Nodurile de bază din ComfyUI: tabel de referință în ComfyUI & Stable Diffusion / Flux

Load Checkpoint -> CLIP Text Encode (x2) -> KSampler <- Empty Latent Image
                                            |
                                   VAE Decode -> Save Image

Un workflow ComfyUI este un graf de noduri legate prin fire. Fiecare nod are un nume intern (class_type, folosit în fișierele JSON și în API) și un nume afișat, care s-a schimbat de câteva ori între versiuni: de exemplu DualCLIPLoader apare acum ca „Load CLIP (Dual)”, iar UNETLoader ca „Load Diffusion Model”. Nodurile incluse în ComfyUI (Comfy Core) se găsesc în panoul Node Library; nodurile instalate de comunitate apar acolo după instalare și repornire.

Firele leagă doar tipuri compatibile, colorate diferit în editor: MODEL (modelul de difuzie), CLIP (encoderul de text), VAE, CONDITIONING (promptul codat), LATENT (imaginea în spațiul latent), IMAGE (pixeli), MASK, plus valori simple (INT, FLOAT, STRING). Un nod are trei moduri utile: normal, Never (nu rulează și nu dă nimic mai departe) și Bypass (nu rulează, dar intrarea trece neschimbată spre nodurile următoare).

Workflow-ul implicit text-to-image are șapte noduri: Load Checkpoint, două CLIP Text Encode (prompt pozitiv și negativ), Empty Latent Image, KSampler, VAE Decode și Save Image. Celelalte fluxuri pornesc de la el: img2img înlocuiește Empty Latent Image cu Load Image + VAE Encode, LoRA se pune între încărcător și restul grafului, ControlNet modifică condiționarea, iar upscaling-ul adaugă o a doua trecere. Tabelul de mai jos folosește numele din ComfyUI v0.43; fiecare nod are o pagină proprie, legată în coloana din dreapta.

Concepte cheie și caracteristici

Concept / Parametru	Descriere practică
CheckpointLoaderSimple – Load Checkpoint	ckpt_name → MODEL, CLIP, VAE. Pagina nodului
UNETLoader – Load Diffusion Model	unet_name, weight_dtype → MODEL. Pagina nodului
CLIPLoader / DualCLIPLoader – Load CLIP / Load CLIP (Dual)	fișier(e) + type → CLIP. Pagina nodului
VAELoader – Load VAE	vae_name → VAE.
LoraLoader – Load LoRA (Model and CLIP)	MODEL, CLIP, lora_name, strength_model, strength_clip → MODEL, CLIP. Pagina nodului
CLIPTextEncode – CLIP Text Encode (Prompt)	text, CLIP → CONDITIONING. Pagina nodului
EmptyLatentImage – Empty Latent Image	width, height, batch_size → LATENT. Pagina nodului
KSampler / KSamplerAdvanced	MODEL, positive, negative, LATENT + seed, steps, cfg, sampler, scheduler, denoise → LATENT. Pagina nodului
VAEDecode / VAEEncode	LATENT + VAE → IMAGE / IMAGE + VAE → LATENT. Pagina nodului
SaveImage / PreviewImage	IMAGE (+ filename_prefix) → fișier PNG în output / temp. Pagina nodului
LoadImage – Load Image	Fișier din input → IMAGE, MASK (masca vine din canalul alfa).
ControlNetLoader + ControlNetApplyAdvanced – Apply ControlNet	positive, negative, CONTROL_NET, IMAGE → positive, negative. Pagina nodului
LatentUpscale / LatentUpscaleBy – Upscale Latent (By)	LATENT → LATENT mărit. Pagina nodului
UpscaleModelLoader + ImageUpscaleWithModel	Model ESRGAN etc. din models/upscale_models + IMAGE → IMAGE mărită.
InpaintModelConditioning / VAEEncodeForInpaint	Imagine + mască pentru inpainting. Pagina despre Flux Fill
FluxGuidance	CONDITIONING + guidance → CONDITIONING (FLUX.1). Pagina nodului
SaveVideo / CreateVideo	Cadre IMAGE + fps → VIDEO → fișier video. Pagina despre video

Exemple practice și scenarii reale

Exemplul 1: Workflow-ul text-to-image implicit, în format API

Exemplul din documentația API (model SD1.5); numerele sunt ID-urile nodurilor, iar ["4", 1] este a doua ieșire a nodului 4.

4  CheckpointLoaderSimple  ckpt_name = v1-5-pruned-emaonly.safetensors
5  EmptyLatentImage        width = 512, height = 512, batch_size = 1
6  CLIPTextEncode          clip = ["4", 1], text = "masterpiece best quality man"
7  CLIPTextEncode          clip = ["4", 1], text = "bad hands"
3  KSampler                model = ["4", 0], positive = ["6", 0], negative = ["7", 0],
                           latent_image = ["5", 0], seed = 8566257, steps = 20, cfg = 8,
                           sampler_name = euler, scheduler = normal, denoise = 1
8  VAEDecode               samples = ["3", 0], vae = ["4", 2]
9  SaveImage               images = ["8", 0], filename_prefix = ComfyUI

Exemplul 2: Image-to-image din același graf

Documentația img2img: Load Image și VAE Encode înlocuiesc Empty Latent Image, iar denoise din KSampler trebuie să fie sub 1.

Load Image -> VAE Encode (pixels, vae) -> KSampler (latent_image, denoise = 0.6)

Greșeli frecvente și capcane

• Cauți un nod după numele dintr-un tutorial vechi. Numele afișate s-au schimbat („Load LoRA” înseamnă acum varianta doar pentru model, „Apply ControlNet” este nodul cu positive și negative); căutarea din editor găsește nodurile și după aliasuri (de exemplu „lora loader”, „checkpoint”).
• Legi o ieșire IMAGE direct la intrarea latent_image. Pixelii trec în spațiul latent doar prin VAE Encode, iar latentul înapoi în pixeli doar prin VAE Decode.
• Pui un nod pe Never când voiai să-l ocolești. Nodurile de după el rămân fără date; pentru a sări peste un LoRA, de exemplu, folosește Bypass.

Noțiuni și module înrudite

• ksampler-node
• load-checkpoint
• comfyui-api-workflow
• load-diffusion-model