How do I install and run ComfyUI on Windows, macOS, or Linux?

Follow the official repo and the community wiki for platform-specific steps, model folder locations, and dependencies. After installation, launch the local server and open ComfyUI in your browser to start wiring nodes.,.

What’s the simplest ComfyUI workflow for text-to-image?

Load a checkpoint, encode positive and negative prompts with CLIP, run a KSampler, decode with VAE, then save the image. This chain is the foundation for how to use ComfyUI effectively for most generations.,.

How do I use SDXL in ComfyUI?

Use an SDXL checkpoint with dual text encoders, then optionally add a refiner pass for better detail. Run at 1024×1024 with balanced CFG (around 5–7) and an efficient sampler like DPM++ 2M Karras..

Can I add ControlNet and LoRA in the same ComfyUI workflow?

Yes. Load your LoRA and ControlNet nodes, connect them to the model and KSampler conditionings, and tune weights (e.g., 0.6–0.8 for LoRA, ~0.5–1.2 for ControlNet). Watch VRAM usage and reduce resolution or steps if you hit OOM.

Why are my ComfyUI images low‑contrast or washed out?

Try a different VAE, lower CFG, or switch samplers. Some VAEs produce more faithful color and contrast; small adjustments can fix washed-out results quickly.

نحوه استفاده از ComfyUI: یک راهنمای عملی و گام به گام برای مبتدیان

اگر شنیده‌اید که ComfyUI «مبتنی بر گره و فوق‌العاده قدرتمند» است، اما از دیدن این همه جعبه و سیم احساس ترس کرده‌اید، تنها نیستید. خبر خوب این است: پس از یادگیری چند مفهوم اصلی—نقاط بازرسی، رمزگذارها، نمونه‌بردارها و رمزگشاها—مانند یک حرفه‌ای گردش‌های کاری تصویرسازی را خواهید ساخت. این راهنمای عملی شما را در مورد نحوه استفاده از ComfyUI از نصب تا اولین تصاویر SDXL، به علاوه گردش‌های کاری برای ControlNet، LoRA و تنظیم کیفیت/عملکرد راهنمایی می‌کند.

در پایان، دقیقاً خواهید دانست که چگونه از ComfyUI برای ایجاد تصاویر ثابت، تکرارپذیر و انعطاف‌پذیر بدون حدس و گمان استفاده کنید.

ComfyUI چیست و چرا باید از آن استفاده کرد؟

ComfyUI یک رابط بصری مبتنی بر گره برای Stable Diffusion است که به شما امکان می دهد خط لوله تصویر خود را گام به گام طراحی کنید. به جای یک دکمه واحد «ایجاد»، شما گره‌ها را به هم متصل می‌کنید—که هر کدام یک کار مجزا مانند بارگیری یک مدل، رمزگذاری متن، نمونه‌برداری از نهفتگی‌ها یا رمزگشایی تصویر نهایی را انجام می‌دهند. این رابط سریع، مدولار و شفاف است—عالی برای یادگیری، آزمایش و گردش‌های کاری تولید.

شروع سریع: نصب و راه اندازی ComfyUI

ویندوز/macOS/لینوکس: راهنمای رسمی و راهنماهای نصب انجمن را دنبال کنید. بسته به پلتفرم و GPU خود می توانید از نصب دستی (پایتون + وابستگی ها) یا روش های بسته بندی شده استفاده کنید. ویکی ComfyUI راه اندازی گام به گام برای ویندوز، macOS (از جمله Apple Silicon) و لینوکس را ارائه می دهد.

مدل‌ها: نقاط بازرسی Stable Diffusion خود (به عنوان مثال، پایه/اصلاح کننده SDXL یا SD 1.5) را در پوشه models/checkpoints قرار دهید. فایل های VAE را در models/vae، LoRA ها را در models/loras، مدل های ControlNet را در models/controlnet قرار دهید.

اجرا: اسکریپت شروع را برای سیستم عامل خود اجرا کنید. ComfyUI در مرورگر شما باز می شود. بوم جایی است که گره ها را به هم متصل می کنید.

