如果你关注的是 AI 绘画里那种“情绪被撕开、画面自带破碎感”的视觉表达这次的主题很有意思“我早已支离破碎”不一定是一句文案它可以是一套完整的 Stable Diffusion / ComfyUI 出图工作流——用关键词、模型、ControlNet 和后期处理把这种抽象情绪变成具体的视觉结果。这次我们不聊哲学只聊怎么把“支离破碎”这个主题落到本地部署和批量出图上环境怎么搭、工作流怎么连、关键词怎么写、哪些显卡能跑、显存大概要多少、能不能一键启动、能不能接 API 做批量任务。整套内容按可复现的步骤来适合想用 AI 绘画做情绪表达、短片分镜、专辑封面、小说配图或概念设计的读者。先给结论这套玩法不需要顶级显卡普通 8G 显存的显卡就能跑起来推荐用 ComfyUI 作为主力工具因为它对显存管理更好、节点化流程适合反复调整。如果你更习惯 WebUI也有替代路径。下面从规格、环境、部署、出图测试到批量调用一步步展开。1. “我早已支离破碎”情绪主题出图核心能力速览在开始实操前先把这次要用的技术栈和能力边界列清楚。这里不涉及具体模型下载链接重点是让你知道需要准备什么、能做什么。能力项说明主题方向以“支离破碎”“破碎感”“情绪化人像”为核心的 AI 绘画视觉表达主力工具ComfyUI节点式工作流可选用 Stable Diffusion WebUI 作为对照显存需求常规 SD1.5 模型建议 4G 以上SDXL 模型建议 8G 以上实际以本机测试为准支持平台Windows / Linux 均可N 卡优先A 卡和核显支持有限启动方式命令行启动 ComfyUI 服务浏览器访问 WebUI 操作是否支持 CPU 推理支持但速度很慢不建议用于批量出图是否支持接口 API支持ComfyUI 自带 API 机制可配合 Python 脚本调用是否支持批量任务支持可一次性生成多张图也支持目录批量处理核心功能文生图、图生图、局部重绘、多模型切换、ControlNet 控制结构适合场景情绪插画、歌词海报、概念设计、短视频封面、小说配图、系列套图从材料看这类情绪主题出图最关键的并不是模型有多新而是关键词结构 负面提示词 采样器选择 画面构图控制。这四个要素决定了画面是否真的有“破碎感”而不是简单的人物特写加几道裂痕。2. 适用场景与使用边界“支离破碎”这个主题天然适合下面的创作场景情绪向插画把“崩溃”“破碎”“孤独”“撕裂感”转化为具象画面适合个人创作或心理题材配图。音乐封面与歌词海报专辑封面、单曲海报、歌词视频背景用破碎人像或碎裂玻璃元素表达情绪。短视频封面与分镜参考做情绪类口播视频或短片分镜时先用 AI 出概念图再决定实拍或三维方案。小说与推文配图适合情感类、悬疑类、心理类内容配图。系列套图与角色设计用同一角色在不同“破碎程度”下的状态形成系列叙事。使用边界同样要明确人像生成需注意肖像边界如果使用真实人物照片做图生图或参考图必须确保本人授权商用场景更要谨慎。涉及人脸的画面建议用 AI 生成虚构人物避免肖像权纠纷。版权素材问题如果使用 ControlNet 的参考图、姿态图或风格图必须确认这些素材可以合法使用。不要拿别人的摄影作品或商业海报直接垫图。不适合的用途不要用这类画面制作可能引起误解的负面内容也不要用于任何形式的误导、欺诈或恶意传播。平台合规部分平台对“破碎人像”“自伤暗示”类画面有审核限制发布前要根据平台规则做调整。一句话总结技术可以做得很激进但使用时要守住“虚拟创作”和“合法授权”这两条线。3. 本地部署环境准备与前置条件先明确一件事这套工作流不是必须上云端本地完全能跑。下面列出一套通用环境清单具体版本以你实际安装的为准。3.1 操作系统与硬件项目建议操作系统Windows 10/11 或 LinuxUbuntu 22.04 常见显卡NVIDIA 显卡优先建议 8G 显存起步驱动安装 NVIDIA 最新驱动驱动版本过旧会导致 CUDA 不可用CPU只做启动和调度的话普通 CPU 即可CPU 推理会很慢内存16G 起步32G 更稳磁盘预留 20G 以上模型文件 Python 环境 输出图如果你的显卡只有 6G 显存建议优先使用 SD1.5 系模型并把分辨率控制在 512x768 以内效果依然可看。8G 以上显存可以尝试 SDXL 模型但采样步数和 ControlNet 组合后显存压力会明显上升。3.2 Python 与依赖环境ComfyUI 目前推荐用 Python 3.10 或 3.11 版本。