Краткий курс по ComfyUI для новичков

ComfyUI полностью изменил подход создателей и разработчиков к генерации изображений с помощью ИИ. В отличие от обычных интерфейсов, узловая система ComfyUI обеспечивает полный контроль над творческими процессами. Этот интенсивный курс поможет новичкам освоить все ключевые понятия, функции и примеры, чтобы уверенно работать с этим мощным инструментом.

ComfyUI — это бесплатный открытый узловой интерфейс и серверная часть для Stable Diffusion и других генеративных моделей. Представьте его как визуальную среду программирования, где узлы соединяются для создания сложных цепочек генерации изображений, видео, 3D-моделей и аудио.

Главные плюсы по сравнению с привычными интерфейсами:

• Полный визуальный контроль над процессами без кода и с настройкой всех параметров.
• Сохранение, обмен и повторное использование целых цепочек с метаданными в файлах.
• Без скрытых платежей или подписок, полностью настраивается с помощью пользовательских узлов, бесплатно и с открытым кодом.
• Работает локально для быстрой итерации и снижения затрат.
• Функционал расширяется бесконечно за счет пользовательских узлов под любые задачи.

Выбор между локальной и облачной установкой

Прежде чем углубляться в ComfyUI, решите, запускать его локально или в облаке.

Новичкам лучше начать с облака, чтобы разобраться в интерфейсе. Позже перейдите на локальную версию для большего контроля и экономии.

Основы архитектуры ComfyUI

Чтобы эффективно работать с узлами, разберитесь в принципах работы ComfyUI. Это как мультивселенная между видимым миром RGB (то, что мы видим) и латентным пространством (где происходят вычисления).

Два мира

RGB-мир — это привычные изображения, которые мы видим. Латентное пространство — область, где модели манипулируют данными. Оно шумное, хаотичное, но содержит математическую основу для генерации картинок.

Роль вариационного автоэнкодера

Вариационный автоэнкодер (VAE) служит мостом между мирами.

• Кодирование (RGB в латент): превращает видимое изображение в абстрактное латентное представление.
• Декодирование (латент в RGB): преобразует латент обратно в видимую картинку.

Это базовое понятие помогает правильно соединять узлы, работающие в разных пространствах.

Что такое узлы

Узлы — основа ComfyUI. Каждый выполняет отдельную функцию и имеет:

• Входы слева: куда поступают данные.
• Выходы справа: откуда выходят обработанные данные.
• Параметры: настройки поведения узла.

Распознавание типов данных по цветам

ComfyUI использует цвета для типов данных между узлами:

Цвета сразу показывают, можно ли соединить узлы.

Ключевые типы узлов

Загрузчики импортируют модели и данные:

• CheckPointLoader: загружает модель (обычно с весами, CLIP и VAE в одном файле).
• Load Diffusion Model: загружает компоненты отдельно (для новых моделей вроде Flux).
• VAE Loader: загружает декодер VAE отдельно.
• CLIP Loader: загружает текстовый энкодер отдельно.

Обработчики трансформируют данные:

• CLIP Text Encode превращает текстовые промты в conditioning.
• KSampler — основной двигатель генерации изображений.
• VAE Decode переводит латентные изображения в RGB.

Утилиты помогают управлять цепочками:

• Primitive Node: ввод значений вручную.
• Reroute Node: упрощает визуализацию, перенаправляя связи.
• Load Image: импортирует изображения.
• Save Image: сохраняет результаты.

Разбор узла KSampler

KSampler — ключевой узел ComfyUI, который генерирует изображения. Понимание его параметров критично для хороших результатов.

Параметры KSampler

Seed (по умолчанию: 0)
Seed задает начальное случайное состояние для пикселей. Это стартовая точка рандомизации.

• Фиксированный: одинаковые настройки дают тот же результат.
• Случайный: каждый раз новая картинка.
• Диапазон: 0 до 18,446,744,073,709,551,615.

Steps (по умолчанию: 20)
Шаги — количество итераций denoising. Каждый шаг уточняет изображение от шума к цели.

