用于服装编辑的 ComfyUI NSFW 局部重绘工作流

要搭建一个能真正产出干净服装编辑或露骨 NSFW 修改的 comfyui nsfw 局部重绘工作流，比网上教程让你以为的要难得多。大多数 YouTube 指南只给你演示一切顺利的理想路径，用的是完美的源图，并跳过了规模化时会失败的部分。我们在数月的生产使用中构建并打磨了这套工作流，下面这个版本能处理那些简单指南忽略的失败情形。

局部重绘到底做了什么

说实话，大多数用户都误解了局部重绘。他们以为它是个神奇的橡皮擦。它不是。局部重绘是再生成。模型把你遮罩的区域当作占位符，为该区域生成新内容，同时尽量让它与未遮罩的周边像素融合。质量取决于你的遮罩有多干净，以及你的去噪强度调得有多好。

具体到 NSFW 服装编辑，局部重绘解决的是一个特定问题。你有一张已经具备你想要的构图的底图，但服装或解剖部分需要不一样。也许你生成了一张 SFW 底图，想把特定元素转成 NSFW。也许你想给一个已有角色换套衣服。也许你想在不重新生成整张图的情况下修复解剖问题。局部重绘用同一套工作流就能处理这三种情况。

人们最终对局部重绘感到沮丧的原因，是他们把它当成一次性工具。生成、遮罩、再生成、完事。在生产中，局部重绘是迭代的。你常常要用不同的去噪强度和提示词跑多遍局部重绘，才能得到干净的结果。我们在这里搭建的工作流让这些迭代变得快速。

还有一件没人提的事，局部重绘质量在很大程度上取决于底图质量。在一张低质量图里遮罩一块区域，重绘后的区域救不了它。模型的再生成会从周边像素中提取上下文。垃圾上下文产出垃圾重绘。从一张干净的底图开始，哪怕你打算修改它。

两种方法，手动遮罩与自动分割

构建局部重绘遮罩的两种方式分为手动遮罩和自动分割。两种都管用。两种都有取舍。

ComfyUI 中的手动遮罩使用 Mask Editor 节点。你用画笔工具直接在源图上涂出遮罩。控制精确。每张图慢。非常适合那种你心里有确切遮罩形状的一次性编辑。不适合需要处理大量图片的生产。

自动分割使用 SAM（Segment Anything Model）加 Grounding DINO，从文本提示检测目标并自动生成遮罩。你输入 "shirt"，工作流就会检测出衬衫并把它遮起来。在边缘情况上精度差一些。快速且可复现。非常适合生产。在需要一次性精度的工作上则差一些。

对于任何规模的 NSFW 服装编辑，自动分割胜出。遮罩质量通常和手动遮罩产出的差距在 5% 到 10% 以内，但生成是 30 秒对比 3 到 5 分钟。处理 50 张图就是数小时的节省。

混合方法用自动分割作为起点，需要时让你手动精修遮罩。ComfyUI 的进阶局部重绘技巧指南更详细地讲了这种混合模式。对于大多数生产级 NSFW 工作，纯自动分割已经够好了。

设置 SAM 和 Grounding DINO

安装节点。在 ComfyUI Manager 里搜索 "ComfyUI Impact Pack" 并安装它。然后安装 "ComfyUI Inspire Pack" 以获得额外的局部重绘节点。最后安装 "ComfyUI segment anything" 或 "ComfyUI Grounding Dino"，取决于哪个包的维护者更新得更近。GitHub 上的 Grounded SAM 仓库是这些 ComfyUI 节点所封装的源论文，如果你想理解底层技术可以看看。

安装完成后，重启 ComfyUI。新节点会出现在右键菜单中类似 "Add Node, Impact, Detector" 的路径下。

下载模型文件。SAM 需要一个检查点。sam_vit_h_4b8939.pth 文件是标准的高质量 SAM 模型，大约 2.5GB。Grounding DINO 需要一个更小的模型文件。两者分别下载到 ComfyUI/models/sams/ 和 ComfyUI/models/grounding-dino/。第一次运行工作流时，如果缺少这些模型，模型加载节点会自动下载它们。

