在 ComfyUI 使用 Pixal3D Multiview｜Load 與 Save 3D 節點（第 34 集） ☕ Buy me a coffee

🧑‍🏫 這支教你在 ComfyUI（用拖拉節點組流程的 AI 生圖工具）裡，用多張不同角度的圖做出 3D 模型，再把模型轉到想要的角度，讓 AI 畫成精緻的成品圖。它老實示範了 AI 做 3D 會破洞的限制，也給出用 3D 精準控制構圖和姿勢的實用做法，所以值得看。

• 00:00 本集主題是 Pixel 3D Multiview：用多張不同視角的圖片產生更準確的 3D 模型，另外介紹作者做的 load 與 save 3D 節點
  ↳ 這集教你給 AI 多張不同角度的圖，讓它做出更準的 3D 模型。另外介紹作者自製、用來讀取和儲存 3D 模型的節點（node，ComfyUI 裡一塊塊可以接線的功能方塊）。
• 00:00 先更新 Pixeroma nodes 和 Comfy UI。有 Easy Installer 的話，到 launcher 執行 update Easy Install，再把 Comfy UI 更新到 stable version
  ↳ 開工前先更新。Pixeroma nodes 是作者做的擴充節點包；Easy Installer 是一鍵安裝包。有裝的話，在啟動器 launcher 裡點更新，再把 ComfyUI 升到 stable version（穩定版）。
• 00:00 沒有 Easy Install 的話，應該有 update 資料夾或類似的東西，可以從那裡把 Comfy UI 更新到 stable version
  ↳ 沒用安裝包的人，ComfyUI 資料夾裡通常有 update 資料夾或類似的更新檔，從那裡升到穩定版就行。
• 00:30 Pixeroma nodes 在 manager 的更新比較慢，要手動更新：打開 custom nodes 資料夾裡的 Comfy UI Pixeroma 資料夾，在網址列輸入 CMD，再執行 Git pull
  ↳ Manager 是管理擴充的介面，但上架新版比較慢，所以改用手動：進 custom nodes（放擴充的資料夾）裡的 Pixeroma 資料夾，在網址列打 CMD 開命令視窗，輸入 Git pull 抓最新版。
• 00:30 可以用 Kitchen attention 啟動，讓 workflow 跑快一點
  ↳ Kitchen attention 是一個加速選項，開啟後跑流程會快一些。不開也能用。
• 01:04 Kitchen attention 是寫在啟動 Comfy UI 的 bat 檔參數裡，workflow 裡不需要任何節點。把參數加在既有參數後面並存檔，之後每次啟動都會開啟
  ↳ 它不是拖進畫面的節點，而是寫在啟動 ComfyUI 的 bat 檔（Windows 雙擊就會執行的指令檔）裡的參數。接在原有參數後面再存檔，之後每次啟動都會自動生效。
• 01:04 作者自己是用 launcher 以 Kitchen attention 啟動 Comfy UI，因為這樣比較方便
  ↳ 作者自己是用 launcher 開啟這個選項來啟動，不用手動改檔案，比較方便。
• 01:34 用 version check 節點顯示錄影時使用的 Comfy UI 與 Pixeroma nodes 版本，你的版本要相同或更新，功能才會正常
  ↳ version check 節點會顯示作者錄影當下用的版本號。你的 ComfyUI 和 Pixeroma nodes 要一樣或更新，照著做才不會出錯。
• 01:34 這一版新增兩個節點，一個載入 3D 模型、一個儲存 3D 模型。workflow 可以免費下載，連結在影片說明欄
  ↳ 這一版多了兩個節點，一個讀取 3D 模型、一個儲存 3D 模型。整套 workflow（已經接好線的完整流程檔）可以免費下載，連結在影片說明欄。