• Мало (10-15): быстро, но грубо.
• Средне (20-30): баланс качества и скорости.
• Много (50+): лучше детализация, но медленнее.

CFG Scale (по умолчанию: 8.0, диапазон: 0.0-100.0)
Classifier-free guidance регулирует adherence к промту.

Пример с чертёжами:

• Низкий CFG (3-5): строитель игнорирует чертёж — креативно, но не точно.
• Высокий CFG (12+): следует строго — точно, но жёстко.
• Баланс (7-8 для Stable Diffusion, 1-2 для Flux): следует с вариациями.

Sampler Name
Алгоритм denoising: Euler, DPM++ 2M, UniPC и другие.

Scheduler
Управляет расписанием шума.

• Normal: стандартное.
• Karras: лучше на малом числе шагов.

Denoise (по умолчанию: 1.0, диапазон: 0.0-1.0)
Ключевой для image-to-image: доля замены входного изображения.

• 0.0: без изменений.
• 0.5: 50% оригинал, 50% новое.
• 1.0: полная регенерация с нуля.

Пример: портрет персонажа

Промт: "A cyberpunk android with neon blue eyes, detailed mechanical parts, dramatic lighting."

Настройки:

• Модель: Flux
• Шаги: 20
• CFG: 2.0
• Сэмплер: по умолчанию
• Разрешение: 1024x1024
• Seed: случайный

Негативный промт: "low quality, blurry, oversaturated, unrealistic."

Image-to-image цепочки

Добавляют входное изображение к текстовой генерации для руководства.

Сценарий: фото пейзажа в стиле масляной живописи.

• Загрузите фото пейзажа
• Позитивный промт: "oil painting, impressionist style, vibrant colors, brush strokes"
• Denoise: 0.7

Генерация персонажа по позе

Сценарий: понравился персонаж, нужна другая поза.

• Загрузите оригинал
• Позитивный промт: "Same character description, standing pose, arms at side"
• Denoise: 0.3

Установка и запуск ComfyUI

Облако (проще для новичков)

Зайдите на RunComfy.com и нажмите запуск в облаке. Или зарегистрируйтесь прямо в браузере.

Портативная версия для Windows

• Нужен NVIDIA GPU с CUDA или macOS на Apple Silicon.
• Скачайте портативную сборку с GitHub ComfyUI.
• Распакуйте.
• Запустите run_nvidia_gpu.bat (для NVIDIA) или run_cpu.bat.
• Откройте http://localhost:8188.

Ручная установка

1. Установите Python 3.12 или 3.13.
2. Клонируйте репозиторий: git clone https://github.com/comfyanonymous/ComfyUI.git
3. Установите PyTorch под вашу платформу и GPU.
4. Зависимости: pip install -r requirements.txt
5. Добавьте модели в models/checkpoints.
6. Запустите: python main.py

Работа с разными моделями ИИ

ComfyUI поддерживает топовые модели:

Расширенные цепочки с LoRA

LoRA — компактные адаптеры для тонкой настройки моделей под стили, персонажей или концепты без изменений базы. Добавьте узел "Load LoRA", выберите файл и подключите.

Управление с ControlNets

ControlNets дают пространственный контроль:

• Навязывают позы с референсов.
• Сохраняют структуру объектов при смене стиля.
• Руководят композицией по краям.
• Учитывают глубину.

Локальное редактирование с inpainting

Inpainting регенерирует только выбранные области, остальное нетронуто.

Цепочка: загрузка изображения — маска — inpainting KSampler — результат.

Увеличение разрешения

После генерации используйте upscale-узлы. Популярны RealESRGAN и SwinIR.

Заключение

ComfyUI меняет подход к созданию контента. Узловая система даёт мощь инженеров, но доступна новичкам. Кривая обучения есть, но каждый шаг открывает новые возможности.

Начните с простой текст-в-изображение цепочки, экспериментируйте с параметрами. Через недели вы соберёте сложные процессы, а через месяцы — прорывные генерации.