ComfyUI નો ઉપયોગ કેવી રીતે કરવો: શિખાઉ લોકો માટે એક વ્યવહારુ, સ્ટેપ-બાય-સ્ટેપ માર્ગદર્શિકા
જો તમે સાંભળ્યું હોય કે ComfyUI “નોડ-આધારિત અને ખૂબ જ શક્તિશાળી” છે પરંતુ બધા બોક્સ અને વાયરથી ડરી ગયા છો, તો તમે એકલા નથી. સારા સમાચાર: એકવાર તમે થોડા મુખ્ય ખ્યાલો શીખી લો—ચેકપોઇન્ટ્સ, એન્કોડર્સ, સેમ્પલર્સ અને ડીકોડર્સ—તો તમે એક પ્રોની જેમ ઇમેજ વર્કફ્લો બનાવશો. આ વ્યવહારુ માર્ગદર્શિકા તમને ઇન્સ્ટોલેશનથી લઈને તમારી પ્રથમ SDXL ઇમેજ સુધી ComfyUI નો ઉપયોગ કેવી રીતે કરવો તે સમજાવે છે, સાથે જ ControlNet, LoRAs અને ગુણવત્તા/પર્ફોર્મન્સ ટ્યુનિંગ માટેના વર્કફ્લો પણ સમજાવે છે.
અંત સુધીમાં, તમને બરાબર ખબર પડશે કે અનુમાન લગાવ્યા વિના સતત, પુનરાવર્તિત અને લવચીક ઇમેજ બનાવવા માટે ComfyUI નો ઉપયોગ કેવી રીતે કરવો.
ComfyUI શું છે અને તેનો ઉપયોગ શા માટે કરવો?
ComfyUI એ સ્ટેબલ ડિફ્યુઝન માટે વિઝ્યુઅલ, નોડ-આધારિત ઇન્ટરફેસ છે જે તમને તમારી ઇમેજ પાઇપલાઇનને સ્ટેપ બાય સ્ટેપ ડિઝાઇન કરવા દે છે. એક જ “જનરેટ” બટનના બદલે, તમે નોડ્સને કનેક્ટ કરો છો—દરેક નોડ એક અલગ કાર્યને હેન્ડલ કરે છે જેમ કે મોડેલ લોડ કરવું, ટેક્સ્ટ એન્કોડ કરવું, લેટેન્ટ્સ સેમ્પલ કરવા અથવા અંતિમ ઇમેજને ડીકોડ કરવી. તે ઝડપી, મોડ્યુલર અને પારદર્શક છે—શીખવા, પ્રયોગ કરવા અને પ્રોડક્શન વર્કફ્લો માટે યોગ્ય છે.
ઝડપી શરૂઆત: ComfyUI ઇન્સ્ટોલ કરો અને લોંચ કરો
- Windows/macOS/Linux: સત્તાવાર રેપો અને સમુદાય ઇન્સ્ટોલેશન માર્ગદર્શિકાઓને અનુસરો. તમે મેન્યુઅલ ઇન્સ્ટોલેશન (Python + ડિપેન્ડન્સીઝ) અથવા તમારા પ્લેટફોર્મ અને GPU ના આધારે પેકેજ્ડ પદ્ધતિઓનો ઉપયોગ કરી શકો છો. ComfyUI વિકી Windows, macOS (Apple Silicon સહિત) અને Linux માટે સ્ટેપ-બાય-સ્ટેપ સેટઅપ પ્રદાન કરે છે.
- મોડેલ્સ: તમારા સ્ટેબલ ડિફ્યુઝન ચેકપોઇન્ટ્સ (દા.ત., SDXL બેઝ/રિફાઇનર અથવા SD 1.5) ને
models/checkpoints ફોલ્ડરમાં મૂકો. VAE ફાઇલોને models/vae માં, LoRAs ને models/loras માં, ControlNet મોડેલોને models/controlnet માં મૂકો.
- લોંચ: તમારી OS માટે સ્ટાર્ટ સ્ક્રિપ્ટ ચલાવો; ComfyUI તમારા બ્રાઉઝરમાં ખુલે છે. કેનવાસ એ એવી જગ્યા છે જ્યાં તમે નોડ્સને એકસાથે વાયર કરશો.
