Giáo trình tự học miễn phí · Dịch vụ hỗ trợ theo nhu cầu.

Bài 0135phút ước tínhTrung cấp đến Chuyên sâu

1. Kiến Trúc Node-Based Của ComfyUI: Không Gian Tiềm Ẩn (Latent Space) & Luồng Dữ Liệu

Hiểu bản chất tại sao ComfyUI vượt trội hơn WebUI: Quản lý VRAM cực kỳ tiết kiệm, mô hình toán học Latent Space và kết nối các khối Node cơ bản.

🧩 5 Khối Node Cốt Lõi Trong Mọi Workflow ComfyUI

Load Checkpoint: Nạp mô hình AI (Model Weights, CLIP Text Encoder, VAE) vào VRAM card đồ họa.
CLIP Text Encode: Chuyển đổi câu Prompt chữ của bạn thành các Vector toán học (Conditioning).
Empty Latent Image: Tạo một bức tranh 'nhiễu hạt' (Noise) trong không gian tiềm ẩn (Latent Space) với kích thước mong muốn (Ví dụ: 1024x1024).
KSampler: Trái tim của quá trình sinh ảnh — thực hiện khử nhiễu (Denoising) từng bước theo thuật toán đã chọn (Euler, DPM++ 2M Karras).
VAE Decode: Giải mã bức ảnh từ Latent Space trở lại thành điểm ảnh RGB thông thường để lưu thành file PNG.

 example.py
# LUỒNG DỮ LIỆU CƠ BẢN TRONG COMFYUI (STANDARD DIFFUSION PIPELINE)
[ Load Checkpoint ] ──(MODEL)────────────┐
       │                                 │
       ├──(CLIP)──> [ Prompt (+) ] ─────┼──> [ KSampler ] ──(LATENT)──> [ VAE Decode ] ──> [ Save Image ]
       │            [ Prompt (-) ] ─────┤          ▲                           ▲
       │                                           │                           │
       └──(VAE)────────────────────────────────────┼───────────────────────────┘
                                                   │
[ Empty Latent Image (1024x1024) ] ────────────────┘

Thực hành

Thực hành và tự đánh giá

Dựng một Workflow cơ bản từ con số 0 trên giao diện ComfyUI, kết nối 5 Node chuẩn và sinh ra bức ảnh đầu tiên.

Tiến độ tự học lưu trên trình duyệt này. Chỉ đánh dấu khi đã kiểm tra sản phẩm thực hành.