企业官网建设流程全解析

ComfyUI 的角色设计工作流，通常不止是生成一张好看的立绘。实际生产里经常需要一组连续任务：局部重绘改掉角色身上的装备颜色，无损扩图把半身构图补成全身，最后把正面、背面、左右侧面排成一张角色四视图设定图。Krea2 这类图像编辑节点负责前两步的核心编辑能力，ComfyUI 负责把流程串起来。这篇文章围绕一条纯新手可上手的 Krea2 进阶工作流，讲清楚局部重绘、无损扩图和角色四视图设定图三个目标，并给出可复现的节点结构和排错思路。读完并按照顺序操作后，你应该能得到一份可以继续改造成自己角色风格的四视图生成模板，而不是只在别人的工作流截图里看到一堆看不懂的连线。

1. 先搞懂这条工作流要解决什么问题

1.1 角色四视图设定图是什么，为什么手动做很容易翻车

角色四视图设定图是角色设计、游戏美术和概念设计里常见的一类参考图，通常包含同一个角色的正面、背面、左右侧面，有时还会附带表情分解、装备拆分或比例标线。它的核心要求不是单张图多精美，而是四张图里的角色必须是同一个人：五官结构一致、服装配色一致、发型和配饰一致。

手工做四视图的典型路线是先反复抽卡，生成大量正面图，再挑出最喜欢的几张，分别提示生成“back view”“side view”，最后丢进 Photoshop 或 Figma 里拼版。问题很明显：每一次生成都相当于重新掷骰子，哪怕提示词写得完全一致，得到的五官、服装细节也会有差异；拼接时还要处理每张图尺寸不同、背景不统一、边缘裁切不整齐的问题。真正花时间的往往不是生成，而是筛选和修图。

ComfyUI 的价值在于可以把“同一角色基准图”——局部重绘修正——扩图补全——批量生成视角——自动拼版这一整套动作变成可复现的节点链。发现某个环节不满意，只改对应节点的参数再跑一次，不需要重新从生成第一张图开始。

1.2 Krea2 在 ComfyUI 工作流里承担什么角色

Krea2 在 ComfyUI 生态里通常指一类以图像编辑为核心的模型节点，能力集中在局部重绘、扩图、按指令修改画面要素等任务上。它和一个基础文生图模型的区别在于：文生图模型主要根据提示词从噪声里生成全新图像，而 Krea2 更擅长在一张已有图像的基础上做定向修改，包括“把这里的裙子改成红色”“把背景从室内换成森林”“把这张半身像扩展成全身像”这类操作。

在 ComfyUI 里，它通常不是一组底模，而是以自定义节点的方式加载到工作流中的编辑模块。不同整合包、不同节点仓库对它的封装并不完全一致，有的叫Krea2Edit，有的叫Krea2 Inpaint或Krea2 Outpaint，还有的仓库会把它包装成更像通用图生图的形态。文章后面给出的节点名称主要用于说明连接关系，落地时要以你实际安装的节点说明为准。

与 ControlNet、IP-Adapter 配合使用时，Krea2 的角色更像是“精修层”：ControlNet 负责把骨架或边缘约束到位，IP-Adapter 负责传递参考图角色特征，Krea2 负责处理细节调整。它不需要接管整条工作流，只需要出现在需要改图的环节。

1.3 局部重绘与无损扩图的核心区别

这两个概念经常同时出现，但目标完全不同。

局部重绘（Inpainting）是在图像内部圈出一块区域，只重画这个区域，其他部分尽量保持原样。典型场景是改服装、改发型、去掉某个多余物品、修正面部五官。它需要明确告诉模型“改哪里”和“改成什么”，否则模型会连周围的背景一起重画。

无损扩图（Outpainting）是往外扩展画布，把画面原本边界外面的内容补出来。典型场景是半身像扩成全身像，竖构图扩成横构图，或者把一张角色图扩展成适合做背景板的大尺寸画面。这里的“无损”并不是像素级无损，而是指角色主体不被裁切、边缘过渡自然、画质没有明显劣化。因为扩图本质上仍然由模型推断生成，它不可能补回原本就不存在的信息，但可以通过控制节奏避免出现明显的拉伸和接缝。

