我们是否需要在前几节课中为大家讲解IP adapter，进行介入？在这里，我们可以直接右键新建节点，在应用IP adapter里有一个分块。因为我们需要批次处理图像，所以使用分块批次。大家还记得是什么意思吗？我们之前提到过，对于一些图片，特别是要保持人物一致性时，我们需要将一张较长的图片分为两个部分进行生成，这样生成起来的效果会更加稳定。这里我们的IP adapter仍然使用之前提到的统一应用，即IP adapter加载器。
接下来将IP adapter与其进行连接。我们需要做的是将原视频中的人物变成新形象，并将正面形象拉入其中，然后加载图像。我已经提前下载过，大家可以自行寻找。我用到的是这个人物的参考。之前我们已经给大家讲过IB adapter模型的预设，在这里我会用到标准的中强度和权重类型，并对其进行缓入。
在后面的选项中，我们需要使用遮罩。右键新建节点，在遮罩中，遮罩到图像，与其相连。在这里，我们创建一个预览，如果大家不想查看中间的无关紧要的结果，在这些节点时，我们可以右键折叠起来，这样就不会显示过程中产生的图像。在完成人物IP adapter之后，我们适当让IP adapter进行风格的参考生成。接下来，我们新建节点应用IP adapter。这里有一个应用IP adapter的批次，选择出来之后模型与模型进行相连，我们需要用到API adapter的加载器，我这里直接复制过来。
请调整位置。首先连接模型，然后再进行连接。这里需要注意的是，我们的IP adapter可以直接连接到第一个加载器。因为中间步骤只是确定人物，后面需要同步背景风格，所以不需要加载两次，这对内存占用率会更友好。大家记得IP deer可以直接连接到第一个加载器。接着，正面图像仍然需要使用背景图片作为参考。如果产生的背景和风格差异较大，例如背景是亮色，参考的风格是暗色，那么效果不会太好。因此，我这里就用到一样的，大家在实际测试时可以参考。
你可以尝试将图片分成不同的几组，我们将基本原理向大家讲解。关于权重类型，我们之前提到过style transfer，它的风格参考能力非常强。在权重方面，我们可以适当降低到0.6，大家可以多多尝试。这样IP adapter节点就设置好了，设置好后，我们仍然保持原样。
我们为其新建一个框，将内容框起来。我们选择与左边相同的大小，这样看上去会更舒服。我们将其放起之后需要使用edit tailor。我们暂时不创建editor，先预览效果。在模型方面，我们创建一个KG节点，设置一个名字以便最终模型输出。
OK.到这一步为止，我们前面的加载器、图片处理以及CTR net模型的处理已经完成。接下来我们需要使用采样器，在采样器中，我们单独创建右键新建节点，在效率节点中采样器效率。我们的模型必须连接上一步的KG节点，获取节点并与它相连。最终的模型输出和处理用IP adapter完成，请记得选择相同的名称。另外两个也是如此，我们之前已经创建过并且将它们复制下来。这里是最终的正面条件以及负面条件。
我们需要与其进行相连。另外，我要告诉大家，latent在视频转会中并不需要。如果我们将原图通过雷进行反向编码，最终生成的结果与原本上传的结果相似性非常高。特别是在制作视频转会时，不仅需要更换背景、人物，还要考虑装造和服装。如果连接雷，就不容易改变，因此我们这里不需要进行连接。
我们在这里使用空的latent，之前我们也为大家创建过。我们连接latent和vae，这些全部使用KG节点输出进行连接。这样的工作流程非常明朗，一目了然，他没有讲解。看着这些步骤，天赋较好的同学也能够自己搭建。我们在上面使用的是LCM模型。
因此我们的步数设置为10步，CFG值尽量保持在2以内，我们将其设置为1.8。另外我们使用的是一个LCM采样器，大家应该都有。这样就可以了，我们可以预览图像，因为上面设置了批次的获取是一，所以我们先从这60多张图片中生成一张图片查看效果是否符合我们的需求。
我们直接缩小一点，点击添加提示词到队列。如果它正常运行，就意味着我们的工作流没有任何问题。如果有些节点有红色标注，我们可以检查是否有节点没有与大家连接，这个可能会稍微慢一些。因为它的步骤实在太多，缩小后看起来有点眼花缭乱。这个是参照人物以及背景图片生成的效果给大家看。
将背景图片拉过来，相当于完全替换了原本人物形象。背景元素不明显，我们没有修改过原视频背景权重。接下来我将讲解如何提升参照人物的一致性，参数非常重要，位于线条的位置，生成识别出来的结果供大家观看。
它识别出的结果包括原版人物的轮廓。如果我们不降低线条权重，就会导致最终生成时不会经过很大改变。因此我们可以将强度进行调整，例如将强度调整为0.5，不仅可以调整强度，还可以调整介入时间或者结束时间。开始时间为0.25，结束时间为0.7。