• 01:34 第一個 workflow 速度最快：從圖片產生 3D 模型，沒有顏色也沒有 texture
  ↳ 第一個流程最快，只做出形狀，沒有顏色也沒有 texture（貼在表面的圖案貼圖），做出來像一個素白的模型。
• 02:06 本集延續上一集，所以不重講基礎。差別在於要用 note 裡列的模型，這是專門做 Multiview 的模型，可以指定側面和背面的樣子，以前這些部分是模型自己編的
  ↳ 基礎上一集講過了。這次的關鍵是換成 note 裡指定的 Multiview 專用模型。你可以直接告訴它側面、背面長怎樣，不像以前只能讓 AI 自己猜。
• 02:06 記得看 workflow 裡的 notes，看完可以收合或刪除。notes 最後附有作者用 Claude 測試不同設定的結果，可以了解每個設定的作用和哪組效果最好
  ↳ workflow 裡的 notes（便利貼式的說明）要先讀，讀完可以收起或刪掉。最後附有作者用 Claude 測試各種設定的紀錄，能看出每個設定管什麼、哪一組最好。
• 02:06 模型都下載好後，按 R 重新整理 node definitions，模型就會出現在節點裡。如果你用不同的資料夾，就在各節點手動載入模型
  ↳ 模型下載完後按鍵盤 R，重新整理節點清單（node definitions），模型就會出現在選單裡。如果模型放在別的資料夾，要自己到各節點選。
• 02:44 workflow 有四個 load image 節點，各放一個視角：正面、背面、兩個側面。任何視角都可以單獨使用，例如只有正面和背面就只用這兩張
  ↳ 流程有四個放圖的位置：正面、背面和左右兩側。不必四張都有，手上只有正面和背面，就只放這兩張。
• 02:44 四個視角都給的話，AI 模型知道物體每一面的樣子，結果應該會比較準確
  ↳ 給的面越多，AI 越不用猜。四面都齊全時，做出來的形狀通常最準。
• 02:44 不同視角的圖可以用 Flux Klein、Qwen Edit、Nano Banana 或 Chat GPT 產生。作者通常用 Chat GPT 或 Nano Banana，因為它們比較聰明
  ↳ 缺少的角度可以請其他 AI 生：Flux Klein、Qwen Edit、Nano Banana 或 ChatGPT 都行。作者多用後兩個，覺得它們比較能理解你要什麼。
• 03:21 載入各視角後，在切換處選擇要用哪些視角，沒用到的就關掉
  ↳ 圖放好後，在開關處勾選要用哪些角度，沒放圖的就關掉。
• 03:21 workflow 會把各視角去背、裁成正方形、加上黑色背景，讓 AI 模型更容易讀圖
  ↳ 流程會自動把每張圖去背、裁成正方形、墊上黑底，讓 AI 更容易看清物體的輪廓。
• 03:21 Pixel 3D Multiview conditioning 節點會讀取四個視角，或只讀取你在節點中啟用的視角
  ↳ conditioning 節點負責把圖片整理成 AI 看得懂的條件。這個 Multiview 版本會讀四個角度，或只讀你開啟的那幾個。
• 03:55 本例用 random seed。流程是先產生低品質的 3D 團塊，第 2、3 階段再細修形狀，最後幾步得到最終幾何
  ↳ seed 是隨機的起點，設定相同、換個 seed 就會得到不同結果。生成時先捏出粗糙的一團，第二、三階段修整形狀，最後幾步定案。
• 03:55 產生的模型可以旋轉、縮放來檢查。範例有壞掉的地方和幾個破洞，作者怎麼調 workflow 都得不到完美的模型
  ↳ 做好的模型可以旋轉、放大來檢查。示範的模型有壞掉的地方和破洞，作者試了各種調法都做不到完美。
• 04:34 主要原因在於 AI 模型的訓練方式；不同 seed 結果會有好有壞
  ↳ 問題主要出在 AI 模型本身的訓練方式，不是你操作錯。換 seed 有點像抽籤，結果有好有壞。
• 04:34 第一次產生比較慢，因為要 warmup，第二次就快了，這次花 19 秒產生 3D 模型
