企业官网建设流程全解析

如何在本地ComfyUI运行cog-face-to-sticker：6个必备自定义节点入门教程

【免费下载链接】cog-face-to-stickerface-to-sticker项目地址: https://gitcode.com/gh_mirrors/co/cog-face-to-sticker

想把一张人脸照片快速变成卡通贴纸吗？开源项目cog-face-to-sticker可以做到——它把任意人脸转换成矢量风格的贴纸，并基于 ComfyUI 工作流实现。本教程带你从零开始，在本地 ComfyUI 中跑通这个项目，重点讲解6 个必备自定义节点的作用、安装与模型配置，帮你避开新手最容易踩的坑。

一、项目是什么：人脸变贴纸的原理

cog-face-to-sticker 的核心是一条 ComfyUI 工作流，输入一张人脸图片，输出一张贴纸风格的插画。它的实现思路是：

• 抠图：先用人物分割模型把人脸从背景中剥离出来
• 身份保持：用 InstantID + IPAdapter 双重锁定人脸特征，保证"像本人"
• 风格化生成：用 SDXL 底模 + 贴纸 LoRA + 卡通提示词，生成 cel shaded（赛璐璐）矢量风
• 放大：可选 2 倍超分辨率，让贴纸更清晰

这套逻辑集中在 API 格式的工作流里，你可以直接查看 face-to-sticker-api.json 理解节点串联关系。

二、环境准备：克隆仓库与安装自定义节点

1. 克隆仓库

在终端执行以下命令获取项目源码（含 ComfyUI 子模块）：

git clone --recurse-submodules https://gitcode.com/gh_mirrors/co/cog-face-to-sticker cd cog-face-to-sticker

2. 一键安装 6 个自定义节点

项目内置了一个脚本 scripts/clone_plugins.sh，它会按固定版本号克隆全部依赖到ComfyUI/custom_nodes/目录并锁定 commit，保证可复现。执行：

./scripts/clone_plugins.sh

💡 脚本会自动跳过已存在的目录，可放心重复执行。

3. 安装 Python 依赖

项目的环境配置写在 cog.yaml 中，关键依赖包括torch、insightface、opencv-python-headless、mediapipe、onnxruntime-gpu等。本地可参考其中的python_packages列表逐项pip install，并额外安装onnxruntime-gpu（GPU 版人脸解析需要）。

三、6 个必备自定义节点详解

下面逐个说明。

1. ComfyUI BRIA AI RMBG（抠图节点）

用 BRIA 的 RMBG 模型把人物从背景中干净地抠出，是贴纸"透明底"效果的关键。节点会用到BRIA_RMBG_ModelLoader_Zho加载模型。其权重路径由 helpers/ComfyUI_BRIA_AI_RMBG.py 处理。

2. ComfyUI Controlnet Aux（控制图预处理器）

提供AIO_Preprocessor，一次生成多种控制图（边缘、深度等），再交给 ControlNet 约束贴纸轮廓，让人物结构稳定。相关权重见 helpers/ComfyUI_Controlnet_Aux.py。

3. ComfyUI InstantID（身份锁定）

InstantIDFaceAnalysis会检测人脸关键点并提取身份特征，ApplyInstantID把它注入生成过程，让贴纸"长得像本人"。人脸解析模型（antelopev2 等）路径逻辑在 helpers/ComfyUI_InstantID.py。

4. ComfyUI IPAdapter Plus（风格与相似度）

IPAdapterApplyFaceID通过 CLIP Vision 编码器提取人脸 embedding，与生成图像做相似度对齐，和 InstantID 配合形成"双保险"。其模型准备逻辑在 helpers/ComfyUI_IPAdapter_plus.py。

5. ComfyUI UltimateSDUpscale（2 倍超分）

默认关闭；开启upscale=True后，工作流会插入UltimateSDUpscale节点对贴纸做分块重绘放大，默认 10 步。参数见 predict.py。

6. Efficiency Nodes ComfyUI（高效加载）

提供Efficient Loader（合并底模/LoRA/提示词）、LoRA Stacker（批量叠加贴纸 LoRA）和KSampler (Efficient)，是整条工作流的"中枢"。

四、下载模型权重

工作流会引用一批模型文件（底模albedobaseXL_v13.safetensors、贴纸 LoRAStickersRedmond.safetensors、instantid-ip-adapter.bin等）。完整清单见 weights.json。

本地可用工具脚本 scripts/get_weights.py 下载指定权重：

python scripts/get_weights.py <模型文件名>

首次启动时，helpers/comfyui.py 里的download_pre_start_models()也会自动预下载必需模型。

五、两种运行方式

方式 A：Web UI 手动跑（推荐新手）

1. 启动 ComfyUI：

   cd ComfyUI/ python main.py --listen 0.0.0.0

2. 浏览器打开http://localhost:8188
3. 拖入 face-to-sticker-ui.json 这条 UI 工作流
4. 在LoadImage节点载入一张人脸照片，点击 Queue Prompt

方式 B：命令行 / 脚本跑

predict.py 封装了完整流程：读入 face-to-sticker-api.json，通过update_workflow()注入文件名、提示词、尺寸、步数、放大等参数，再调用 ComfyUI HTTP 接口执行。主要可调参数：

六、常见问题（FAQ）

• 节点报错KeyError：多半是自定义节点没装全或版本不对，重跑./scripts/clone_plugins.sh确认 6 个节点都在。
• 模型缺失：ComfyUI 日志会提示具体文件名，对照 weights.json 下载即可。
• 贴纸不像本人：调高instant_id_strength（0~1）和ip_adapter_weight。
• 背景没扣干净：确认 RMBG 模型已下载，并检查输入照片人脸是否清晰。

七、写在最后

cog-face-to-sticker 用 6 个自定义节点把"抠图 + 身份保持 + 风格化 + 超分"串成一条可复现的工作流。你只要按上文装好节点、下载权重、导入 UI 工作流，就能在本地把任意人脸变成专属贴纸。建议先用 1024×1024、20 步的默认参数试跑，再按需微调强度参数。祝折腾愉快！

更多细节可参考官方说明 README.md 与变更日志 CHANGELOG.md。

【免费下载链接】cog-face-to-stickerface-to-sticker项目地址: https://gitcode.com/gh_mirrors/co/cog-face-to-sticker