使用ComfyUI搭建可视化DeOldify工作流想给家里的老照片上色但觉得写代码太麻烦或者想把手头的黑白视频变成彩色却不知道从何下手今天我们就来聊聊一个特别有意思的玩法用ComfyUI这个可视化工具把强大的DeOldify模型“组装”成一个所见即所得的工作流。DeOldify是个很厉害的AI模型专门负责给黑白图像和视频上色效果相当自然。而ComfyUI呢你可以把它想象成一个“乐高积木”平台各种AI功能都变成了一个个小积木节点你只需要用线把它们连起来就能搭建出复杂的处理流程全程不用写一行代码。这篇文章我就带你从零开始在ComfyUI里搭建一个属于自己的DeOldify上色工作流。整个过程就像搭积木一样简单直观即使你完全没有编程经验也能轻松上手亲眼看到老照片焕发新生的过程。1. 准备工作认识你的“工具箱”在开始动手搭建之前我们得先把“工具箱”准备好。这里主要就是两样东西ComfyUI和DeOldify模型。1.1 安装ComfyUIComfyUI是一个开源的可视化节点编辑器你可以把它理解为一个专门为AI模型设计的“流程图”绘制软件。它的安装方式很灵活。最推荐的方式是使用它的独立发布版本。你可以直接去它的GitHub发布页面找到对应你操作系统的版本比如Windows、macOS、Linux下载。解压后通常只需要运行一个脚本比如run_nvidia_gpu.bat就能启动。这种方式最省心依赖都打包好了。如果你习惯用Python环境也可以通过pip安装。打开命令行输入pip install comfyui安装完成后同样通过运行一个Python脚本来启动它。无论哪种方式成功启动后在浏览器里打开它给出的本地地址通常是http://127.0.0.1:8188你就能看到ComfyUI的界面了。第一次打开可能会觉得有点空别担心我们马上就会把它填满。1.2 获取DeOldify模型DeOldify本身是一个独立的项目我们需要把它“搬”到ComfyUI里来用。幸运的是社区里已经有热心的开发者制作了对应的自定义节点让我们能直接在ComfyUI里调用DeOldify。你需要去ComfyUI的管理器Manager里搜索并安装一个叫ComfyUI-DeOldify的节点包。具体步骤是在ComfyUI的界面里找到并点击 “Manager” 按钮。切换到 “Install Custom Nodes” 标签页。在搜索框里输入 “DeOldify”。找到对应的节点包点击 “Install” 按钮。安装完成后重启一下ComfyUI你就会在节点的右键菜单里看到新增的DeOldify相关节点了。同时这个安装过程通常会帮你自动下载好DeOldify的预训练模型文件。如果没自动下载你可能需要根据节点的说明手动将模型文件放到指定的文件夹里。2. 搭建核心上色流程工具箱备齐现在可以开始搭积木了。我们从一个最基础、最核心的流程开始输入一张黑白图片让DeOldify给它上色然后输出结果。2.1 从一张图片开始所有的工作流都得有个起点。在ComfyUI的空白处右键选择Load Image节点。这个节点就是我们的图片入口。你可以点击节点上的按钮从电脑里选择一张你想上色的黑白或老旧照片。加载图片后节点会输出两个东西一个是图片本身IMAGE另一个是图片的尺寸信息MASK这里我们用不上。我们只需要关注IMAGE这个输出点。2.2 召唤DeOldify节点接下来放入我们今天的主角。在空白处右键你应该能在菜单里找到以 “DeOldify” 开头的节点比如DeOldify Image Colorization。点击它把它添加到画布上。这个节点就是DeOldify模型的核心。它通常需要两个输入图像image这就是我们要上色的图片。模型model这里指的是DeOldify不同的预训练模型变体比如专注于艺术感的artistic或者追求稳定性的stable。节点一般会提供一个下拉菜单让你选择。现在把Load Image节点的IMAGE输出点用鼠标拖出一条线连接到DeOldify Image Colorization节点的image输入点。这就完成了数据的传递。2.3 保存劳动成果颜色上好了我们得把它保存下来。在空白处右键添加一个Save Image节点。这个节点需要一个images输入。将DeOldify Image Colorization节点的输出通常也叫IMAGE连接到Save Image节点的images输入。到这里一个最简工作流就完成了你的画布上应该有三个节点用两条线串联起来Load Image-DeOldify-Save Image。点击ComfyUI界面上的 “Queue Prompt” 按钮程序就会开始运行。稍等片刻你就能在ComfyUI的输出目录或者Save Image节点指定的路径里找到上色后的图片了。第一次运行可能会慢一点因为模型需要加载。3. 