先检查本机 Python 版本python --version如果版本不符合建议通过 Miniconda 新建独立环境避免污染系统 Pythonconda create -n comfyui python3.11 conda activate comfyui接下来安装 PyTorch。N 卡用户安装 CUDA 版 PyTorchpip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121注意这里的 cu121 只是常见版本具体要看你显卡驱动支持的 CUDA 版本。驱动版本过低时新版 PyTorch 可能无法使用 GPU。3.3 获取 ComfyUI 本体与模型文件从官方仓库拉取 ComfyUI 代码git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt模型文件需要放到对应目录ComfyUI/ ├── models/ │ ├── checkpoints/ # 主模型 .safetensors │ ├── vae/ # VAE 模型 │ ├── controlnet/ # ControlNet 模型 │ └── upscale_models/ # 放大模型主模型是必需的ControlNet 模型视你使用的工作流而定。如果只做文生图模型放置路径更简单。注意模型文件的来源要选择正规渠道不要轻信第三方整合包避免安全和版权风险。3.4 一键启动与端口检查ComfyUI 的启动命令是python main.py --listen 127.0.0.1 --port 8188启动成功后浏览器访问http://127.0.0.1:8188如果 8188 端口被占用可以换一个端口python main.py --listen 127.0.0.1 --port 8288访问页面后看到节点画布就说明服务正常。整个启动只需要执行一条命令不需要额外开启 Redis 或数据库日常使用非常轻量。4. “支离破碎”主题工作流搭建与出图流程这个主题的核心不是随便输入 prompt而是通过工作流把“破碎感”拆解成画面元素。下面给出一个可用的 ComfyUI 节点思路。4.1 工作流的关键节点以文生图为例最少需要连接这些节点节点作用参数建议Load Checkpoint加载主模型根据显卡选 SD1.5 或 SDXLCLIP Text Encode (Prompt)正面提示词描述破碎感元素CLIP Text Encode (Negative Prompt)负面提示词排除不想要的内容Empty Latent Image设置画布尺寸建议 512x768 起步KSampler采样Steps 20-30CFG 6-8VAE Decode解码为图片自动匹配Save Image保存输出自动命名如果你更习惯 WebUI也可以把同样的提示词和参数填到 WebUI 的 txt2img 页面里。4.2 正面提示词怎么写“支离破碎”的关键词设计可以从三个维度展开情绪状态、破碎视觉元素、画面风格。一个可以直接用的中文提示词示例ComfyUI 中默认用英文更好但部分新版本也支持中文模型broken woman portrait, cracked skin, glass shards, emotional collapse, tears, pale face, dark background, surrealism, detailed face, volumetric light, masterpiece, best quality如果要更强烈的“碎裂感”可以在画面中加入shattered glass / broken mirror碎玻璃、破镜子cracked porcelain裂瓷fragmented face人脸碎裂floating debris漂浮碎片low-key lighting, moody atmosphere低调光、阴郁氛围负面提示词建议lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, blurry, ugly强调一句负面提示词的作用比不少人想象中大尤其是“bad anatomy”“lowres”这类词能直接避免画面出现明显畸形。遇到手部崩坏时优先检查负面提示词而不是换模型。