工作流节点设置。链路是这样的。Load Image 输入到 SAMModelLoader 和 GroundingDinoModelLoader 节点。两者都输入到 GroundingDinoSAMSegment 节点，该节点接收你要分割什么的文本提示。输出是一个遮罩，再输入到你的局部重绘工作流。

分割节点的文本提示就是关键所在。"shirt" 检测衬衫。"underwear" 检测内衣。"hair" 检测头发。对于 NSFW 工作，你可以很具体。"bra" 检测胸罩。"clothing on torso" 检测躯干上的服装。Grounding DINO 模型在理解你想遮罩什么这件事上灵活得惊人。

阈值设置很重要。Grounding DINO 的默认阈值是 0.3，它能覆盖大多数情况。更低（0.2）会捕捉更激进的匹配，包括误检。更高（0.4 到 0.5）更保守，可能会漏掉边缘情况。我们用 0.3 作为默认值，并按每个工作流调整。

用于干净编辑的遮罩模糊与去噪

一旦你有了遮罩，局部重绘参数就决定了输出质量。最重要的两个设置是遮罩模糊和去噪强度。

遮罩模糊会平滑遮罩边缘，让重绘与周边像素融合。生硬的遮罩边缘会产生可见的接缝。模糊过度则会把编辑软化到超出你想要的程度。对于 NSFW 服装编辑，8 到 15 像素的遮罩模糊是最佳点。对于精度至关重要的紧凑编辑，用更低值（4 到 6 像素）。对于融合比精度更重要的柔和编辑，用更高值（15 到 20 像素）。

去噪强度控制模型再生成与保留的比例。在去噪 1.0 时，模型为遮罩区域生成全新的内容。在去噪 0.5 时，模型只修改遮罩区域一半，保留部分原始像素。在去噪 0.0 时，完全不发生再生成。

对于换装类 NSFW 工作，去噪 0.75 到 0.85 是标准范围。低于 0.7 时，模型常常保留太多原始服装的颜色或图案。高于 0.9 时，模型再生成得太彻底，遮罩区域里的身体比例有时会发生偏移。

对于细微的解剖编辑，去噪 0.5 到 0.65 效果更好。你想轻微修改已有的解剖结构，而不是从头再生成。更低的去噪在仍能产出编辑的同时保留更多原始构图。

我们发现，用两种不同去噪强度跑两遍局部重绘，常常胜过单遍高去噪。第一遍在去噪 0.85 时生成新内容。第二遍在去噪 0.4 时用稍大一些的遮罩，柔化已编辑区域和未编辑区域之间的过渡。这种两遍方法能处理大多数边缘情况。

关于遮罩处理的更多内容，局部重绘遮罩羽化与接缝融合指南讲了那些能产出隐形编辑的接缝融合技巧。

Flux Fill 与 SDXL 局部重绘检查点

局部重绘模型的选择对输出质量有实质性影响。2026 年存在两个主要选项，Flux Fill 和 SDXL 局部重绘检查点。

Flux Fill 是 Black Forest Labs 基于 Flux 专门构建的局部重绘模型。它在同一个模型里同时处理局部重绘和外扩绘制。生成质量极佳。Q5 量化版本只占 8GB 显存，对大多数用户来说触手可及。我们的 Flux Fill 完整指南详细讲解了这个模型。

SDXL 局部重绘检查点是为局部重绘优化的 SDXL 微调模型。在搭配 Lustify 或 Juggernaut 等具备 NSFW 能力的底模时，它们能很好地处理 NSFW。质量不错，但在复杂编辑上通常略低于 Flux Fill。

具体到 NSFW 服装编辑，Flux Fill 出于两个原因胜出。第一，提示词遵循度更好。当你描述你想要的新服装时，Flux Fill 比 SDXL 局部重绘变体产出得更准确。第二，接缝质量更干净。Flux Fill 更经常产出与周边融合且无可见边界的编辑。Hugging Face 上的 Flux Fill 模型卡涵盖了技术规格和推荐的使用模式。

