更多AI前沿科技资讯，请关注我们：
【closerAI ComfyUI】目前最好用！精准高效版kontext多图融合！自由组合节点+标注助手+自动白边处理+NAG+贴图LORA！完美迁移融合万物！冲！
大家好，我是Jimmy。前期分享了关于kontext多图融合最优解：
【closerAI ComfyUI】这就是kontext多图融合最优答案！结合Kontext多图融合的思考！找出最优融合方案！
通过结合NAG，NAG 全称是 Normalized Attention Guidance（归一化注意力引导），是一种用于扩散模型（Diffusion Models）的通用负向引导技术，让kontext多图融合更精准。
围绕这个思路，下面就打磨效率和质量方面的优化。在这次的kontext多图融合工作流中，我做了几个优化，减少我们介入，提高效率：
1、开发了一个自动白边处理的节点，直接将带有透明底的抠图接入后，生成围绕物体轮廓的白边。还能控制粗细。
这里解决的是，使用万能贴图LORA时，有时候不能出效果的问题，加上白边，更容易出图。但是手动涂抹实在麻烦。所以索性开发了一个节点，直接自动处理。
2、开了closer NAG 采样器节点，支持nunchaku版本。
上期我们介绍NAG加持下更精准生成高质量的结果：
【closerAI ComfyUI】这就是kontext多图融合最优答案！结合Kontext多图融合的思考！找出最优融合方案！
但是那期的工作流，我接入了unet或者是GGUF的kontext版本模型。不是说不行。但我比较喜欢nunchaku的高效！，但comfyUI-NAG目前没能支持nunchaku。所以索性，我研究了下重新开发一个节点支持让nunchaku支持NAG。如下图示：
本节点的使用方式与 ComfyUI 内置的 KSampler 基本一致。
- model: 核心输入。连接您的模型加载器。
- 如果使用 LoRA: 请连接 Nunchaku LoRA Loader 链条最后一个节点的 MODEL 输出。
- 如果不使用 LoRA: 直接连接主模型加载器（如 FLUX.1-dev Loader）的 MODEL 输出。
- positive: 连接“正面提示词”编码节点的 CONDITIONING 输出。
- negative: 连接“负面提示词”编码节点的 CONDITIONING 输出。
- latent_image: 连接 Empty Latent Image (文生图) 或 VAE Encode (图生图) 的 LATENT 输出。
- LATENT (输出): 将此接口连接到 VAE Decode 节点，以生成最终图像。
NAG 专属参数，这是控制 NAG 效果的核心。
- noise_type: 引导噪声的类型。
- gaussian (高斯噪声): 最常用，效果最稳定。推荐使用。
- uniform (均匀噪声): 提供一种不同的噪声分布，可用于实验。
- nag_strength (NAG 强度): 最重要的参数。
- 它控制着每一步被注入的额外噪声的强度。
- 0.0 表示完全禁用 NAG，此时节点等同于一个标准 KSampler。
- 推荐范围: 0.1 ~ 0.5。建议从 0.2 开始尝试。
- 注意: 过高的值 (如 > 1.0) 可能会在图像中引入不自然的噪点或伪影。
- nag_start_step (NAG 起始步数):
- 控制从第几步开始应用 NAG。
- 0 (默认): 从第一步采样就开始应用 NAG。
- 高级用法: 您可以设置一个较高的值，让 NAG 只在采样的后半段介入，用于对已经基本成型的图像进行细节微调。例如，如果总步数是 20，您可以将此值设为 10。
3、nunchaku kontext lora的问题。
这里使用了技术来源：小破站 张的张的 大佬做的修复文件。现在能愉快地将LORA转化成支持nunchaku的了。
这里讲下它接入LORA方式，在我们转换成nunchaku版本的lora后，一定要使用nunchaku官方的lora加载器来加载lora。这样才有效。
接法如截图示。
4、put it here lora更新到V2.0版本了
触发词:Put it here
辅助提示词：Adaptive, automatic light adaptation, 4K, high definition, outstanding picture quality
至此优化后的，closerAI kontext多图融合工作流如下：
1、自动处理白边模块：使用万能分割，将抠图直接接入我开发的CloserAI_AddOutline_V1节点中，白边粗细自己根据情况调整。
如果要接入N个物体，就复制多个这样的模块出来。
2、closerAI自由组合节点+标注助手：组合图片
如果需要多张图进行组合，可以在数量上填写对应数值，点击刷新。接入源就会发生变化，然后加载图像进工作区中。调整位置，点击完成。
标注助手的接入，是为了有时候，我们需要它做一些变化的区域，像手拿，但是白色没遮挡住，这个时候可以手动补上去，如下图：
也有时候就算不使用白边，使用的直接是白底的，你也遮挡不住一部分，如上一期的：
矩形区域是白底图，但我需要人物拿着伞，所以，这里在椭圆位置我直接用标注助手手画一个区域。
当然，如果大家没有我们的closerAI节点，我为大家准备了网页版本的自由组合的应用：
closerAI 图像自由组合在线版
大家可以在上面使用。
3、主要工作流模块：
1）nunchaku+NAG的kontext单图编辑工作流程如下：
它执行的结果如理：
2）nunchaku的kontext单图编辑工作流程如下：
执行后结果：
3）unet/gguf加载kontext对应量化模型的kontext+NAG的单图编辑工作流程如下：
执行结果：
我们再尝试换一张图看看：
换张图，重新组合如下：
执行结果：
1）nunchaku+NAG的kontext单图编辑工作流结果：
2）nunchaku的kontext单图编辑工作流结果：
3）unet/gguf+NAG的kontext单图编辑工作流结果：
本地算力不够怎么办？
如果本地设备算力不好的小伙伴，推荐使用线上comfyUI来运行体验：runninghub.cn
Flux Kontext Dev动嘴P图流体验地址：
https://www.runninghub.cn/ai-detail/1938445554957639681
注册地址：https://www.runninghub.cn/?utm_source=kol01-RH151
通过这个链接第一次注册送1000点，每日登录送100点
最后几句：
以上思路跟大家分享，目前是我优化后的kontext多图融合最高效的方案，
质量好设备好，建议直接使用unet加载FP8 kontext dev版本。但要追求效率与质量并在的，就可以直接使用nunchaku+NAG的版本。
以下是我开发的节点，配合kontext能高效出片：
1、comfyUI kontext 标注助手节点：
http://closerai.douyoubuy.cn/2025/07/01/2089/
2、comfyUI kontext提示词生成器节点：
http://aigc.douyoubuy.cn/2025/06/30/2062/
3、closerAI 图像循环助手节点：
http://aigc.douyoubuy.cn/2025/07/05/2137/
4、closerAI 自由组合节点：
http://aigc.douyoubuy.cn/2025/07/24/2305/
5、closerAI 自动白边处理节点：
http://aigc.douyoubuy.cn/2025/07/28/2357/
6、closerAI NAG_Sampler节点：
http://aigc.douyoubuy.cn/2025/07/28/2354/
7、comfyUI kontext提示词生成器网页应用：
http://aigc.douyoubuy.cn/closerai-flux-kontext/
8、closerAI 图像自由组合在线版
http://aigc.douyoubuy.cn/closerai-imagefree/
以上是closerAI团队制作的stable diffusion comfyUI closerAI开发的节点以及closerAI kontext多图融合自动白边处理+贴图LORA+NAG 工作流介绍，大家可以根据工作流思路进行尝试搭建。
当然，也可以在我们closerAI会员站上获取对应的工作流(查看原文)。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：JimmyMo
更多AI前沿科技资讯，请关注我们：
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
评论(0)