Как пользоваться ComfyUI: основы

ComfyUI — это графовый интерфейс для Stable Diffusion: вы не заполняете одну большую форму, а собираете генерацию из узлов. Для базового запуска нужно установить зависимости, положить модель в папку models/checkpoints, открыть интерфейс и связать минимальный workflow из загрузки модели, prompt, sampler, декодирования и сохранения. Такой подход подходит тем, кому нужен контроль и повторяемость; он не лучший выбор, если вам нужен самый простой старт без настройки, если вы работаете на очень слабом железе или если вы пока не готовы разбираться, как данные проходят по графу.

Короткий ответ

Пользоваться ComfyUI на базовом уровне можно за один вечер. Сначала ставите Python, Git и PyTorch под свою платформу, затем скачиваете ComfyUI, добавляете совместимую модель Stable Diffusion и запускаете интерфейс локально. Дальше собираете или загружаете простой workflow: Load Checkpoint или аналогичный узел загрузки модели, два узла кодирования текста для позитивного и негативного prompt, источник latent, KSampler, VAE Decode и Save Image. После этого задаёте prompt, seed, размер и количество шагов, отправляете задачу в очередь и получаете изображение.

Ограничения важны с самого начала. ComfyUI не скрывает структуру пайплайна, поэтому на первых шагах он сложнее, чем интерфейсы с готовыми вкладками. Если вы ставите случайные custom nodes из чужих workflow, можно быстро получить конфликт версий и нерабочую схему. Если видеопамяти мало, высокие разрешения, тяжёлые модели и большие batch приводят к ошибкам нехватки памяти. CPU-режим возможен, но для регулярной генерации он обычно непрактичен.

Что понадобится

• ComfyUI. Официальный репозиторий: https://github.com/comfyanonymous/ComfyUI.
• Python. Скачивайте с официального сайта: https://www.python.org/downloads/.
• Git. Нужен, если вы хотите клонировать репозиторий и потом обновляться без ручной переустановки: https://git-scm.com/downloads.
• PyTorch под вашу платформу. Способ установки зависит от NVIDIA, AMD, Intel, Apple Silicon или CPU-режима. Официальный конфигуратор: https://pytorch.org/get-started/locally/.
• Совместимая модель Stable Diffusion. Обычно это файл checkpoint в формате .safetensors или другом поддерживаемом формате. Берите модель только из легального источника с понятной лицензией.
• Достаточно места на диске и памяти. Кроме самой программы, место займут модели, VAE, LoRA и папка с результатами.

Если вы только начинаете, не ставьте custom nodes в первый же запуск. Основы лучше пройти на стандартных узлах: так проще понять, что именно делает каждая часть графа и где искать ошибку.

Пошаговый план

1. Подготовьте среду

Установите Python и Git. Затем установите PyTorch именно под вашу платформу, иначе ComfyUI либо не увидит GPU, либо будет работать только на CPU. Если вы не уверены, какая команда нужна, ориентируйтесь на официальный конфигуратор PyTorch, а не на случайные инструкции из форумов.

Для изолированной установки удобно использовать виртуальное окружение. Типовая последовательность выглядит так: python -m venv venv, затем активация окружения и установка зависимостей уже внутри него. Это не обязательно, но уменьшает риск конфликтов между проектами.

2. Скачайте ComfyUI

Есть два практичных варианта. Первый — клонировать репозиторий командой git clone https://github.com/comfyanonymous/ComfyUI.git. Второй — взять архив или релиз с официальной страницы проекта. Клонирование удобнее для обновлений; архив проще, если вам нужен разовый локальный запуск.

3. Установите зависимости

Откройте каталог ComfyUI и установите зависимости из requirements.txt. Если вы используете репозиторий, обычно это делается командой вида pip install -r requirements.txt. После установки полезно отдельно проверить, что Python импортирует torch без ошибки. Если импорт не работает или GPU не определяется, исправляйте это до запуска интерфейса.

