ComfyUI este o aplicație open-source cu interfață pe noduri pentru modele generative: imagine, video, audio și 3D. Rulează local (Comfy Desktop, Portable pentru Windows sau instalare manuală) sau în Comfy Cloud și suportă nativ modele ca Stable Diffusion 1.5, SDXL, FLUX.1, FLUX.2, Qwen-Image, Wan 2.2 și LTX. Versiunea verificată aici este v0.43 (octombrie 2026).
Un workflow ComfyUI este un graf de noduri legate prin fire: încărcarea modelului, codarea promptului, eșantionarea în spațiul latent și decodarea VAE sunt noduri separate. ComfyUI execută doar ramurile care duc la un nod de ieșire și, la rulările următoare, doar nodurile ale căror intrări s-au schimbat. Workflow-urile se salvează ca JSON, sunt incluse în metadatele imaginilor generate și pot fi trimise la serverul local prin API.
Cum este organizat acest ghid
Cele 66 de pagini sunt grupate în 6 categorii:
- Noduri Esențiale de Generare:
Load Checkpoint,KSamplerșiKSampler (Advanced),Empty Latent Image(latentul gol),VAE Decode / VAE Encode,Save Image / Preview Image(cu workflow-ul în metadate) și un tabel de referință cu nodurile de bază. - Condiționare & Text Encodere:
CLIP Text Encode(prompturi pozitive și negative, ponderi, embeddings),Load CLIP (Dual)(CLIP-L + T5 pentru FLUX.1) șiFluxGuidance(ghidajul distilat al FLUX.1 [dev]). - Control & Fine-Tuning:
Load LoRA(stiluri, personaje, concepte),Apply ControlNet(structură din contururi, adâncime, poză) șiIP-Adapter(imagine de referință ca prompt). - Upscaling & Rafinare Avansată:
Upscale Latentși Hires fix (a doua trecere), modele de upscaling ESRGAN șiFaceDetailerdin Impact Pack (detectare și regenerare automată a fețelor). - Modele de Difuzie și Inpainting:
Load Diffusion Model / Load CLIP / Load VAE(modele în fișiere separate), FLUX.1 Fill pentru inpainting și outpainting, video local cu Wan 2.2 șiUnet Loader (GGUF)pentru modele cuantizate. - Ecosistem & Administrare: instalarea ComfyUI (Desktop, Portable, manual),
ComfyUI-Manager(inclus în ComfyUI, pornit cu--enable-manager), instalarea nodurilor custom și formatul API al workflow-urilor.
Fiecare pagină are intrările, ieșirile și valorile implicite din ComfyUI v0.43, plus exemple luate din șabloanele și documentația oficială.
macOS • Windows • Linux
Ghid de instalare ComfyUI pe Windows, macOS și Linux
Rulează local generarea de imagini și video (Flux.1, SDXL, ControlNet, Wan2.1) pe placa ta video.
Cerințe de sistem: GPU NVIDIA (minim 6–8 GB VRAM recomandat) sau Apple Silicon (M1/M2/M3/M4 cu minim 16 GB Unified Memory).
Terminal macOS (Homebrew / zsh)
# Varianta 1: Aplicația oficială ComfyUI Desktop pentru macOS (Apple Silicon M1–M4)
# Descarcă fișierul .dmg de pe comfy.org/download
# Varianta 2: Instalare prin comfy-cli în terminal (cu backend Metal MPS):
brew install python@3.11 git
pip install comfy-cli
comfy install
comfy launch -- --force-fp16
Windows 10 / 11 (PowerShell / Winget / WSL2)
# Varianta 1: Aplicația ComfyUI Desktop sau Arhiva Portabilă Windows (cu Python + CUDA incluse)
# Dezarhivează ComfyUI_windows_portable.7z și dă dublu-click pe:
run_nvidia_gpu.bat
# Varianta 2: Din PowerShell cu comfy-cli:
pip install comfy-cli
comfy install
comfy launch
Linux (Ubuntu / Debian / Bash)
# Instalare pe Linux (Ubuntu / Debian) cu GPU NVIDIA:
sudo apt install -y python3-venv git
pip install comfy-cli
comfy install
# Pornire server local pe http://127.0.0.1:8188:
comfy launch -- --listen 0.0.0.0
Autentificare & Configurare Chei API
# ComfyUI rulează 100% local și gratuit pe http://127.0.0.1:8188.
# Modelele (.safetensors) se copiază în:
# • ComfyUI/models/checkpoints/ (pentru SDXL / SD 1.5)
# • ComfyUI/models/unet/ și models/clip/ (pentru Flux.1)Modele de Difuzie și Inpainting 14 noduri
-
AnimateDiff în ComfyUI: Încărcarea și Generarea de Animații Localemodel_out = AnimateDiffLoader(model, model_name='mm_sd_v15_v2.ckpt', beta_schedule='sqrt_linear')Modulul AnimateDiff integrează straturi de atenție temporală (Motion Modules) peste modelele de difuzie 2D, permițând generarea directă de secvențe video coerente din prompturi textuale sau imagini statice. # Schelet workflow AnimateDiff: [Load Checkpoint (SD 1.5)] -> [AnimateDiff Loader] -> [KSampler] -> [VAE Decode] -> [AnimateDiff Combine (GIF/MP4)] ^ [Empty Latent Image (batch_size=16)] ---| (generează 16 […] -
GroundingDINO în ComfyUI: Detecție Zero-Shot pe Bază de Textbboxes = GroundingDinoModelLoader(image, prompt='face, glasses, watch', threshold=0.3)Nodul GroundingDINO analizează imaginea pe baza unei descrieri textuale (ex: "person, wristwatch") și detectează automat pozițiile exacte ale acelor elemente. Combinat cu SAM, permite inpainting complet automatizat fără nicio intervenție manuală. # Pipeline automat de retuș accesorii: [Load Image] -> [GroundingDINO (prompt='sunglasses')] -> [SAM Detector] -> [Inpaint KSampler ('aviator sunglasses')] Automatizare în masă: Permite procesarea […] -
Nodul AnimateDiff Context Options (Generarea de Clipuri Video Lungi)context_options = AnimateDiffContextOptions(context_length=16, context_stride=1, context_overlap=4)Nodul AnimateDiff Context Options gestionează fereastra glisantă de memorie (Sliding Window Context), permițând generarea de clipuri video cu sute de cadre fără a depăși capacitatea de memorie VRAM a plăcii video. # Parametri de context recomandați: - context_length: 16 (fereastra procesată simultan de modulul de mișcare) - context_stride: 1 (frecvența cadrelor) - context_overlap: 4 (cadre […] -
Nodul FreeU și FreeU_V2 (Îmbunătățirea Contrastului și Detaliilor)model_out = FreeU(model, b1=1.1, b2=1.2, s1=0.9, s2=0.2)Nodurile FreeU și FreeU_V2 reechilibrează contribuția conexiunilor directe (skip connections) și a blocurilor de coloană vertebrală din rețeaua U-Net în timpul generării, îmbunătățind dramatic claritatea texturilor, profunzimea culorilor și eliminând aspectul plat sau artificial. # Setări optime demonstrate pentru SD 1.5: - b1: 1.3, b2: 1.4, s1: 0.9, s2: 0.2 # Setări optime pentru SDXL: […] -
Nodul InpaintModelConditioning pentru Modele Dedicate de Inpaintpositive, negative, latent = InpaintModelConditioning(positive, negative, vae, pixels, mask)Nodul InpaintModelConditioning este special proiectat pentru modelele de difuzie fine-tuned cu 9 canale de intrare (inpaint models pentru SD 1.5 sau SDXL). Acesta combină imaginea originală decodată prin VAE, masca binară și condiționările textuale într-un format compatibil. [CLIP Text Encode (Pos)] -\ [CLIP Text Encode (Neg)] ---> [InpaintModelConditioning] ---> [KSampler] [Load Image (Pixels)] -/ (positive, […] -
Nodul ModelSamplingDiscrete (Programarea Orarului de Zgomot)model_out = ModelSamplingDiscrete(model, sampling='eps|v_prediction|lcm', zsnr=False)Nodul ModelSamplingDiscrete reconfigurează modul în care rețeaua calculează zgomotul (Noise Schedule). Este indispensabil pentru rularea modelelor bazate pe v-prediction, modelelor LCM (Latent Consistency Model) sau pentru aplicarea corecției Zero Terminal SNR (zsnr=True). # Configurare pentru generare la negru absolut (Zero SNR): [Load Checkpoint] -> [ModelSamplingDiscrete (sampling='v_prediction', zsnr=True)] -> [KSampler] Zero SNR: Rezolvă problema clasică a […] -
Nodul ModelSamplingFlux (Optimizarea Flow Matching pentru FLUX.1)model_out = ModelSamplingFlux(model, max_shift=1.15, base_shift=0.5, width=1024, height=1024)Nodul ModelSamplingFlux calculează dinamic deplasamentul curbei de difuzie (dynamic timestep shift) în funcție de rezoluția latentă țintă generată pentru modelele din familia FLUX.1 (Schnell și Dev), adaptând eșantionarea la numărul de patch-uri procesate de modelul DiT. [Load Diffusion Model (FLUX.1 Dev)] -> [ModelSamplingFlux (w=1280, h=720)] -> [KSampler] Performanță: Permite generarea de imagini panoramice sau portret […] -
Nodul ModelSamplingSD3 (Scalarea Zgomotului pentru Stable Diffusion 3)model_out = ModelSamplingSD3(model, shift=3.0)Nodul ModelSamplingSD3 ajustează parametrul matematic shift al orarului de difuzie specific arhitecturii Flow Matching din Stable Diffusion 3 și SD 3.5. La rezoluții mari (peste 1024×1024), creșterea parametrului shift este necesară pentru a preveni compozițiile încețoșate. # Valori recomandate pentru shift: - Rezoluție 1024x1024: shift = 3.0 (implicit) - Rezoluție 1536x1536: shift = 5.0 - […] -
Nodul VAE Encode (for Inpainting) și Parametrul grow_mask_bylatent = VAEEncodeForInpaint(pixels, vae, mask, grow_mask_by=6)Nodul VAE Encode (for Inpainting) transformă pixelii imaginii într-un spațiu latent pregătit pentru inpainting folosind modele standard de difuzie (care nu au fost antrenate special pentru inpainting). Parametrul grow_mask_by dilată automat masca cu un număr specificat de pixeli pentru a estompa marginile. # Conexiuni: - pixels: conexiune din [Load Image] - vae: conexiune din [Load […] -
Segment Anything (SAM) în ComfyUI: Decupare Automată a Obiectelormask = SAMDetector(sam_model, image, points, bboxes)Integrarea modelului Segment Anything (SAM) de la Meta în ComfyUI permite crearea automată de măști fotorealiste pentru orice obiect dintr-o scenă (rochii, mașini, cer, fundaluri) printr-un singur clic sau pe baza cutiilor de delimitare (bounding boxes). [Load Image] ----> [SAM Detector] -> (MASK) -> [VAE Encode (for Inpainting)] ^ [Load SAM Model] --------| Precizie absolută: […] -
FLUX.1 Fill [dev] în ComfyUI: inpainting și outpaintingLoad Diffusion Model (flux1-fill-dev.safetensors) + Load CLIP (Dual) (flux) + Load VAE (ae.safetensors) Load Image (cu mască) -> InpaintModelConditioning (noise_mask = true) CLIP Text Encode -> FluxGuidance (30) -> KSampler (steps 20, cfg 1, euler, normal)FLUX.1 Fill [dev] este modelul Black Forest Labs pentru umplerea zonelor mascate dintr-o imagine; în ComfyUI se rulează cu InpaintModelConditioning, FluxGuidance 30 și KSampler cu cfg 1. -
Generare video locală în ComfyUI (Wan 2.2 și alte modele native)Load Diffusion Model (high_noise) + Load Diffusion Model (low_noise) -> ModelSamplingSD3 (shift 5) WanImageToVideo (width, height, length = 81) -> KSamplerAdvanced x2 -> VAE Decode -> Create Video (fps 16) -> Save VideoComfyUI rulează nativ modele video cu greutăți deschise, ca Wan 2.2, LTX-2.5 sau HunyuanVideo 1.5; un workflow video produce cadre în latent, le decodează și le salvează cu Create Video și Save Video. -
Nodul Unet Loader (GGUF) din ComfyUI-GGUFUnetLoaderGGUF(unet_name) -> MODEL # „Unet Loader (GGUF)”, categoria bootlegPachetul custom ComfyUI-GGUF încarcă modele de difuzie și encodere T5 cuantizate în formatul GGUF, pentru a rula modele mari ca FLUX.1 cu mai puțină memorie video. -
Load Diffusion Model, Load CLIP și Load VAE (modele în fișiere separate)UNETLoader(unet_name, weight_dtype="default") -> MODEL # „Load Diffusion Model” CLIPLoader(clip_name, type, device="default") -> CLIP # „Load CLIP” VAELoader(vae_name) -> VAE # „Load VAE”Modelele distribuite ca fișiere separate (Flux, Wan, Qwen-Image și altele) se încarcă cu trei noduri: Load Diffusion Model pentru rețeaua de difuzie, Load CLIP (sau Load CLIP (Dual)) pentru encoderul de text și Load VAE.
