ComfyUI新手必看：5分钟搞定inpaint修图（附512-inpainting-ema模型下载）-CSDN博客

ComfyUI Inpainting实战：从零到精通的局部重绘指南

如果你刚开始接触ComfyUI，面对那些密密麻麻的节点连线感到无从下手，特别是想实现“局部修改图片”这个看似简单的功能时，却发现教程要么太零散，要么直接丢给你一个复杂的工作流文件让你自己琢磨——这种感觉我太懂了。几年前我第一次用ComfyUI做inpainting时，光是搞清楚“遮罩怎么画”、“模型放哪里”就折腾了大半天，生成的图片要么边缘生硬得像贴图，要么内容完全跑偏。

其实，ComfyUI的inpainting（局部重绘）功能远比想象中强大，但前提是你得掌握几个关键技巧。今天我不讲那些复杂的节点理论，就从一个实际需求出发：你想把一张照片里多余的垃圾桶去掉，或者给人物换件衣服，甚至是在空白区域添加新元素。我会带你一步步搭建工作流，避开那些新手常踩的坑，让你在10分钟内就能做出自然无痕的修改。

1. 核心准备：模型选择与工作流基础搭建

很多人一上来就急着连节点，结果发现生成的图片效果怪异，其实问题往往出在第一步：用错了模型。普通的文生图模型（比如SD 1.5、SDXL）虽然也能做inpainting，但专门为inpainting优化的模型在边缘过渡和内容一致性上表现要好得多。

1.1 选择合适的Inpainting专用模型

目前主流的inpainting专用模型有几个选择，我根据实际使用体验做个简单对比：

模型名称	适用基础模型	特点	推荐场景
512-inpainting-ema.safetensors	Stable Diffusion 1.5	专门针对512×512分辨率优化，边缘过渡自然	常规物体移除、小范围修复
sd-v1-5-inpainting.ckpt	Stable Diffusion 1.5	官方inpainting版本，兼容性好	通用inpainting任务
Fooocus Inpaint模型	SDXL	通过小补丁转换普通SDXL为inpainting模型	SDXL工作流，需要高质量大图修复
LaMa/MAT系列	独立模型	专门用于物体移除，速度快	快速去除大块不需要的物体

这里有个关键细节：512-inpainting-ema.safetensors这个模型在很多教程里被频繁提及，但它并不是官方发布的，而是社区基于SD 1.5微调出来的。我最初在Hugging Face上怎么搜都找不到，后来才发现它主要在一些镜像站和模型分享社区流传。

提示：如果你在常规模型网站找不到这个文件，可以尝试在搜索引擎用“stable-diffusion-inpainting”或“inpainting model for SD 1.5”这类关键词，通常能找到相关的GitHub仓库或论坛分享链接。下载后记得验证文件哈希值，确保文件完整。

1.2 模型放置与加载的正确姿势

下载好模型文件后，新手最容易犯的错误就是放错位置。ComfyUI的模型目录结构有特定要求：

ComfyUI/
├── models/
│   ├── checkpoints/          # 放置主模型（.ckpt或.safetensors）
│   ├── vae/                  # VAE模型
│   ├── lora/                 # LoRA模型
│   ├── controlnet/           # ControlNet模型
│   └── inpaint/              # 专门放置inpainting预处理模型（如LaMa）

关键点：512-inpainting-ema.safetensors这类inpainting主模型应该放在checkpoints文件夹，而不是inpaint文件夹。后者主要存放LaMa、MAT这类预处理模型。

在ComfyUI界面中加载模型时，使用Load Checkpoint节点。点击节点上的下拉菜单，如果你正确放置了模型，应该能看到它出现在列表中。如果没出现，尝试点击旁边的“刷新”按钮或重启ComfyUI。

1.3 基础工作流节点连接逻辑

理解了模型选择后，我们来看最基础的inpainting工作流需要哪些节点。别被那些复杂的连线吓到，其实核心就几个：

Load Image - 加载你要修改的原始图片
Load Checkpoint - 加载inpainting专用模型
CLIP Text Encode - 输入正面和负面提示词
VAE Encode (for Inpainting) - 关键节点！专门处理带遮罩的编码
KSampler - 采样器，控制生成过程
VAE Decode - 将潜空间图像解码回像素图像
Preview Image - 预览结果

这些节点的连接顺序有固定逻辑，我画个简化的数据流图帮你理解：

原始图片 → Load Image → VAE Encode (for Inpainting)
                    ↓
                遮罩信息
                    ↓
模型+提示词 → KSampler → VAE Decode → 最终图片

实际在ComfyUI中，你需要用连线把这些节点的输出和输入端口连接起来。刚开始可能会连错，记住一个原则：数据从输出端口（右边）流向输入端口（左边）。