ટીપ: શ્રેષ્ઠ કામગીરી માટે તમારા GPU ડ્રાઇવરો અને CUDA ટૂલકિટને અપ ટૂ ડેટ રાખો.
મુખ્ય ખ્યાલ: ન્યૂનતમ ટેક્સ્ટ-ટુ-ઇમેજ વર્કફ્લો
ComfyUI નો મૂળભૂત ટેક્સ્ટ-ટુ-ઇમેજ ફ્લો (SD 1.5 શૈલી) આના જેવો દેખાય છે:
- આઉટપુટ: UNet, CLIP અને VAE ઘટકો
- નોડ: CLIP Text Encode (પોઝિટિવ)
- નોડ: CLIP Text Encode (નેગેટિવ)
- આઉટપુટ: માર્ગદર્શન માટે કન્ડીશનીંગ એમ્બેડિંગ્સ
- ઇનપુટ્સ: UNet, પોઝિટિવ/નેગેટિવ કન્ડીશનીંગ, સીડ, સ્ટેપ્સ, સેમ્પલર (દા.ત., DPM++ 2M Karras), અને CFG સ્કેલ
આ મૂળભૂત ગ્રાફ—Checkpoint → CLIP (pos/neg) → KSampler → VAE Decode → Save—એ લગભગ દરેક વસ્તુનો પાયો છે જે તમે ComfyUI માં કરશો.
SDXL વર્કફ્લો: બેઝ + (વૈકલ્પિક) રિફાઇનર
SDXL ડ્યુઅલ ટેક્સ્ટ એન્કોડર્સનો ઉપયોગ કરે છે અને ઘણીવાર રિફાઇનર પાસથી ફાયદો થાય છે.
- SDXL બેઝ લોડ કરો: SDXL-સુસંગત ચેકપોઇન્ટનો ઉપયોગ કરો. ઘણા SDXL ટેમ્પ્લેટ્સમાં બે CLIP એન્કોડર્સ (મોટા/નાના સંદર્ભ માટે) શામેલ છે. પોઝિટિવ અને નેગેટિવ બંને પ્રોમ્પ્ટ્સ ફીડ કરો.
- KSampler (બેઝ): 1024×1024 (અથવા તમારા લક્ષ્ય) પર લેટેન્ટ્સ જનરેટ કરો. લેટેન્ટ્સ અથવા ડીકોડેડ ઇમેજ સેવ કરો.
- વૈકલ્પિક રિફાઇનર: SDXL રિફાઇનર ચેકપોઇન્ટ લોડ કરો અને બેઝ આઉટપુટ પર કન્ડીશન્ડ વધારાનો KSampler પાસ ચલાવો, પછી VAE થી ડીકોડ કરો.
આ ટુ-સ્ટેજ પ્રક્રિયા ઉચ્ચ રિઝોલ્યુશન પર વિગતો અને સુસંગતતામાં નોંધપાત્ર સુધારો કરી શકે છે.
હેન્ડ્સ-ઓન: તમારો પ્રથમ ComfyUI ગ્રાફ બનાવો
- ટેમ્પ્લેટથી શરૂઆત કરો: સાઇડબારમાં, બિલ્ટ-ઇન ટેક્સ્ટ-ટુ-ઇમેજ ઉદાહરણ લોડ કરો.
- ચેકપોઇન્ટ બદલો: તમારું SDXL અથવા SD 1.5 મોડેલ પસંદ કરો.
