通过 API 托管 ComfyUI 工作流

ComfyUI 是一款强大的工具，用于图像生成和处理，在 AI 图像生成领域占据了一席之地。为了更灵活地使用 ComfyUI，许多用户选择通过 API 托管工作流。本文将详细介绍如何通过 API 托管 ComfyUI 工作流，并提供相关的技术细节和实践指南。

ComfyUI 的重要性和应用场景

ComfyUI 是一个开源的用户界面工具，它简化了 AI 图像生成的复杂性。通过 ComfyUI，用户可以方便地在本地运行各种图像生成模型，包括最新的 Stable Diffusion 3.5。这些模型在图像质量和生成速度上都有显著的提升，适合各种专业和非专业的应用场景。

在实际应用中，ComfyUI 常被用于艺术创作、设计辅助和广告图像生成等领域。用户可以通过简单易用的界面调整参数，生成高质量的图像，满足不同需求。

安装 ComfyUI 和准备工作

要通过 API 托管 ComfyUI 工作流，首先需要在本地安装 ComfyUI。它支持多种操作系统，包括 Windows、Mac 和 Linux。安装过程相对简单，只需按照官方网站提供的安装指南即可。

在安装完成后，需要准备一个 Python 开发环境，以便编写和执行与 ComfyUI 交互的脚本。确保已安装 websocket-client 库，这是实现 API 交互的关键。

终端操作示例

为了安装 websocket-client，可以在终端中运行以下命令：

pip install websocket-client

通过 WebSocket 实现 API 请求

通过 WebSocket 可以轻松实现与 ComfyUI 的 API 交互。使用 WebSocket 的好处在于它支持双向数据流，可以在同一连接中同时进行数据发送和接收。

以下是一个基本的 Python 脚本示例，用于通过 WebSocket 连接到 ComfyUI 服务器并发送请求：

import websocket
import uuid
import json
import urllib.request
import urllib.parse

server_address = "127.0.0.1:8188"
client_id = str(uuid.uuid4())

ws = websocket.WebSocket()
ws.connect("ws://{}/ws?clientId={}".format(server_address, client_id))

构建和发送 API 请求

在建立 WebSocket 连接后，下一步是构建并发送 API 请求。请求通常包括模型参数、图像生成配置和文本提示词等信息。在 ComfyUI 中，这些信息被封装在一个 JSON 结构中。

JSON 请求结构示例

{
  "3": {
    "class_type": "KSampler",
    "inputs": {
      "cfg": 8,
      "denoise": 1,
      "latent_image": [ "5", 0 ],
      "model": [ "4", 0 ],
      "negative": [ "7", 0 ],
      "positive": [ "6", 0 ],
      "sampler_name": "euler",
      "scheduler": "normal",
      "seed": 8566257,
      "steps": 20
    }
  },
  "4": {
    "class_type": "CheckpointLoaderSimple",
    "inputs": {
      "ckpt_name": "v1-5-pruned-emaonly.ckpt"
    }
  }
}

在发送请求前，可以根据需要对 JSON 结构进行修改，例如更改提示词或调整采样参数。

接收和处理响应

发送请求后，ComfyUI 会返回一个响应，其中包含生成的图像信息。通过解析响应，可以获取图像的详细信息，包括文件名、存储路径等。

def get_images(ws, prompt):
    prompt_id = queue_prompt(prompt)['prompt_id']
    output_images = {}
    while True:
        out = ws.recv()
        if isinstance(out, str):
            message = json.loads(out)
            if message['type'] == 'executing':
                data = message['data']
                if data['node'] is None and data['prompt_id'] == prompt_id:
                    break
                else:
                    continue
    return output_images