crystian/ComfyUI-Crystools: A powerful set of tools for ComfyUI
该套装可以看到资源监视器，进度条和时间流逝，元数据和两个图像之间的比较，两个JSON之间的比较，显示任何值到控制台/显示器，管道，等等！提供了更好的节点来加载/保存图像、预览等，并在不加载新工作流的情况下查看“隐藏”数据。
我也搭了SD webUI，不太会画。感觉要比midjourney效果差一些。有没有特别通吃的模型推荐？
看楼上，我有推荐比较“通吃”的模型，现在几个顶流大模型训练的都比较精致，XL以后的模型对于NLP自然语言语义的理解都有了不小的提升，推荐使用。
另外，核心就是要在提词上多下功夫。
最新发布的SD3开放API申请地址： Stability AI - Developer Platform
模型都是从huggingface找吧？又连不上又找不到哪个是官方的。
我从镜像站找了一个
下好了再试试
可以从镜像下，很快的
SD XL 的模型是不是必须GPU渲染，而且显存／内存占用很大？（平时用CPU渲染的16G内存电脑瑟瑟发抖；显存只有2G而且就是不能共享系统内存……）
是的，最好使用N卡，根据我的经验，对用户不同需求及使用目的做以下分层，供参考：
1、尝试体验级用户，显存4G-8G起，使用comfyUI；
2、摸索尝鲜级用户，显存8G-16G；
3、应用场景级用户，显存24G以上；
4、现无显卡支撑情况下的用户，可以考虑云端租用或开发平台使用；
今日推荐
chflame163/ComfyUI_LayerStyle: A set of nodes for ComfyUI that can composite layer and mask to achieve Photoshop like functionality.
一组为ComfyUI设计的节点，可以合成图层达到类似Photoshop的功能。这些节点将PhotoShop的一部分基本功能迁移到ComfyUI，旨在集中工作流程，减少软件切换的频率。
YOLOv8 Ultralytics:最先进的YOLO模型 - 哔哩哔哩
修手、修脸、修身，都用得着 
TencentQQGYLab/ELLA: ELLA: Equip Diffusion Models with LLM for Enhanced Semantic Alignment — QQGYLab/ELLA：ELLA：为扩散模型配备LLM以增强语义对齐
TencentQQGYLab/ComfyUI-ELLA: ELLA nodes for ComfyUI
jiaxiangc/ComfyUI-ResAdapter: ComfyUI extension for ResAdapter.
一个即插即用的分辨率适配器，用于使任何扩散模型生成无分辨率图像：没有额外的训练，没有额外的推理，没有风格转移。
kealiu/ComfyUI-ZeroShot-MTrans: ZeST: Zero-Shot Material Transfer from a Single Image
从单个图像进行零拍摄材料传输。给定输入图像（例如，苹果的照片）和单个材料样本图像（例如，一个金碗），ZeST可以转移黄金材料从样本到苹果与准确的照明线索，同时使一切都一致。
nullquant/ComfyUI-BrushNet: ComfyUI BrushNet nodes
一个具有分解双分支扩散的即插即用图像修补模型。
Extraltodeus/ComfyUI-AutomaticCFG: If your image was a pizza and the CFG the temperature of your oven: this is a thermostat that ensures it is always cooked like you want. Also adds a 30% speed increase. For ComfyUI / StableDiffusion — Extraltodeus/ComfyUI-AutomaticCFG：如果你的图像是一个比萨饼，而CFG是你烤箱的温度：这是一个恒温器，可以确保它总是像你想要的那样烹饪。速度提升30%。对于ComfyUI / StableDiffusion
kijai/ComfyUI-IC-Light-Wrapper: Wraps the IC-Light Diffuser demo to a ComfyUI node
IC-Light是一个操纵图像照明的项目
cubiq/ComfyUI_FaceAnalysis：ComfyUI的扩展，用于评估两张面孔之间的相似性 — cubiq/ComfyUI_FaceAnalysis: Extension for ComfyUI to evaluate the similarity between two faces
The best way to evaluate generated faces is to first send a batch of 3 reference images to the node and compare them to a forth reference (all actual pictures of the person). That will give you a baseline number that you can use to compare to generated images.
评估生成的人脸的最佳方法是首先将一批3个参考图像发送到节点，并将它们与第四个参考（所有人的实际照片）进行比较。这将为您提供给予一个基线编号，您可以使用该编号与生成的图像进行比较。
cubiq/PuLID_ComfyUI：PuLID原生实现ComfyUI — cubiq/PuLID_ComfyUI: PuLID native implementation for ComfyUI
PuLID: Pure and Lightning ID Customization via Contrastive Alignment
Pure PuLID：通过对比对齐的Pure和Lightning ID自定义
1063+24G内存 
看教程搭过webui（现在换成了stable-diffusion-webui-forge），基本只能输出1000x1000以下的图片，用的novelAI模型，出来的图片感觉都很粗糙 
SD1.5的底模建议先出512，768的尺寸，sdxl的底模输出图像1024，1024的图片，喜欢的图片在做放大处理，基本逻辑，技巧很多的