问题在于授权。Flux Fill 以 Flux Dev 许可证发布，限制商业使用。对于商业 NSFW 工作，你会想用基于自由授权底模的 SDXL 局部重绘检查点，或者使用基于 Chroma 的局部重绘，我们在 Chroma 与 Flux Dev 对比中讲过它。

对大多数用户的实用建议，在授权无关紧要的个人项目里用 Flux Fill。在商业工作里用基于 Lustify、Juggernaut 或 Pony 的 SDXL 局部重绘检查点。两者在正确设置下都能产出生产级输出。我们还把整条管线接进了 lewdly.ai（完全披露，我们参与了它的搭建），所以想要服装编辑但不想管理 ComfyUI 图的用户，用更简单的输入就能得到同样的输出。本地与托管之间的选择，归根结底取决于你实际需要多少工作流定制。

局部重绘步骤之后的 Face Detailer

这是大多数教程跳过的步骤，而它正是专业与业余输出之间的区别。在任何触及面部区域或改变身体比例的局部重绘步骤之后，运行 Face Detailer 作为后处理。

ComfyUI 中的 Face Detailer 使用 YOLO 面部检测在你的图里找到脸，然后用你的生成模型对每张检测到的脸跑一个小的局部重绘步骤。脸会以比底图面部更高的分辨率和更好的细节被重新生成。结果是更干净的面部特征，而不改变整体构图。

具体到 NSFW 工作，Face Detailer 能防止局部重绘身体区域时常见的 "身材很好，脸却怪怪的" 问题。身体局部重绘可能通过下游模型行为微妙地改变面部比例。Face Detailer 会自动修复这一点。

我们的 ComfyUI Face Detailer NSFW 工作流讲解了专门的面部细化管线。对于我们这里搭建的局部重绘工作流，只需在主局部重绘步骤之后，在链路末端追加一个 Face Detailer 节点即可。

Face Detailer 的设置：

• 检测模型，bbox/face_yolov8m.pt（标准）或来自 Civitai 的面部专用 NSFW YOLO 模型
• 面部修复用去噪 0.4 到 0.55
• 面部局部重绘分辨率 1024，即便底图更低也是如此
• 遮罩膨胀 5 到 10 像素以捕捉完整的面部区域

经过细化后的脸应当看起来明显比底图输出更锐利，同时不改变角色的身份。如果身份发生漂移，降低去噪。如果看不到改善，提高去噪。

常见失败与修复

常见失败 1，遮罩边界以接缝形式可见。修复方法是增大遮罩模糊。试试 12 到 15 像素。如果接缝仍然显现，运行我们上面描述的两遍局部重绘。一遍柔和的二次处理常常能完全消除接缝。

常见失败 2，重绘区域与提示词不匹配。修复方法是把去噪强度提高到 0.85 到 0.95，让模型有更多自由去再生成。如果还不行，提示词可能不匹配模型的词汇。用更简单的描述性语言重写重绘提示词。

常见失败 3，遮罩区域里身体比例发生偏移。修复方法是用更保守的去噪（0.6 到 0.7），并在提示词里明确你想保留的身体比例。"same body shape, natural proportions, [你的具体服装编辑]" 往往管用。

常见失败 4，已编辑区域和未编辑区域之间的光照不匹配。修复方法是在重绘提示词里加入光照描述。"soft daylight, matching ambient lighting" 会引导模型产出一致的光照。两遍方法在这里也有帮助。

常见失败 5，Grounding DINO 没有检测到你想遮罩的东西。修复方法是尝试不同的文本提示。"shirt" 可能漏掉 "clothing" 能捕捉到的东西。"underwear" 可能漏掉 "lingerie" 能捕捉到的东西。当具体物品无法触发检测时，有时 "all clothing" 才是对的提示。

常见失败 6，遮罩太大，把身体也包了进去，而不只是服装。修复方法是降低 Grounding DINO 阈值或使用更具体的文本提示。有时你需要在自动分割之后手动精修遮罩。ComfyUI 的 Mask Editor 节点让你点进遮罩并擦除你不想包含的区域。