4.3 采样参数建议不同采样器对“破碎感”的影响差异不大但稳定性和细节质感有明显差异。给出一组通用参数参数建议值说明Steps24过低出现噪点过高不会明显变好CFG7太低画面漂太高对比度过强SamplerDPM 2M Karras综合速度快、质感稳Size512x768竖构图适合人像情绪表达Batch Size1先单张测试确认没问题再批量这组参数不是公式但可以作为第一次出图的起点。如果画面整体偏肉可以加大 Steps 到 30如果颜色过艳可以把 CFG 降到 5.5。5. 功能测试与效果验证部署完成后不要急着批量出图。先用最小配置跑通流程再逐步增加 ControlNet、放大和平滑处理。5.1 基础文生图测试测试目的验证主模型加载、采样、解码、保存整个链路是否正常。操作步骤在 ComfyUI 中加载默认工作流。在正面提示词中填入上文的破碎感提示词。设置画布 512x768。点击 Queue Prompt。判断标准画面生成成功无黑色噪点、无大面积花屏人物主体清晰情绪表达明确。常见失败原因提示词为空或模型加载失败检查 checkpoint 路径。显存不足时生成中断降低分辨率或切换到 SD1.5 模型。采样步数过低导致画质差增加 Steps。5.2 图生图测试从真人照片或手绘草图出发很多“支离破碎”作品是先画一个草图或者用一张基础图再用 AI 加工。这时候使用图生图能力更合适。输入素材一张清晰的人像照片或手绘草稿。操作要点调整 Denoising Strength重绘幅度建议从 0.4 开始测试。如果希望保留五官结构设低一些如果只保留构图设到 0.7 以上。提示词仍然以破碎感元素为主但不需要再描述构图细节。5.3 ControlNet 结构控制测试如果希望画面的“破碎走向”更可控比如人物脸部从中间裂开、碎块向右侧飘散可以用 ControlNet 控制结构。适用 ControlNet 类型类型作用Canny提取边缘轮廓适合控制碎块形状Depth控制空间纵深适合做多层破碎层次OpenPose控制人物姿态适合希望“倒地”“蜷缩”等动态测试流程准备一张带有裂痕方向或破碎构图的参考图。在 ComfyUI 中加载 ControlNet 节点。设置 ControlNet Strength 为 0.6-0.8不要满值。同时保留文字提示词描述材质和情绪。5.4 输出质量观察生成后重点检查面部是否自然五官是否完整。碎玻璃、裂纹是否符合物理逻辑有没有出现悬浮或明显穿模。整体色调是否符合情绪氛围。是否出现重复纹理或过度涂抹。如果发现碎玻璃自带不自然的反光可以在提示词中加入 matte glass、frosted glass如果裂纹太规整加入 random cracks、chaotic fractures 增加随机感。6. 批量任务与接口 API 调用出单张图只是第一步。做情绪系列套图、歌词视频分镜或小说配图时批量生成和 API 接入是刚需。6.1 ComfyUI 的 API 调用思路ComfyUI 天然支持 API 方式提交工作流。整体流程是在 WebUI 画布上搭好工作流。通过 ComfyUI 提供的接口获取工作流对象。用 Python 脚本发送任务。轮询任务状态完成后保存图片。6.2 通用 Python 调用模板下面是 ComfyUI API 调用的通用模板需要按实际工作流替换节点 ID 和参数。不保证与某一个具体版本完全一致但思路通用。import json import random import requests server http://127.0.0.1:8188 # 这里的工作流 JSON 需要从 ComfyUI 的 /api/workflow 或编辑器导出得到 with open(broken_workflow.json, r, encodingutf-8) as f: workflow_data json.load(f) # 假设关键节点6 是提示词节点3 是采样器节点 workflow_data[6][inputs][text] broken porcelain face, cracked skin, emotional breakdown, dark tone workflow_data[3][inputs][steps] 24 payload {prompt: workflow_data, client_id: csdn-demo} response