这两类操作在 ComfyUI 里的实现路径也不一样：局部重绘需要遮罩输入和合适的分辨率设置；扩图需要先改画布尺寸，再用较低的 denoise 分阶段补全。下面几节会分别展开。

2. 环境准备：把 ComfyUI 和 Krea2 组件装到可运行状态

2.1 版本与前置依赖要先对齐

ComfyUI 工作流对版本比较敏感。同一个工作流文件在别人的电脑上能跑，换到你的环境报错，最常见的原因不是工作流本身有问题，而是 ComfyUI 版本、Python 版本、PyTorch 版本和节点依赖不一致。

建议在开始前先确认下面的信息：

如果使用的是秋叶整合包或类似的一键包，基础环境已经帮你配好了一部分，但新增自定义节点时仍然要看节点作者要求，不要默认“整合包什么都能装”。

还需要区分这里的目标：如果你只是想验证局部重绘和扩图效果，CPU 环境也能跑通小尺寸图，只是生成速度会慢很多。如果你要稳定产出角色四视图，最好有一张显存不小于 8 GB 的显卡，否则 batch 和分辨率一起调大会直接走到显存不足的报错路径上。

2.2 安装 Krea2 相关节点和模型

Krea2 相关节点通常通过 ComfyUI Manager 安装。先确保你已经安装并启动了 Manager 插件，然后在 Web 界面的 Manager 里搜索 Krea2，看到对应节点仓库后一键安装。安装完成后需要重启 ComfyUI。

如果不用 Manager，也可以手动安装，思路是进入custom_nodes目录，拉取节点仓库，再安装它的依赖：

cd ComfyUI/custom_nodes git clone <节点仓库地址> cd <节点仓库目录> pip install -r requirements.txt

这里的仓库地址要以节点作者发布页为准，安装前先看仓库 README 里写的适用 ComfyUI 版本和依赖清单。不要直接复制网上的任意仓库地址，很多同名仓库并不维护。

模型文件也是同样的原则。Krea2 编辑能力依赖的权重文件，通常需要手动放进models目录下的某个子目录，比如models/krea2、models/checkpoints或models/diffusion_models。放进哪个目录，需要在节点作者的文档里确认。如果你下载的是别人分享的工作流，注意工作流 JSON 里记录的模型路径只是参考，你本地需要把同名模型放到对应位置，路径不一样时要用 ComfyUI 的模型节点重新选择。

2.3 环境自检清单

安装完成后，不要急着跑完整工作流。先做一轮自检，每一项目标是“知道它能用”，而不是“看起来没问题”。

1. ComfyUI 能正常启动，Web 页面能打开。
2. ComfyUI Manager 能显示已安装的自定义节点列表。
3. Krea2 相关节点出现在节点列表里，搜索节点名能搜到。
4. 需要的模型权重已经在models对应目录下，并且节点里能选择到。
5. 能正常加载一张测试图片并预览。
6. 能跑通任意一个官方或社区工作流，确认环境本身没问题。

第 4 条是新手最容易忽略的。很多人以为模型文件放进去就能被自动识别，实际上不同节点读取模型的路径不同。最稳妥的方法是先把目标节点拖到画布上，看它要求什么路径，再按路径放模型。

注意：不要只验证程序能启动，还要验证输入、输出、异常分支和日志是否符合预期。环境自检的目的不是“能打开页面”，而是“能完成一次最小推理”。

3. 搭建最小工作流：先跑通 Krea2 图生图编辑

3.1 节点结构：从一张图到一个可编辑结果

在搭复杂工作流之前，先搭一条最小链路。它的目标是验证 Krea2 节点能读取图像、接受提示词、输出编辑结果。最小链路通常包含以下节点：

• Load Image：加载本地测试图。
• Krea2 Edit（名称以实际安装为准）：接收图像和编辑指令。
• Preview Image或Save Image：预览和保存结果。

如果节点仓库采用开放模型实现，链路会多出 VAE 编解码和采样器节点，结构类似：

Load Image -> VAE Encode -> Krea2 编辑/采样 -> VAE Decode -> Preview Image

具体走哪条链路，取决于节点封装方式。封装完整的节点内部已处理了 VAE 和采样过程，你只需要提供图像与提示词；封装更开放的节点则把采样步骤暴露在工作流里，方便你调整steps、cfg和denoise。