关于遮罩编辑的更多内容，如果自动分割需要清理，ComfyUI 遮罩编辑器精通指南讲解了手动精修工作流。

下载完整工作流

我们使用的完整工作流以一个 ComfyUI 工作流 JSON 的形式存在。基本链路是：

1. Load Image（你的底图）
2. Grounding DINO + SAM（基于文本提示的自动分割）
3. Mask Blur（8 到 15 像素）
4. KSampler，搭配 Flux Fill 或 SDXL 局部重绘检查点
5. 局部重绘条件 + 正向提示词
6. Face Detailer 后处理
7. Save Image

这个 JSON 文件在各个 ComfyUI 安装之间可移植。把它拖进任何 ComfyUI 实例，工作流就会加载。所需的自定义节点列在工作流顶部，这样 ComfyUI Manager 就能安装缺失的依赖。

对于不想在本地运行此工作流的平台，托管服务处理的是同一条管线。Lewdly.ai 在后端运行的正是这套工作流模式。这个平台之所以存在，是因为大多数用户想要服装编辑或 NSFW 局部重绘，却不想管理 7 个自定义节点和一个 12GB 的检查点下载。如果你不想要 ComfyUI 的复杂度，托管路线能省下实打实的时间。lewdly.ai 的局部重绘流程使用的正是我们上面讲过的这些 SAM 和 Grounding DINO 组件，只是被抽象进了一个更简单的用户界面。

关于替代局部重绘方法的更深入内容，局部重绘与外扩绘制进阶技巧指南讲解了服装编辑之外的模式，包括外扩绘制、解剖修正和多区域编辑。

常见问题

这个局部重绘工作流需要多少显存？

基于 SDXL 的局部重绘最低 12GB，Flux Fill 推荐 16GB。你可以在 8GB 上跑 Q4 Flux Fill，但质量会明显下降。仅 SAM 模型就需要约 2.5GB。Grounding DINO 需要约 700MB。

我可以把这个工作流用于 Pony Diffusion 吗？

可以。把 Pony V6 XL 用作你的 SDXL 局部重绘检查点。工作流结构完全相同，只需把检查点加载器换成 Pony。注意，Pony 在局部重绘提示词里需要 score 标签，就像基础生成里一样。

为什么 Grounding DINO 会漏掉一些物体？

阈值设置。默认是 0.3。把它降到 0.2 到 0.25 以获得更激进的检测。Grounding DINO 模型在常见物体上训练，所以不寻常或风格化的物品有时在默认阈值下无法被检测到。

NSFW 我应该用 Flux Fill 还是 SDXL 局部重绘？

取决于授权。Flux Fill 质量更高，但受研究许可证限制。搭配具备 NSFW 能力底模（Lustify、Juggernaut、Pony）的 SDXL 局部重绘可无限制商业使用。对大多数用户来说，SDXL 局部重绘是实用的选择。

我如何修复重绘区域和原始区域之间的接缝？

把遮罩模糊增大到 12 到 15 像素。如果接缝仍然显现，在边界区域上以低去噪（0.3 到 0.4）跑第二遍。这一柔和步骤会融合已编辑与未编辑的像素，而不会显著改变编辑。

SAM 和 SAM2 有什么区别？

SAM 是 Meta 推出的原始 Segment Anything Model。SAM2 是更新版本，分割质量更好，推理更快。对于 2026 年的 ComfyUI 局部重绘工作流，SAM2 通常更受青睐，但如果没安装 SAM2，SAM 仍然能用。我们的最佳视频分割工具 SAM2 完整指南更详细地讲了 SAM2。

我可以用这个工作流批量处理很多图片吗？

可以。ComfyUI 通过工作流修改支持批量处理。把 Load Image 换成 Load Images from Directory，工作流就会处理文件夹里的每一张图。每张图都会得到相同的 Grounding DINO 提示和局部重绘设置。

这个适用于视频帧吗？

某种程度上可以。工作流处理单独的帧没问题，但要在帧之间保持时间一致性，需要额外节点，比如 AnimateDiff 或视频专用的局部重绘工作流。对于不要求时间连续性的逐帧编辑，这个工作流在抽取出的帧上可以直接使用。