4. Добавьте модель

Положите checkpoint в папку ComfyUI/models/checkpoints. Если у вас есть отдельный VAE, его обычно кладут в ComfyUI/models/vae. Не смешивайте все файлы в одном каталоге: ComfyUI ожидает определённую структуру папок, и это упрощает выбор моделей в интерфейсе.

На первом проходе возьмите одну модель и не меняйте её постоянно. Иначе вы будете одновременно учиться графу, параметрам и различиям между моделями, а это усложняет диагностику результата.

5. Запустите интерфейс

В зависимости от способа установки запуск может отличаться, но общий принцип один: стартуете приложение из каталога ComfyUI и открываете локальный адрес, который программа выводит в консоль. В классической установке это часто команда python main.py. Если запускаете готовую сборку, используйте штатный скрипт для вашей платформы.

После старта интерфейс открывается в браузере. Если страница не открывается, сначала проверьте консоль: большинство проблем видно именно там, а не в браузере.

6. Соберите минимальный workflow

Базовый граф можно собрать из стандартных узлов. Ниже — минимальный набор, с которого удобно начать.

Узел	Что делает	Что важно проверить
Checkpoint Loader	Загружает модель и обычно выдаёт модель, CLIP и VAE	Выбрана правильная модель из списка
CLIP Text Encode	Преобразует позитивный или негативный prompt в conditioning	Один узел для positive, второй для negative
Empty Latent Image	Создаёт пустой latent нужного размера	Ширина и высота соответствуют возможностям вашего железа
KSampler	Выполняет саму диффузионную генерацию	Параметры seed, steps, cfg и sampler заданы осознанно
VAE Decode	Преобразует latent в изображение	Подключён корректный VAE-выход
Save Image	Сохраняет готовый результат	Изображение действительно приходит с VAE Decode

Логика связей такая: модель и CLIP идут из загрузчика checkpoint; CLIP подключается к узлам кодирования текста; позитивное и негативное conditioning идут в KSampler; пустой latent тоже идёт в KSampler; результат sampler передаётся в VAE Decode; изображение из декодера передаётся в Save Image.

7. Задайте безопасные стартовые параметры

Для первого запуска не пытайтесь сразу рендерить большие изображения. Начните с умеренного размера и небольшого числа шагов, чтобы убедиться, что весь граф работает. Если модель рассчитана на более высокое базовое разрешение, это не запрещает начать с меньшего, когда вы тестируете только связность пайплайна и загрузку модели.

Seed задаёт воспроизводимость. Если seed фиксирован, повторный запуск с теми же параметрами должен давать такой же или очень близкий результат. Если seed случайный, картинка меняется при каждом рендере. На этапе обучения удобнее фиксировать seed, чтобы понимать, что именно изменил каждый параметр.

8. Запустите очередь и посмотрите, где сохраняется результат

Отправьте workflow в очередь. Если всё собрано верно, ComfyUI последовательно выполнит узлы и покажет результат в интерфейсе. Сохранённые изображения обычно попадают в папку output внутри каталога ComfyUI. Если картинка видна в предпросмотре, но вы не находите файл, проверьте именно папку вывода и настройки сохранения.

9. Сохраните workflow

Сразу сохраните рабочий граф. Это главный практический плюс ComfyUI: вы храните не только prompt, а всю схему целиком. Потом вы сможете открыть тот же workflow, заменить одну модель, добавить LoRA или ControlNet и понять, что изменилось. Для командной работы и воспроизводимости это намного полезнее, чем пытаться восстановить параметры по памяти.

