Workflow1111 使用 Gradio Workflow 重現 AUTOMATIC1111 功能

TL;DR

Workflow1111 是一個 Gradio Workflow，使用 73 個節點與十一個媒體管道，重現了 AUTOMATIC1111 的 stable-diffusion-webui 核心功能集，讓任何人只需透過瀏覽器即可執行文字轉圖像、修復、放大、影片生成等操作，而無需擁有 GPU。

Workflow1111 是什麼

Workflow1111 是一個單一的 gr.Workflow 面板，將 十一個不同的媒體管道 結合在一起。該圖形包含 七十三個節點，分為四種運算元類型（fn、model、space、dataset）。每個節點包裝了一個函數、一個透過 InferenceClient 存取的 Hugging Face 模型、另一個 Gradio Space 或資料集的一行資料。結果是模組化且基於瀏覽器的使用者介面，其標籤與擴充功能與 AUTOMATIC1111 的 stable-diffusion-webui 相同。

"你可以透過登入你的 Hugging Face 帳戶或提供存取權杖來執行這些管道中的任何一個。登入後，模型呼叫會使用你自己的配額。" – Hugging Face 博客

核心管道及其實作

文字轉圖像

  • 複製 txt2img 標籤，包含負面提示、步數、CFG、種子、寬度、高度和檢查點選擇等控制項。
  • 提示經過 fn 節點，加入風格預設並清理文字，接著由 model 節點透過推理提供者呼叫所選的擴散檢查點。
  • 一個後處理 fn 節點將生成參數寫入 PNG 元資料，以便後續取得。

高解析度修復

  • 實作 AUTOMATIC1111 的先放大再精細化工作流程，採用兩個節點的迂迴設計。
  • 文字轉圖像管道的輸出會送至 FLUX.1-Kontext model 節點，附帶精細指令（「增強細節與微紋理，保持構圖相同」）。

圖像轉圖像

  • 重複使用相同的 Kontext 節點：上傳圖像，描述期望的編輯內容，即可獲得編輯後的結果。

LLM 生成提示

  • 將粗略提示送至 Qwen3-4B model 節點。
  • 下游的 fn 節點將 LLM 回應格式化為最多四十個標籤的清單，可餵給任何擴散模型節點。

圖像轉提示（探查）

  • 使用 Qwen2.5-VL-7B-Instruct 產生輸入圖像的文字描述。
  • 同時，ViT-base-patch16-224 分類器回傳標籤機率。
  • 並行執行表示兩項結果可在約一次模型呼叫的時間內同時取得。

檢測轉填補遮罩

  • DETR-ResNet-50 檢測器識別物件（例如：人、狗、腳踏車、汽車），並產生邊界框。
  • 一個分支在圖像上繪製邊界框；另一分支將邊界框轉換為二進位遮罩，供後續填補使用。
  • 檢測在遠端執行；繪圖與遮罩建立則在本地使用 Pillow/NumPy 完成。

提示矩陣

  • 一個 fn 節點將基礎提示擴展為四個後綴，創造四個平行的文字轉圖像節點。
  • 最終節點將四個結果拼接成一張聯絡表。
  • 不需要迴圈運算元；平行節點可同時執行。

放大與背景移除

  • 兩條放大路徑：本地 Lanczos 插值（fn 節點）與外部 AuraSR ×4 Space（space 節點）。
  • 背景移除呼叫 BRIA RMBG-2.0 Space，使模型與主畫布隔離。

標註工具（ControlNet 風格前處理器）

  • Canny、線稿、草圖、亮度深度與壓縮效果皆以純 NumPy fn 節點實作。
  • 36 個運算元節點中有 32 個是 fn 節點，其中 22 個完全在程序內執行，無需網路呼叫，使大部分畫布可在離線狀態下運作。

PNG 元資料

  • 複製 AUTOMATIC1111 的 PNG 元資料儲存方式：一個後處理節點將參數寫入 PNG 的 parameters 區塊；專用管道則讀取回傳（提示、負面提示、步數、CFG、種子、尺寸、模型）。

