为什么在本地跑 ComfyUI 而不是用在线出图

本文以角色卡 Iris the Pixel Painter 为例，走一遍「装环境 → 出人像 → 出场景 → 接回 SillyTavern → 导出角色卡」的完整流程。

环境准备

ComfyUI 对硬件的要求取决于模型，不是取决于软件本身。

档位	显存	可用模型	单张耗时（512–768px）
最低	6GB	SD 1.5 系、部分 SDXL 量化	15–40s
推荐	12GB	SDXL、Pony、Illustrious	5–15s
舒适	16GB+	Flux 系、SDXL + 多 LoRA	3–10s

安装要点：

• 从官方仓库拉取 ComfyUI，用便携包或 venv 隔离依赖，避免污染系统 Python。
• 显卡驱动与 CUDA 版本对齐；NVIDIA 用户优先，AMD 走 ROCm 或 DirectML，速度会有折扣。
• 模型分三类放：checkpoints（底模）、loras（风格/角色）、vae。下载后核对哈希，损坏的 safetensors 会导致加载报错而非明显画质问题。
• 首次启动后访问本地端口，确认能跑通默认工作流再继续。

出角色卡头像：Iris the Pixel Painter

角色卡头像的核心诉求是一致性——同一个角色在不同表情、不同角度下要像同一个人。

工作流骨架

1. 底模：选一个偏插画/像素风的 checkpoint，动漫向角色不要用写实底模硬掰。
2. 正面提示词：角色外貌锚点写死——发色、瞳色、服装、配饰、画风关键词。Iris 的定位是像素画家，提示词里固定「pixel art style, painter’s apron, paint-stained gloves」这类不随场景变化的部分。
3. 负面提示词：通用质量负面 + 该底模推荐负面，别照搬网上模板，不同底模的负面词效果差异很大。
4. LoRA 叠加：如果有角色专属 LoRA，权重从 0.6 起调，过高会锁死姿势。
5. 采样器与步数：DPM++ 系或 Euler 系，步数 20–30 足够；CFG 7 左右，风格化模型可降到 5。
6. 分辨率：头像用 1:1，512×512 或 768×768。SDXL 底模不要低于 1024 边长，否则构图崩。

批量出表情差分

用 ComfyUI 的批次或队列功能，固定种子 + 只改表情/角度提示词，一次出 6–8 张。挑出可用的，剩下的当废片删掉。这比在线 API 按张付费试错成本低得多。

出场景插画

场景图和头像的差别在于：构图权重更高，角色一致性反而可以放松。

• 宽幅比例：16:9 或 21:9，适合做聊天背景或剧情配图。
• ControlNet：需要精确构图时上 depth 或 canny，先画草图再引导生成，比纯提示词可控。
• IPAdapter：想让场景里的角色保持和头像同一张脸，用 IPAdapter 把头像作为参考图喂进去，效果比堆提示词稳。
• 分层输出：背景、角色、前景分开生成再合成，后期改动成本低。

接回 SillyTavern

生成完的图要进角色卡，有两条路：

1. 直接嵌入 PNG：SillyTavern 的角色卡本质是 PNG 内嵌 JSON（chara 数据块）。用支持写入的编辑器把头像写进卡里，导入 SillyTavern 即显示。
2. 外链图床：角色卡只存 URL，图放本地目录或自建图床。适合图多、卡要频繁更新的情况，但换设备会断链。

表情差分和场景图建议放在角色卡外的资源目录，用扩展或前端脚本按剧情调用，不要全塞进 PNG——单张卡体积过大会拖慢加载。

配合本地 LLM 跑对话时，整条链路（对话 + 出图）都在本机，没有网络往返，也没有内容审查打断沉浸感。

常见坑

• 出图全糊：多半是 VAE 没配或底模与 VAE 不匹配。
• 人物每张都不一样：提示词锚点不固定，或 LoRA 权重太低。固定种子先验证一致性，再开随机。
• 显存爆掉：降分辨率、开 --lowvram、分块解码，或换量化版模型。
• 角色卡导入后无图：PNG 元数据块写入失败，换工具重写。

小结

本地 ComfyUI 出图的价值不在「免费」，而在于可控、可复现、不泄露角色设定。头像走固定提示词 + LoRA 保一致性，场景走 ControlNet/IPAdapter 保构图，最后按需嵌回角色卡或走外链。

如果你想跳过环境配置，直接在移动端管理角色卡和出图流程，可以看看 MiniTavern 的角色卡市场与移动端应用，iOS、Android 与 Chrome 扩展都支持，角色卡导入导出和 SillyTavern 生态互通。