- તમારો પ્રોમ્પ્ટ લખો: પોઝિટિવ અને નેગેટિવ CLIP નોડ્સનો ઉપયોગ કરો. ઉદાહરણ:
- પોઝિટિવ: “સિનેમેટિક પોટ્રેટ, સોફ્ટ સ્ટુડિયો લાઇટિંગ, 85mm લેન્સ, અત્યંત વિગતવાર, ફિલ્મ ગ્રેઇન”
- નેગેટિવ: “બ્લરી, લો-રેઝ, ડિફોર્મ્ડ, વધારાની આંગળીઓ, વોટરમાર્ક”
- સ્ટેપ્સ: ઝડપ/ગુણવત્તા સંતુલન માટે 20–35
- સેમ્પલર: DPM++ 2M Karras (વિશ્વસનીય) અથવા Euler a (ઝડપી)
- CFG: 4.5–7.5 (ઉચ્ચ પ્રોમ્પ્ટને વધુ દબાણ કરે છે, પરંતુ ઓવરસંતૃપ્ત કરી શકે છે)
- સીડ: પુનઉત્પાદનક્ષમતા માટે તેને ઠીક કરો; સંશોધન માટે બદલો
- રિઝોલ્યુશન: SD 1.5 માટે, 512×512 અથવા 768×768 થી શરૂ કરો. SDXL માટે, 1024×1024 સારી રીતે કામ કરે છે.
- ડીકોડ અને સેવ: VAE Decode → Save Image ઉમેરો. જનરેટ કરવા માટે Queue Prompt પર ક્લિક કરો.
મુખ્ય નોડ્સને સમજવું (સાદી ભાષામાં)
- Checkpoint Loader: તમારા ડિફ્યુઝન મોડેલ (UNet), ટેક્સ્ટ એન્કોડર(ઓ) (CLIP), અને VAE લોડ કરે છે. તેને તમારા “એન્જિન + ભાષા મગજ + ઇમેજ અનુવાદક” તરીકે વિચારો.
- CLIP Text Encode: તમારા પ્રોમ્પ્ટને સંખ્યાત્મક એમ્બેડિંગ્સમાં રૂપાંતરિત કરે છે જે મોડેલ સમજે છે. પોઝિટિવ અને નેગેટિવ બંને ટેક્સ્ટ એન્કોડર્સનો ઉપયોગ કરો.
- KSampler: ઇમેજ સંશ્લેષણનું હૃદય. તે તમારી પ્રોમ્પ્ટ અને સેમ્પલર પદ્ધતિ દ્વારા માર્ગદર્શન આપીને ઘણા સ્ટેપ્સમાં લેટેન્ટ અવાજને દૂર કરે છે.
- VAE Decode: અંતિમ લેટેન્ટ્સને જોવા યોગ્ય ઇમેજમાં અનુવાદિત કરે છે. VAEs ને બદલવાથી રંગ/કોન્ટ્રાસ્ટની ચોકસાઈ બદલાય છે.
- Save Image: પરિણામોને પછીથી ફરીથી બનાવવા માટે મેટાડેટા સાથે ડિસ્ક પર આઉટપુટ લખે છે.
આ બિલ્ડિંગ બ્લોક્સ પર વધુ ઊંડાણપૂર્વક માહિતી માટે, શિખાઉ માણસો માટે યોગ્ય બ્રેકડાઉન્સ અને નોડ સમજૂતીઓ જુઓ.
પાવર-અપ્સ: LoRA, ControlNet અને ઇમેજ-ટુ-ઇમેજ
શૈલી અથવા વિષય નિયંત્રણ માટે LoRA નો ઉપયોગ કરો
- LoRA Loader નોડ ઉમેરો અને તેને તમારી મોડેલ શાખા સાથે જોડો.
- સ્ટ્રેન્થ: લગભગ 0.6–0.8 થી શરૂઆત કરો; શૈલીની તીવ્રતા અથવા ઓવરફિટિંગના આધારે એડજસ્ટ કરો.
- મલ્ટીપલ LoRAs: ચેઇન અથવા મર્જ કરો, પરંતુ સંઘર્ષો માટે ધ્યાન રાખો; સ્ટેક કરતી વખતે ઓછી સ્ટ્રેન્થનો ઉપયોગ કરો.
ચોક્કસ રચના માટે ControlNet ઉમેરો
- ControlNet નોડ્સ તમને ઇનપુટ મેપ (Canny, Depth, OpenPose, વગેરે) નો ઉપયોગ કરીને રચનાને દિશામાન કરવા દે છે.
- લાક્ષણિક ફ્લો: ControlNet મોડેલ લોડ કરો → તમારી માર્ગદર્શક ઇમેજને પ્રીપ્રોસેસ કરો (દા.ત., Canny એજ) → તમારા ટેક્સ્ટ કન્ડીશનીંગ સાથે ControlNet કન્ડીશનીંગને KSampler માં ફીડ કરો.
