0 引言

最近似乎发布了 Stream Diffusion ，因此我们开发了一个自定义节点，使其也能在ComfyUI 上运行。

据说，流扩散是一种批处理过程，在连续生成图像时，除了当前正在生成图像的步骤外，还已经开始了下一步的生成。

我不是学者，所以不知道细节，但他似乎在自己的官方 YouTube 频道上谈到了上述内容，如果你感兴趣，可以去看看。

当我们查看实际版本库时，发现它是使用 Diffusers 编写的，因此我们无法将其作为一个自定义节点，所以我们决定在 ComfyUI 中提供 Diffusers，并使用它来运行 Stream Diffusion。以下是该项目的简要介绍。

本文发布后，开发工作将继续进行，因此如果您有任何关于其他功能或问题的建议，我们将不胜感激。
 也欢迎您与我们共同开发。

 1. 如何使用

本节将从已经可以运行 Comfy UI 的角度对其进行说明。

0. ComfyUI-Diffusers

 实际的存储库在这里。

虽然名称是 Diffusers，但其中包含了运行 StreamDiffusion 的节点。

 1. 安装

在 ComfyUI/custom_nodes/ 中，克隆存储库并安装所需的模块。

git clone https://github.com/Limitex/ComfyUI-Diffusers.git
cd ComfyUI-Diffusers
pip install -r requirements.txt
git clone https://github.com/cumulo-autumn/StreamDiffusion.git
python -m streamdiffusion.tools.install-tensorrt

 2. 示例：

在实际操作中，请参阅下面的工作流程，了解它是如何使用的。

实际工作流程可在 此处找到 。

此外，还可以通过以下方式实现实时生成
 额外选项
通过启用 自动队列 功能，可以实时生成图像。

实际工作流程可在 此处 找到 。

它还可以与VideoHelperSuite 结合使用，实现视频 2 视频。实际工作流程请 点击此处。

 实际执行情况如下。

 2 节点

 本节介绍已实施的节点。

扩散器 管道装载机

类别 : DiffusersPipelineLoader

从存储在 ComfyUI/models/checkpoints （如 safetensors、ckpt 等）中的模型创建 Diffusers 模型缓存，并加载管道。

 扩散器 Vae Loader

类别 : DiffusersVaeLoader

从存储在 ComfyUI/models/vae 中的模型创建扩散器模型缓存，并加载 vae。

扩散器调度加载器

类 : DiffusersSchedulerLoader

加载管道并选择调度程序。

 扩散器 模特化妆

类别 : DiffusersModelMakeup

加载管道、scheduker 和自动编码器，并准备生成模型。

扩散器 剪切 文本编码

类别 : DiffusersClipTextEncode

加载准备好的管道并嵌入实际提示。

对于正文和负文，文本按原样返回。（字符串）

 扩散器采样器

 类别 : 扩散器采样器

 使用扩散器生成图像

 创建 Int 列表

类 : CreateIntListNode

 创建一个 int 列表。

在元素计数中输入列表的长度。在下面的示例中，将创建一个[0, 16, 32, 45] 的列表。

 LcmLoraLoader.

 类 : LcmLoraLoader

加载 LCM Lora 安全传感器文件。

正式使用的 LCM LORA 可在lcm-lora-sdv1-5 中找到。

StreamDiffusion 创建流

类别 : StreamDiffusionCreateStream

为 StreamDiffusion 创建一个流。

 流扩散采样器

类别 : 流扩散采样器

 从数据流中生成多个图像。

通过在 Image 中输入图像，可以实现 image2image。通过与VideoHelperSuite 结合，还可以实现video2video 。

 流扩散热身

类别 : StreamDiffusionWarmup

从创建的流中，为快速采样器创建一个 warmup_stream。

StreamDiffusion 快速采样器

类 : 流扩散快速采样器

与 StreamDiffusionSampler 相比，它能更快地从预热的数据流中生成图像；通过将Extra（额外）选项 中的 Auto Queue （ 自动队列 ）设置为 True，可以实时生成图像。

 参考资料