Dezvoltare & API 2 noduri
-
API-ul Python pentru Noduri Custom (Custom Node Development)INPUT_TYPES, RETURN_TYPES, FUNCTION, CATEGORYStructura formală a unei clase Python pentru crearea de noduri noi extensibile în ComfyUI. -
Protocolul WebSocket ComfyUI: Urmărirea Progresului de Eșantionarews://localhost:8188/ws?clientId=<id>Canalul bidirecțional WebSocket pentru recepționarea evenimentelor de progres, noduri active și previzualizări.
Ecosistem & Administrare 12 noduri
-
Argumentele de Linie de Comandă ComfyUI (–listen, –highvram, –lowvram)python main.py --listen 0.0.0.0 --port 8188 --highvram --fastServerul ComfyUI dispune de zeci de argumente CLI pentru configurarea rețelei, optimizarea utilizării memoriei VRAM și accelerarea vitezei de calcul pe diverse arhitecturi hardware (NVIDIA, AMD ROCm, Apple Silicon, CPU). # Expunere în rețea locală pe port custom: python main.py --listen 0.0.0.0 --port 8080 # Optimizare pentru GPU-uri cu memorie redusă (4GB - 6GB VRAM): […] -
Gestionarea Șabloanelor de Workflow și Salvarea în Format WebP/PNGLoad Default -> Save Workflow (JSON / Image with Metadata)ComfyUI stochează automat întregul graf al nodurilor în antetul metadatelor fiecărei imagini generate (câmpul PNG prompt / workflow). Acest lucru permite restaurarea imediată a schemei de generare prin simpla tragere a unei imagini din browser peste canvasul ComfyUI. # Bune practici de partajare a workflow-urilor: 1. Salvează workflow-ul ca fișier JSON: Meniu -> 'Save' -> […] -
Gruparea Nodurilor (Group Node, Culori și Sub-Grafe)Selecție noduri -> Clic dreapta -> Add Group For Selected NodesComfyUI permite organizarea spațiului vizual prin crearea de Grupuri (chenare colorate cu titlu) și Sub-Grafe (Group Nodes), prin care o secvență întreagă de noduri poate fi colapsată într-un singur nod compact personalizat cu intrări și ieșiri curate. # Organizare vizuală recomandată: - Grupul Verde: 'Modele & Încărcare VAE' - Grupul Albastru: 'Promptare Pozitivă & Negativă' […] -
Nodul Note și Documentarea Markdown în CanvasNote(text='Instrucțiuni pentru utilizator...')Nodul Note oferă un spațiu de text liber direct pe ecranul ComfyUI, unde autorul workflow-ului poate scrie instrucțiuni, explicații tehnice, linkuri de descărcare pentru modelele necesare sau detalii despre licență. # Conținut util într-un nod Note: ### Workflow FLUX.1 + LoRA Cinematic 1. Asigură-te că ai descărcat flux1-dev.safetensors în /models/unet. 2. Setează 'euler' și 'simple' […] -
Nodul Primitive (Parametrizare Dinamică și Valori Globale)value_out = PrimitiveNode(value=...)Nodul Primitive este un nod universal capabil să adopte orice tip de date (număr întreg, text string, flotant, boolean sau seed). Se creează făcând clic dreapta pe orice parametru dintr-un nod și selectând Convert to Input, apoi trăgând un fir nou și alegând Add Primitive. # Exemplu de utilizare pentru Seed unic partajat: [Primitive Node […] -
Nodul Reroute (Gestionarea Traseelor și Curățarea Cablurilor)output = Reroute(input)Nodul Reroute este un punct intermediar de ghidaj pentru cablurile vizuale din ComfyUI. Nu alterează datele tranzitate, ci servește strict la organizarea grafului, evitând suprapunerea haotică a zeci de fire peste alte noduri. # Comenzi rapide pentru adăugarea nodurilor Reroute: - Dublu-clic pe orice cablu existent pentru a insera instant un punct Reroute. - Poți […] -
Pachetul ComfyUI-Custom-Scripts (pythongosssss): Image Feed, Auto-CompleteInstalare prin ComfyUI Manager -> pythongosssss/ComfyUI-Custom-ScriptsPachetul ComfyUI-Custom-Scripts dezvoltat de pythongosssss îmbunătățește considerabil experiența de utilizare a interfeței web prin completare automată pentru tag-uri Danbooru, panou lateral derulant pentru imagini recente (Image Feed) și blocare la grilă (Snap to Grid). # Funcționalități cheie activate automat: - Auto-complete în CLIP Text Encode pentru LoRA și embedding-uri - 'Image Feed' în bara laterală […] -
Suita Rgthree (Mute/Bypass Repeater, Context Big, Power Lora Loader)rgthree power suite: Context, Fast Muter, Power Lora LoaderSuita de noduri rgthree este una dintre cele mai apreciate extensii ComfyUI pentru optimizarea fluxului de lucru, introducând noduri de tip Context (care împachetează model, clip, vae, pozitiv și negativ într-un singur fir magistrală) și întrerupătoare inteligente de tip Fast Muter / Fast Bypasser. # Utilizarea magistralei Context: [Load Checkpoint] \ [CLIP Positive] ---> [Context […] -
ComfyUI-Manager (inclus în ComfyUI, pornit cu –enable-manager)pip install -r manager_requirements.txt python main.py --enable-managerComfyUI-Manager instalează, actualizează, dezactivează și șterge noduri custom, descarcă modele, salvează snapshot-uri și găsește nodurile lipsă dintr-un workflow; acum vine cu ComfyUI și se activează cu --enable-manager. -
Instalarea nodurilor custom (Manager, git clone, ZIP)cd ComfyUI/custom_nodes git clone URL_REPO pip install -r NUME_FOLDER/requirements.txt # în mediul Python al ComfyUIUn nod custom se instalează în doi pași: codul ajunge în ComfyUI/custom_nodes, iar dependențele lui Python se instalează în mediul ComfyUI; Manager-ul face ambii pași automat. -
Instalarea ComfyUI: Comfy Desktop, Portable și instalare manuală# instalare manuală (Windows, macOS, Linux) git clone https://github.com/Comfy-Org/ComfyUI.git cd ComfyUI pip install -r requirements.txt python main.py # interfața: http://127.0.0.1:8188ComfyUI se instalează local prin aplicația Comfy Desktop, prin pachetul Portable pentru Windows sau manual dintr-un clone Git, fiecare cu propriul mediu Python; serverul pornește implicit pe http://127.0.0.1:8188. -
Formatul API al workflow-urilor și serverul ComfyUI (/prompt, /ws, /history)POST http://127.0.0.1:8188/prompt {"prompt": { "<id>": {"class_type": "...", "inputs": {...}}, ... }, "client_id": "..."}ComfyUI rulează ca server HTTP și WebSocket: un workflow exportat în format API (noduri cu class_type și inputs) se trimite la /prompt, progresul vine pe /ws, iar rezultatele se citesc din /history și /view.