  ↳ 第一次跑比較慢，是在 warmup（暖機，把模型載入記憶體），第二次就快了。這次花 19 秒做出模型。
• 04:34 換個 seed 後，背面下方修好了，但上方出現破洞；正面好很多、問題較少，不過仍有一些洞
  ↳ 換個 seed 後，背面下方修好了，上方卻出現破洞；正面好很多，但還是有幾個洞。修好一邊，另一邊可能又壞掉。
• 04:34 作者花三天做了四個版本的節點，有的處理 quads、有的嘗試補洞，但都會重建部分幾何。就算洞補起來，模型也被弄壞了
  ↳ 作者花三天做了四版修補節點，有的處理 quads（四邊形面，建模常用的整齊網格），有的負責補洞。但它們都會重做部分形狀，洞補起來了，模型卻被弄壞。
• 05:06 唯一真正的解法是到 Blender 試不同外掛。作者也附了一個自己做的外掛，依設定不同可以修好部分模型
  ↳ 真正能修好的方法是到 Blender（免費的 3D 軟體）試各種外掛。作者也附上自製的外掛，依設定不同能修好一部分。
• 05:06 換另一個 seed 變成兩個小洞而不是一個大洞。可能要多試 seed，或修改背面圖，避免出現模型重建不好的小孔設計
  ↳ 再換一個 seed，一個大洞變成兩個小洞。對策是多試幾個 seed，或修改背面圖，拿掉那些 AI 重建不來的小孔設計。
• 05:06 作者認為也許幾個月或一年後，會出現用良好 topology 訓練的 AI 模型
  ↳ 作者猜幾個月到一年內，會出現用良好 topology（網格線條排得整齊合理）訓練的 AI，做出更乾淨的模型。
• 05:37 網路上有個研究專案叫 QuadGPT，比較接近理想，但還沒釋出程式碼所以無法測試。從預覽看來，理論上應該做得到
  ↳ 網路上有個研究叫 QuadGPT，看起來比較接近理想，但程式碼還沒公開，沒辦法實測。從預覽來看，理論上做得到。
• 05:37 Tencent 也有一些有趣的專案，但授權不涵蓋歐洲，所以作者不能使用
  ↳ 騰訊也有一些有趣的 3D 專案，但授權範圍不包括歐洲，作者因此沒辦法用。
• 05:37 這個裝置背面的很多破洞來自背面圖：上面有格柵，幾何也不夠，或是模型訓練不足以準確重建，雖然有些 seed 做對了
  ↳ 範例裝置的背面有很多洞，源頭是背面圖上的格柵：細節太多、形狀資訊不夠，或模型學得不夠。不過有些 seed 還是做對了。
• 06:07 作者用 Photoshop 把背面圖上的孔移除成平面，需要時再到 Blender 加回孔。結果背面乾淨很多，因為模型不必產生那些細小幾何和孔
  ↳ 作者用 Photoshop 把背面的孔修成平面，需要時再到 Blender 自己挖回去。背面因此乾淨很多，因為 AI 不必硬做那些細孔。
• 06:07 模型細節越多，產生時越容易出錯。這個 workflow 建議用比較乾淨、有 3D 感、表面較簡單的圖片
  ↳ 細節越多，越容易出錯。這套流程最適合乾淨、有立體感、表面單純的圖。
• 06:41 如果只有一個視角（例如正面），把其他視角關掉即可。這時 AI 會自己編側面、底部和背面，因為它不知道模型有多厚
  ↳ 只有正面圖的話，把其他角度關掉就好。這時 AI 不知道物體有多厚，側面、底部和背面都靠它自己編。
• 06:41 只用正面的結果：裝置變得很厚，背面也重複了正面。不算差，但要多試 seed，挑一個接近想像的
  ↳ 只給正面的結果：裝置變得很厚，背面還複製了正面。不算差，但要多試幾個 seed，挑一個接近你想像的。
• 07:12 只用一個視角時，你的掌控較少，AI 的自由度較大
  ↳ 給的角度越少，你能控制的越少，AI 自由發揮的空間就越大。
• 07:12 可以用 Upload 上傳新圖，或從 input 資料夾挑選。範例是 tiki head，設計乾淨、沒有粗糙紋理，但沒給側面和背面；結果背面還行，頂部有大洞