第一次跑，不要加入 ControlNet、IP-Adapter 等额外条件，先用一张简单图片，用一句明确的编辑指令验证 Krea2 节点本身是否工作。

3.2 最小工作流的关键参数

以下参数是在 Krea2 相关节点里出现频率较高的参数，含义解释以通用图生图逻辑为准：

这些参数里，最需要理解的是denoise。局部重绘时，denoise 决定“原图保留多少、重画多少”；扩图时，denoise 决定“补出来的内容有多贴合原图上下文”。新手经常犯一个错误：无论什么任务都把 denoise 拉到 1.0，结果局部重绘把整张图重画了一遍，扩图则出现了明显风格断裂。

3.3 最小验证：用一张测试图跑通

准备一张主体清晰、背景单纯的图片，例如一张单人半身像。在 Krea2 节点里输入一句明确但范围很小的编辑指令，例如“把背景换成浅灰色纯色背景”，固定 seed，denoise 设为 0.4 左右，先跑一次。

预期的成功标准是：角色主体没有明显变化，只有背景被替换；图像分辨率保持正常；保存后的图片可以正常打开。

如果失败，优先排查三点：

• 节点是否真的读到了图片，预览节点里有没有显示输入图。
• 模型路径是否正确，节点里是否出现了红色报错提示。
• 显存是否充足，报错日志里有没有CUDA out of memory。

最小工作流跑通后，再进入局部重绘和扩图两个扩展环节。

4. 局部重绘：把角色服装或背景单独改掉

4.1 两种实现思路：指令重绘与遮罩重绘

局部重绘在 ComfyUI 里有两种常见做法。

第一种是纯指令式局部重绘。直接告诉 Krea2“把角色的上衣从白色改成蓝色”，模型会根据语义理解自动定位修改区域。优点是操作简单，不需要画遮罩；缺点是模型对“哪里是上衣”的判定不一定稳定，指令范围稍大可能连裤子、背景一起改掉。

第二种是遮罩式局部重绘。先用Load Image加载图片，再用Mask Editor或RMBG类节点得到一块遮罩，把遮罩传入重绘节点，模型只重画遮罩覆盖的区域。优点是控制精确，缺点是每张图都要手动画遮罩，或者要额外设计自动遮罩方案。

在角色四视图工作流里，推荐以遮罩式为主、指令式为辅。原因在于四视图任务需要反复修改同一角色的多个区域，如果你每次改服装颜色都要模型自己判断范围，结果很难保持一致。用遮罩把“角色服装区域”固定下来，只改颜色和材质描述，稳定度会高出很多。

4.2 遮罩的获取与预处理

如果不想手动画，可以先用分割类节点自动生成角色遮罩。常规思路是把输入图经过一个人物分割或换装类模型，输出一张黑白遮罩：白色是需要重绘的区域，黑色是保留区域。

得到遮罩后，需要检查三件事：

• 遮罩是否覆盖完整目标区域。比如要改裙子，遮罩不能只覆盖裙子的一半。
• 遮罩边缘是否太硬。太硬的边缘重绘后容易出现锯齿，可以加一点羽化。
• 遮罩是否误覆盖了不该改的区域。比如发丝、配饰被划进遮罩，重绘后会跟着变化。

遮罩在送入重绘节点之前，通常不需要手动做太多处理，直接在节点参数里调整羽化值即可。如果你用的重绘节点不提供羽化参数，可以在遮罩节点后面接一个Mask Blur或类似节点。

4.3 局部重绘的参数调节与常见坑

局部重绘最推荐的参数起点是：denoise 在 0.3 到 0.6 之间，control_strength视控制条件而定，seed 固定。每改动一次服装描述，只改 prompt，其他参数保持不变，这样才能对比到底是描述变化还是随机性变化影响了结果。

常见坑有三个。

第一个坑是遮罩区域比目标区域大。很多新手画遮罩时习惯画大一圈，以为“多一点没关系”，结果重绘后颜色溢到周围的背景和皮肤上。正确做法是遮罩尽量贴着目标边缘，宁可少画，然后通过 prompt 让模型补全区域内部的细节。

