大家好,我是三石。
今天给大家带来的是一个我认为非常有价值的工作流,就是一键生成带笔触的书法字体效果,话不多说,我们上图。

此外,我们还可以给字体来个金色黑底,更加气派。





以上所有的操作,在工作流中只需要需入文字,调整参数就好,不需要上传参考图,不需要垫图(当然,也可以垫哈),也不需要排版,全部自动化处理,那他们是怎么实现的呢?我们开始今天的教程吧。
本章目录:
1.我的灵感启发
2.工作流逻辑梳理
3.工组流拆解搭建
3.1 理解书法笔触lora
3.2 理解ControlNet应用和深度预处理器
3.3 理解渐变覆盖节点
3.4 理解文本图像节点
4.工作流搭建步骤
5.总结
1.我的灵感启发
其实刚开始,我是看了liblib上发的效果得到的想法,这个效果的本质其实是lora+ControlNet控字,然后在原来的字体上增加笔触效果。

然而,我逐渐意识到这一功能仍有提升的余地:
1. 首先需在Photoshop等图像处理软件中垫底图像并完成排版,随后再将作品上传至webui界面添加特效;
2. 字体的色彩需通过提示词来调节,缺乏自由度;
3. 背景色彩的设定同样受限于提示词的使用。
综上所述,我认为这一流程还可以进一步简化。基于此,我深入研究了工作流,成功解决了上述难题。
如果您需要现成的工作流,请关注我的主页,那里有更多相关信息。


原文片段:
那这是怎么实现的呢?
2.工作流逻辑梳理
首先,我详细地分析了这个工作流的核心实现原理。
接下来,我要对整个工作流的逻辑进行一番梳理。
在这个过程中,我注意到该工作流主要涉及以下几个关键节点:

标题:ComfyuI工作流程解析——轻松实现手写书法字体效果搭建
核心逻辑在于,首先将输入的文字进行抠图处理,将其转化为图片格式。接着,将这张图片输送至“ControlNet预处理器”,将其转化为深度学习图片。随后,将处理后的图片与“K采样器”相结合,输出带有笔触的书法字体效果。紧接着,将生成的图片转换为遮罩,交由“渐变覆盖”节点进行处理。最后,结合原始尺寸和背景信息,生成最终的效果图。
为了更直观地展示这一工作流程,我绘制了一张逻辑图,供大家参考。

3. 工作流程剖析与构建
经过对整体流程的初步了解,我们便需踏入本章的核心内容——对工作流程的细致拆解与深入解析。我将首先针对流程中的关键节点进行剖析,随后解释过程中的重要步骤,最终将这些环节串联起来,从而完成整个工作流的构建。
3.1 探索书法笔触Lora的奥秘
首先,我们必须对书法笔触Lora有一个清晰的认识。为此,我们需要在liblib平台下载相应的书法Lora模型,并将其安装到本地环境中。

安装路径:

这一环节的工作流程如下,请务必将liblib上的提示词保存下来,这对操作至关重要。
首先,我们需要使用底模:sd1.5dreamshaper_8.safetensors。
同时,您也可以尝试安装liblib上推荐的模型,这些模型都是适用的。
在正向参数设置中,我们采用以下配置:Lettersart,hardLetter,monochrome,greyscale,no humans,abstract,white background,calligraphy brush (medium),traditional media,simple background,signature,。
而对于负向参数,我们则设置为:text, watermark。
至于Lora模型强度,其数值越大,生成的图像越接近Lora风格。这一参数用于控制Lora模型对生成图像风格的影响程度。
如果您对Lora模型还有疑问,可以查阅我之前发布的文章,其中包含了详细的解释和解答。

下面这张图是不同的lora模型强度带来的结果:

3.2 探究ControlNet的运用与深度预处理器的作用
在此工作流的核心要素当属ControlNet的应用,简而言之,便是控图技术。其原理在于首先保留字体的基本形态,随后在外围增添丰富的笔触效果。一旦掌握了这一关键,后续的操作便会变得相对轻松。
若各位对于ControlNet尚感陌生,不妨回顾我先前发布的文章,其中对ControlNet进行了详尽的阐述,此处便不再赘述。
接下来,我们重点审视这一环节的节点流程:
在此过程中,我们运用了“Zoe深度预处理器”以及“Control_v11f1p_sd15_depth.pth”这一模型。


在此契机,让我们深入探讨一下深度预处理的内在机制。这一过程是通过将图像转换为“黑白灰”三种色调,从而明确物体之间的前后顺序和距离感,同时也能大致恢复图像的轮廓。以下这张面包图的示例可以让我们更加直观地理解:与我们距离较近的部分,色调偏白;而与我们距离较远的部分,色调则偏黑。

在Comfyui平台,用户可以找到多种针对深度处理的功能预处理器。这些预处理器各有特色,彼此之间的差异值得深入对比。实际上,这些预处理器并无绝对的好坏之分,关键在于是否适合特定需求。其中,Zoe系列的预处理器与MiDsa、Depth Anything系列在对比测试中表现尤为突出。特别是Depth Anything V2和Depth Anything,它们在保留细节方面表现出色。因此,我们建议用户不妨亲自尝试这些预处理器,以找到最适合自己的那一款。

关于文字的立体感呈现,其中的参数设置目前我还不太明了,相关文档尚未找到。在此,建议大家暂时保持原参数设置不变。若各位对此有所了解,欢迎共享宝贵信息。

标题:ComfyuI工作流程详解——轻松实现手写书法字体效果搭建
段落一:
在运用ControlNet的过程中,我们还需关注一个关键参数——“强度”的设定。这一参数主要用来调节ControlNet在生成图像过程中的作用力度。当“强度”值设为“0”时,ControlNet对图像生成的影响将降至最低,几乎可以忽略不计。而随着“强度”值的提升,ControlNet对图像的影响也会随之增强。为了帮助大家更好地理解这一变化,我进行了以下测试,并提供了对比效果。
段落二:
在对比图中,左侧展示的是原始上传的图像,而右侧则呈现了经过调整后的最终效果图。

在接下来的展示中,我们将对比两种不同强度设置下的效果。通过观察,我们可以明显看出,当强度设置过低时,尽管笔触呈现出一种飘逸的风格,但识别度却显得不够理想。反之,若将强度调得过高,虽然识别度得到了提升,但笔触的细节和风格却逐渐变得模糊。因此,在此我期望大家能够进行多次尝试和调整,寻找到一个最佳的平衡点。这个平衡点既要确保字体具有良好的识别性,又要充分展现笔触的独特风格。


在探索ComfyuI工作流的过程中,我们不妨大胆尝试调整开始与结束时间,这样的操作往往能带来独特的风格化效果,甚至可能带来意想不到的惊喜。值得注意的是,这项功能仅存在于“高级的ControlNet”中,大家不妨替换一下,亲自体验看看。

3.3 掌握渐变覆盖功能要点
在深入探讨了ControlNet模型在书法创作中的核心运用之后,接下来我们有必要详细了解“渐变覆盖”这一功能节点的操作指南。此节点的设计初衷是为了在字体设计流程的最终阶段,为字体赋予丰富的色彩。

标题:ComfyuI工作流:轻松创建书法字体效果
段落一:
实际上,这一环节的核心操作是在遮罩图层上施加渐变色彩,紧接着只需添加一张背景图即可。至于节点内部的参数设置,倘若各位对Photoshop有所了解,那么这些内容将显得十分直观。简单来说,主要是关于渐变色的数值选择,图层混合方式的选择,以及渐变方向等。大家不妨亲自尝试一番,很快就能掌握其中的技巧,这里就不再一一详述了。
段落二:
接下来,我要为大家介绍这个节点的安装方法。只需访问以下官方网站,即可完成安装。如果大家在安装过程中遇到困难,可以参考我之前发布的教程,相信会有所帮助。
段落三:
安装完成后,我们可以在软件中找到这个节点:

3.4 探究文本图像节点功能
在众多节点中,有一个节点至关重要,那就是“文本图像”节点。这个节点的独特之处在于,它允许用户通过简单的打字操作,直接生成具有书法笔触效果的字体。在“文本图像”节点中,有三个参数尤为关键。

首先,让我们来探讨一下安装的方法。这一过程与之前所提到的渐变覆盖效果使用的节点组是相同的。大家可以在页面下方轻松找到这个节点。

标题:ComfyUI工作流:高效构建手写书法字体风格
段落一:
首先,我们需要关注的核心要素是字体设计。若想创造出多样化风格的笔触效果,我们首先必须构建出多种风格的基础字体。这一步,我们需将各式各样的“字体包”导入至ComfyUI平台。具体存放路径,请参考下方的示意图:

标题:ComfyuI工作流——高效构建手写书法字体风格
在制作过程中,第二个至关重要的因素是字符的变动幅度以及随机种子设置。这一功能能够使字体呈现出大小不一的随机排版效果,从而赋予字体更加丰富的排版感。以下案例可供参考:字符变动幅度越大,字体间的大小比例差异就越明显。而“字符变动种子”则是用来调整随机排版的关键。
此外,排版方式的选择同样至关重要,它分为“横版”和“竖版”两种。其中,“竖版”是指文字以纵向排列的形式呈现。

文章标题:ComfyuI工作流程揭秘——高效创建手写书法字体效果
(文章第31/37部分,中间部分,以下为改写正文)
第31点,至关重要的一点在于画面的尺寸,这指的是当前界面的宽度和高度。这一尺寸的设定将直接决定最终生成图像的尺寸大小。

4. 工作流构建步骤详解
经过对上述核心环节的深入理解,我们便可以着手构建工作流了。然而,由于工作流的复杂性,我难以通过图片和文字的形式进行详尽的解释。如果您对此有具体需求,欢迎私信我获取工作流的相关信息。在此,我将尽力将整个流程梳理得尽可能清晰,以便大家能够直观地了解。
4.1 首先需将输入的文字从背景中提取出来,并将其传递给ControlNet预处理器。这一步骤的目的是让ControlNet学习并掌握文字的轮廓形状。

4.2 我们接下来将lora模型与正负向提示词一一对接至K采样器,初步呈现出带有白色背景的书法笔触效果。

4.3 在整个工作的收尾阶段,我们利用“图像尺寸获取”这一环节,确保输出图像的尺寸与输入文字时的尺寸实现同步,随后,我们只需在“渐变覆盖”这一步骤中添加渐变色,便大功告成了。

在接下来的操作中,您同样有机会上传个性化的背景图。比如,您可以参照以下示例,只是在此过程中,我们强烈建议您确保所选图片的尺寸与之前设置的尺寸保持一致,以确保整体效果的协调与美观。

4.4 在使用K采样器生成的图片时,切记需将其转换为遮罩,并经过反转处理,随后输入至“覆盖节点”。
总结:
今日的分享即将告一段落。我个人认为,这个工作流对于设计师而言,实用性极强。无论是设计海报、包装、宣传册、易拉宝等物料,还是APP横幅,字体设计都是不可或缺的一环。以往,我们只能依赖书法字体,或者更高级的做法是下载“汉字部首笔刷”,然后在Photoshop中进行组装。
我并非反对上述方法,因为在某些情况下,手动设计能够更准确地满足设计师的期望。然而,对于一些常规的宣传设计任务,我们或许可以在效率上寻求提升,以便设计师有更多的时间去探索新的知识和概念。AI技术的最大价值,或许就在于这一点。

在此,衷心祝愿各位在使用ComfyuI工作流的过程中,创作出满意的作品,满载而归。
若您觉得这篇文章对您有所启发,不妨点击关注,与我们一同交流心得,携手共进。小声告诉您,您所使用的ControlNet预处理器并非唯一选择,不妨尝试更换,或许会有意想不到的收获!