Noduri Esențiale de Generare 15 noduri
-
Gestionarea Loturilor: ImageBatch, Make Image Batch și Rebatch Latentsbatch = ImageBatch(image1, image2)ComfyUI permite procesarea simultană a mai multor cadre prin nodurile de batch: ImageBatch (combină două imagini de aceleași dimensiuni într-un singur tensor cu dimensiunea de batch 2) și RebatchLatents (reîmparte un batch mare de latente în micro-loturi adaptate memoriei VRAM). [Load Image 1] -\ ---> [ImageBatch] ---> [Apply ControlNet] (procesează ambele simultan) [Load Image 2] […] -
Instrumentul Mask Editor Integrat în ComfyUIClic dreapta pe [Load Image] -> Open in MaskEditorMask Editor este o unealtă vizuală interactivă integrată nativ în nodul Load Image. Permite pictarea directă a măștii de inpainting în browser cu o pensulă circulară cu rază variabilă și salvarea automată a modificărilor în graful nodului. # Pași de utilizare: 1. Încarcă o fotografie în nodul [Load Image]. 2. Fă clic dreapta pe nod […] -
Nodul ImageBlend și Modurile de Fuziune Vizualăimage_out = ImageBlend(image1, image2, blend_factor=0.5, blend_mode='normal')Nodul ImageBlend îmbină două imagini la nivel de pixeli folosind algoritmi similari straturilor din editoarele foto (Multiply, Screen, Overlay, Normal) și un factor de opacitate configurabil. # Suprapunere textură peste imagine randată: - image1: Rulare KSampler (portret) - image2: Textură vintage de hârtie - blend_mode: 'overlay' - blend_factor: 0.35 Utilitate: Adăugarea de granulație foto (grain), […] -
Nodul ImageInvert și Inversarea Canalelor de Mascăimage_out = ImageInvert(image)Nodul ImageInvert inversează matematic valorile de luminozitate ale fiecărui pixel (pixel_nou = 1.0 - pixel_vechi). În ComfyUI, este frecvent utilizat pentru inversarea măștilor de inpainting (comutarea între retușarea subiectului sau a fundalului) și a hărților de adâncime (Depth Maps). # Inversare mască pentru fundal: [Load Image (as Mask)] -> [MaskToImage] -> [ImageInvert] -> [ImageToMask] -> […] -
Nodul LatentBlend (Fuziune și Interpolare în Spațiul Latent)samples_out = LatentBlend(samples1, samples2, blend_factor=0.5)Nodul LatentBlend realizează o interpolare liniară între două reprezentări latente de aceeași rezoluție, utilizând un factor de amestec (blend_factor) între 0.0 și 1.0. Este folosit pentru metamorfozări vizuale, hibridizări de stil și tranziții fluide de animație. [Empty Latent 1] -\ --> [LatentBlend (blend_factor=0.6)] --> [KSampler] [Empty Latent 2] -/ Observație: Când blend_factor=0.0 se păstrează 100% […] -
Nodul LatentComposite și LatentCompositeMasked (Compoziție Latentă)samples_out = LatentComposite(samples_to, samples_from, x, y, feather=0)Nodurile LatentComposite și LatentCompositeMasked permit îmbinarea a două spații latente diferite la coordonate precise (x, y) înainte de aplicarea eșantionării finale prin KSampler, facilitând colajele latente și generarea multi-subiect. # Parametri LatentComposite: - samples_to: Latentul de fundal (bază) - samples_from: Latentul inserat (subiect) - x: deplasament orizontal pe grila de 8 pixeli (x * 8) […] -
Nodul Load Image (as Mask) și Prelucrarea Măștilor Alphamask = LoadImageMask(image='masca.png', channel='alpha|red|green|blue')Nodul Load Image (as Mask) extrage un canal specific dintr-o imagine (Alpha, Roșu, Verde sau Albastru) și îl transformă direct într-un tensor de tip MASK pentru inpainting, compoziție latentă sau condiționare regională. # Configurare nod: - image: 'silueta_decupata.png' - channel: 'alpha' (sau 'red' dacă masca este salvată pe un canal de culoare) # Utilizare: [Load […] -
Nodul Load Image (Încărcarea Imaginilor Sursă în ComfyUI)image, mask = LoadImage(image='cale/catre/fisier.png')Nodul Load Image încarcă o imagine de pe disc în graful ComfyUI și expune două ieșiri fundamentale: IMAGE (tensor de pixeli normalizați în spațiul 0.0 – 1.0) și MASK (canalul de transparență alpha sau masca derivată). # Conexiuni tipice în fluxurile ComfyUI: [Load Image] -> (IMAGE) -> [VAE Encode] -> (LATENT) -> [KSampler] (img2img) [Load […] -
Nodurile LatentCrop, LatentRotate și LatentFlipsamples_out = LatentRotate(samples, rotation='90 degrees|180 degrees|270 degrees')ComfyUI oferă noduri matematice dedicate pentru transformarea geometrică directă a matricelor latente fără decodare și re-codare prin VAE: LatentRotate (rotație în trepte de 90°), LatentFlip (oglindire orizontală sau verticală) și LatentCrop (decupare la dimensiuni specifice). # Economie masivă de resurse GPU: [KSampler (Pas 1)] -> (LATENT) -> [LatentFlip (x_axis)] -> [KSampler (Pas 2 / denoise […] -
Nodul Load Checkpoint (CheckpointLoaderSimple)Load Checkpoint (CheckpointLoaderSimple): ckpt_name -> MODEL, CLIP, VAELoad Checkpoint încarcă un fișier checkpoint din models/checkpoints și îl împarte în trei ieșiri: modelul de difuzie (MODEL), encoderul de text (CLIP) și VAE-ul. -
Nodul KSampler și KSampler (Advanced)KSampler(model, seed=0, steps=20, cfg=8.0, sampler_name, scheduler, positive, negative, latent_image, denoise=1.0) -> LATENTKSampler elimină zgomotul din latent pas cu pas, folosind modelul și condiționările pozitivă și negativă; KSampler (Advanced) permite rularea doar a unei părți din pași. -
VAE Decode, VAE Encode și VAE Decode (Tiled)VAEDecode(samples: LATENT, vae: VAE) -> IMAGE | VAEEncode(pixels: IMAGE, vae: VAE) -> LATENTVAE Decode transformă latentul produs de KSampler în pixeli (IMAGE), iar VAE Encode face drumul invers; variantele Tiled lucrează pe bucăți ca să folosească mai puțină memorie. -
Nodul Empty Latent Image (și latentele goale pentru SD3, Flux și video)EmptyLatentImage(width=1024, height=1024, batch_size=1) -> LATENTEmpty Latent Image creează un lot de latente goale (umplute cu zero) la dimensiunea aleasă; KSampler adaugă peste ele zgomotul din seed și generează imaginea. -
Nodurile Save Image și Preview ImageSaveImage(images: IMAGE, filename_prefix="ComfyUI") | PreviewImage(images: IMAGE)Save Image scrie imaginile ca PNG în folderul output, cu workflow-ul inclus în metadate; Preview Image le afișează în interfață și le scrie doar în folderul temp. -
Nodurile de bază din ComfyUI: tabel de referințăLoad Checkpoint -> CLIP Text Encode (x2) -> KSampler <- Empty Latent Image | VAE Decode -> Save ImageTabel cu nodurile de bază din ComfyUI (numele intern, numele afișat, intrările și ieșirile principale) și tipurile de date care circulă între ele.
Încărcătoare și Modele 6 noduri
-
Nodul CheckpointLoader: Încărcare Avansată cu Fișier de Configurare YAMLCheckpointLoader -> config_name, ckpt_nameÎncărcarea modelelor difuze nestandardizate prin asocierea unui fișier explicit de configurare arhitecturală. -
Nodul GLIGENLoader: Încărcarea Modelelor GLIGEN pentru Control SpațialGLIGENLoader -> gligen_nameÎncărcarea greutăților GLIGEN (Grounded-Language-to-Image Generation) pentru poziționare cu casete de încadrare. -
Nodul Load VAE (VAELoader): Încărcarea Modelelor VAE IndependenteVAELoader -> vae_nameÎncărcarea dedicată a fișierelor Variational Autoencoder (VAE) separate din directorul models/vae. -
Nodul LoraLoaderModelOnly: Aplicarea LoRA Exclusiv pe Modelul UNet/DiTLoraLoaderModelOnly -> model, lora_name, strength_modelModificarea greutăților de difuzie fără alterarea codificatorului de text CLIP. -
Nodul SaveVAE: Exportul și Salvarea Modelelor VAE pe DiscSaveVAE -> vae, filename_prefixSalvarea programatică a greutăților VAE în format safetensors în directorul output. -
Nodul unCLIPCheckpointLoader: Încărcarea Modelelor unCLIPunCLIPCheckpointLoader -> ckpt_nameInițializarea arhitecturilor unCLIP (SD 2.1 unCLIP) capabile să preia imagini ca prompt direct.