第二个坑是重绘后角色脸部和发型漂移。即使只改了服装区域，模型也可能因为整体隐空间联动而顺带改变脸部特征。解决办法是把脸部区域从遮罩中排除，或者在重绘节点外再接一个低 denoise 的局部精修节点，只对脸部做轻微恢复。

第三个坑是忘记固定 seed。局部重绘没有固定 seed 时，同一 prompt 跑多次，角色脸型、服装细节都会跳。批量生成四视图时，seed 不一致会让四张图差异非常大。

{ "inpaint_example": { "input_image": "load_image.output", "mask": "mask_editor.mask", "prompt": "change the shirt from white to navy blue, keep fabric style", "denoise": 0.5, "seed": 20260701, "control_strength": 0.8 } }

上面这段 JSON 只是用于说明节点参数的组织方式，不是可以直接导入的完整工作流。不同节点仓库的字段名不同，落地时要按节点参数面板实际显示的字段名调整。

5. 无损扩图：从半身图到全身设定图

5.1 无损扩图的原理与画布操作

扩图任务的第一步不是重绘，而是先把画布变大。在 ComfyUI 中，这一步通常通过图像尺寸调整节点或空潜空间节点实现。比如原始图是 1024x1024 的半身图，你想扩成适合全身设定的 1024x1536，就需要先把画布的高度扩大，并在扩出来的区域填入某种初始信息，再交给模型补全。

这里容易产生误解：扩图不是直接把原图“拉伸”到新尺寸，那样只会得到变形图。正确流程是先把原图放到新画布的某个位置，留出需要补充的边缘区域，再用模型在空白区域生成内容。ComfyUI 中常见的做法是使用扩图专用节点，这些节点会把原图居中或对齐到一边，然后以较低 denoise 分阶段向外生成。

扩图方向也需要提前规划。如果最终目标是角色四视图，通常需要把角色主体完整放进画面，不能只扩背景不扩人物。比较稳妥的扩图顺序是：先上下扩展，再左右扩展，或者反过来，每次只扩展一个方向，避免一次扩展多个方向时模型上下文不够，导致内容出现明显接缝。

5.2 扩图时如何避免内容重复和比例变形

扩图最常见的现象是补出来的内容重复。比如扩展地面时补出两条腿、补出重复的手臂；扩展天空时补出第二个太阳。原因是模型在生成空白区域时，没有足够信息判断远处内容的分布。

控制方法有三个层面：

1. 降低每次扩图的幅度。一次只扩 64 到 128 像素，分多次完成，而不是一次扩 512 像素。
2. 设置较小的 denoise。扩图时 denoise 过高会连原图的边缘一起重画，造成主体漂移；一般从 0.3 起步。
3. 使用 ControlNet 或参考图约束角色姿态。如果你已经有了角色的完整线稿或姿态图，扩图时可以把姿态图作为控制条件传入，避免补出来的身体部分与已有身体不连贯。

比例变形主要是画布方向导致的。扩图完成后，如果生成的角色形态变得又长又扁，往往是因为输入分辨率与目标画布比例差异过大，模型在空白区域里只能强行拉伸语义。遇到这种情况，不要直接调大分辨率，先缩小单次扩展幅度，分步完成比例转换。

5.3 扩图与高清放大的结合

扩图完成后再做高清放大，是角色设定图生产里比较推荐的顺序。先扩图得到完整构图，再通过放大模型提高分辨率，这样可以避免先放大再扩图带来的边缘清晰度和画布适配问题。

在 ComfyUI 里，可以这样组织：

Load Image -> 扩图节点 -> 高清放大节点 -> Save Image

高清放大节点通常有放大倍数参数，比如 2x 或 4x。需要根据显存平衡倍数：放大倍数越高，细节越好，但显存占用也接近倍数平方增长。四视图后续要拼版，建议每张视图先统一分辨率，再拼图，不要在拼接后再放大整张大图，否则单图细节已经被压缩过，后期补救空间不大。

注意：扩图后的图像输出尺寸要以后续拼接目标的规格为准。如果四视图每格最终要 1024x1536，那么扩图阶段就尽量直接产出这个尺寸，而不是事后反复缩放。

6. 一键生成角色四视图设定图

6.1 从单张角色图到多视角设定的生成思路

四视图生成没有唯一的官方做法，实际项目里常见三种路线：

路线一，已经有角色 LoRA。先固定角色 LoRA，分别生成正面、背面、左右侧四张图，再用 Krea2 对不一致的细节做局部重绘。这条路线最稳定，因为角色特征已经被 LoRA 锁定。