Типичные ошибки

• Модель лежит не в той папке. Если checkpoint не появляется в списке, сначала проверьте путь models/checkpoints и имя файла.
• Установлен не тот PyTorch. Программа запускается, но GPU не используется, либо генерация падает с ошибкой backend. Сначала исправляйте сборку PyTorch, а не сам workflow.
• Слишком большое разрешение для вашей видеопамяти. Ошибка памяти часто выглядит как проблема ComfyUI, хотя причина в параметрах рендера.
• Перепутаны связи узлов. Например, conditioning не подключён в sampler, или на декодирование подаётся не тот выход.
• Чужой workflow требует custom nodes. Если вы открыли схему из интернета и видите отсутствующие узлы, значит автор использовал расширения, которых у вас нет.
• Слишком много переменных сразу. Одновременная смена модели, sampler, размеров, seed и prompt делает результат нечитаемым. Меняйте по одному фактору.
• Случайные custom nodes на первом этапе. Для основ они не нужны, а ломают предсказуемость среды и усложняют обновления.

ComfyUI особенно плохо подходит для двух сценариев. Первый — когда нужен минимальный входной порог и вы не хотите видеть внутреннюю механику пайплайна. Второй — когда инфраструктура ограничена: старый ноутбук без подходящего ускорителя, мало памяти, невозможность ставить зависимости локально. В этих случаях проще начать с более простого интерфейса или с удалённой среды, а к ComfyUI перейти позже.

Как проверить результат

1. Интерфейс стабильно запускается. После перезапуска локальная страница открывается без повторной ручной починки зависимостей.
2. Модель видна в списке. Узел загрузки checkpoint показывает ваш файл, и выбор модели не вызывает ошибку.
3. Минимальный workflow отрабатывает до конца. Очередь проходит все узлы без красных ошибок и без зависания на sampler.
4. Изображение сохраняется на диск. Файл появляется в папке output, а не только в предпросмотре.
5. Результат воспроизводим. При фиксированном seed и неизменных параметрах вы получаете тот же результат повторно.
6. Изменение одного параметра даёт ожидаемый эффект. Например, смена prompt меняет содержание, рост шагов меняет степень проработки, а смена seed меняет вариацию.

Если эти шесть пунктов выполняются, значит основа освоена: установка корректна, модель загружается, граф понятен, а результат можно повторить. Дальше имеет смысл расширять workflow постепенно: сначала LoRA, потом upscaling, затем ControlNet или более сложные ветки с несколькими sampler.

FAQ

Чем ComfyUI отличается от обычных веб-интерфейсов для Stable Diffusion?

Главное отличие — граф. Вы явно видите, откуда берётся модель, как кодируется текст, где создаётся latent и куда уходит результат. Это даёт больше контроля и лучше подходит для воспроизводимых пайплайнов, но требует больше внимания на старте.

Нужна ли мощная видеокарта?

Для комфортной работы — да, желательно. Без GPU ComfyUI тоже запускается, но CPU-режим обычно слишком медленный для регулярной генерации. Если у вас мало видеопамяти, начинайте с небольших размеров, одной картинки за раз и без тяжёлых дополнений.

Можно ли начать без custom nodes?

Не просто можно, а нужно. Для основ достаточно стандартных узлов. Так вы поймёте базовую логику ComfyUI и не упрётесь в несовместимости сторонних расширений.

Почему workflow из интернета не открывается или не работает?

Чаще всего потому, что он использует custom nodes, которых у вас нет, или потому, что автор работал с другой моделью, VAE или именами файлов. Сначала освоите минимальный локальный граф, потом переносите чужие схемы по частям.

Где сохраняются изображения и как сохранить сам граф?

Готовые изображения обычно сохраняются в папку output внутри каталога ComfyUI. Сам workflow нужно сохранять отдельно через функции интерфейса: это позволит повторно открыть именно схему, а не только итоговую картинку.

Что изучать после основ?

После первого рабочего графа имеет смысл последовательно добавить три вещи: LoRA для управляемой стилизации, upscaling для увеличения разрешения и инструменты структурного контроля вроде ControlNet. Но добавляйте их по одному, сохраняя рабочие версии workflow на каждом этапе.