نکته: درایورهای GPU و CUDA toolkit خود را برای بهترین عملکرد به روز نگه دارید.

مفهوم اصلی: حداقل گردش کار متن به تصویر

جریان متن به تصویر اصلی ComfyUI (به سبک SD 1.5) به این صورت است:

بارگیری مدل

گره: Checkpoint Loader

خروجی: اجزای UNet، CLIP و VAE

رمزگذاری prompts

گره: CLIP Text Encode (مثبت)

گره: CLIP Text Encode (منفی)

خروجی: تعبیه های شرطی برای هدایت

تولید latents

گره: KSampler

ورودی ها: UNet، شرطی سازی مثبت/منفی، seed، steps، sampler (به عنوان مثال، DPM++ 2M Karras) و CFG scale

خروجی: تصویر Latent

رمزگشایی تصویر

گره: VAE Decode

خروجی: تصویر

ذخیره خروجی

گره: Save Image

این نمودار اساسی—Checkpoint → CLIP (مثبت/منفی) → KSampler → VAE Decode → Save—پایه و اساس تقریباً هر کاری است که در ComfyUI انجام خواهید داد.

گردش کار SDXL: پایه + (اختیاری) Refiner

SDXL از رمزگذارهای متنی دوگانه استفاده می کند و اغلب از یک refiner pass بهره می برد.

بارگیری SDXL Base: از یک checkpoint سازگار با SDXL استفاده کنید. بسیاری از قالب های SDXL شامل دو رمزگذار CLIP (برای زمینه بزرگ/کوچک) هستند. prompts مثبت و منفی را وارد کنید.

KSampler (پایه): latents را در 1024×1024 (یا هدف خود) ایجاد کنید. latents یا تصاویر رمزگشایی شده را ذخیره کنید.

Refiner اختیاری: checkpoint اصلاح کننده SDXL را بارگیری کنید و یک KSampler pass اضافی را که مشروط به خروجی پایه است، اجرا کنید، سپس با VAE رمزگشایی کنید.

این فرآیند دو مرحله ای می تواند به طور قابل توجهی جزئیات و انسجام را در وضوح بالاتر بهبود بخشد.

تمرین عملی: اولین نمودار ComfyUI خود را بسازید

از یک الگو شروع کنید: در نوار کناری، یک مثال داخلی متن به تصویر را بارگیری کنید.

checkpoint را جایگزین کنید: مدل SDXL یا SD 1.5 خود را انتخاب کنید.

prompt خود را بنویسید: از گره های CLIP مثبت و منفی استفاده کنید. مثال:

مثبت: “cinematic portrait, soft studio lighting, 85mm lens, highly detailed, film grain”

منفی: “blurry, low-res, deformed, extra fingers, watermark”

تنظیمات KSampler:

Steps: 20–35 برای تعادل سرعت/کیفیت

Sampler: DPM++ 2M Karras (قابل اعتماد) یا Euler a (سریع)

CFG: 4.5–7.5 (بالاتر prompt را بیشتر فشار می دهد، اما می تواند بیش از حد اشباع شود)

Seed: آن را برای تکرارپذیری ثابت کنید. برای اکتشاف تغییر دهید

Resolution: برای SD 1.5، از 512×512 یا 768×768 شروع کنید. برای SDXL، 1024×1024 به خوبی کار می کند.

رمزگشایی و ذخیره: VAE Decode → Save Image را اضافه کنید. برای تولید، روی Queue Prompt کلیک کنید.

درک گره های کلیدی (به زبان ساده)

Checkpoint Loader: مدل انتشار (UNet)، رمزگذار(های) متن (CLIP) و VAE شما را بارگیری می کند. آن را به عنوان «موتور + مغز زبان + مترجم تصویر» خود در نظر بگیرید.

CLIP Text Encode: prompt شما را به تعبیه های عددی که مدل می فهمد تبدیل می کند. از رمزگذارهای متنی مثبت و منفی استفاده کنید.

KSampler: قلب سنتز تصویر. نویز نهفته را با راهنمایی prompt و روش نمونه بردار خود در تعدادی step حذف می کند.