路线二，只有一张参考图。利用 IP-Adapter、Reference-Only 或类似参考机制，把角色特征传递到不同视角的后代图里，生成四张候选图，再用局部重绘统一细节。这条路线适合没有 LoRA 的新角色快速验证。

路线三，直接用 Krea2 类节点接收参考图和视角指令，批量生成不同视角，再拼版。操作最简单，但一致性完全依赖模型能力，结果波动比较大。

本文推荐以路线二或路线三为主结构，因为标题场景是“进阶工作流”，读者手里不一定每个角色都有 LoRA。结构可以写成：

Load Image(正面基准) -> 参考特征提取 -> Krea2 批量编辑 -> 分别输出 front/back/side_left/side_right -> Resize 统一尺寸 -> Image Concatenate 拼版 -> Save Image

如果你的 Krea2 节点不支持批量，就使用循环节点或批处理插件，逐张执行，最后统一拼接。批量生成的稳定性关键点在于：四张图使用同一个基准图、同一组角色描述词、接近的 seed 范围，并且固定角色特征控制强度。

6.2 图像统一缩放与网格拼接

不同视角生成出来的图片尺寸可能不一致。拼版前必须先统一成相同尺寸，否则整张设定图会参差不齐。推荐目标尺寸是 1024x1536 或 768x1152，具体取决于你的显卡显存和最终用途。

拼接方式有 ComfyUI 节点和外部脚本两种。ComfyUI 里常见做法是用Image Concatenate节点或Grid Image节点，把四张图排成 2x2 网格。如果你习惯在外部处理，也可以用 Python 脚本拼接，下面的脚本只是最小示例，用于说明思路，实际项目请按自己的文件路径和数据格式调整：

from PIL import Image import os views = ["front.png", "back.png", "side_left.png", "side_right.png"] cell_w, cell_h = 1024, 1536 canvas = Image.new("RGB", (cell_w * 2, cell_h * 2), (30, 30, 30)) for idx, name in enumerate(views): img = Image.open(os.path.join("outputs", name)).resize((cell_w, cell_h)) row, col = divmod(idx, 2) canvas.paste(img, (col * cell_w, row * cell_h)) canvas.save("character_sheet_final.png") print("saved:", canvas.size)

脚本思路很简单：把四张视图按 2x2 排列，每个格子固定为 1024x1536，最后输出 2048x3072 的完整设定图。如果你需要加入文字标注，比如“正面”“背面”，可以在拼版后再用图像处理工具添加。

6.3 四视图工作流的完整参数清单

以下参数组合可以作为一个起点，实际值要根据你的节点实现和角色风格调整：

这个清单不是万能配方。如果你用 Krea2 节点跑出来风格不一致，优先调小 control_strength 会得到更接近基准图的结果；如果四张图中有一张明显崩坏，不要重新生成全部四张，先把崩坏的那张单独接局部重绘节点修复，再参与拼版。

7. 常见报错与排查路径

7.1 “请安装缺失的包以使用此工作流”

这是导入别人分享的工作流时很常见的弹窗提示。完整提示类似“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……”。它说明工作流用到了你本地没有安装的自定义节点或 Python 依赖。

排查顺序如下：

1. 保存工作流 JSON，查看节点列表里哪些节点标红。
2. 打开 ComfyUI Manager，查看“缺失节点”列表。
3. 根据缺失节点名称，在 Manager 或 Git 仓库里找到对应安装源。
4. 安装完成后，重启 ComfyUI 再重新导入工作流。

如果是 Python 依赖缺失，可以直接在 ComfyUI 使用的 Python 环境里安装缺失包，但这条路径最容易出错：因为很多人会装到系统 Python 而不是 ComfyUI 的虚拟环境里。正确做法是先确认 ComfyUI 用的是哪个 Python，再在那个环境里执行安装命令。

7.2 “节点在执行过程中发生错误”

运行到一半报错，报错信息里通常包含node字段和 error details，指向具体是哪类节点出错。不要只看最后一行红字，要往上翻，找到第一个红色报错点，那才是根因。