Control & Fine-Tuning 10 noduri
-
Nodul CLIP Vision Encode (Vectorizarea Trăsăturilor Vizuale)clip_vision_output = CLIPVisionEncode(clip_vision, image)Nodul CLIP Vision Encode primește o imagine și modelul CLIP Vision, calculând tensorul de reprezentare vizuală (CLIP Vision Output). Acest tensor poate fi stocat intermediar, ponderat sau transmis nodurilor specializate de adaptare stilistică. [Load Image] -------> (image) -\ ---> [CLIP Vision Encode] -> (CLIP_VISION_OUTPUT) [CLIPVisionLoader] -> (clip_vision) -/ Optimizare: Dacă folosești aceeași imagine de referință […] -
Nodul HypernetworkLoader (Încărcarea Hiper-Rețelelor de Stil)model_out = HypernetworkLoader(model, hypernetwork_name='anime_style.pt', strength=0.8)Nodul HypernetworkLoader aplică o hiper-rețea (fișier .pt din directorul models/hypernetworks/) peste modelul principal. Hiper-rețelele reprezintă o metodă timpurie de adaptare a atenției transversale (cross-attention) popularizată în epoca Stable Diffusion 1.4/1.5. [Load Checkpoint] -> (MODEL) -> [HypernetworkLoader (strength=0.75)] -> [KSampler] Comparație: Deși au fost în mare parte înlocuite de LoRA datorită flexibilității superioare a acestora, hiper-rețelele […] -
Nodul Load CLIP Vision (Modele de Viziune pentru ComfyUI)clip_vision = CLIPVisionLoader(clip_name='clip_vision_vit_h.safetensors')Nodul Load CLIP Vision încarcă un model de recunoaștere vizuală (ViT-H, ViT-L sau SigLIP) din folderul models/clip_vision/. Acesta permite extragerea trăsăturilor semantice dintr-o imagine de intrare pentru a o utiliza drept condiționare de stil sau personaj în IP-Adapter. # Conectare de bază: [Load CLIP Vision] -> (CLIP_VISION) -\ ---> [IPAdapter] -> [KSampler] [Load Image] ------> […] -
Nodul Save Checkpoint (Exportul Fuziunilor de Modele și LoRA Coapte)SaveCheckpoint(model, clip, vae, filename_prefix='MyCustomMerge')Nodul Save Checkpoint serializează starea curentă a conexiunilor MODEL, CLIP și VAE într-un nou fișier binar .safetensors salvat în ComfyUI/models/checkpoints/. Este util pentru salvarea modelelor compuse sau a modelelor în care au fost coapte permanent anumite LoRA. [Load Checkpoint A] -\ ---> [ModelMergeSimple] -> [Save Checkpoint (filename='Merge_A_B')] [Load Checkpoint B] -/ Distribuție: Modelul rezultat poate […] -
Nodul Save LoRA (Extragerea Diferențelor dintre Două Modele)SaveLoRA(model_base, model_tuned, filename_prefix='Extracted_LoRA')Nodul Save LoRA compară ponderile neuronale ale unui model finisat (fine-tuned) cu un model de bază original, extrăgând matricele diferențiale de rang scăzut și salvându-le sub forma unui fișier LoRA compact (50-200 MB în loc de 4-12 GB). [Model Original SDXL] ----\ ---> [Save LoRA (rank=32, filename='Style_X')] [Model Personalizat SDXL] -/ Portabilitate: Reduce masiv spațiul […] -
Nodurile LoRA Stacker și Apply LoRA Stack (Gestionare Matricială LoRA)lora_stack = LoRAStacker(lora_name_1, model_weight_1, clip_weight_1, ...)Nodurile LoRA Stacker și Apply LoRA Stack permit configurarea unei stive de până la zeci de modele LoRA într-o singură listă ordonată, aplicându-le simultan peste rețea fără a înlănțui în cascadă zeci de noduri separate Load LoRA. [LoRA Stacker] -> (LORA_STACK) -\ ---> [Apply LoRA Stack] -> [KSampler] [Load Checkpoint] -> (MODEL, CLIP) -/ Mentenanță: […] -
Suita ControlNet-Aux (Preprocesoare Canny, OpenPose, Depth Anything)image_map = CannyEdgePreprocessor(image, low_threshold=100, high_threshold=200)Extensia ComfyUI-ControlNet-Aux conține zeci de noduri de preprocesare dedicate extragerii ghidajelor din fotografii: OpenPose (poziția corpului și a mâinilor), Canny (linii precise de contur), Depth Anything V2 (adâncime 3D) și LineArt. [Load Image (Poză om)] -> [Openpose Preprocessor] -> (IMAGE Schelet) | [Apply ControlNet] -> [KSampler] Acuratețe: Harta extrasă garantează că noua imagine generată va […] -
Nodurile Load LoRA (Model and CLIP) și Load LoRALoraLoader(model, clip, lora_name, strength_model=1.0, strength_clip=1.0) -> MODEL, CLIPNodurile LoRA aplică un fișier LoRA peste modelul de difuzie (și opțional peste encoderul de text) pentru un stil, un personaj sau un concept, fără a schimba fișierul modelului de bază. -
Nodurile Apply ControlNet și Load ControlNet ModelControlNetApplyAdvanced(positive, negative, control_net, image, strength=1.0, start_percent=0.0, end_percent=1.0, vae=None) -> positive, negativeApply ControlNet adaugă la condiționare o imagine de control (contururi, adâncime, poză, schiță), prin care un model ControlNet impune structura imaginii generate. -
IP-Adapter în ComfyUI (ComfyUI_IPAdapter_plus)IPAdapterUnifiedLoader(model, preset) -> model, ipadapter IPAdapter(model, ipadapter, image, weight=1.0, start_at=0.0, end_at=1.0, weight_type) -> MODELIP-Adapter folosește o imagine de referință ca prompt: subiectul sau stilul ei se transferă în generare; în ComfyUI vine din nodul custom ComfyUI_IPAdapter_plus, pentru modele SD1.5 și SDXL.
Fuziune Modele (Model Merge) 3 noduri
-
Nodul CLIPMergeSimple: Fuziunea a Două Modele Textuale CLIPCLIPMergeSimple -> clip1, clip2, ratioÎmbinarea spațiilor de embedding ale două codificatoare de limbaj diferite. -
Nodul ModelMergeBlocks: Fuziunea Modelelor pe Blocuri de StraturiModelMergeBlocks -> model1, model2, input, middle, outControl chirurgical asupra fuziunii straturilor de intrare (IN), mijloc (MID) și ieșire (OUT) din UNet. -
Nodul ModelMergeSimple: Fuziunea Liniară a Două Modele CheckpointModelMergeSimple -> model1, model2, ratioInterpolarea ponderată a greutăților între două modele checkpoint (ex: 70% Realism + 30% Anime).
Condiționare & Text Encodere 10 noduri
-
Nodul CLIPSetLastLayer (CLIP Skip pentru Modele Anime și SD 1.5)clip_out = CLIPSetLastLayer(clip, stop_at_clip_layer=-2)Nodul CLIPSetLastLayer (cunoscut în comunitate drept CLIP Skip) oprește extragerea condiționării textuale la un anumit strat din spatele ieșirii finale a rețelei CLIP (ex: -1 strat final, -2 penultimul strat). Modelele anime și stilurile ilustrative precum NAI sau Anything vau fost antrenate pe stratul -2. [Load Checkpoint] -> (CLIP) -> [CLIPSetLastLayer (stop_at_clip_layer=-2)] | (CLIP) ---> […] -
Nodul ConditioningAverage (Interpolarea Ponderată a Prompturilor)conditioning_out = ConditioningAverage(conditioning_to, conditioning_from, conditioning_to_strength=0.7)Nodul ConditioningAverage calculează o medie ponderată între doi vectori de condiționare pe baza parametrului conditioning_to_strength (între 0.0 și 1.0), permițând mixarea fină între concepte abstracte sau stiluri vizuale concurente. # Mixaj între fotorealism (70%) și desen animat (30%): - conditioning_to: 'ultra realistic photograph of a forest' - conditioning_from: 'studio ghibli hand drawn anime forest' - […] -
Nodul ConditioningCombine (Fuziunea Condiționărilor Textuale)conditioning_out = ConditioningCombine(conditioning_1, conditioning_2)Nodul ConditioningCombine combină două condiționări generate de noduri CLIP Text Encode separate într-un singur semnal comun. Este util pentru modularizarea prompturilor (separarea descrierii personajului de descrierea luminii și a fundalului). [CLIP Encode ('cyberpunk samurai warrior')] ---\ ---> [ConditioningCombine] ---> [KSampler (positive)] [CLIP Encode ('cinematic rain, neon bokeh 8k')] -/ Organizare: Permite salvarea unor blocuri de […] -
Nodul ConditioningConcat (Concatenarea Secvențelor de Prompt)conditioning_out = ConditioningConcat(conditioning_to, conditioning_from)Nodul ConditioningConcat lipește tokenii unei condiționări la sfârșitul alteia (concatenare pe axa secvenței). Spre deosebire de combinare, concatenarea extinde lungimea maximă a secvenței de reprezentare textuală. # Concatenare stil la promptul subiectului: - conditioning_to: [CLIP Text Encode ('portrait of astronaut in space')] - conditioning_from: [CLIP Text Encode ('oil painting masterpiece by Rembrandt')] - ieșire: condiționare […] -
Nodul ConditioningSetArea (Regional Prompting pe Coordonate)cond_out = ConditioningSetArea(conditioning, width, height, x, y, strength=1.0)Nodul ConditioningSetArea aplică o condiționare textuală exclusiv într-o zonă dreptunghiulară specificată prin lățime, înălțime și coordonatele (x, y) ale imaginii, permițând tehnica de Regional Prompting fără bleeding între subiecte. # Imagine 1024x1024 cu două personaje diferite: [CLIP Encode ('blonde woman in red dress')] -> [ConditioningSetArea (w=512, h=1024, x=0, y=0)] ---\ ---> [ConditioningCombine] -> [KSampler] [CLIP […] -
Nodul ConditioningSetMask (Regional Prompting Bazat pe Măști)cond_out = ConditioningSetMask(conditioning, mask, strength=1.0, set_cond_area='default|mask bounds')Nodul ConditioningSetMask atribuie o condiționare textuală unei zone definite de o mască arbitrară (forme neregulate, contururi decupate sau hărți de segmentare), oferind flexibilitate absolută comparativ cu dreptunghiurile fixe din SetArea. [CLIP Text Encode ('golden crown with rubies')] --\ ---> [ConditioningSetMask] ---> [ConditioningCombine] [Segment Anything (Masca capului)] -------------/ Opțiunea mask bounds: Limitează calculul atenției doar la […] -
Nodul ConditioningSetTimestepRange (Control Temporal al Difuziei)cond_out = ConditioningSetTimestepRange(conditioning, start_percent=0.0, end_percent=0.5)Nodul ConditioningSetTimestepRange dictează modelului în ce fază a eșantionării să aplice un anumit prompt (definit în procente de la 0.0 la 1.0). De exemplu, poți folosi un prompt pentru structura generală în primii 40% din pași și un alt prompt pentru detalii fine și finisaj în ultimii 60%. # Ghidare dublă: - Prompt 1 ('majestic […] -
Nodul CLIP Text Encode (Prompt)CLIPTextEncode(clip: CLIP, text: STRING) -> CONDITIONINGCLIP Text Encode transformă textul promptului într-o condiționare (CONDITIONING) folosind encoderul de text primit pe intrarea clip; suportă ponderi, embeddings și prompturi dinamice. -
Nodul FluxGuidance (ghidajul distilat al FLUX.1)FluxGuidance(conditioning: CONDITIONING, guidance=3.5) -> CONDITIONINGFluxGuidance setează valoarea de ghidaj pe care FLUX.1 [dev] o primește ca intrare a modelului; KSampler rulează cu cfg 1, iar intensitatea cu care este urmat promptul se reglează din acest nod. -
Nodul Load CLIP (Dual) – DualCLIPLoader (CLIP-L + T5 pentru FLUX.1)DualCLIPLoader(clip_name1, clip_name2, type, device="default") -> CLIPLoad CLIP (Dual) încarcă două encodere de text din models/text_encoders și le combină într-o singură ieșire CLIP; la FLUX.1 sunt clip_l și t5xxl, cu type = flux.
