ComfyUI 电商生图深度调研：完整工作流与每步模型推荐
本站原创 · 深度调研（2026-08 联网检索综合）· 面向「电商商品图批量生成」场景 硬件基准：GTX 1050 Ti 4GB 显存，结论以此为准；末尾给升级路线。
一、电商生图完整工作流（9 步）
一张商品图上架图，从实拍到成片，标准本地链路如下。每一步都可对应 ComfyUI 的一个节点组：
| 步骤 | 作用 | 推荐模型 / 节点 | 4GB 适配 |
|---|---|---|---|
| 0. 素材准备 | 实拍商品图（白底/灰底最佳） | 相机/手机实拍 | — |
| 1. 抠图去背 | 把商品从背景分离出透明 PNG | RMBG-2.0 / BiRefNet / SAM2 | ✅ 轻量，显存占用小 |
| 2. 构图锁形 | 固定商品形状，AI 只改背景不形变 | ControlNet Depth（sd15_depth）或 Canny | ✅ SD1.5 版可跑 |
| 3. 品牌风格注入 | 多图保持统一调性（色调/材质） | IP-Adapter（ip-adapter_sd15 + CLIP vision g） | ⚠️ 占 1-2GB，可后置 |
| 4. 大模型生成 | 决定画风与质感的核心引擎 | Realistic Vision V6.0（SD1.5） | ✅ 4GB 唯一现实选择 |
| 5. 提示词引导 | 描述场景/光影/材质 | CLIP Text Encode（正+负向） | ✅ |
| 6. 采样出图 | 潜空间生成 | KSampler：DPM++ 2M Karras / 20-30步 / CFG 7 | ✅ |
| 7. 高清放大 | 提到上架分辨率 | RealESRGAN_x4plus 或 4x-UltraSharp | ✅ 轻量 |
| 8. 细节修复 | 人脸/瑕疵（模特图才需） | CodeFormer / GFPGAN | ✅ 按需 |
| 9. 批量导出 | 整文件夹自动跑+命名 | Load Image Batch 节点 | ✅ |
核心心法：步骤 2（ControlNet 锁形）+ 步骤 4（大模型）是电商图成败关键。锁形保证"商品还是那个商品"，大模型保证"背景够真"。
二、每步模型详解与下载
步骤 1 · 抠图去背
- RMBG-2.0：当前开源抠图质量第一梯队，边缘干净（尤其发丝/透明件），放
models/RMBG/。 - BiRefNet：发丝/玻璃边缘最强，显存略高，4GB 可跑单张。
- 节点：ComfyUI 装
ComfyUI-RMBG或BiRefNet自定义节点；或用rembg预处理。 - 省钱替代：先用 Photoroom / 在线工具去背，再进 ComfyUI 只做背景生成，显存压力减半。
步骤 2 · 构图锁形（ControlNet）
- 商品图首选 Depth（深度图）——保 3D 结构；规则物体用 Canny（边缘） 更锐。
- 模型：
control_v11p_sd15_depth.pth/control_v11p_sd15_canny.pth，放models/controlnet/。 - 强度 strength 0.5–0.8，start 0 / end 1。多 ControlNet 可叠加（Depth+Canny+OpenPose），但 4GB 建议单用一种。
步骤 3 · 品牌风格（IP-Adapter）
- 模型：
ip-adapter_sd15.safetensors+clip_vision_g.safetensors，分别放models/ipadapter/、models/clip_vision/。 - weight 0.5–0.7（既保品牌辨识又留 AI 创造空间）；多 IP-Adapter 并行时 weight 总和 ≤1.5。
- 电商实战：季节模板切换（春节红/情人节粉/618 蓝），只换参考图，商品不动——一键出系列图。
步骤 4 · 大模型（核心）
4GB 显存硬约束下，SD1.5 是唯一现实选择： - ⭐ Realistic Vision V6.0（SD1.5）：4GB 可跑，电商/产品图老牌首选，LoRA 生态最全。 - 备选：麦橘超模（SD1.5 写实）、Anything V5（若走插画风）。