  ↳ 可以按 Upload 上傳新圖，或從 input 資料夾（放輸入素材的地方）挑。tiki 頭像設計乾淨，但只有正面圖，結果背面還行，頂部破了大洞。
• 07:42 這種模型從正面看仍可用在各種專案的算圖，但大概不適合遊戲或 3D 列印
  ↳ 這種模型只從正面拿來算圖（render，把 3D 場景輸出成圖片）還很好用，但拿去做遊戲或 3D 列印大概不行。
• 07:42 第二個 workflow 和第一個類似，但會產生更多幾何、品質更高，差別在於三角面數量
  ↳ 第二個流程和第一個類似，但用更多三角面（triangles，3D 表面是由許多小三角形拼成的）組成，細節和品質更高。
• 07:42 upsample 用目前這個尺寸，實際效果比更大的尺寸好，所以作者保留這個設定。產生時間大約是第一個的三倍
  ↳ upsample（放大內部解析度）維持目前的尺寸就好，作者實測比調得更大效果好。花的時間大約是第一個流程的三倍。
• 08:15 資訊顯示：沒有顏色、21 個 pieces（不是單一物件），還有很多 open edges 和 broken edges。三角面越多，破洞和壞邊也可能越多
  ↳ 模型資訊顯示：沒有顏色、拆成 21 塊而不是一整個物件，還有很多 open edges／broken edges（沒封起來或斷掉的邊）。三角面越多，這類問題也可能越多。
• 08:15 但畫面看起來更細緻，能抓到原圖中較細的線條等細節，邊緣也比較好。依專案需求，作者有時用第一個、有時用第二個 workflow
  ↳ 不過外觀更細緻，原圖的細線抓得到，邊緣也比較漂亮。作者會看專案需求，決定用快的第一個還是細的第二個。
• 08:45 Save 3D Pixeroma 節點可以置中模型、snap to ground、旋轉，用來修正方向不對的模型，執行後就會以正確方向儲存
  ↳ Save 3D Pixeroma 節點可以把模型置中、snap to ground（讓底部貼齊地面）、旋轉。方向不對的模型轉正後，直接就能存檔。
• 08:45 預覽裡有 front arrow 標示場景正面，方便對齊模型；也能關閉預覽中的不同元素，讓操作更方便
  ↳ 預覽畫面有 front arrow 箭頭標出場景的正面，方便對齊。各種輔助元素也能關掉，操作起來更清爽。
• 09:15 預覽可以更換背景等設定
  ↳ 預覽的背景等顯示設定也可以更換。
• 09:15 作者所有的 Pixeroma 節點都有說明：選取節點後點橘色問號即可閱讀。看不懂的話，可以把說明文字複製給 Chat GPT 或 Gemini 解釋
  ↳ 作者的節點都附有說明：選取節點後點橘色問號就能看。讀不懂的話，把說明文字複製給 ChatGPT 或 Gemini 解釋。
• 09:15 第三個 workflow 可以連同顏色一起儲存模型。作者很少用，速度比有 texture 的快，但比前兩個慢
  ↳ 第三個流程會連顏色一起存檔。作者很少用；它比做 texture 的流程快，但比前兩個慢。
• 09:45 顏色看起來會有點糊，因為模型是三角面，沒有漂亮的 loops 和乾淨線條。每個顏色填滿一個三角面，所以邊緣會呈鋸齒狀，看起來像低品質 texture
  ↳ 顏色看起來偏糊，因為模型是三角面，不是整齊的線條。每個三角面只填一種顏色，邊緣就變成鋸齒，像低畫質的貼圖。
• 09:45 作者會用這個 workflow，通常是因為之後要用 flux cline 做乾淨的算圖：模型已有顏色資訊，可以當基礎再做出想要的樣子
  ↳ 作者會用這個流程，多半是為了之後交給 flux cline 做乾淨的 AI 算圖。模型已經有顏色，AI 就有底可以照著畫出想要的樣子。
• 10:19 Workflow 4 和 5 不產生顏色，而是產生 texture。低品質版和高品質版類似，只是 texture 尺寸較小、部分設定不同，所以不示範
  ↳ 流程 4、5 做的是 texture，不是單純的顏色。兩者差在 texture 尺寸和部分設定，所以低品質版不另外示範。
