ComfyUI Krea 2 Edit 圖片編輯 + 在本地產生 MiniMax H3 Prompts（第 30 集） ☕ Buy me a coffee

🧑‍🏫 這支影片分兩部分。前半用 ComfyUI 搭配 Krea 2 的 edit LoRA 改圖，示範換衣服、換背景、把角色放進指定場景，以及幫角色換上指定服裝。後半示範用自己電腦上的免費語言模型，把一句短描述擴寫成 MiniMax H3 影片模型看得懂的 prompt。如果你想不花錢、在本機修圖並產生影片指令，這集把設定和常見問題都講到了。

• 00:00 本集示範用 Krea 2 編輯圖片。最後如果時間夠，再示範在本地產生 MiniMax H3 prompts
  ↳ 這集主要教用 Krea 2 改圖。時間夠的話，最後再教怎麼在自己電腦上產生 MiniMax H3 影片模型用的 prompt（給 AI 的文字指令）。
• 00:00 version check node 會顯示錄影當下的 ComfyUI 版本和 PixAroma nodes 版本，請確認自己的也已更新。workflows 可以從影片說明欄免費下載
  ↳ ComfyUI 把一個個 node（功能方塊）串成 workflow（流程）來跑 AI。版本檢查方塊會顯示講者錄影時用的版本，你的比較舊就先更新。流程檔在說明欄免費下載。
• 00:30 Krea 2 Edit 模型並沒有釋出，所以這不是真正的編輯模型，而是一個 LoRA 加上一些 nodes 來編輯圖片。效果不完美，但仍然可用
  ↳ 官方沒有釋出 Krea 2 真正的編輯模型。這裡是用 LoRA（掛在主模型上的小外掛檔，教它新技能）加上幾個方塊湊出編輯功能，效果不完美，但可以用。
• 00:30 出現紅色 nodes 代表缺少 custom nodes。除了 PixAroma nodes，還需要 Krea 2 enhancer（前幾集應該已安裝）和 Krea 2 identity node（更新過 Easy Installer 就會有）
  ↳ 開檔看到紅色方塊，代表缺 custom nodes（別人寫的擴充方塊）。這套需要 PixAroma nodes、Krea 2 enhancer 和 Krea 2 identity，最後這個更新 Easy Installer 就會有。
• 01:01 如果沒有 Krea 2 identity：到 Manager 搜尋 Crea 2 identity，安裝後重新啟動 ComfyUI
  ↳ 還是缺 Krea 2 identity 的話，打開 Manager（管理擴充的面板），搜尋 Crea 2 identity 安裝。裝完要重新啟動 ComfyUI 才會生效。
• 01:01 模型部分：INT8 或 FP8 模型擇一下載，看哪個在自己電腦上比較快，放進指定資料夾。另外需要 CLIP、edit LoRA 和 VAE 模型
  ↳ 主模型有 INT8、FP8 兩種壓縮格式，挑一種就好，哪個在你電腦上跑得快就用哪個。另外還要 CLIP（把文字轉成模型懂的訊號）、edit LoRA，以及 VAE（把運算結果還原成圖）。
• 01:34 沒有 edit LoRA 就無法做編輯。下載完按 R 重新整理 node definitions，並確認各 node 已選到下載的模型
  ↳ edit LoRA 是這套能改圖的關鍵，缺了就不能編輯。檔案放好後按 R，讓 ComfyUI 重新讀取清單，再逐一確認每個方塊都選到剛下載的模型。
• 01:34 LoRA strength 設為 1。edit node 負責把圖片資訊帶進 workflow。相關 nodes 用預設值就能正常運作，所以接好後收合起來
  ↳ LoRA 強度設 1，也就是完整套用。edit 方塊負責把原圖送進流程。這幾個方塊用預設值就能跑，接好線就收合起來，畫面比較清爽。
• 01:34 另一個 node 會做一些 patch。講者表示這些不是他寫的 nodes，所以不清楚確切運作原理
  ↳ 還有一個方塊會對模型做一些修補調整。講者說這不是他寫的，他也不清楚細節原理，所以照預設用就好。
