【亲测免费】 ComfyUI至Python扩展技术文档
安装指南
为了将ComfyUI的工作流程无缝转换成Python代码,您需要遵循以下步骤来配置环境:
-
确保ComfyUI已就绪: 确保您的计算机上已正确安装并设置了ComfyUI。
-
克隆项目: 打开终端或命令提示符,导航到您希望存放项目的位置,并执行以下命令以克隆此扩展库:
git clone https://github.com/pydn/ComfyUI-to-Python-Extension.git -
安装依赖: 进入到刚刚克隆的项目目录中,并通过pip安装必需的软件包:
cd ComfyUI-to-Python-Extension pip install -r requirements.txt
请注意,Dev模式在ComfyUI中是必须开启的,否则脚本无法正常工作。按照README中的指示在ComfyUI中启用它。
项目的使用说明
-
激活Dev模式: 在ComfyUI的界面中,找到“队列提示”(Queue Prompt)旁的齿轮图标,勾选“启用开发者选项”。
-
保存工作流: 配置好工作流后,利用新增的“保存(API格式)”按钮导出工作流为JSON文件。
-
转移JSON文件: 将生成的JSON文件移动到
ComfyUI-to-Python-Extension目录中。 -
调整参数(可选): 在
comfyui_to_python.py中,您可以自定义输入和输出文件名以及一次生成的图片数量。 -
运行转换脚本:
python comfyui_to_python.py -
执行生成的Python脚本: 脚本会生成一个Python文件,如默认的
workflow_api.py,直接运行该文件即可无服务器生成图像。
项目API使用文档
本工具自动将ComfyUI的工作流转换成一系列Python调用,例如导入节点模块、初始化节点对象、调用方法等。每一步操作映射到对应的节点和其属性设置。用户无需直接操作API接口,而是通过编辑转换后的Python脚本来间接使用API功能。核心在于理解转换后的代码逻辑,如加载检查点(CheckpointLoaderSimple)、创建空潜像(EmptyLatentImage)、文本编码(CLIPTextEncode)等节点操作,并根据需要调整这些节点的配置和连接。
项目特点与安装方式
本节简要回顾了安装与基本使用流程。关键在于理解ComfyUI与Python环境之间的桥梁角色,此工具让您能够利用ComfyUI设计的强大图形界面工作流,在Python环境中高效复现其功能。确保遵循上述指引,尤其是Dev模式的启用,以确保项目顺利运行。
无需额外步骤,仅需确保完成了上述安装与设置过程,就能启动您的ComfyUI至Python转化之旅。这不仅简化了从可视化到代码实现的过程,也为自动化实验和大规模图像生成提供了强大支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0171
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook090
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239