requests.post(f{server}/prompt, jsonpayload) print(response.json()) # 任务 ID 用于后续查询状态 prompt_id response.json().get(prompt_id, ) print(prompt_id:, prompt_id)轮询状态import time history_url f{server}/history/{prompt_id} success False for i in range(60): resp requests.get(history_url) data resp.json() if prompt_id in data: outputs data[prompt_id].get(outputs, {}) # 依次遍历输出节点拿到图片文件名后去 /view 接口读取 for node_id, node_output in outputs.items(): images node_output.get(images, []) for img in images: img_name img.get(filename, ) print(生成图片:, img_name) success True break time.sleep(2) if not success: print(任务超时或失败请检查 ComfyUI 日志)6.3 批量生成设计批量任务不只是在 Python 里循环发请求更合理的方式是维护一个任务队列。建议采用目录结构管理batch_inputs/ ├── prompts.txt └── reference/ ├── frame_01.png └── frame_02.png batch_outputs/ ├── run_001/ └── run_002/批量生产的几个工程化建议每张图片使用独立 prompt_id输出文件名带时间戳或序号。每 10 分钟检查一次队列状态任务失败时记录日志。避免并发请求过多ComfyUI 默认单队列大量并发反而可能显存溢出。批量前先跑通 3 张图作为烟雾测试确认参数稳定后再全量执行。6.4 接口服务的安全提醒如果 API 端口直接暴露到公网任何能访问到 8188 端口的人都可以提交任务、读取生成结果。对个人使用只监听 127.0.0.1 即可。如果确实需要远程访问建议使用认证反弹代理或内网工具不要直接裸奔在公网。7. 资源占用与性能观察“支离破碎”这类主题的显存占用主要取决于三个变量基础模型、分辨率、ControlNet 是否启用。配置组合参考显存占用说明SD1.5 512x768约 4G-6G入门配置老显卡可用SD1.5 ControlNet 768x768约 6G-8G开启结构控制后显存上升SDXL 1024x1024约 8G-12G高细节但显存压力大SDXL ControlNet 批量多张需实测建议 12G 以上更稳上面的数字是参考区间实际显存占用必须通过本机监控确认。Windows 下可以用任务管理器观察“专用 GPU 内存”也可以直接用 nvidia-sminvidia-smi -l 2观察重点生成开始时显存是否快速打满。多任务排队时显存是否能在任务结束后释放。ControlNet 启用后整体延迟增加多少。批量生成时是否出现“OUT OF MEMORY”报错。降低显存占用的常用方法开启 ComfyUI 的--lowvram或以小显存模式启动。降低分辨率例如从 768x768 降到 640x640。减少 Batch Size。采样步数控制在 20-30 之间过高只增加耗时不增加效果。关闭不必要的预览节点尤其是不带预览功能的 WebSocket 回传。CPU 推理也能跑通但速度会慢很多。以一张 512x768 的图为例GPU 上可能 10-20 秒CPU 上可能达到 5-10 分钟。如果你的机器只有 CPU建议先用云 GPU 测试工作流效果再决定是否本地批量。8. 常见问题与排查方法这里把部署和生成过程中最容易遇到的问题整理成清单。