• 02:08 流程：先載入圖片（可上傳，或從 input 資料夾選）。image info node 取得寬高，接到 empty latent node 決定最終尺寸。這些資訊也會用在正向與負向 prompt
  ↳ 先放入原圖。image info 方塊讀出寬高，接到 empty latent（決定生成畫布大小的方塊），成品就會跟原圖同尺寸。正向、負向 prompt 也會用到這組資訊。
• 02:40 load image 設定最大 1 megapixel，也可以調到 1.5 或 2。用 1 megapixel 時多數模型表現都不錯。snap multiple 設為 16，對這些尺寸比較好
  ↳ megapixel 是百萬像素。載圖時上限設 1 百萬像素，多數模型都表現穩定，也可以調到 1.5 或 2。snap multiple 設 16，會把寬高湊成 16 的倍數，模型比較好處理。
• 02:40 輸出尺寸由載入的圖片決定，因為編輯時通常希望維持相似比例。prompt 裡寫要移除、改變或替換什麼
  ↳ 成品尺寸跟著原圖走，因為改圖時通常想保留原本的比例和構圖。prompt 直接寫要刪掉、改掉或換成什麼。
• 03:11 範例：把女子的紅洋裝換成白 T 恤加藍色牛仔短褲。講者電腦約 17 秒產生一張，人物相似，服裝也成功改掉
  ↳ 實例：把女生的紅洋裝換成白 T 恤配藍色牛仔短褲。講者電腦約 17 秒出一張，人還是同一個人，衣服也確實換掉了。
• 03:11 改用固定 seed，方便比較各設定對結果的影響。reference boost 滑桿預設值是 4，可以自行調整
  ↳ seed 是決定隨機結果的起始號碼。把它固定，每次只改一個設定，才看得出差別。reference boost 是控制保留多少原圖人物樣貌的滑桿，預設 4。
• 03:11 reference boost 設 0 時不保留人物身分，會得到相似但不同的女人，模型也更自由地加入東西
  ↳ reference boost 調到 0，模型就不管原本是誰，會生出長得像但不是同一人的女生，也會更隨意地加東西進畫面。
• 03:43 reference boost 在 0 到 1 之間時，人物身分會越保留越多。通常 1 到 4 效果最好
  ↳ 從 0 往上調到 1 的過程中，原本人物的樣子會保留得越來越多。實務上設在 1 到 4 之間最常得到好結果。
• 03:43 兔子騎腳踏車的例子：reference boost 調到 10 時太用力保留身分，導致腳和其他部位不肯改變
  ↳ 兔子騎腳踏車的例子：reference boost 調到 10，模型太死守原圖，連該改的腳和其他部位都不肯動。
• 04:14 除非是換背景、而且希望產品完全不變，否則避免把值設太高。降低後腳開始出現，但手和姿勢仍幾乎相同
  ↳ 數值拉高只適合換背景、而且商品一點都不能變的情況。其他時候別設太高。稍微降一點，腳就出現了，但手和姿勢幾乎沒變。
• 04:14 降到 4：手的位置和腳都比較好，兔子姿勢幾乎不變。降到 2：自由度更高，更融入場景。再降低則更自由
  ↳ 降到 4，手的位置和腳都比較合理，兔子姿勢差不多不變。降到 2 更有彈性，跟場景融合得更自然。數值越低，模型越自由發揮。
• 04:48 多試不同設定、prompt 和 seed，有些 seed 的結果比較好。strength 為 0 時可以用來製作圖片變體
  ↳ 別只試一次，換設定、改 prompt、換 seed 都會影響結果，有些 seed 就是比較好。把強度設 0，還能用來做同一張圖的變化版。
• 04:48 這個方法很擅長換背景。範例換成春天背景，角色融入得相當好
  ↳ 這個方法最拿手的是換背景。範例把背景換成春天，角色跟新場景融合得很自然。
• 04:48 VRAM 較多的話，可以把尺寸提高到約 2 megapixels，圖片更大、細節更多，但產生速度較慢
  ↳ VRAM 是顯示卡上的記憶體。VRAM 夠多，可以把尺寸拉到約 2 百萬像素，圖更大、細節更多，代價是跑得比較久。
• 05:21 2 megapixels 約 46 秒，1 megapixel 約 16 到 17 秒。尺寸越小越快