Prelucrare Măști 7 noduri
-
Nodul CropMask: Decuparea unei Regiuni dintr-o MascăCropMask -> mask, x, y, width, heightIzolarea unei zone rectangulare dintr-o mască pe baza coordonatelor spațiale. -
Nodul FeatherMask: Îndulcirea și Difuzia Marginilor MăștilorFeatherMask -> mask, left, top, right, bottomAplicarea unui gradient fin de blur/estompare pe marginile măștii pentru tranziții invizibile în inpainting. -
Nodul ImageToMask: Extragerea Canalelor de Imagine ca MascăImageToMask -> image, channelConversia unui canal cromatic (roșu, verde, albastru sau luminanță) într-o mască de selecție. -
Nodul InvertMask: Inversarea Valorilor unei MăștiInvertMask -> maskSchimbarea regiunilor active cu cele inactive prin operația matematică 1.0 - valoare. -
Nodul MaskComposite: Combinarea Booleană a MăștilorMaskComposite -> destination, source, x, y, operationCombinarea matematică a două măști prin operații de adunare, scădere, înmulțire sau suprapunere. -
Nodul MaskToImage: Conversia Măștii în Flux de Imagine RGBMaskToImage -> maskTransformarea unui canal de mască 1D/2D într-o imagine standard RGB cu 3 canale. -
Nodul SolidMask: Generarea Măștilor Monocrome PlineSolidMask -> value, width, heightCrearea programatică a unei măști uniforme (complet albă, neagră sau gri) la dimensiuni arbitrare.
Condiționare și Prompting 1 nod
Procesare Imagini 3 noduri
-
Nodul ImageCompositeMasked: Suprapunerea Imaginii pe Baza Măștii AlfaImageCompositeMasked -> destination, source, x, y, resize_source, maskFuziunea vizuală a două imagini cu control pixel-cu-pixel dictat de o mască de transparență. -
Nodul ImageCrop: Decuparea pe Coordonate a ImaginiiImageCrop -> image, width, height, x, yTăierea geometrică a unei imagini fără redimensionare și fără pierdere de claritate. -
Nodul ImagePadForOutpaint: Adăugarea de Margini pentru OutpaintingImagePadForOutpaint -> image, left, top, right, bottom, featheringExtinderea pânzei unei imagini cu margini goale și generarea măștii corespunzătoare pentru outpainting.
Operații Latente 3 noduri
-
Nodul LatentUpscaleBy: Redimensionare Relativă în Spațiul LatentLatentUpscaleBy -> samples, upscale_method, scale_byScalarea multiplicativă a tensorilor latenți (ex: 1.5x, 2.0x) pentru fluxurile de tip Hires Fix. -
Nodul RepeatLatentBatch: Replicarea Tensorilor Latenți în LotRepeatLatentBatch -> samples, amountDuplicarea unui tensor latent de n ori pentru generarea simultană a mai multor variații în paralel. -
Nodul SetLatentNoiseMask: Mască de Zgomot Direct în Spațiul LatentSetLatentNoiseMask -> samples, maskAtașarea unei măști de zgomot direct peste tensorul latent pentru inpainting local extrem de precis.
Upscaling & Rafinare Avansată 5 noduri
-
Nodul Load Upscale Model (Încărcarea Modelelor ESRGAN & DAT)upscale_model = UpscaleModelLoader(model_name='4x-UltraSharp.pth')Nodul Load Upscale Model încarcă rețele neuronale preantrenate pentru super-rezoluție pe pixeli din directorul models/upscale_models/, cum ar fi RealESRGAN, 4x-UltraSharp, DAT, HAT sau BSRGAN. # Ghid de instalare model: # Plasează fișierul descărcat (.pth / .onnx) în: # ComfyUI/models/upscale_models/4x-UltraSharp.pth # În graful ComfyUI: [Load Upscale Model] -> (UPSCALE_MODEL) -> [Upscale Image (using Model)] Calitate: Aceste […] -
Nodul Upscale Image (using Model) pentru Super-Rezoluțieimage_out = ImageUpscaleWithModel(upscale_model, image)Nodul Upscale Image (using Model) procesează imaginea decodată din pixeli folosind rețeaua neuronală selectată în nodul de încărcare, producând o versiune mărită cu o claritate superioară interpolărilor bicubice convenționale. [KSampler] -> [VAE Decode] -> (IMAGE 1024x1024) | [Load Upscale Model (4x)] ---------> [Upscale Image (using Model)] | (IMAGE 4096x4096) -> [Save Image] Optimizare: Pentru imagini […] -
Nodurile ImageScale, ImageScaleBy și ImageScaleToTotalPixelsimage_out = ImageScale(image, upscale_method='lanczos', width=1920, height=1080, crop='disabled')ComfyUI include o familie completă de noduri pentru redimensionarea pixelilor prin algoritmi clasici de interpolare (lanczos, bicubic, bilinear, nearest-exact): ImageScale (dimensiuni fixe în pixeli), ImageScaleBy (multiplicator procentual ex: 1.5x) și ImageScaleToTotalPixels (conversie la un număr țintă de megapixeli păstrând aspect ratio). # Parametri recomandați în ImageScale: - upscale_method: 'lanczos' (calitate maximă a contururilor) - width: […] -
Upscale Latent și Hires fix (două treceri)LatentUpscale(samples, upscale_method, width=512, height=512, crop) -> LATENT -> KSampler(denoise < 1)Hires fix generează întâi o imagine la rezoluția modelului, o mărește (în latent sau cu un model de upscaling) și o trece a doua oară prin KSampler cu denoise sub 1. -
Nodul FaceDetailer (ComfyUI Impact Pack)FaceDetailer(image, model, clip, vae, guide_size=512, ..., denoise=0.5, bbox_detector, sam_model_opt=None, ...) -> image, cropped_refined, cropped_enhanced_alpha, mask, detailer_pipe, cnet_imagesFaceDetailer (din ComfyUI Impact Pack) detectează automat fețele cu un model de detecție, le mărește, le regenerează cu un sampler și le lipește înapoi în imagine.
Niciun nod găsit.
Încearcă numele nodului (KSampler, VAE, ControlNet, LoRA, Flux) sau rolul său („upscale”, „prompt”, „checkpoint”).
Index complet de noduri, fluxuri latente și API ComfyUI
Consultați manualul complet de noduri și componente ComfyUI: de la noduri de bază de eșantionare KSampler și încărcătoare de modele, până la prelucrare avansată de măști, compoziție latentă, fuziune de modele și dezvoltare de noduri custom:
Condiționare & Text Encodere (10)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul CLIP Text Encode (Prompt) |
CLIP Text Encode transformă textul promptului într-o condiționare (CONDITIONING) folosind encoderul de text primit pe intrarea clip; suportă ponderi, embeddings și prompturi dinamice. |
Nodul CLIPSetLastLayer (CLIP Skip pentru Modele Anime și SD 1.5) |
Nodul CLIPSetLastLayer (cunoscut în comunitate drept CLIP Skip) oprește extragerea condiționării textuale la un anumit strat din spatele ieșirii finale a rețelei CLIP (ex: -1 strat final, -2 penultimul strat). Modelele anime și stilurile ilustrative precum NAI sau Anything vau fost antrenate pe stratul -2. [Load Checkpoint] -> (CLIP) -> [CLIPSetLastLayer (stop_at_clip_layer=-2)] | (CLIP) –> […] |
Nodul ConditioningAverage (Interpolarea Ponderată a Prompturilor) |
Nodul ConditioningAverage calculează o medie ponderată între doi vectori de condiționare pe baza parametrului conditioning_to_strength (între 0.0 și 1.0), permițând mixarea fină între concepte abstracte sau stiluri vizuale concurente. # Mixaj între fotorealism (70%) și desen animat (30%): – conditioning_to: ‘ultra realistic photograph of a forest’ – conditioning_from: ‘studio ghibli hand drawn anime forest’ – […] |
Nodul ConditioningCombine (Fuziunea Condiționărilor Textuale) |
Nodul ConditioningCombine combină două condiționări generate de noduri CLIP Text Encode separate într-un singur semnal comun. Este util pentru modularizarea prompturilor (separarea descrierii personajului de descrierea luminii și a fundalului). [CLIP Encode (‘cyberpunk samurai warrior’)] –\ –> [ConditioningCombine] –> [KSampler (positive)] [CLIP Encode (‘cinematic rain, neon bokeh 8k’)] -/ Organizare: Permite salvarea unor blocuri de […] |
Nodul ConditioningConcat (Concatenarea Secvențelor de Prompt) |
Nodul ConditioningConcat lipește tokenii unei condiționări la sfârșitul alteia (concatenare pe axa secvenței). Spre deosebire de combinare, concatenarea extinde lungimea maximă a secvenței de reprezentare textuală. # Concatenare stil la promptul subiectului: – conditioning_to: [CLIP Text Encode (‘portrait of astronaut in space’)] – conditioning_from: [CLIP Text Encode (‘oil painting masterpiece by Rembrandt’)] – ieșire: condiționare […] |
Nodul ConditioningSetArea (Regional Prompting pe Coordonate) |
Nodul ConditioningSetArea aplică o condiționare textuală exclusiv într-o zonă dreptunghiulară specificată prin lățime, înălțime și coordonatele (x, y) ale imaginii, permițând tehnica de Regional Prompting fără bleeding între subiecte. # Imagine 1024×1024 cu două personaje diferite: [CLIP Encode (‘blonde woman in red dress’)] -> [ConditioningSetArea (w=512, h=1024, x=0, y=0)] –\ –> [ConditioningCombine] -> [KSampler] [CLIP […] |
Nodul ConditioningSetMask (Regional Prompting Bazat pe Măști) |
Nodul ConditioningSetMask atribuie o condiționare textuală unei zone definite de o mască arbitrară (forme neregulate, contururi decupate sau hărți de segmentare), oferind flexibilitate absolută comparativ cu dreptunghiurile fixe din SetArea. [CLIP Text Encode (‘golden crown with rubies’)] –\ –> [ConditioningSetMask] –> [ConditioningCombine] [Segment Anything (Masca capului)] ––––-/ Opțiunea mask bounds: Limitează calculul atenției doar la […] |
Nodul ConditioningSetTimestepRange (Control Temporal al Difuziei) |
Nodul ConditioningSetTimestepRange dictează modelului în ce fază a eșantionării să aplice un anumit prompt (definit în procente de la 0.0 la 1.0). De exemplu, poți folosi un prompt pentru structura generală în primii 40% din pași și un alt prompt pentru detalii fine și finisaj în ultimii 60%. # Ghidare dublă: – Prompt 1 (‘majestic […] |