• 10:19 想要模型更像原圖，就用高品質 texture 版：它是所有 workflow 中最慢的，但大概也最準確。範例用機器人，四個視角都有給
  ↳ 想要最像原圖，就用高品質 texture 版。它最慢，但大概也最準。範例是四個角度都有給的機器人。
• 10:51 用較高品質的 texture 選項，在作者 24 gigabyte VRAM 的顯卡上花了 2 分 41 秒
  ↳ VRAM 是顯卡專用的記憶體，決定 AI 跑不跑得動。作者用 24GB VRAM 的顯卡，高品質 texture 跑了 2 分 41 秒。
• 10:51 結果有 texture，但幾何仍有問題，脖子附近等處有大洞，至少這個 seed 是如此。和生圖一樣，有些 seed 就是效果比較好
  ↳ 有了 texture，形狀還是有問題，脖子附近有大洞，至少這個 seed 是這樣。和生圖一樣，有些 seed 就是比較好。
• 10:51 如果已經有 3D 模型，不論是生成的、在 Blender 做的或網路下載的，都能用 flux cline workflow 輕鬆從模型得到 3D 算圖
  ↳ 如果你已經有 3D 模型，不管是生成的、在 Blender 自己做的或網路下載的，都能用 flux cline 流程快速做出好看的 AI 算圖。
• 11:25 用一把武器模型測試。左側列出需下載的 AI 模型，前幾集都用過，只是當時用 load image 節點，現在改用 load 3D model 節點
  ↳ 用一把武器模型示範。左側列出要下載的 AI 模型，前幾集都用過；差別是以前讀的是圖片，現在改讀 3D 模型。
• 11:25 用 load 3D Pixaroma 節點可以輕鬆切換視角，從想要的角度產生圖片；也能直接改尺寸，並在設定中加入更多尺寸
  ↳ load 3D Pixaroma 節點能直接轉動視角，從你想要的角度出圖。尺寸也能直接改，設定裡還能自己新增尺寸。
• 11:25 這個節點會自動調整到正確尺寸，這是上一集用預設節點做不到的
  ↳ 它會自動把畫面調成正確的尺寸，這是上一集用內建節點做不到的。
• 12:00 作者選正方形，因為多數 AI 模型在這個尺寸表現好，其他尺寸也可以試。不是正方形的話，執行前要先選 portrait 或 landscape
  ↳ 作者選正方形，因為多數 AI 模型在這個比例表現好。要用其他比例的話，執行前先選 portrait（直式）或 landscape（橫式）。
• 12:00 執行只需要幾秒。作者放的是通用 prompt，可以依自己的主體修改
  ↳ 跑一次只要幾秒。prompt 是給 AI 的文字描述，作者放的是通用版，可以依你的主體改寫。
• 12:00 用 upload 按鈕從 output 資料夾挑之前產生的模型
  ↳ 點 upload 按鈕，就能從 output 資料夾（成品存放處）挑之前做好的模型。
• 12:30 在 3D 資料夾依日期排序，挑出剛才的機器人。放大後產生，大約 3 秒就得到很好看的 AI 算圖。想要不同結果就改 prompt
  ↳ 在 3D 資料夾依日期排序，找到剛才的機器人，放大後產生，大約 3 秒就得到好看的算圖。想要不同效果就改 prompt。
• 12:30 換成斜角度，結果同樣不錯。作者認為未來會有直接長得像這些算圖的 3D 模型，但訓練可能還要一段時間
  ↳ 換成斜角度，結果一樣不錯。作者認為將來 3D 模型本身就能長得像這些算圖，但訓練還需要時間。
• 13:00 較大的 portrait 模式也表現很好；效果不好就重新產生，換一個 seed
  ↳ 較大的直式也表現很好。不滿意就換個 seed 重新產生。
• 13:00 這個 workflow 的問題是：放大太多時，較難維持姿勢和細節一致。範例大致相似，但這個 seed 把臉弄丟了