- વેઇટ: 0.5–1.2 એ સારી શરૂઆત છે. ખૂબ ઊંચું તમારા પ્રોમ્પ્ટને દબાવી શકે છે.
ઇમેજ-ટુ-ઇમેજ અથવા ઇનપેઇન્ટિંગ
- VAE Encode દ્વારા પ્રારંભિક અવાજને ઇમેજ લેટેન્ટથી બદલો.
- મૂળ ઇમેજ કેટલી રહે છે તે નિયંત્રિત કરવા માટે KSampler માં ડિનોઇઝ સ્ટ્રેન્થ એડજસ્ટ કરો.
- ઇનપેઇન્ટિંગ માટે, માસ્ક ઇનપુટ અને ઇનપેઇન્ટ-અવેર સેમ્પલર પાઇપલાઇનનો ઉપયોગ કરો.
ક્વોલિટી ટ્યુનિંગ: પ્રોમ્પ્ટ્સ, CFG, સેમ્પલર્સ અને સીડ્સ
- પ્રોમ્પ્ટ એન્જિનિયરિંગ: ફકરાઓ નહીં, સંક્ષિપ્ત વર્ણનોનો ઉપયોગ કરો. સ્પષ્ટતા કરતાં ક્રમ ઓછો મહત્વપૂર્ણ છે, પરંતુ મહત્વપૂર્ણ લક્ષણોને આગળ રાખો.
- લો (3–5): વધુ સર્જનાત્મક, ઓછું પ્રોમ્પ્ટ પાલન
- હાઈ (9–12): મજબૂત પાલન, આર્ટિફેક્ટ્સ બનાવી શકે છે
- DPM++ 2M Karras: સ્વચ્છ, વિશ્વસનીય
- Euler a: ઝડપી અને અભિવ્યક્ત, પ્રિવ્યૂ માટે શ્રેષ્ઠ
- UniPC / Heun / DDIM: પરીક્ષણ કરવા યોગ્ય; પરિણામો મોડેલ પ્રમાણે બદલાય છે
- ફિક્સ્ડ સીડ = પુનઉત્પાદનક્ષમ પરિણામો
- બદલાતો સીડ = વિવિધતાનું સંશોધન કરો
સરળ રેન્ડર માટે પર્ફોર્મન્સ ટિપ્સ
- VRAM બજેટિંગ: જો તમે OOM પર પહોંચો છો, તો રિઝોલ્યુશન, સ્ટેપ્સ અથવા બેચ સાઈઝ ઓછી કરો. નોડ્સના આધારે 1024×1024 પર SDXL ને 8–12 GB VRAM ની જરૂર પડી શકે છે.
- હાફ પ્રિસિઝન: જ્યાં સપોર્ટેડ હોય ત્યાં fp16 ને સક્ષમ કરો, જેનાથી નજીવી ગુણવત્તા નુકસાન સાથે મોટી મેમરી બચત થાય છે.
- ટાઈલિંગ અને લેટેન્ટ અપસ્કેલર્સ: નાના જનરેટ કરો, પછી VRAM બચાવવા માટે લેટેન્ટ અપસ્કેલર નોડ અથવા ઇમેજ અપસ્કેલર મોડેલ દ્વારા અપસ્કેલ કરો.
- કેશીંગ: જ્યારે પ્રોમ્પ્ટ્સ બદલાતા નથી, ત્યારે રન્સમાં CLIP એન્કોડિંગ્સ અને ડીકોડેડ VAEs નો ફરીથી ઉપયોગ કરો.
- બિનજરૂરી શાખાઓ ટાળો: એક્સ્ટ્રા ડિસ્કનેક્ટેડ નોડ્સ સમાન કતારમાં એક્ઝિક્યુટ થવા પર પણ મેમરી વાપરે છે.
એક પ્રોની જેમ વર્કફ્લોનું આયોજન કરવું
- ગ્રુપ નોડ્સ: વિભાગો (પ્રોમ્પ્ટ, મોડેલ, સેમ્પલર, આઉટપુટ, વગેરે) ગોઠવવા માટે ફ્રેમ્સ/લેબલ્સનો ઉપયોગ કરો.