不同节点类型的排查重点不同，见下表：

显存不足是最常见的运行期问题。现象是报错里出现CUDA out of memory，或者运行到一半界面卡死。解决方式按优先级排序：先降低分辨率，再减小 batch，最后才考虑换更高显存显卡。

7.3 四视图生成结果不稳定怎么办

四视图结果不稳定通常不是某一个节点的问题，而是整条链路上多个因素叠加。最常见的三个原因是：

第一，四张图的编辑条件不一致。比如正面图改了服装颜色，背面图写的提示词没包含这个颜色，最终拼出来就是不同服装的角色。解决办法是统一维护一套角色描述模板，正面、背面、侧面共用同一个角色 description 字段。

第二，seed 范围差异太大。四视图不要使用完全随机的 seed，建议在一个小范围内测试，比如 20261001 到 20261004，观察规律后固定下来。

第三，特征传递强度设置过高或过低。control_strength 过高时，四个视角会互相复制构图，侧面图也会生成成正面；过低时，视角变化了但角色特征丢失。建议以 0.1 为步长在 0.5 到 0.9 之间测试。

7.4 排查顺序表

当结果从头到尾都不对时，不要陷入盲目调参。按下面顺序排查：

按这个顺序检查，大部分问题都能在前三步发现。如果前三步都正常但结果仍然崩坏，再考虑调参。

8. 最佳实践与扩展方向

8.1 学习环境与生产环境的差异

新手学习阶段可以容忍频繁的试错和不稳定结果，但要进入生产使用，建议至少补上以下内容：

• 配置外置化。把角色描述、seed、分辨率等参数汇总到一个节点或文本区里，避免每次改参数都要在节点间跳来跳去。
• 日志与版本管理。保留每次批量生成的工作流 JSON 和参数截图，方便复现。
• 目录规范。建立一个统一的输出目录结构，按日期和角色名分文件夹，避免拼版时找不到正确的视图文件。
• 异常兜底。批量生成时不要一次生成所有视角，分段生成并检查每张图，再进入下一步。
• 资源和显存控制。生产环境的批处理要设置合理的队列大小，防止长时间满载导致机器不稳定。

学习环境里跑通一条工作流，只是完成了 30% 的工作。剩下 70% 是让这条工作流在换设备、换模型、换角色时仍然可复现。

8.2 工作流版本管理和角色描述规范

角色四视图工作流很容易在修改调整中变得一团乱。建议维护一份角色描述模板文件，把不可变信息和可变信息分开：

不可变信息包括角色姓名、性别、体型、发型、瞳色、服装款式、配饰等。可变信息包括当前要修改的颜色、视角、表情、动作。

这样做的好处是：局部重绘时只替换可变信息，用 Krea2 编辑节点修改颜色；四视角生成时统一引用不可变信息，避免四张图描述不一致。

配合 ComfyUI 的Primitive Node，可以把这些描述信息集中到一个节点里，其他节点引用它的输出。这样后续修改时只改一处，整条工作流都会跟着更新。

8.3 可以继续扩展的方向

这条工作流拿到手之后，主要扩展空间有三个。

第一个方向是接入更多角色控制条件。加入 ControlNet 的 OpenPose 或 Depth 节点后，可以让不同视图保持更准确的姿态和比例；加入 IP-Adapter 后，可以只凭一张参考图就绑定角色特征。

第二个方向是自动遮罩化。当前局部重绘如果有部分依赖手动遮罩，可以换成自动检测节点，比如人物分割、服装分割类节点，把“头发”“上衣”“下装”分别输出成独立遮罩。这样同一角色改不同部位时，不需要反复手动画遮罩。

第三个方向是四视图之后继续扩展。四视图生成后，可以继续接动作分解图、表情图或装备拆分图。工作流结构不需要大改，只需要在批量节点里增加更多提示词项和对应拼接位置。

对于纯新手来说，最有价值的练习不是复制一张别人的完整工作流，而是从本文的最小 Krea2 编辑链路开始，逐步加入局部重绘、扩图、批量视角这三段功能。每条功能单独跑通后，再拼接成完整的四视图工作流。这样出现问题你才知道该去检查哪一段，而不是面对一堆节点无从下手。