Nodul Load CLIP (Dual) – DualCLIPLoader (CLIP-L + T5 pentru FLUX.1) |
Load CLIP (Dual) încarcă două encodere de text din models/text_encoders și le combină într-o singură ieșire CLIP; la FLUX.1 sunt clip_l și t5xxl, cu type = flux. |
Nodul FluxGuidance (ghidajul distilat al FLUX.1) |
FluxGuidance setează valoarea de ghidaj pe care FLUX.1 [dev] o primește ca intrare a modelului; KSampler rulează cu cfg 1, iar intensitatea cu care este urmat promptul se reglează din acest nod. |
Condiționare și Prompting (1)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul GLIGENTextBoxApply: Poziționarea Obiectelor prin Bounding Box |
Atribuirea unui prompt de obiect unei zone dreptunghiulare precise pe baza coordonatelor pixel. |
Control & Fine-Tuning (10)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul Save Checkpoint (Exportul Fuziunilor de Modele și LoRA Coapte) |
Nodul Save Checkpoint serializează starea curentă a conexiunilor MODEL, CLIP și VAE într-un nou fișier binar .safetensors salvat în ComfyUI/models/checkpoints/. Este util pentru salvarea modelelor compuse sau a modelelor în care au fost coapte permanent anumite LoRA. [Load Checkpoint A] -\ –> [ModelMergeSimple] -> [Save Checkpoint (filename=’Merge_A_B’)] [Load Checkpoint B] -/ Distribuție: Modelul rezultat poate […] |
Nodul CLIP Vision Encode (Vectorizarea Trăsăturilor Vizuale) |
Nodul CLIP Vision Encode primește o imagine și modelul CLIP Vision, calculând tensorul de reprezentare vizuală (CLIP Vision Output). Acest tensor poate fi stocat intermediar, ponderat sau transmis nodurilor specializate de adaptare stilistică. [Load Image] ––-> (image) -\ –> [CLIP Vision Encode] -> (CLIP_VISION_OUTPUT) [CLIPVisionLoader] -> (clip_vision) -/ Optimizare: Dacă folosești aceeași imagine de referință […] |
Nodul Load CLIP Vision (Modele de Viziune pentru ComfyUI) |
Nodul Load CLIP Vision încarcă un model de recunoaștere vizuală (ViT-H, ViT-L sau SigLIP) din folderul models/clip_vision/. Acesta permite extragerea trăsăturilor semantice dintr-o imagine de intrare pentru a o utiliza drept condiționare de stil sau personaj în IP-Adapter. # Conectare de bază: [Load CLIP Vision] -> (CLIP_VISION) -\ –> [IPAdapter] -> [KSampler] [Load Image] ––> […] |
Suita ControlNet-Aux (Preprocesoare Canny, OpenPose, Depth Anything) |
Extensia ComfyUI-ControlNet-Aux conține zeci de noduri de preprocesare dedicate extragerii ghidajelor din fotografii: OpenPose (poziția corpului și a mâinilor), Canny (linii precise de contur), Depth Anything V2 (adâncime 3D) și LineArt. [Load Image (Poză om)] -> [Openpose Preprocessor] -> (IMAGE Schelet) | [Apply ControlNet] -> [KSampler] Acuratețe: Harta extrasă garantează că noua imagine generată va […] |
Nodul HypernetworkLoader (Încărcarea Hiper-Rețelelor de Stil) |
Nodul HypernetworkLoader aplică o hiper-rețea (fișier .pt din directorul models/hypernetworks/) peste modelul principal. Hiper-rețelele reprezintă o metodă timpurie de adaptare a atenției transversale (cross-attention) popularizată în epoca Stable Diffusion 1.4/1.5. [Load Checkpoint] -> (MODEL) -> [HypernetworkLoader (strength=0.75)] -> [KSampler] Comparație: Deși au fost în mare parte înlocuite de LoRA datorită flexibilității superioare a acestora, hiper-rețelele […] |
Nodul Save LoRA (Extragerea Diferențelor dintre Două Modele) |
Nodul Save LoRA compară ponderile neuronale ale unui model finisat (fine-tuned) cu un model de bază original, extrăgând matricele diferențiale de rang scăzut și salvându-le sub forma unui fișier LoRA compact (50-200 MB în loc de 4-12 GB). [Model Original SDXL] –-\ –> [Save LoRA (rank=32, filename=’Style_X’)] [Model Personalizat SDXL] -/ Portabilitate: Reduce masiv spațiul […] |
Nodurile LoRA Stacker și Apply LoRA Stack (Gestionare Matricială LoRA) |
Nodurile LoRA Stacker și Apply LoRA Stack permit configurarea unei stive de până la zeci de modele LoRA într-o singură listă ordonată, aplicându-le simultan peste rețea fără a înlănțui în cascadă zeci de noduri separate Load LoRA. [LoRA Stacker] -> (LORA_STACK) -\ –> [Apply LoRA Stack] -> [KSampler] [Load Checkpoint] -> (MODEL, CLIP) -/ Mentenanță: […] |
Nodurile Apply ControlNet și Load ControlNet Model |
Apply ControlNet adaugă la condiționare o imagine de control (contururi, adâncime, poză, schiță), prin care un model ControlNet impune structura imaginii generate. |
IP-Adapter în ComfyUI (ComfyUI_IPAdapter_plus) |
IP-Adapter folosește o imagine de referință ca prompt: subiectul sau stilul ei se transferă în generare; în ComfyUI vine din nodul custom ComfyUI_IPAdapter_plus, pentru modele SD1.5 și SDXL. |
Nodurile Load LoRA (Model and CLIP) și Load LoRA |
Nodurile LoRA aplică un fișier LoRA peste modelul de difuzie (și opțional peste encoderul de text) pentru un stil, un personaj sau un concept, fără a schimba fișierul modelului de bază. |
Dezvoltare & API (2)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
API-ul Python pentru Noduri Custom (Custom Node Development) |
Structura formală a unei clase Python pentru crearea de noduri noi extensibile în ComfyUI. |
Protocolul WebSocket ComfyUI: Urmărirea Progresului de Eșantionare |
Canalul bidirecțional WebSocket pentru recepționarea evenimentelor de progres, noduri active și previzualizări. |
Ecosistem & Administrare (12)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Formatul API al workflow-urilor și serverul ComfyUI (/prompt, /ws, /history) |
ComfyUI rulează ca server HTTP și WebSocket: un workflow exportat în format API (noduri cu class_type și inputs) se trimite la /prompt, progresul vine pe /ws, iar rezultatele se citesc din /history și /view. |
Argumentele de Linie de Comandă ComfyUI (–listen, –highvram, –lowvram) |
Serverul ComfyUI dispune de zeci de argumente CLI pentru configurarea rețelei, optimizarea utilizării memoriei VRAM și accelerarea vitezei de calcul pe diverse arhitecturi hardware (NVIDIA, AMD ROCm, Apple Silicon, CPU). # Expunere în rețea locală pe port custom: python main.py –listen 0.0.0.0 –port 8080 # Optimizare pentru GPU-uri cu memorie redusă (4GB – 6GB VRAM): […] |
Pachetul ComfyUI-Custom-Scripts (pythongosssss): Image Feed, Auto-Complete |
Pachetul ComfyUI-Custom-Scripts dezvoltat de pythongosssss îmbunătățește considerabil experiența de utilizare a interfeței web prin completare automată pentru tag-uri Danbooru, panou lateral derulant pentru imagini recente (Image Feed) și blocare la grilă (Snap to Grid). # Funcționalități cheie activate automat: – Auto-complete în CLIP Text Encode pentru LoRA și embedding-uri – ‘Image Feed’ în bara laterală […] |
Gruparea Nodurilor (Group Node, Culori și Sub-Grafe) |
ComfyUI permite organizarea spațiului vizual prin crearea de Grupuri (chenare colorate cu titlu) și Sub-Grafe (Group Nodes), prin care o secvență întreagă de noduri poate fi colapsată într-un singur nod compact personalizat cu intrări și ieșiri curate. # Organizare vizuală recomandată: – Grupul Verde: ‘Modele & Încărcare VAE’ – Grupul Albastru: ‘Promptare Pozitivă & Negativă’ […] |
Instalarea ComfyUI: Comfy Desktop, Portable și instalare manuală |
ComfyUI se instalează local prin aplicația Comfy Desktop, prin pachetul Portable pentru Windows sau manual dintr-un clone Git, fiecare cu propriul mediu Python; serverul pornește implicit pe http://127.0.0.1:8188. |
ComfyUI-Manager (inclus în ComfyUI, pornit cu –enable-manager) |
ComfyUI-Manager instalează, actualizează, dezactivează și șterge noduri custom, descarcă modele, salvează snapshot-uri și găsește nodurile lipsă dintr-un workflow; acum vine cu ComfyUI și se activează cu –enable-manager. |
Nodul Note și Documentarea Markdown în Canvas |
Nodul Note oferă un spațiu de text liber direct pe ecranul ComfyUI, unde autorul workflow-ului poate scrie instrucțiuni, explicații tehnice, linkuri de descărcare pentru modelele necesare sau detalii despre licență. # Conținut util într-un nod Note: ### Workflow FLUX.1 + LoRA Cinematic 1. Asigură-te că ai descărcat flux1-dev.safetensors în /models/unet. 2. Setează ‘euler’ și ‘simple’ […] |
Nodul Primitive (Parametrizare Dinamică și Valori Globale) |
Nodul Primitive este un nod universal capabil să adopte orice tip de date (număr întreg, text string, flotant, boolean sau seed). Se creează făcând clic dreapta pe orice parametru dintr-un nod și selectând Convert to Input, apoi trăgând un fir nou și alegând Add Primitive. # Exemplu de utilizare pentru Seed unic partajat: [Primitive Node […] |
Nodul Reroute (Gestionarea Traseelor și Curățarea Cablurilor) |
Nodul Reroute este un punct intermediar de ghidaj pentru cablurile vizuale din ComfyUI. Nu alterează datele tranzitate, ci servește strict la organizarea grafului, evitând suprapunerea haotică a zeci de fire peste alte noduri. # Comenzi rapide pentru adăugarea nodurilor Reroute: – Dublu-clic pe orice cablu existent pentru a insera instant un punct Reroute. – Poți […] |
Suita Rgthree (Mute/Bypass Repeater, Context Big, Power Lora Loader) |
Suita de noduri rgthree este una dintre cele mai apreciate extensii ComfyUI pentru optimizarea fluxului de lucru, introducând noduri de tip Context (care împachetează model, clip, vae, pozitiv și negativ într-un singur fir magistrală) și întrerupătoare inteligente de tip Fast Muter / Fast Bypasser. # Utilizarea magistralei Context: [Load Checkpoint] \ [CLIP Positive] –> [Context […] |
