2024精选：Kontext局部重绘高效工作流，新手也能精准改图
在AI图像生成的实际操作中，实现像素级的精准控制是许多创作者面临的核心难题。我们之前介绍了Kontext工作流的基础配置，但许多用户在尝试复杂构图时发现，仅依赖文本提示词进行编辑，结果常常不够理想。
一个典型的困境是：当画面中存在多个相似对象时，像“将绿衣女孩的头发染红”这样的指令极易引发歧义，导致AI修改了错误的目标。这促使我们思考：能否结合传统图像编辑的思路，通过手动绘制遮罩来明确指定编辑区域，再借助Kontext的语义理解能力进行重绘？
简单场景的元素替换
复杂场景下纯文本指令的局限性
解决方案是可行的。在ComfyUI中集成「Kontext Inpainting Conditioning」节点，即可解锁类似局部重绘的功能。你可以直接涂抹出需要修改的精确区域，Kontext模型将仅针对该遮罩范围进行内容再生。
Kontext局部重绘工作流核心部分示意
下方视频展示了完整的操作过程：
若移动端视频无法播放，请在PC端浏览器查看。
接下来，我们将详细解析这一工作流的构建步骤，并优先解决几个在社区讨论中高频出现的实操问题。
一、常见问题与解决方案
1. 模型获取与版本选择
Kontext模型可从Flux官网或HuggingFace获取。请注意，它主要提供三个版本：
- max：参数量最大，训练数据最全面，通常能产出最高质量的图像。
- pro：平衡性版本，在FLUX.1的编辑、修改和文生图能力间取得了良好折衷。
- dev：开发者版本，推理速度最快，适用于快速原型测试和迭代。
请根据你对输出质量、速度和稳定性的需求进行选择。
官方渠道下载
HuggingFace平台下载
2. 工作流报错与出图稳定性
若工作流出现间歇性报错或无法生成图像，问题根源往往在于搭建方式。直接调用API接口的节点（例如“Flux.1 Kontext [pro] Image”）受网络延迟和稳定性影响较大。
不稳定的API调用方式（不推荐）
更可靠的方案是构建标准的本地加载工作流：通过「UNET加载器」节点，正确指向已下载到本地的Kontext模型文件。这种方法节点连接稍多，但运行极其稳定，不受外部网络干扰。
稳定的本地模型加载工作流
3. 工作流未执行重绘操作
这是一个常见的基础疏漏：务必确认在「UNET加载器」中加载的是Kontext模型文件，而不是其他基础模型。正确的模型选择是工作流生效的关键前提。
关键步骤：在UNET加载器中正确选择模型
二、单图局部重绘工作流搭建
现在进入核心构建环节。实现单图遮罩重绘的关键，是在「K采样器」之前接入「Kontext Inpainting Conditioning」节点。
核心节点连接示意
操作流程直观高效：
- 载入图像，右键选择“在遮罩编辑器中打开”。
- 使用画笔工具精确勾勒出需要修改的目标区域。
- 在「CLIP文本编码器」中输入针对该区域的修改指令（例如：“将手中的瓶子替换为一杯清水”）。
在编辑器中绘制遮罩
此时，你的提示词无需再描述位置信息，只需专注于期望的内容变更。测试表明，修改结果精准且与周围环境融合自然。
单图局部重绘效果
回到最初的多人物案例，现在只需涂抹目标人物的头发区域，并输入“turn hair silver”，即可准确无误地完成发色更改，彻底解决了复杂场景下的指令模糊问题。
复杂场景下的精准修改
三、进阶应用：双图局部元素替换
更强大的功能在于跨图像的局部元素替换。其核心逻辑是：先将两张图片组合，再对目标图片的特定区域执行“植入式”重绘。
工作流搭建步骤如下：
- 使用「Image Stitch」节点将源图（提供元素）与目标图（被修改的图）进行组合。
- 将组合后图像的VAE编码输入到「ReferenceLatent」节点。
- 将目标图及其对应的遮罩（建议经过「Grow Mask With Blur」处理以实现边缘平滑过渡）分别连接到「Kontext Inpainting Conditioning」节点的“pixels”和“mask”输入口。
双图替换效果示意
完整双图局部替换工作流
通过这种配置，Kontext能够理解“将组合图中A图的特定部分，无缝融合到B图的指定区域”这一复杂意图，从而实现高度可控的创意合成。
总结
本次对Kontext工作流的深度拓展，其核心在于引入了“遮罩”这一精确的空间控制工具。它有效弥补了纯文本指令在复杂构图中的不足，将最终的控制权交还给创作者。从单图局部修饰到双图元素移植，整个工作流的构建逻辑清晰，显著拓宽了创意落地的边界。
工具的价值在于赋能创意，而非制造障碍。希望这些基于实战的流程解析，能帮助你更高效地驾驭Kontext，减少不必要的调试时间，将精力真正聚焦于创作本身。