优化与增强让效果更出色基础流程跑通了但你可能发现有些照片上色后人脸部分不够清晰或者整体色调不是你想要的。别急ComfyUI的强大之处就在于我们可以轻松地插入其他“积木”来优化流程。3.1 为人脸注入细节老旧照片的人脸常常模糊不清即使上了色也缺乏细节。我们可以加入一个专门的人脸修复或超分辨率节点。在Load Image和DeOldify节点之间你可以插入一个比如FaceDetailer或UltralyticsDetectorProvider配合人脸检测模型这样的节点。它的作用是先识别并增强图片中的人脸区域使其更清晰然后再交给DeOldify上色。这样上色后的脸部细节会丰富很多。连接方式就变成了Load Image-人脸增强节点-DeOldify-Save Image。3.2 进行后处理微调DeOldify上色之后我们还可以对结果进行微调。例如添加一个Image Adjust (Hue/Saturation/Value)节点。将DeOldify的输出先连接到这个调色节点然后再连到Save Image。这样你就可以在节点上滑动滑块轻松调整输出图片的色调、饱和度和亮度让色彩更符合你的审美。3.3 尝试不同的渲染风格DeOldify节点本身可能就提供了不同的“渲染器”或“模型类型”选项。除了默认的不妨试试artistic模式它可能会给图片带来更强烈、更具绘画感的色彩风格或者stable模式追求更真实、保守的上色效果。你只需要在DeOldify Image Colorization节点的参数下拉菜单里切换选择然后重新运行工作流就能看到不同风格的效果了。多试试找到最适合你那张照片的感觉。4. 进阶玩法从图片到工作流掌握了单个图片的处理我们就可以玩点更酷的了。4.1 批量处理老照片如果你有一整个文件夹的老照片需要上色一张张加载太麻烦了。ComfyUI有Load Image Batch节点。使用这个节点你可以直接选择一个包含多张图片的文件夹。将Load Image Batch节点的输出连接到DeOldify节点DeOldify节点和后续的Save Image节点会自动处理每一张图片。Save Image节点通常也会支持批量保存为每张图片自动生成文件名。这样泡杯咖啡的功夫一个文件夹的照片就全部焕然一新了。4.2 构建可复用的工作流模板当你搭建好一个令自己满意的、包含人脸增强和色彩微调的完整工作流后肯定不想每次都用。ComfyUI允许你保存整个工作流。点击界面上的 “Save” 按钮将当前画布上所有节点和连接关系保存为一个.json文件。下次需要用时点击 “Load” 按钮加载这个文件所有节点和设置都会原样恢复。你只需要换一张输入图片就可以再次运行。你还可以把这个.json文件分享给朋友他们加载后就能直接使用你精心调配的“上色配方”。5. 常见问题与小技巧刚开始玩难免会遇到点小问题这里分享几个常见的。节点找不到怎么办确保ComfyUI-DeOldify自定义节点已正确安装并重启了ComfyUI。如果还找不到去ComfyUI的custom_nodes文件夹里检查一下是否下载成功。运行时报错说缺少模型这通常是因为DeOldify的预训练权重文件没有自动下载到位。你需要根据节点作者的说明手动下载指定的.pth模型文件并放置到正确的路径下通常是ComfyUI主目录下的models/deoldify文件夹。处理速度有点慢首次加载模型需要时间之后会快一些。处理速度主要取决于你的显卡GPU性能。图片分辨率越高处理时间也越长。对于非常大的图片可以考虑在Load Image节点后加一个Image Scale节点先将图片缩小到合理尺寸如1024px宽进行处理输出前再放大。颜色看起来不自然可以尝试我们前面提到的后处理调色节点Hue/Saturation/Value微调饱和度和亮度。也可以尝试切换DeOldify节点不同的模型类型如stable和artistic它们风格不同。如何保存不同的输出版本你可以复制多个Save Image节点连接到工作流的不同阶段。比如一个保存原始上色结果另一个保存经过调色后的结果方便对比。整体体验下来用ComfyUI搭建DeOldify工作流的过程就像是在玩一个创意拼接游戏非常直观有趣。它把复杂的模型调用变成了简单的拖拽和连接让你能更专注于想法和效果的调整而不是代码调试。从最简单的三节点流程到加入人脸增强、色彩微调的优化流程再到批量处理的自动化流程每一步的进步都能立刻看到效果反馈。这种可视化的工作流方式最大的好处是灵活和透明。你可以随时调整中间任何一个环节看看它对最终结果的影响。如果你对这次搭建的上色流程感兴趣不妨就按照步骤动手试试从给一张老照片上色开始相信你很快就能搭建出属于自己的、功能更强大的AI图像处理流水线。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。