Gestionarea Șabloanelor de Workflow și Salvarea în Format WebP/PNG |
ComfyUI stochează automat întregul graf al nodurilor în antetul metadatelor fiecărei imagini generate (câmpul PNG prompt / workflow). Acest lucru permite restaurarea imediată a schemei de generare prin simpla tragere a unei imagini din browser peste canvasul ComfyUI. # Bune practici de partajare a workflow-urilor: 1. Salvează workflow-ul ca fișier JSON: Meniu -> ‘Save’ -> […] |
Instalarea nodurilor custom (Manager, git clone, ZIP) |
Un nod custom se instalează în doi pași: codul ajunge în ComfyUI/custom_nodes, iar dependențele lui Python se instalează în mediul ComfyUI; Manager-ul face ambii pași automat. |
Fuziune Modele (Model Merge) (3)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul CLIPMergeSimple: Fuziunea a Două Modele Textuale CLIP |
Îmbinarea spațiilor de embedding ale două codificatoare de limbaj diferite. |
Nodul ModelMergeBlocks: Fuziunea Modelelor pe Blocuri de Straturi |
Control chirurgical asupra fuziunii straturilor de intrare (IN), mijloc (MID) și ieșire (OUT) din UNet. |
Nodul ModelMergeSimple: Fuziunea Liniară a Două Modele Checkpoint |
Interpolarea ponderată a greutăților între două modele checkpoint (ex: 70% Realism + 30% Anime). |
Modele de Difuzie și Inpainting (14)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul AnimateDiff Context Options (Generarea de Clipuri Video Lungi) |
Nodul AnimateDiff Context Options gestionează fereastra glisantă de memorie (Sliding Window Context), permițând generarea de clipuri video cu sute de cadre fără a depăși capacitatea de memorie VRAM a plăcii video. # Parametri de context recomandați: – context_length: 16 (fereastra procesată simultan de modulul de mișcare) – context_stride: 1 (frecvența cadrelor) – context_overlap: 4 (cadre […] |
AnimateDiff în ComfyUI: Încărcarea și Generarea de Animații Locale |
Modulul AnimateDiff integrează straturi de atenție temporală (Motion Modules) peste modelele de difuzie 2D, permițând generarea directă de secvențe video coerente din prompturi textuale sau imagini statice. # Schelet workflow AnimateDiff: [Load Checkpoint (SD 1.5)] -> [AnimateDiff Loader] -> [KSampler] -> [VAE Decode] -> [AnimateDiff Combine (GIF/MP4)] ^ [Empty Latent Image (batch_size=16)] –| (generează 16 […] |
FLUX.1 Fill [dev] în ComfyUI: inpainting și outpainting |
FLUX.1 Fill [dev] este modelul Black Forest Labs pentru umplerea zonelor mascate dintr-o imagine; în ComfyUI se rulează cu InpaintModelConditioning, FluxGuidance 30 și KSampler cu cfg 1. |
Nodul FreeU și FreeU_V2 (Îmbunătățirea Contrastului și Detaliilor) |
Nodurile FreeU și FreeU_V2 reechilibrează contribuția conexiunilor directe (skip connections) și a blocurilor de coloană vertebrală din rețeaua U-Net în timpul generării, îmbunătățind dramatic claritatea texturilor, profunzimea culorilor și eliminând aspectul plat sau artificial. # Setări optime demonstrate pentru SD 1.5: – b1: 1.3, b2: 1.4, s1: 0.9, s2: 0.2 # Setări optime pentru SDXL: […] |
Nodul Unet Loader (GGUF) din ComfyUI-GGUF |
Pachetul custom ComfyUI-GGUF încarcă modele de difuzie și encodere T5 cuantizate în formatul GGUF, pentru a rula modele mari ca FLUX.1 cu mai puțină memorie video. |
GroundingDINO în ComfyUI: Detecție Zero-Shot pe Bază de Text |
Nodul GroundingDINO analizează imaginea pe baza unei descrieri textuale (ex: „person, wristwatch”) și detectează automat pozițiile exacte ale acelor elemente. Combinat cu SAM, permite inpainting complet automatizat fără nicio intervenție manuală. # Pipeline automat de retuș accesorii: [Load Image] -> [GroundingDINO (prompt=’sunglasses’)] -> [SAM Detector] -> [Inpaint KSampler (‘aviator sunglasses’)] Automatizare în masă: Permite procesarea […] |
Nodul InpaintModelConditioning pentru Modele Dedicate de Inpaint |
Nodul InpaintModelConditioning este special proiectat pentru modelele de difuzie fine-tuned cu 9 canale de intrare (inpaint models pentru SD 1.5 sau SDXL). Acesta combină imaginea originală decodată prin VAE, masca binară și condiționările textuale într-un format compatibil. [CLIP Text Encode (Pos)] -\ [CLIP Text Encode (Neg)] –> [InpaintModelConditioning] –> [KSampler] [Load Image (Pixels)] -/ (positive, […] |
Nodul ModelSamplingDiscrete (Programarea Orarului de Zgomot) |
Nodul ModelSamplingDiscrete reconfigurează modul în care rețeaua calculează zgomotul (Noise Schedule). Este indispensabil pentru rularea modelelor bazate pe v-prediction, modelelor LCM (Latent Consistency Model) sau pentru aplicarea corecției Zero Terminal SNR (zsnr=True). # Configurare pentru generare la negru absolut (Zero SNR): [Load Checkpoint] -> [ModelSamplingDiscrete (sampling=’v_prediction’, zsnr=True)] -> [KSampler] Zero SNR: Rezolvă problema clasică a […] |
Nodul ModelSamplingFlux (Optimizarea Flow Matching pentru FLUX.1) |
Nodul ModelSamplingFlux calculează dinamic deplasamentul curbei de difuzie (dynamic timestep shift) în funcție de rezoluția latentă țintă generată pentru modelele din familia FLUX.1 (Schnell și Dev), adaptând eșantionarea la numărul de patch-uri procesate de modelul DiT. [Load Diffusion Model (FLUX.1 Dev)] -> [ModelSamplingFlux (w=1280, h=720)] -> [KSampler] Performanță: Permite generarea de imagini panoramice sau portret […] |
Nodul ModelSamplingSD3 (Scalarea Zgomotului pentru Stable Diffusion 3) |
Nodul ModelSamplingSD3 ajustează parametrul matematic shift al orarului de difuzie specific arhitecturii Flow Matching din Stable Diffusion 3 și SD 3.5. La rezoluții mari (peste 1024×1024), creșterea parametrului shift este necesară pentru a preveni compozițiile încețoșate. # Valori recomandate pentru shift: – Rezoluție 1024×1024: shift = 3.0 (implicit) – Rezoluție 1536×1536: shift = 5.0 – […] |
Segment Anything (SAM) în ComfyUI: Decupare Automată a Obiectelor |
Integrarea modelului Segment Anything (SAM) de la Meta în ComfyUI permite crearea automată de măști fotorealiste pentru orice obiect dintr-o scenă (rochii, mașini, cer, fundaluri) printr-un singur clic sau pe baza cutiilor de delimitare (bounding boxes). [Load Image] –-> [SAM Detector] -> (MASK) -> [VAE Encode (for Inpainting)] ^ [Load SAM Model] –––| Precizie absolută: […] |
Nodul VAE Encode (for Inpainting) și Parametrul grow_mask_by |
Nodul VAE Encode (for Inpainting) transformă pixelii imaginii într-un spațiu latent pregătit pentru inpainting folosind modele standard de difuzie (care nu au fost antrenate special pentru inpainting). Parametrul grow_mask_by dilată automat masca cu un număr specificat de pixeli pentru a estompa marginile. # Conexiuni: – pixels: conexiune din [Load Image] – vae: conexiune din [Load […] |
Generare video locală în ComfyUI (Wan 2.2 și alte modele native) |
ComfyUI rulează nativ modele video cu greutăți deschise, ca Wan 2.2, LTX-2.5 sau HunyuanVideo 1.5; un workflow video produce cadre în latent, le decodează și le salvează cu Create Video și Save Video. |
Load Diffusion Model, Load CLIP și Load VAE (modele în fișiere separate) |
Modelele distribuite ca fișiere separate (Flux, Wan, Qwen-Image și altele) se încarcă cu trei noduri: Load Diffusion Model pentru rețeaua de difuzie, Load CLIP (sau Load CLIP (Dual)) pentru encoderul de text și Load VAE. |
Noduri Esențiale de Generare (15)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Gestionarea Loturilor: ImageBatch, Make Image Batch și Rebatch Latents |
ComfyUI permite procesarea simultană a mai multor cadre prin nodurile de batch: ImageBatch (combină două imagini de aceleași dimensiuni într-un singur tensor cu dimensiunea de batch 2) și RebatchLatents (reîmparte un batch mare de latente în micro-loturi adaptate memoriei VRAM). [Load Image 1] -\ –> [ImageBatch] –> [Apply ControlNet] (procesează ambele simultan) [Load Image 2] […] |
Nodul ImageBlend și Modurile de Fuziune Vizuală |
Nodul ImageBlend îmbină două imagini la nivel de pixeli folosind algoritmi similari straturilor din editoarele foto (Multiply, Screen, Overlay, Normal) și un factor de opacitate configurabil. # Suprapunere textură peste imagine randată: – image1: Rulare KSampler (portret) – image2: Textură vintage de hârtie – blend_mode: ‘overlay’ – blend_factor: 0.35 Utilitate: Adăugarea de granulație foto (grain), […] |
Nodul ImageInvert și Inversarea Canalelor de Mască |
Nodul ImageInvert inversează matematic valorile de luminozitate ale fiecărui pixel (pixel_nou = 1.0 – pixel_vechi). În ComfyUI, este frecvent utilizat pentru inversarea măștilor de inpainting (comutarea între retușarea subiectului sau a fundalului) și a hărților de adâncime (Depth Maps). # Inversare mască pentru fundal: [Load Image (as Mask)] -> [MaskToImage] -> [ImageInvert] -> [ImageToMask] -> […] |
Nodul LatentBlend (Fuziune și Interpolare în Spațiul Latent) |
Nodul LatentBlend realizează o interpolare liniară între două reprezentări latente de aceeași rezoluție, utilizând un factor de amestec (blend_factor) între 0.0 și 1.0. Este folosit pentru metamorfozări vizuale, hibridizări de stil și tranziții fluide de animație. [Empty Latent 1] -\ –> [LatentBlend (blend_factor=0.6)] –> [KSampler] [Empty Latent 2] -/ Observație: Când blend_factor=0.0 se păstrează 100% […] |