  ↳ 速度參考：2 百萬像素約 46 秒，1 百萬像素約 16 到 17 秒。尺寸越小跑得越快，可以先用小圖試效果。
• 05:21 custom workflow：想要不受原圖限制的自訂尺寸時使用。它改用 resolution node 設定寬高，而不是從圖片讀取
  ↳ custom 版流程適合想自訂尺寸、不被原圖綁住的時候。它改用 resolution 方塊自己設定寬高和比例，不再從原圖讀尺寸。
• 05:56 原圖是正方形，也能選 portrait 比例並決定尺寸。prompt 要求換成冬天背景，得到直式圖，兔子不變
  ↳ 原圖是正方形，也能選直式比例並自訂尺寸。prompt 要求換成冬天背景，就得到一張直式圖，兔子本身沒變。
• 06:28 也能從正方形原圖產生 landscape 比例，兔子保留下來且融入場景。講者認為以非真正編輯模型來說，作者做得很好
  ↳ 同一張正方形圖也能做成橫式，兔子還在，而且融入新場景。講者認為以「不是正牌編輯模型」來說，作者做得很好。
• 06:28 下一個 workflow：把角色放進指定背景
  ↳ 下一個流程：把角色放進你指定的那張背景圖裡。
• 07:00 第一個 load image node 載入角色，第二個載入背景。自訂比例可以選接近背景的比例，讓結果更吻合。prompt 描述角色要如何融入畫面
  ↳ 第一個載圖方塊放角色，第二個放背景。比例選接近背景圖的，成果會比較吻合。prompt 描述角色要怎麼出現在畫面裡。
• 07:00 範例中額外在 prompt 加上水波紋，避免角色看起來像浮在水面上
  ↳ 範例背景有水，講者在 prompt 多加了「水波紋」，讓角色和水面有互動，才不會看起來像浮貼在水上。
• 07:36 換成較異國風的背景、用 landscape 比例，並嘗試同時換裝和放進背景。講者提到也許可以用 ChatGPT 寫出更好的 prompt
  ↳ 接著換成比較異國風的背景、用橫式比例，試著同時換裝又放進背景。講者提到可以請 ChatGPT 幫忙寫更好的 prompt。
• 07:36 結果角色成功放進背景，服裝部分被替換、部分被保留
  ↳ 結果角色成功進到背景裡，但衣服只換掉一部分，另一部分還是原本的。
• 08:06 稍微降低 reference boost，對服裝影響不大。講者認為要一次做多項編輯，需要更精確的 prompt
  ↳ 稍微調低 reference boost，對衣服沒什麼幫助。講者認為一次要改好幾樣東西時，prompt 必須寫得更精確。
• 08:06 要求把短褲改成橘色、移除背包和帽子：都做到了，但仍留下部分背包
  ↳ 再下指令：短褲改成橘色、拿掉背包和帽子。三件事都做到了，但背包還殘留一部分。
• 08:42 建議再稍降 reference boost，並在 prompt 中要求把那些背包殘留也移除
  ↳ 對策是把 reference boost 再降一點，並在 prompt 裡明講要把殘留的背包也清掉。
• 08:42 換裝 workflow：能給任何角色套上自訂服裝。需要另一個以 edit LoRA 為基礎、專為服裝做的 LoRA，要另外下載
  ↳ 換裝流程能幫任何角色穿上你指定的衣服。它需要另一個專門換裝的 LoRA（以 edit LoRA 為基礎做成），要另外下載。
• 08:42 需要一張服裝照片，圖片中只有服裝時效果較好
  ↳ 要準備一張衣服照片。畫面裡只有衣服、沒有人或其他雜物時，效果比較好。
• 09:17 prompt 加入建議的 trigger words「transfer the outfit」，再加一些似乎有幫助的額外字詞
  ↳ prompt 先放建議的 trigger words「transfer the outfit」，也就是讓 LoRA 啟動這項功能的固定字句，再加幾個看起來有幫助的字。
• 09:17 接著描述想要的角色，但不提服裝，只寫角色外觀、環境和風格。執行後就得到穿著附圖服裝的指定女子
  ↳ 接著描述想要的角色，但完全不提衣服，只寫長相、環境和風格。跑完就得到穿著那套指定衣服的女生。
• 09:49 可以用來製作服裝展示圖。不一定要是照片風格，也能嘗試其他風格