问题现象可能原因排查方式解决方案ComfyUI 启动后页面打不开端口被占用或启动失败查看终端日志换端口检查防火墙生成图片全黑VAE 缺失或损坏检查 VAE 模型文件补一个完整 VAE 文件生成时显存溢出显存不足nvidia-smi 查看显存降低分辨率关 ControlNet人物脸部崩坏负面提示词缺失或模型较弱检查提示词补充 bad anatomy 等负面词碎玻璃效果不明显提示词权重不够增加相关关键词用 ControlNet 控制碎块方向图片有重复纹理步数过多或有细节重复降低 Steps 或 CFG换采样器或加负面词接口调用返回 400工作流 JSON 结构不对检查节点 ID 是否匹配从编辑器导出最新 JSON多任务卡住队列异常或显存未释放重启 ComfyUI检查日志等显存回落CPU 推理极慢未使用 GPUnvidia-smi 查看进程安装 CUDA 版 PyTorch生成图片有水印模型自带或输出未设置检查模型来源换正规模型文件这里重点说两个最常见的坑坑一PyTorch 装了 CPU 版。很多新手用 pip 直接安装 torch默认安装的是 CPU 版导致显卡完全没参与计算。正确做法是根据显卡驱动安装 cu121 或对应版本的 PyTorch。坑二模型文件放错目录。ComfyUI 对模型路径非常敏感。checkpoint 必须放在models/checkpointsControlNet 模型必须放在models/controlnet。放错位置时界面不会直接报错但采样节点会显示找不到模型。9. 最佳实践与使用建议完成第一张“支离破碎”风格图之后接下来更重要的是建立一套可复用的创作流程。9.1 建立提示词模板库把正面提示词拆成固定片段基础风格masterpiece, best quality, surrealism, detailed face 情绪主体broken woman, emotional collapse, pale face, tears 破碎元素cracked porcelain, glass shards, floating debris 光影氛围dark background, low-key lighting, volumetric light这样在做系列作品时只需要替换“情绪主体”部分基础风格和光影氛围可以保持不变保证整套图风格统一。9.2 分图层、分步骤生成不要试图一次生成完美成品。建议分步骤先用低分辨率生成构图正确的基础图。用图生图或局部重绘修整细节。用高分辨率修复或放大模型做最终输出。最后在后期软件里叠加裂纹贴图或调整色调。这样做的好处是每一步都能验证效果失败时知道问题出在哪里而不是重新随机生成一整张图。9.3 素材管理建议目录结构project_broken/ ├── checkpoints/ # 本项目的模型选择记录 ├── prompts/ # prompt 文本 ├── inputs/ # 参考图 ├── outputs/ # 生成结果按时间分目录 └── logs/ # API 调用日志与任务记录批量任务一定加日志。prompt_id、生成时间、图片文件名、参数快照都要记录下来。这比事后翻图片文件名高效得多。9.4 版权与授权如果做商用作品所有输入参考图必须是原创、已授权或可商用素材。输出作品的版权归属取决于模型使用协议、输入素材协议和创作工具AI 生成内容的版权规则在不同平台和地区有差异商用前建议自行确认相关规定。涉及真实人物肖像时不管是生成人脸还是修改照片都必须取得明确授权。这是底线不因创作意图而豁免。10. 总结与下一步“我早已支离破碎”这个主题真正有价值的地方在于它逼着你把抽象情绪翻译成具体视觉语言。一旦你完成了“情绪 - 关键词 - 参数 - 画面”的转换这套方法就不只适用于这个主题还可以迁移到焦虑、孤独、失控、重生等其他情绪创作上。最先应该验证的是用默认工作流生成第一张图确认环境能跑通。然后逐步增加负面提示词、ControlNet 结构控制、局部重绘修复、批量 API 调用。最容易踩的坑集中在 PyTorch CUDA 版本错误、模型文件路径错误和负面提示词缺失这三处。下一步可以继续扩展的方向把同一套工作流接到 WebUI 上做对比测试找出更适合自己的工具。用 LoRA 模型固化一种“破碎感”画风下次生成时直接加载。用视频生成模型把静态破碎画面做成动态破碎效果适合短视频封面或片头。把批量 API 调用封装成一个独立 Python 工具后续接到自己的创作流程里。这套工作流不需要最新显卡也不需要每天追新模型。关键是先跑通最小可用路径然后把控制力一点点加进去。建议先把文章里的步骤保存成自己的工作流模板下次想生成任何情绪向画面时直接套用即可。