  ↳ 這個流程的弱點是：鏡頭拉得太近時，姿勢和細節不容易維持一致。範例大致相似，但這個 seed 把臉弄丟了。
• 13:00 另一個 workflow 比較能保留角度和細節，但創意較少，結果會更接近原圖
  ↳ 另一個流程比較能守住角度和細節，但創意較少，成品會更貼近原本的畫面。
• 13:35 這個 workflow 保留了所有細節，但換個 seed 也會保留原圖的瑕疵，可以調整 prompt、換 seed 來修正
  ↳ 它把細節都保留下來，原圖的瑕疵也會一起留著。可以改 prompt、換 seed 來修正。
• 13:35 原因是 denoise 降到 0.7，會保留更多原圖。想給 AI 更多自由就調高；設為 1 時基本上就像前一個 workflow，不一定能保留角度
  ↳ 關鍵是 denoise（AI 重畫的程度）設在 0.7，會保留較多原圖。想讓 AI 多發揮就調高；調到 1 就等於前一個流程，角度不一定守得住。
• 14:06 機器人測試：第一個 seed 很相似但保留瑕疵；另一個 seed 眼睛有點走樣，因為另一隻眼看不到，AI 可能不知道臉該長怎樣；第三個 seed 稍好
  ↳ 機器人測試：第一個 seed 很像但帶著瑕疵；第二個眼睛走樣，因為另一隻眼看不到，AI 猜不出臉該長怎樣；第三個稍微好一點。
• 14:06 多調 denoise、換 seed、試不同 prompt，最後應該能得到好看的結果
  ↳ 多調 denoise、多換 seed、多試幾種 prompt，最後應該能得到滿意的圖。
• 15:00 簡單專案示範：在第一個 workflow 把名稱改成 Tiki 方便之後找，產生 3D 模型。正面好、背面不太好，但作者只用正面
  ↳ 實作示範：在第一個流程把檔名改成 Tiki 方便之後找，產生 3D 模型。正面好、背面普通，但作者只打算用正面。
• 15:00 到 Workflow 6 上傳剛產生的 Tiki 模型，放大並擺到喜歡的位置。只用圖片很難得到指定姿勢，用 3D 就能精準擺出想要的姿勢
  ↳ 到 Workflow 6 上傳 Tiki 模型，放大並擺好角度。只用圖片很難讓 AI 擺出指定姿勢，有 3D 模型就能精準調整。
• 15:00 原本的 prompt 比較通用，改成針對主體的內容，效果會更好
  ↳ 通用 prompt 能用，但改成專門描述你的主體，效果會更好。
• 15:36 prompt 寫明這是 tiki、要用棕橘色木頭，並刪掉原本的顏色資訊，產生出攝影棚背景、有漂亮 texture 的 Tiki 頭像
  ↳ prompt 寫明這是 tiki、用棕橘色木頭，並刪掉原本的顏色描述，就得到攝影棚背景、木紋漂亮的頭像。
• 15:36 原本是灰色背景，改成叢林背景讓畫面更搭
  ↳ 背景從灰色改成叢林，整體氣氛更搭。
• 16:06 想要結果更相似就用 fixed seed。找到喜歡的 seed 就固定，只改角度，結果仍很相近，可以在這個基礎上繼續發展
  ↳ 想讓多張圖保持一致，就用 fixed seed：找到喜歡的 seed 就固定下來，只改角度，結果仍然很接近，可以在這個基礎上繼續發展。
• 16:06 可以加上原本幾何沒有的元素，例如紅寶石眼睛，這是用 AI 的優點之一；換不同 seed 可以從同一個點子得到很多新版本
  ↳ 還能加上原本模型沒有的東西，例如紅寶石眼睛，這是用 AI 的好處之一。換個 seed，就能從同一個點子生出很多版本。
• 16:38 比完整的 3D 算圖快很多，也不需要很強的 GPU。最後示範把頭像放在岩石上，也成功做出來
  ↳ 比完整的 3D 算圖快很多，也不需要頂級顯卡。最後示範把頭像放在岩石上，也順利做出來了。
• 16:38 對需要完美 3D 模型的人來說，這個方法還沒完全到位，但方向是對的
  ↳ 如果你需要完美無瑕的 3D 模型，這個方法還不夠成熟，但方向是對的。

在保留角度和細節的 workflow 中，作者把 denoise 調到多少，讓結果保留更多原圖？