  ↳ 可以拿來做服裝展示圖，例如賣衣服用的穿搭照。也不一定要寫實照片風格，可以試其他畫風。
• 09:49 服裝圖本身已穿在人身上時較難，因為 LoRA 是用「一個人加一套服裝」訓練的。兩個人會混淆，試了幾個 seed 仍得到 geisha 角色
  ↳ 衣服照片如果本身穿在人身上就比較難，因為這個 LoRA 是用「一個人配一套衣服」訓練的。畫面有兩個人它會搞混，試了幾個 seed 都變成藝伎。
• 10:22 解法：截圖服裝部分、不含頭部，再貼上作為服裝圖。這樣就得到原本的女子穿著類似服裝（多了一些花）
  ↳ 解法：只截衣服的部分、不要頭，再當成衣服圖放進去。這樣就得到原本那位女生穿著類似的衣服，只是多了些花。
• 10:22 換個 seed 後達到想要的效果。重點是一個角色搭一套服裝，使用兩個角色會困難許多
  ↳ 換個 seed 就達到想要的效果。重點是一個角色配一套衣服，畫面同時出現兩個人物會難很多。
• 10:53 進入用本地模型產生 MiniMax 影片 prompts。講者花了幾天測試許多組合來改進公式
  ↳ 進入第二部分：用自己電腦上的模型產生 MiniMax 影片 prompt。講者花了好幾天測試各種組合，改良寫 prompt 的公式。
• 10:53 先試 4B Qwen 模型，某些 prompt 仍會失敗。改用 8B 模型後結果較好，雖然不是每次都完美
  ↳ 先試 4B（參數量較小）的 Qwen 語言模型，有些 prompt 還是會失敗。換成較大的 8B 版本結果比較好，但也不是每次都完美。
• 10:53 MiniMax H3 模型對同一個 prompt，可能因 seed 不同而有不同詮釋
  ↳ MiniMax H3 就算拿到同一段 prompt，換不同 seed 也可能演出不一樣的內容。所以結果不理想，不一定是 prompt 的問題。
• 11:23 講者把公式和所需功能做成單一 node，方便使用。原名 MiniMax Prompt，因為之後可加入更多公式，改名為 Video Prompt PixAroma
  ↳ 講者把公式和需要的功能包成一個方塊，比較好用。原本叫 MiniMax Prompt，因為之後可能加入更多公式，改名為 Video Prompt PixAroma。
• 11:23 用法：輸入簡短 prompt、按 generate，就會產生 text-to-video prompt
  ↳ 用法很簡單：打一句短短的描述，按 generate，它就幫你擴寫成完整的 text-to-video（純文字生成影片）prompt。
• 11:23 預設公式是用指定模型測試的，請下載該模型並放進 text_encoders 資料夾
  ↳ 預設公式是用講者指定的模型測出來的，請下載那個模型，放進 text_encoders 資料夾（ComfyUI 放文字模型的地方）。
• 11:23 在 40 系列顯卡上，這次 FP8 比 INT8 快。30 系列顯卡可以試 INT8。講者電腦上 INT8 幾乎花了兩倍時間
  ↳ 40 系列顯示卡這次用 FP8 比 INT8 快，30 系列可以試 INT8。講者自己的電腦上，INT8 幾乎多花了一倍時間。
• 11:59 Claude 說大約需要 12 GB VRAM，但唯一確定的方法是實際測試
  ↳ Claude 估計大約需要 12 GB VRAM，但這只是估計，最準的方法是自己實際跑跑看。
• 11:59 到 Settings 選擇模型。名稱含 VL 的模型會顯示得比較明顯，因為它們有視覺能力、能讀圖
  ↳ 在 Settings 選模型。名稱有 VL 的會特別標示出來，因為它們能看圖，可以讀懂你接進來的圖片內容。
• 11:59 可產生三種 prompt：text-to-video；接一張圖時為 first frame to video；接兩張圖時為 first frame, last frame to video
  ↳ 能產生三種 prompt：不接圖是純文字生成影片；接一張圖是把它當開場畫面來生成影片；接兩張圖則是指定開頭和結尾畫面。
• 12:29 點 Edit 可以查看講者用的公式，覺得能改進就自行修改