圖像轉影片

  • PNG 元資料節點也提供給 Wan 2.2 I2V A14B model 節點，用以動畫化圖像（例如：一隻睡覺的狐狸醒來）。
  • 單一上傳可驅動多個下游管道。

在你自己的 GPU 上執行

  • 預設情況下，所有 model 與 space 呼叫皆透過推理提供者或外部 Space 使用遠端硬體，因此即使沒有本地 GPU 也能運作。
  • 任何 fn 節點皆可替換為本機載入的模型。部落格提到 FastVideo/fastvideo-fasth3-preview，它在 ZeroGPU 配額上執行精簡版的 MiniMax-H3 模型。
  • 例子繫結語法：
    @spaces.GPU(duration=get_duration, size=GPU_SIZE)
def _generate(prompt_embeds, text_token_tags, height, width, num_frames, seed):
    ...

gr.Workflow(bind={"generate": _generate, "status": status}).launch()
  • ZeroGPU 會自動為函式呼叫配置 GPU，並在完成後釋放；gr.Workflow 對此分配毫無知覺。

每個輸出都是自動 REST API

  • 每個輸出節點都會變成一個類型化的端點（例如：/image、/edited_image、/generated_prompt）。
  • 例子客戶端呼叫：
    from gradio_client import Client
client = Client("ysharma/Workflow1111", oauth_token="hf_...")
image, params, hires = client.predict(
    "a red fox in a snowy pine forest", "", "Cinematic", "enhance fine detail", api_name="/image"
)
  • 端點也相容 Model Context Protocol (MCP)，讓 AI 助手（Claude Code、Cursor 等）可直接調用。

與 ComfyUI 的比較

特性 Workflow1111 (Gradio) ComfyUI
硬體抽象 節點可指向遠端推理提供者、Spaces 或資料集；無需本地 GPU。 主要為本地 GPU 執行；外部呼叫需自訂 scripting。
自動 API 產生 每個輸出節點自動成為 REST 端點，無需手動路由。 無內建 API 產生；開發者必須自行揭露端點。
基於 OAuth 的多使用者存取 使用者以 Hugging Face 帳戶登入；使用量計費至其配額。 通常為單使用者桌面應用程式。
混合模式圖形 擴散、LLM、VLM、檢測、影片模型共存於同一畫布。 支援多種模型類型，但整合常需自訂節點。
自訂邏輯 簡單的 Python fn 節點允許在畫布上執行任意程式碼。 自訂節點需撰寫 C++/Python 延伸模組。

部落格總結指出，Gradio Workflow 提供瀏覽器優先、零安裝的體驗，其廣度媲美 ComfyUI，同時還具備遠端執行與自動 API 功能。

從你的工作流程開始

  1. 建立最小工作流程：
    import gradio as gr
def your_function(text: str) -> str:
    return text.upper()
gr.Workflow(bind=[your_function]).launch()
  2. 使用 bind= 參數繫結額外的函數、模型或 Spaces。
  3. 使用 edges= 參數或在畫布上互動連接節點。
  4. 使用 gradio deploy 部署，將其發布至 Hugging Face Spaces。
  5. 從公開 Space 複製 Workflow1111，刪除或取代節點，並試驗新管道。

如需完整的架構細節，請參閱官方 Gradio Workflow 教程。

為何重要

  • 展示了複雜、多模型的 UI 架構可以在無需本地 GPU 的情況下組裝，降低創作者與研究者的門檻。
  • 提供統一且自動產生的 API 表面，使將生成管道整合到更大系統或 AI 助手中變得輕而易舉。
  • 將 Gradio Workflow 定位為 ComfyUI 之類僅限桌面的節點編輯器的直接雲端首選競爭對手，擴展了快速原型設計與部署的生態系。

歡迎自由複製此 Space，重新混搭管道，並在 X 上分享你的創作，標記 @gradio。

Sources