VAE Decode: latents نهایی را به یک تصویر قابل مشاهده تبدیل می کند. تعویض VAE ها، وفاداری رنگ/کنتراست را تغییر می دهد.

Save Image: خروجی را با فراداده روی دیسک می نویسد تا بتوانید بعداً نتایج را دوباره ایجاد کنید.

برای اطلاعات بیشتر در مورد این بلوک های سازنده، به تجزیه و تحلیل های کاربرپسند و توضیحات گره مراجعه کنید.

تقویت کننده ها: LoRA، ControlNet و تصویر به تصویر

از LoRA برای کنترل سبک یا موضوع استفاده کنید

یک گره LoRA Loader اضافه کنید و آن را به شاخه مدل خود متصل کنید.

Strength: از حدود 0.6–0.8 شروع کنید. بر اساس شدت سبک یا برازش بیش از حد، تنظیم کنید.

LoRA های متعدد: زنجیره ای کنید یا ادغام کنید، اما مراقب تعارضات باشید. هنگام پشته کردن، strengths را پایین بیاورید.

ControlNet را برای ترکیب دقیق اضافه کنید

گره های ControlNet به شما امکان می دهند ترکیب را با استفاده از یک نقشه ورودی (Canny، Depth، OpenPose و غیره) هدایت کنید.

جریان معمولی: مدل ControlNet را بارگیری کنید ← تصویر راهنمای خود را پیش پردازش کنید (به عنوان مثال، لبه Canny) ← شرطی سازی ControlNet را به همراه شرطی سازی متن خود به KSampler وارد کنید.

Weight: 0.5–1.2 شروع خوبی است. خیلی زیاد می تواند prompt شما را تحت الشعاع قرار دهد.

تصویر به تصویر یا Inpainting

نویز اولیه را با یک تصویر نهفته از طریق VAE Encode جایگزین کنید.

strength حذف نویز را در KSampler تنظیم کنید تا میزان باقی ماندن تصویر اصلی را کنترل کنید.

برای inpainting، از یک ورودی ماسک و یک خط لوله نمونه بردار آگاه از inpaint استفاده کنید.

تنظیم کیفیت: prompts، CFG، Samplers و Seeds

مهندسی prompt: از توصیف‌کننده‌های مختصر استفاده کنید، نه پاراگراف. ترتیب اهمیت کمتری نسبت به وضوح دارد، اما ویژگی های مهم را در ابتدا نگه دارید.

مقیاس CFG:

پایین (3–5): خلاقانه تر، تبعیت کمتر از prompt

متوسط (6–8): متعادل

بالا (9–12): تبعیت قوی، می تواند مصنوعاتی ایجاد کند

انتخاب Sampler:

DPM++ 2M Karras: تمیز، قابل اعتماد

Euler a: سریع و رسا، عالی برای پیش نمایش

UniPC / Heun / DDIM: ارزش آزمایش دارد. نتایج بر اساس مدل متفاوت است

Seeds:

Seed ثابت = نتایج قابل تکرار

Seed متفاوت = تنوع را کاوش کنید

نکاتی برای عملکرد: رندر روان

بودجه بندی VRAM: اگر به OOM رسیدید، وضوح، steps یا اندازه batch را کاهش دهید. SDXL در 1024×1024 بسته به گره ها می تواند به 8–12 گیگابایت VRAM نیاز داشته باشد.

Half precision: fp16 را در صورت پشتیبانی برای صرفه جویی زیاد در حافظه با از دست دادن کیفیت ناچیز فعال کنید.

Tiling و latent upscalers: کوچک‌تر تولید کنید، سپس از طریق یک گره latent upscaler یا مدل upscaler تصویر برای ذخیره VRAM، مقیاس را افزایش دهید.

Caching: هنگام عدم تغییر prompts، از CLIP encodings و VAE های رمزگشایی شده در بین اجراها دوباره استفاده کنید.

از شاخه های غیر ضروری اجتناب کنید: گره های اضافی جدا شده هنگام اجرا در یک صف، همچنان حافظه مصرف می کنند.