  ↳ 按 Edit 能看到講者寫的公式全文。覺得哪裡能改進，可以自己修改。
• 12:29 有 duration（秒數）設定，產生前先設成接近想要的影片長度。秒數不會直接寫進 prompt，但時間越長，prompt 會越長、動作越多
  ↳ duration 是影片秒數，產生前先設成接近你想要的長度。秒數不會寫進 prompt，但設得越長，prompt 越長，安排的動作也越多。
• 13:00 如果只產生 5 秒影片卻塞太多動作，影片模型可能無法好好完成
  ↳ 如果只做 5 秒影片卻塞進一堆動作，影片模型可能來不及好好演完。
• 13:00 每個 duration 各有一段公式，整合在主公式裡
  ↳ 每種秒數都有對應的一段公式，全都整合在主公式裡，會依你選的長度套用。
• 13:00 duration、frames 等設定是為 MiniMax 配置的，但也可以試用在其他模型。想做不同用途的公式時，可把 duration 排除
  ↳ 秒數、影格數這些設定是照 MiniMax 調的，但也可以拿到其他影片模型試試。想寫其他用途的公式時，可以把 duration 拿掉。
• 13:31 記得看 node 的 Help 了解運作方式。看不懂可以把 help 文字貼到 ChatGPT 請它解釋
  ↳ 記得看方塊的 Help 說明，了解它怎麼運作。看不懂的話，把說明文字貼給 ChatGPT 請它解釋。
• 13:31 產生的 prompt 是 MiniMax 能理解的格式。第一次較慢，之後講者電腦每次約 11 秒
  ↳ 產出的 prompt 是 MiniMax 看得懂的格式。第一次要載入模型所以比較慢，之後講者電腦每次約 11 秒。
• 13:31 沒接圖時顯示 text-to-video。載入芭蕾舞者圖並接到 first frame 輸入後，顯示改為 first frame
  ↳ 沒接圖時，方塊顯示 text-to-video。把芭蕾舞者圖片接到 first frame 輸入口後，顯示就變成 first frame。
• 14:04 再複製一張圖、換成別的圖接到 last frame 輸入，就會產生 first frame, last frame prompts
  ↳ 再複製一個載圖方塊、換成另一張圖，接到 last frame 輸入口，就會產生「開頭圖加結尾圖」版本的 prompt。
• 14:04 拔掉 last frame 測試 first frame to video：要求芭蕾舞者跳舞後消失，按 Generate
  ↳ 拔掉 last frame，改測只有開頭圖的版本：要求芭蕾舞者跳一段舞後消失，再按 Generate。
• 14:38 若放進其他 workflow，建議開啟 free_vram，讓它先清空 VRAM 再繼續。同時保留這個模型和 MiniMax 模型，對許多顯卡負擔太大
  ↳ 如果把它放進其他流程，建議打開 free_vram，讓它先清空顯示卡記憶體再往下跑。這個模型和 MiniMax 模型同時佔著記憶體，很多顯卡會吃不消。
• 14:38 seed 可以從 fixed 改成 random。放進較大的 workflow 時，講者通常用 fixed seed
  ↳ seed 可以從 fixed（固定）改成 random（隨機），每次產出不同版本。放進大型流程時，講者通常用 fixed。
• 14:38 流程：輸入短 prompt、選 duration、generate，之後可複製或手動修改，再拿到第 29 集的 MiniMax workflow 執行
  ↳ 整體步驟：打短描述、選秒數、按 generate。拿到 prompt 後可以複製或手動修改，再貼到第 29 集的 MiniMax 流程生成影片。
• 14:38 選 15 秒時，應該會得到更多動作，prompt 也可能更長
  ↳ 選 15 秒時，應該會得到比較多動作，prompt 也可能比較長。
• 15:11 講者表示這個模型沒有 ChatGPT 聰明，但它是免費的
  ↳ 講者坦白說這個本地模型沒有 ChatGPT 聰明，但優點是免費。

在 Krea 2 Edit workflow 中，reference boost 滑桿的預設值是多少？