Comfyui 教程-6

放大的EZ

158人浏览 · 2026-06-10 10:43:04

放大的EZ · 2026-06-10 10:43:04 发布

3.5 Embedding 简介

3.5.1、定义

Embedding（文本嵌入/文本反转）是一种轻量级的文本优化技术，由 Stable Diffusion 社区早期发展而来。它通过将特定的视觉概念（人物、风格、物体、负面特征等）编码为紧凑的向量表示，让用户可以用一个简短的关键词替代冗长复杂的提示词描述。

简单理解：Embedding 是 ComfyUI 中的**“快捷短语”**——把一长串描述打包成一个词，输入时省时省力，效果还更稳定。

3.5.2、核心原理

环节	说明
文本编码	将提示词通过 CLIP 文本编码器转换为语义向量
概念压缩	用少量向量（通常 2–16 个 token）代表复杂的视觉概念
注入生成	生成时这些向量与正常提示词一起参与条件引导

对比示意：

方式	提示词写法	效果
无 Embedding	masterpiece, best quality, 1girl, silver hair, red eyes, wearing black gothic dress, standing in dark castle, moonlight, detailed face, beautiful eyes, soft lighting, cinematic composition	冗长，每次都要写
使用 Embedding	masterpiece, best quality, <lora:character:0.8>, <embedding:gothic-style>, 1girl, silver hair, red eyes	简洁，风格由 Embedding 自动注入

3.5.3、Embedding 的分类

分类	侧重点	代表模型/示例	典型应用场景
风格 Embedding	打包特定艺术风格	gothic-style、cyberpunk-vibe、watercolor-art、oil-painting-style	快速切换画风，避免重复写风格描述
人物 Embedding	固定特定角色面容/特征	tifa-lockhart、hatsune-miku-style、anime-girl-face	配合 LoRA 增强人物一致性，或单独固定面部特征
质量增强 Embedding	提升画面质量关键词打包	easynegative、verybadimagenegative、badhandv4（负面）< masterpiece-style、ultra-quality（正面）	正面优化画质，负面抑制崩坏、畸形、低质元素
概念/物体 Embedding	特定物体、场景、元素	mecha-robot、fantasy-sword、cyber-cityscape	复杂物体快速调用，保持形态一致性
负面 Embedding	抑制不良生成结果	EasyNegative、bad-artist、bad-hands-5、negative-hands	最常用类型，解决崩手、崩脸、多余肢体等问题
NSFW/成人 Embedding	成人内容特征控制	大量社区匿名模型	特定方向内容控制（Civitai 常见）

3.5.4、主流 Embedding 模型

Embedding 名称	类型	适用底模	说明
EasyNegative	负面	SD 1.5 / SDXL	最经典的负面 Embedding，抑制低质量、畸形、水印
EasyNegativeV2	负面	SD 1.5 / SDXL	V2 升级版，效果更好
badhandv4	负面	SD 1.5	专治崩手、多指、畸形手部
BadArtist / BadArtistAnime	负面	SD 1.5	抑制不良艺术风格、粗糙绘制
verybadimagenegative_v1.3	负面	SD 1.5	强力负面，抑制各种低质元素
negative_hand-neg	负面	SD 1.5 / SDXL	专门针对手部问题
ng_deepnegative_v1_75t	负面	SD 1.5	深度负面训练，效果强烈
FastNegativeEmbedding	负面	SD 1.5 / SDXL	快速负面，计算开销低
Style-Anime	风格	SD 1.5	一键注入动漫风格特征
Style-Realistic	风格	SD 1.5	一键注入写实风格特征
Quality-Helper	质量	SD 1.5 / SDXL	正面质量增强
BooruStyle	风格	SD 1.5	Danbooru 图站风格
Koreandolllikeness / Taiwanesedolllikeness	人物	SD 1.5	特定人种面容特征（常与 LoRA 配合使用）