8GB+ 才考虑（你现在跑不了，列作升级目标）： - Juggernaut XL v10 / RealVisXL V5.0（SDXL，质感最佳，珠宝/金属/玻璃反光强） - FLUX.1 dev（12-24GB，理解力最强，但非商用协议）
⚠️ 协议提醒：做闭源商业产品分发，优先 InvokeAI（Apache-2.0）；ComfyUI/Fooocus/A1111 为 GPL/AGPL，自用无碍，对外分发需注意开源义务。
步骤 7 · 放大
- RealESRGAN_x4plus：照片通用，稳。
- 4x-UltraSharp：锐化优先，电商图常用。
- 放
models/upscale_models/。4GB 放大大图若 OOM，用 Tiled 分块（ComfyUI-TiledDiffusion）。
步骤 8 · 人脸修复（模特图）
- CodeFormer：最自然；GFPGAN：最快。ComfyUI 节点直接接。
三、竞品全景对比（2026）
| 工具 | 类型 | 可控性 | 学习成本 | 硬件门槛 | 电商适配 | 成本 |
|---|---|---|---|---|---|---|
| ComfyUI | 本地节点式 | ⭐⭐⭐⭐⭐ 最强 | 高（需懂节点） | 4GB 可跑(SD1.5) | ⭐⭐⭐⭐ 批量/可控 | 免费+电费 |
| Fooocus | 本地极简 | ⭐⭐ 弱 | 极低 | 4GB 可跑 | ⭐⭐ 快出不可自动化 | 免费+电费 |
| InvokeAI | 本地画布式 | ⭐⭐⭐ 中 | 中 | 6GB+ | ⭐⭐⭐ 商用友好(Apache) | 免费+电费 |
| A1111/Forge | 本地 WebUI | ⭐⭐⭐ 中 | 中 | 6GB+ | ⭐⭐⭐ 插件多 | 免费+电费 |
| Leonardo | 云端平台 | ⭐⭐ 中 | 低 | 无显卡 | ⭐⭐⭐ 有电商模板 | 订阅 $10/月 |
| Recraft | 云端设计 | ⭐⭐⭐ 设计向 | 低 | 无显卡 | ⭐⭐⭐⭐ 矢量/品牌/去背专精 | 免费+订阅 |
| Midjourney | 云端 | ⭐ 弱 | 低 | 无显卡 | ⭐ 艺术强锁形弱 | 订阅 $10-60/月 |
| FLUX(Schnell) | 本地/API | ⭐⭐⭐⭐ | 中 | 4GB+(NF4) | ⭐⭐⭐ 理解力强 | 免费/API |
结论性判断： - 要可控、可复用、接 API/批量 → ComfyUI（代价是学习曲线）。 - 要最快出图少折腾 → Fooocus（但你牺牲自动化，电商批量不划算）。 - 要品牌/设计资产（矢量/去背/调性统一） → Recraft（云端，无需显卡）。 - 要闭源商用无协议风险 → InvokeAI。
四、针对本机（1050Ti 4GB）的最终落地方案
现实定位：4GB 显存跑得动，但只能走 SD1.5 精简链，不能堆满 SDXL + 多 ControlNet。
推荐组合（零成本起步）：
实拍去背(Photorup预处理) → ControlNet Depth(sd15,单用) → Realistic Vision V6.0
→ 提示词 → KSampler(DPM++2M,25步,CFG7) → RealESRGAN_x4plus → 导出
- 启动：
python main.py --lowvram - IP-Adapter 视显存余量后置开启（不强行叠）
- 批量：Load Image Batch 整文件夹跑，边际成本≈0
体验天花板：4GB 下出一张 512→放大到 2K，约 30s~2min；复杂 ControlNet 叠加易 OOM。
五、升级路线（质变点）
| 显卡 | 解锁能力 | 体验 |
|---|---|---|
| RTX 3060 12GB（二手约几百） | SDXL + 单 ControlNet/IP-Adapter 全流水线 | 电商批量质变，推荐首选 |
| RTX 4070 12GB | SDXL Turbo 快速 + 多 ControlNet | 流畅 |
| RTX 3090 24GB | FLUX dev 全流水线 + 训练 LoRA | 专业级 |
若商品量不大、图要"设计感/矢量"，Recraft 云端比升级显卡更划算；若要完全自控/批量/不依赖平台，升级到 3060 12GB 是性价比拐点。
六、下一步
简单版（白底主图）先跑通；熟练后加 ControlNet 锁形 → IP-Adapter 品牌统一 → 批量队列，才是电商真正提效闭环。