سازماندهی گردش های کاری مانند یک حرفه ای

گره های گروه: از فریم ها/برچسب ها برای سازماندهی بخش ها استفاده کنید (Prompt، Model، Sampler، Output و غیره).

پنل های پارامتر: گره های «کنترل» (به عنوان مثال، جعبه های prompt خالی، لغزنده ها) را در بالا برای تنظیم آسان ایجاد کنید.

ذخیره/اشتراک گذاری: JSON گردش کار خود را صادر کنید و یادداشتی از مدل های استفاده شده را برای تکرارپذیری نگه دارید.

نسخه سازی: نمودارهای جداگانه را برای SD 1.5، SDXL و خطوط لوله تخصصی (انیمه، فوتورئال، عمق به تصویر و غیره) نگه دارید.

عیب یابی مسائل رایج

تصاویر سیاه یا خالی:

VAE اشتباه یا عدم وجود VAE Decode

حذف نویز خیلی کم است (به عنوان مثال، <0.2 در img2img)

رنگ های شسته شده:

VAE دیگری را امتحان کنید. برخی از VAE ها کنتراست را به طور محسوسی بهبود می بخشند

CFG را کاهش دهید یا Sampler را تغییر دهید

هیچ چیز در بین اجراها تغییر نمی کند:

Seed ثابت است. تصادفی کردن را فعال کنید یا یک seed جدید تنظیم کنید

خارج از حافظه (OOM):

وضوح، steps یا اندازه batch را کاهش دهید. به fp16 تغییر دهید

سایر برنامه های GPU را ببندید. پشته های ControlNet/LoRA را ساده کنید

مدل یافت نشد / گره قرمز:

مسیرهای فایل و پوشه های مدل را تأیید کنید. پسوند فایل را تأیید کنید

سریعتر با گردش های کاری از پیش ساخته شده بیاموزید

راهنماهای تصویری و مجموعه های مبتدی می توانند منحنی یادگیری شما را با نمودارهای آماده به اجرا که می توانید مکث کرده و تجزیه کنید، تسریع کنند. آموزش ها و ویکی های نوشته شده، توضیحات گره و مراحل نصب به روز شده را برای به روز نگه داشتن شما ارائه می دهند.

پیشرفته: مدولار کردن و گسترش نمودارهای خود

API/گره های خارجی: برخی از آموزش ها اتصال ComfyUI به خدمات هوش مصنوعی خارجی از طریق گره های ویژه را پوشش می دهند و خطوط لوله ترکیبی و انتقال وظایف سنگین را امکان پذیر می کنند.

کتابخانه ها و پسوند های گره: گره های انجمن را برای زمانبندها، ارتقاء دهنده ها و پیش پردازش (ژست، عمق، قطعه بندی) کاوش کنید. همیشه سازگاری با نسخه ComfyUI خود را بررسی کنید.

اصلاح کننده های SDXL و نمونه بردارهای زنجیره ای: حذف نویز مرحله ای (پایه ← اصلاح کننده) یا حتی چند نمونه بردار را برای ترکیب سبکی اجرا کنید.

شایان ذکر است: تسریع در prompting با Sider.AI

اگر مرتباً prompts، مراجع یا توضیحات را تکرار می کنید، ممکن است بخواهید یک همکار برای طوفان فکری و اصلاح تغییرات داشته باشید. به هر حال، Sider.AI می تواند به شما کمک کند تا به سرعت prompts ساختاریافته را تهیه کنید، لیست prompts منفی ایجاد کنید و آزمایش های گردش کار خود را خلاصه کنید تا بین اجراها پیگیری را از دست ندهید. می توانید آن را در اینجا امتحان کنید:

یک گردش کار ساده SDXL Starter (این الگو را کپی کنید)

Checkpoint Loader (SDXL Base)

CLIP Text Encode (مثبت) — “ultra-detailed product photo, softbox lighting, 50mm lens, reflective surface”

CLIP Text Encode (منفی) — “low-res, motion blur, watermark, background clutter”

KSampler: 1024×1024, 28 steps, DPM++ 2M Karras, CFG 5.5, seed ثابت

VAE Decode → Save Image

افزودنی های اختیاری:

اصلاح کننده pass با SDXL Refiner checkpoint در 10–15 steps

ControlNet (Depth) با یک شبح شی ساده برای طرح

LoRA در 0.6 برای یک برند یا سبک هنری خاص

نکات کلیدی

قدرت ComfyUI از شفافیت آن ناشی می شود—خط لوله خود را گره به گره بسازید.