Nodul LatentComposite și LatentCompositeMasked (Compoziție Latentă) |
Nodurile LatentComposite și LatentCompositeMasked permit îmbinarea a două spații latente diferite la coordonate precise (x, y) înainte de aplicarea eșantionării finale prin KSampler, facilitând colajele latente și generarea multi-subiect. # Parametri LatentComposite: – samples_to: Latentul de fundal (bază) – samples_from: Latentul inserat (subiect) – x: deplasament orizontal pe grila de 8 pixeli (x * 8) […] |
Nodurile LatentCrop, LatentRotate și LatentFlip |
ComfyUI oferă noduri matematice dedicate pentru transformarea geometrică directă a matricelor latente fără decodare și re-codare prin VAE: LatentRotate (rotație în trepte de 90°), LatentFlip (oglindire orizontală sau verticală) și LatentCrop (decupare la dimensiuni specifice). # Economie masivă de resurse GPU: [KSampler (Pas 1)] -> (LATENT) -> [LatentFlip (x_axis)] -> [KSampler (Pas 2 / denoise […] |
Nodul Load Image (Încărcarea Imaginilor Sursă în ComfyUI) |
Nodul Load Image încarcă o imagine de pe disc în graful ComfyUI și expune două ieșiri fundamentale: IMAGE (tensor de pixeli normalizați în spațiul 0.0 – 1.0) și MASK (canalul de transparență alpha sau masca derivată). # Conexiuni tipice în fluxurile ComfyUI: [Load Image] -> (IMAGE) -> [VAE Encode] -> (LATENT) -> [KSampler] (img2img) [Load […] |
Nodul Load Image (as Mask) și Prelucrarea Măștilor Alpha |
Nodul Load Image (as Mask) extrage un canal specific dintr-o imagine (Alpha, Roșu, Verde sau Albastru) și îl transformă direct într-un tensor de tip MASK pentru inpainting, compoziție latentă sau condiționare regională. # Configurare nod: – image: ‘silueta_decupata.png’ – channel: ‘alpha’ (sau ‘red’ dacă masca este salvată pe un canal de culoare) # Utilizare: [Load […] |
Instrumentul Mask Editor Integrat în ComfyUI |
Mask Editor este o unealtă vizuală interactivă integrată nativ în nodul Load Image. Permite pictarea directă a măștii de inpainting în browser cu o pensulă circulară cu rază variabilă și salvarea automată a modificărilor în graful nodului. # Pași de utilizare: 1. Încarcă o fotografie în nodul [Load Image]. 2. Fă clic dreapta pe nod […] |
Nodurile de bază din ComfyUI: tabel de referință |
Tabel cu nodurile de bază din ComfyUI (numele intern, numele afișat, intrările și ieșirile principale) și tipurile de date care circulă între ele. |
Nodul Empty Latent Image (și latentele goale pentru SD3, Flux și video) |
Empty Latent Image creează un lot de latente goale (umplute cu zero) la dimensiunea aleasă; KSampler adaugă peste ele zgomotul din seed și generează imaginea. |
Nodul KSampler și KSampler (Advanced) |
KSampler elimină zgomotul din latent pas cu pas, folosind modelul și condiționările pozitivă și negativă; KSampler (Advanced) permite rularea doar a unei părți din pași. |
Nodul Load Checkpoint (CheckpointLoaderSimple) |
Load Checkpoint încarcă un fișier checkpoint din models/checkpoints și îl împarte în trei ieșiri: modelul de difuzie (MODEL), encoderul de text (CLIP) și VAE-ul. |
Nodurile Save Image și Preview Image |
Save Image scrie imaginile ca PNG în folderul output, cu workflow-ul inclus în metadate; Preview Image le afișează în interfață și le scrie doar în folderul temp. |
VAE Decode, VAE Encode și VAE Decode (Tiled) |
VAE Decode transformă latentul produs de KSampler în pixeli (IMAGE), iar VAE Encode face drumul invers; variantele Tiled lucrează pe bucăți ca să folosească mai puțină memorie. |
Operații Latente (3)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul LatentUpscaleBy: Redimensionare Relativă în Spațiul Latent |
Scalarea multiplicativă a tensorilor latenți (ex: 1.5x, 2.0x) pentru fluxurile de tip Hires Fix. |
Nodul RepeatLatentBatch: Replicarea Tensorilor Latenți în Lot |
Duplicarea unui tensor latent de n ori pentru generarea simultană a mai multor variații în paralel. |
Nodul SetLatentNoiseMask: Mască de Zgomot Direct în Spațiul Latent |
Atașarea unei măști de zgomot direct peste tensorul latent pentru inpainting local extrem de precis. |
Prelucrare Măști (7)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul CropMask: Decuparea unei Regiuni dintr-o Mască |
Izolarea unei zone rectangulare dintr-o mască pe baza coordonatelor spațiale. |
Nodul FeatherMask: Îndulcirea și Difuzia Marginilor Măștilor |
Aplicarea unui gradient fin de blur/estompare pe marginile măștii pentru tranziții invizibile în inpainting. |
Nodul ImageToMask: Extragerea Canalelor de Imagine ca Mască |
Conversia unui canal cromatic (roșu, verde, albastru sau luminanță) într-o mască de selecție. |
Nodul InvertMask: Inversarea Valorilor unei Măști |
Schimbarea regiunilor active cu cele inactive prin operația matematică 1.0 – valoare. |
Nodul MaskComposite: Combinarea Booleană a Măștilor |
Combinarea matematică a două măști prin operații de adunare, scădere, înmulțire sau suprapunere. |
Nodul MaskToImage: Conversia Măștii în Flux de Imagine RGB |
Transformarea unui canal de mască 1D/2D într-o imagine standard RGB cu 3 canale. |
Nodul SolidMask: Generarea Măștilor Monocrome Pline |
Crearea programatică a unei măști uniforme (complet albă, neagră sau gri) la dimensiuni arbitrare. |
Procesare Imagini (3)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul ImageCompositeMasked: Suprapunerea Imaginii pe Baza Măștii Alfa |
Fuziunea vizuală a două imagini cu control pixel-cu-pixel dictat de o mască de transparență. |
Nodul ImageCrop: Decuparea pe Coordonate a Imaginii |
Tăierea geometrică a unei imagini fără redimensionare și fără pierdere de claritate. |
Nodul ImagePadForOutpaint: Adăugarea de Margini pentru Outpainting |
Extinderea pânzei unei imagini cu margini goale și generarea măștii corespunzătoare pentru outpainting. |
Upscaling & Rafinare Avansată (5)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodurile ImageScale, ImageScaleBy și ImageScaleToTotalPixels |
ComfyUI include o familie completă de noduri pentru redimensionarea pixelilor prin algoritmi clasici de interpolare (lanczos, bicubic, bilinear, nearest-exact): ImageScale (dimensiuni fixe în pixeli), ImageScaleBy (multiplicator procentual ex: 1.5x) și ImageScaleToTotalPixels (conversie la un număr țintă de megapixeli păstrând aspect ratio). # Parametri recomandați în ImageScale: – upscale_method: ‘lanczos’ (calitate maximă a contururilor) – width: […] |
Nodul Upscale Image (using Model) pentru Super-Rezoluție |
Nodul Upscale Image (using Model) procesează imaginea decodată din pixeli folosind rețeaua neuronală selectată în nodul de încărcare, producând o versiune mărită cu o claritate superioară interpolărilor bicubice convenționale. [KSampler] -> [VAE Decode] -> (IMAGE 1024×1024) | [Load Upscale Model (4x)] –––> [Upscale Image (using Model)] | (IMAGE 4096×4096) -> [Save Image] Optimizare: Pentru imagini […] |
Nodul Load Upscale Model (Încărcarea Modelelor ESRGAN & DAT) |
Nodul Load Upscale Model încarcă rețele neuronale preantrenate pentru super-rezoluție pe pixeli din directorul models/upscale_models/, cum ar fi RealESRGAN, 4x-UltraSharp, DAT, HAT sau BSRGAN. # Ghid de instalare model: # Plasează fișierul descărcat (.pth / .onnx) în: # ComfyUI/models/upscale_models/4x-UltraSharp.pth # În graful ComfyUI: [Load Upscale Model] -> (UPSCALE_MODEL) -> [Upscale Image (using Model)] Calitate: Aceste […] |
Nodul FaceDetailer (ComfyUI Impact Pack) |
FaceDetailer (din ComfyUI Impact Pack) detectează automat fețele cu un model de detecție, le mărește, le regenerează cu un sampler și le lipește înapoi în imagine. |
Upscale Latent și Hires fix (două treceri) |
Hires fix generează întâi o imagine la rezoluția modelului, o mărește (în latent sau cu un model de upscaling) și o trece a doua oară prin KSampler cu denoise sub 1. |
Încărcătoare și Modele (6)
| Nod / Funcționalitate / API | Descriere și Aplicabilitate în Graf |
|---|---|
Nodul CheckpointLoader: Încărcare Avansată cu Fișier de Configurare YAML |
Încărcarea modelelor difuze nestandardizate prin asocierea unui fișier explicit de configurare arhitecturală. |
Nodul GLIGENLoader: Încărcarea Modelelor GLIGEN pentru Control Spațial |
Încărcarea greutăților GLIGEN (Grounded-Language-to-Image Generation) pentru poziționare cu casete de încadrare. |
Nodul LoraLoaderModelOnly: Aplicarea LoRA Exclusiv pe Modelul UNet/DiT |
Modificarea greutăților de difuzie fără alterarea codificatorului de text CLIP. |
Nodul unCLIPCheckpointLoader: Încărcarea Modelelor unCLIP |
Inițializarea arhitecturilor unCLIP (SD 2.1 unCLIP) capabile să preia imagini ca prompt direct. |
Nodul Load VAE (VAELoader): Încărcarea Modelelor VAE Independente |
Încărcarea dedicată a fișierelor Variational Autoencoder (VAE) separate din directorul models/vae. |
Nodul SaveVAE: Exportul și Salvarea Modelelor VAE pe Disc |
Salvarea programatică a greutăților VAE în format safetensors în directorul output. |
Discuții, Întrebări & Coduri / Prompturi ComfyUI & Stable Diffusion / Flux
Ai o nelămurire despre modulul ComfyUI & Stable Diffusion / Flux, cauți o soluție sau vrei să împărtășești un prompt sau fragment util de cod? Trimite mai jos contribuția ta.
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.