这样相当于只有45%的线条在生成过程中受到线条束缚，即在噪波生成和即将结束时都可以任由IP adapter进行角色以及背景的参考和发挥。调整之后我们再观察效果，这里我先去断掉，之后再预览。接下来添加提示词到队列。大家可以看到，在权重值调整之后，人物的服装发生了明显变化，包括风格和类似于真人的感觉。左边已经变成了大模型，包括参考图设置好的动漫角色形象。
除此之外，我们可以对深度图进行改变，深度图会控制人物的长相和轮廓。我们将其设置为0.5，0.25，0.7。这仍然是老规矩，设置完成之后放置一边，之后单独进行预览。这样对比可能会让大家看得更加明显。这次会好很多。在刚才的基础上背景变得更多，包括人物风格已经完全转化为二次元形象，我认为非常不错。我们将参照的人物进行对比。
同样的短裙，服装的版型和人物头发有些不同。如果大家想追求更加极致，我们可以继续修改。例如不需要0.5的线条，只需要0.3的深度。同样的断开之后再预览，点击添加提示到队列。我相信这次会是非常好的结果，不过根据大家的需求，我们可以进行更多测试。
我们可以多进行测试，这是视频转会。当我们生成的结果令你满意时，接下来是否需要使用到视频，需要使用到animate diff。在这里，我们直接右键新建节点。在animate deep e VO里有一个争议节点，动态扩散加载器。暂时不做到这个连接，我们先给大家讲解一下，首先将上下文设置循环统一拉出来。
如果重叠，就设置一个2。Animate dif的默认模型是V3的官方版本，实际测试结果显示效果较差。目前我使用的tmporaal diff可以在哈根faces上进行下载，上面的1.67gb可以直接在左上角查看网址，需要配置网络。下载完成之后，它的安装在哪里？
Confi与目录Models文件夹，首先是第一个animate div，Models,直接安装即可。在安装完成后，我们需要继续在连接中间的一个节点，右键新建节点。实验节点里面有一个噪波色调映射与缩放CFG，这是ComfyUI自带的功能，无需额外加载插件。我们这样进行连接有什么用处？例如我们这里有一个缩放系数，在连接这个节点后，图片生成时CF去值逐渐减弱，使模型在生成图片过程中的平滑度更高。
另外，上面的部分是我们最终生成的图片，它的对比度大小即颜色的深度。在我们之后出图时，你可以多出几张自己尝试，区别会一目了然。我将为他提供300。在这中间，我们需要一个新建节点，即模型微调。在这里有VR模型重加权，我们替换中间的部分，让它进行连接。它的作用是将原有模型底层参数进行调整，大家可以将其理解为微调模型。我们需要设置的参数是B1，它主要用于控制图像生成时缩放的强度。在生成视频时，它具有整体动态缩放强度，我们可以通过它进行控制。我们直接让它默认为1.3版。
关于其他参数，大家可以根据出图经验来了解它们的具体区别。完成这些之后，我们可以直接将后面的模型拉过来，用它替换掉最终的模型输出即可，并且将其连接到采样器。完成这些之后，我们可以直接处理最终结果。我们先生成10张图片，观察结果如何。如果画面整体良好，我们再进行插帧帧数的还原，最终将其合并成最终的视频。
我们在处理过程中，图片数量非常多，大约有60张左右。我们先让他生成前面的10张图片，观察效果。点击添加提示词队列生成速度较慢，我们看最终结果。生成完成之后，因为这是预览图像，所以我们可以直接点击键盘上的右键进行观看，整体非常丝滑。背景已经全部更换。既然如此，我们需要做到最后一步，新建图像，这里有一个插针，与以前相同，V Fi，RI开头的部分。
我们将其与之相连，我们可以让其乘以2。我们的视频原本是30帧，被降到15帧。最终我们通过插针进行还原，并且连接到新建节点，在视频助手中合并为视频。之后大家可以通过放大来提高图片质量，并且连接好。这是经过测试后生成的结果。如果大家想要二次放大修复，那么我们可以使用采样器将其拖拽。
接下来进行连接模型，粘棉条件和负面条件。接下来是VAE。中间的雷哈，我们按系数进行缩放，实现1.5倍的放大。缩放方法选择默认。参数正常，例如20。这是6。采样器使用OLAA，调度器默认经过这个步骤之后进行图像插针，最后合并成视频。
我们需要将最终的帧率修改为30帧。确定之后，我们需要将图片数量修改为60，一共是59张图片。之后我们可以直接点击生成，大概需要半个小时左右的等待时间，这也是最终等待生成的结果。
这里有点崩溃，我已经跑了将近一个多小时，剩下的50%没有跑完。因此，在生成过程中，我们先像我一样进行测试，再生成最终结果。最终结果我会在下一期课程开始时展示给大家。由于时间等待太久，以上是非常完整的视频转会工作流。感谢大家的支持。如果现在认为课程对你有用，那么请给我一键三连，我们下节课再见。