1-ipa工作流用法
一、图像转绘篇
我将基于ipadapter（简称“ipa”）最新工作流“ipadapter_advanced.json”工作流给大家进行展示。
工作流中controlnet模型（简称“cn”）用来控制ipa生成的图片。
作者：b站up坏心眼猫特效，工作流和模型：https://pan.quark.cn/s/2d0c9a5a9d34
预处理器网络模型的总览如下图：
ipa+cn的总实现框架如下图：
1.1 基于深度学习的重绘
1.1.1
将一张黑白素材图片和一张彩色风格图片进行风格迁移完成转绘。
黑色图片如上，彩色片如下。
最终生成的图片如下图，可以很清楚的看到，原来的黑白素材图片得到了风格上赋能。
也可以生成的四张图片如下图：
补充：可以生成四张（选择下图右边进行与K采样器的latent连接），也可以生成一张（选择左边）
1.1.2步骤及解析
（1）首先先创建节点加载图片：
（2）其次读取一张所需风格的图片作为参考图。
（3）将图像用蓝色的线连接到cn应用如图所示，即通过cn的深度学习模型（SDxl版本，因为checkpoint大模型用的是SDxl版本）。因为采用的是Zoe深度预处理器。
（4）对要生成的图片进行填写提示词。
正向提示词：illustration of clouds and meadows and mountains and trees, calm, executable, high quality
（5）生成（添加到提示词队列）
1.2 基于真实线稿的背景风格重绘
由于该部分的生成效果一般，便不予以展开讲述，下面会介绍一些流程：
将图像用蓝色的线连接到cn应用如图所示，由于是线稿模型，对于的cn模型可以采用深度学习的模型（个人感觉效果更佳），也可以采用“adapter-xl-lineart-fp16.safetensors”线稿模型。
对应的生成图片即可。
1.3 基于黑白线条的图案及背景风格重绘
1.3.1成果展示
将一张黑白图片和一张彩色图片进行风格迁移完成转绘。
黑色图片如上，彩色片如下。
最终生成的图片如下图：
1.3.2步骤及解析
（1）首先先创建节点加载图片：
（2）其次读取一张所需风格的图片作为参考图。
（3）可以将图像用蓝色的线连接到cn应用如图所示，即通过cn的深度学习模型（SDxl版本，因为checkpoint大模型用的是SDxl版本），因为深度学习zoe处理器。
▲具体五种不同的处理器对比，可以参考我的飞书文档：
基于不同的cn模型下的不同预处理器的线稿效果对比 - 飞书云文档 (feishu.cn)
（4）对要生成的图片进行填写提示词。
正向提示词：illustration, bushes,calm, executable, high quality
（5）生成（添加到提示词队列）
1.4 排除bug
1.4.1未将ipa文件下全
首先，在使用本工作流之前，先得运行作者cubiq的ComfyUI_IPAdapter_plus节点文件（ipadapter_simple.json）：
节点链接GitHub - cubiq/ComfyUI_IPAdapter_plus
倘若出现bug：
那么会出现有两种原因：
①对应的“预设”在下的文件模块里面没有，把下面六种预设都试过一次看看能不能解决这个问题。
或者对应的“权重类型”上没有：
②照着节点链接GitHub - cubiq/ComfyUI_IPAdapter_plus中所说的安装部分将文件都（除了deprecated“荒废”之外，全部下载）对应着文件夹下载一下（没有ipadapter文件夹的话就手动添加一个）。
1.4.2资源空间不够
对应地看看出错区域（紫色框框部分）是不是分辨率过高
1.4.3文件没下全
使用工作流时请将对应的checkpoint大模型文件下载、cn模型下载，
并且二者对应的版本要一样（比如都是SDxl或者SD1.5）
否则会报错：
二、视频转绘篇
如图，是《仙剑奇侠传》中的名场面转绘。当客户有转绘的需求时，我们应该如何搭载、搭载哪些工作流呢？
我将介绍的是“DomoAI动漫转绘工作流.json”