زنجیره اصلی متن به تصویر ساده است: Checkpoint → CLIP (مثبت/منفی) → KSampler → VAE Decode → Save.

SDXL از رمزگذارهای دوگانه و یک refiner pass اختیاری برای جزئیات بهره می برد.

LoRA و ControlNet به شما کنترل سبک و دقت ترکیب را می دهند.

CFG، Sampler و Seed را برای کیفیت و ثبات تنظیم کنید. VRAM را با fp16 و وضوح معقول مدیریت کنید.

گردش های کاری را سازماندهی کنید و آنها را برای تکرار بدون دردسر نسخه بندی کنید.

مراحل بعدی

ComfyUI را با دنبال کردن دستورالعمل‌های repo/wiki نصب کنید و یک گردش کار نمونه را راه‌اندازی کنید.

زنجیره حداقل را از ابتدا بازسازی کنید تا اصول اولیه را تثبیت کنید.

ControlNet و LoRA را اضافه کنید، سپس تنظیمات Sampler و CFG را تست A/B انجام دهید.

JSON گردش کار خود را با یادداشت هایی در مورد مدل ها، Seeds و پارامترها ذخیره و به اشتراک بگذارید.

تولید مبارک—و به دنیای آرام و قابل کنترل ComfyUI خوش آمدید.

سوالات متداول

Q1:چگونه ComfyUI را روی ویندوز، macOS یا لینوکس نصب و اجرا کنم؟ مراحل خاص پلتفرم، مکان‌های پوشه مدل و وابستگی‌ها را در مخزن رسمی و ویکی انجمن دنبال کنید. پس از نصب، سرور محلی را راه اندازی کنید و ComfyUI را در مرورگر خود باز کنید تا سیم کشی گره ها را شروع کنید.

Q2:ساده‌ترین گردش کار ComfyUI برای متن به تصویر چیست؟ یک checkpoint را بارگیری کنید، prompts مثبت و منفی را با CLIP رمزگذاری کنید، یک KSampler را اجرا کنید، با VAE رمزگشایی کنید، سپس تصویر را ذخیره کنید. این زنجیره پایه و اساس نحوه استفاده موثر از ComfyUI برای اکثر نسل‌ها است.

Q3:چگونه از SDXL در ComfyUI استفاده کنم؟ از یک checkpoint SDXL با رمزگذارهای متنی دوگانه استفاده کنید، سپس به صورت اختیاری یک refiner pass برای جزئیات بهتر اضافه کنید. با CFG متعادل (حدود 5-7) و یک Sampler کارآمد مانند DPM++ 2M Karras در 1024×1024 اجرا کنید.

Q4:آیا می توانم ControlNet و LoRA را در یک گردش کار ComfyUI اضافه کنم؟ بله. گره های LoRA و ControlNet خود را بارگیری کنید، آنها را به شرط های مدل و KSampler متصل کنید و weights را تنظیم کنید (به عنوان مثال، 0.6-0.8 برای LoRA، ~0.5-1.2 برای ControlNet). مراقب میزان استفاده از VRAM باشید و در صورت رسیدن به OOM، وضوح یا steps را کاهش دهید.

Q5:چرا تصاویر ComfyUI من کنتراست پایینی دارند یا شسته شده اند؟ یک VAE متفاوت را امتحان کنید، CFG را کاهش دهید یا Sampler ها را تغییر دهید. برخی از VAE ها رنگ و کنتراست دقیق تری تولید می کنند. تنظیمات کوچک می تواند به سرعت نتایج شسته شده را برطرف کند.