再调高分辨率。不要在最开始就追求 4K 输出这会让调参成本成倍增加。9.3 参数版本管理ComfyUI 工作流的可复制性很强但也容易失控。建议在保存图像时把工作流 JSON 一并导出文件名格式可以包含模型名、denoise、种子、日期等信息。我之前见过很多项目图没保存好后来想复现效果时只能重新抽卡。养成好习惯后你手上的每一张图都可以追溯来源。9.4 版权与合规提醒使用 Krea2 生成本地图片时需要注意素材版权问题。不要将他人受版权保护的绘画作品直接放入局部重绘流程中修改后商用。用于个人学习、风格测试和原创角色设计没有问题但涉及商业项目时需要确认使用的底图和风格参考是否有授权。本文所有工作流仅用于技术演示和学习交流。10. 总结与后续学习方向这篇文章讲了 Krea2 进阶工作流的三个核心模块局部重绘、无损扩图和角色四视图设定图。它们都可以在 ComfyUI 中通过标准化节点串联起来。局部重绘的关键是遮罩和 denoise 的平衡无损扩图的关键是控制单次扩展像素和 overlap四视图生成的关键是固定种子和角色描述只改变视角关键词。如果你是纯新手建议不要直接照搬完整四视图工作流。先把局部重绘跑通再尝试无损扩图最后再组合成四视图。每一条工作流单独练熟之后组合起来会非常顺手。后续还可以继续深入 ControlNet 姿态控制、LoRA 角色微调、以及用多个参考图做跨视角融合。这些都是建立在这篇文章基础之上的进阶方向建议收藏备用实际运行时遇到问题可以随时回来对照参数。这套 ComfyUI 工作流真正的价值是让你从“不断抽卡碰运气”切换到“定向修改、可控生成”的思维方式。只要把局部重绘和无损扩图这两个基础能力练好角色设计的工作效率会提升很多。下一期的系列内容更适合围绕角色一致性进一步展开届时可以继续聊 ControlNet 和 LoRA 的配合方法。