3.5.5、Embedding 与 LoRA 的区别

对比项	Embedding	LoRA
作用层级	文本/语义层面	模型权重层面
文件大小	几十 KB – 几 MB（极轻量）	几十 MB – 几百 MB
影响范围	仅影响提示词编码结果	直接修改模型生成行为
控制能力	较弱，适合风格倾向和负面抑制	较强，可精准控制人物/物体/风格
叠加数量	可叠加多个（5–10 个）	建议 2–5 个，过多易冲突
训练难度	简单，个人可快速训练	稍复杂，需要更多数据和算力
使用方式	提示词中直接写触发词	通过专用节点加载并设权重
适用场景	负面抑制、风格倾向、简化提示词	精准人物固定、风格迁移、服装控制

关系：Embedding 和 LoRA 常配合使用——Embedding 负责"打底"（负面抑制+基础风格），LoRA 负责"精准刻画"（人物/物体细节）。

3.5.6、在 ComfyUI 中的使用

方式一：提示词中直接调用（负面最常用）

方式二：通过 CLIPTextEncode 节点

方式三：专用 Embedding 加载节点（部分自定义节点包提供）

存放路径：

正面/风格 Embedding：ComfyUI/models/embeddings/（或 positive/ 子目录）
负面 Embedding：通常放同一目录，使用时在负面提示词中调用

3.5.7、使用技巧

技巧	说明
触发词格式	使用 <embedding:文件名> 或直接用文件名（不带扩展名）作为提示词
负面必加	几乎所有专业工作流都会在负面提示词中加入 2–3 个负面 Embedding，这是标配
正面慎用	正面 Embedding 可能过度限制创意，建议测试后决定是否使用
与 LoRA 配合	Embedding 打底 + LoRA 精准控制，是最高效的组合方式
底模兼容性	SD 1.5 的 Embedding 通常不能用于 SDXL/Flux，需找对应版本
训练自己的 Embedding	使用 Kohya_ss 等工具，用 5–20 张图片即可训练专属概念

3.5.8、下载资源

平台	地址	说明
Civitai	civitai.com	Embedding 资源丰富，分类清晰
Hugging Face	huggingface.co	官方和开发者发布
LiblibAI	liblib.art	国内平台，下载速度快
GitHub 社区仓库	各类整理合集	如 “stable-diffusion-embeddings” 等

3.5.9、一句话总结

Embedding 是 ComfyUI 的"提示词压缩包"——用一两个词替代一长串描述，尤其是负面 Embedding（如 EasyNegative、badhandv4）已成为专业工作流的"空气和水"，几乎每张图都会用到。它体积小、加载快、叠加自由，是成本最低的生成质量提升手段。

AI硬件创业社区

智能硬件社区聚焦AI智能硬件技术生态，汇聚嵌入式AI、物联网硬件开发者，打造交流分享平台，同步全国赛事资讯、开展 OPC 核心人才招募，助力技术落地与开发者成长。

更多推荐

《梳理Kubernetes基础环境：通过kubeadm完成集群初始化》

AI硬件创业社区

C# 扩展控件+组件式自定义定时器控件

归属：扩展式自定义控件，最简单的自定义控件继承关系：直接继承系统原生控件TextBox特性：保留文本框全部原生功能，仅拓展自定义属性控件(Control)：可视化、可以拖拽到窗体界面、继承Control组件(Component)：无界面、后台运行、不可渲染，直接继承Component，例如原生Timer、ImageListnamespace _1自定义控件//继承Component：无界面自定义组

AI硬件创业社区

STM32F10x 串口指令控制单路共阳极数码管

摘要：本设计基于STM32F103开发板实现串口控制共阳极数码管显示功能。系统通过USART1（9600波特率）接收上位机发送的0-9、A-F字符指令，由PB8-PB15输出对应段码驱动数码管显示。采用模块化设计，包含数码管驱动、串口通信（中断接收）、SysTick延时等核心模块。主程序通过轮询方式处理串口接收标志，实现非阻塞式指令解析，并采用ODR寄存器高8位直接输出段码技术。系统具备实时响应、