- પેરામીટર પેનલ્સ: સરળ ટ્યુનિંગ માટે ટોચ પર “કંટ્રોલ” નોડ્સ (દા.ત., ખાલી પ્રોમ્પ્ટ બોક્સ, સ્લાઇડર્સ) બનાવો.
- સેવ/શેર: તમારા વર્કફ્લો JSON ને એક્સપોર્ટ કરો અને પુનઉત્પાદનક્ષમતા માટે
models used નોટ રાખો.
- વર્ઝનિંગ: SD 1.5, SDXL અને સ્પેશિયાલિટી પાઇપલાઇન્સ (એનિમે, ફોટોરીયલ, ડેપ્થ-ટુ-ઇમેજ, વગેરે) માટે અલગ ગ્રાફ રાખો.
સામાન્ય સમસ્યાઓનું નિવારણ
- ખોટો VAE અથવા ગુમ થયેલ VAE Decode
- ખૂબ ઓછો ડિનોઇઝ (દા.ત., img2img માં <0.2)
- અન્ય VAE અજમાવો; કેટલાક VAEs કોન્ટ્રાસ્ટમાં નોંધપાત્ર સુધારો કરે છે
- CFG ઓછું કરો અથવા સેમ્પલર બદલો
- રન્સમાં કંઈપણ બદલાતું નથી:
- સીડ ફિક્સ્ડ છે; રેન્ડમાઇઝને સક્ષમ કરો અથવા નવો સીડ સેટ કરો
- રિઝોલ્યુશન, સ્ટેપ્સ અથવા બેચ સાઈઝ ઘટાડો; fp16 પર સ્વિચ કરો
- અન્ય GPU એપ્સ બંધ કરો; ControlNet/LoRA સ્ટેક્સને સરળ બનાવો
- મોડેલ મળ્યું નથી / લાલ નોડ:
- ફાઇલ પાથ અને મોડેલ ફોલ્ડર્સ ચકાસો; ફાઇલ એક્સ્ટેંશનની પુષ્ટિ કરો
પૂર્વ-બિલ્ટ વર્કફ્લો સાથે ઝડપથી શીખો
વિડિયો વોકથ્રુ અને શિખાઉ માણસો માટેની શ્રેણીઓ રેડી-ટુ-રન ગ્રાફ્સ સાથે તમારા શીખવાના વળાંકને ઝડપી બનાવી શકે છે જેને તમે થોભાવી શકો છો અને વિશ્લેષણ કરી શકો છો. લેખિત ટ્યુટોરિયલ્સ અને વિકી તમને વર્તમાન રાખવા માટે નોડ સમજૂતીઓ અને અપડેટ કરેલા ઇન્સ્ટોલેશન સ્ટેપ્સ પ્રદાન કરે છે.
એડવાન્સ્ડ: તમારા ગ્રાફ્સનું મોડ્યુલરાઇઝિંગ અને એક્સટેન્ડિંગ
- API/બાહ્ય નોડ્સ: કેટલાક ટ્યુટોરિયલ્સ ખાસ નોડ્સ દ્વારા ComfyUI ને બાહ્ય AI સેવાઓ સાથે કનેક્ટ કરવાનું આવરી લે છે, જે હાઇબ્રિડ પાઇપલાઇન્સ અને હેવી ટાસ્કને ઓફલોડ કરવાનું શક્ય બનાવે છે.
- નોડ લાઇબ્રેરીઓ અને એક્સ્ટેન્શન્સ: શેડ્યૂલર્સ, અપસ્કેલર્સ અને પ્રીપ્રોસેસિંગ (પોઝ, ડેપ્થ, સેગમેન્ટેશન) માટે સમુદાય નોડ્સનું અન્વેષણ કરો. હંમેશા તમારા ComfyUI વર્ઝન સાથે સુસંગતતા તપાસો.
- SDXL રિફાઇનર્સ અને ચેઇન્ડ સેમ્પલર્સ: સ્ટેજ્ડ ડિનોઇઝિંગ (બેઝ → રિફાઇનર) અથવા સ્ટાઇલિસ્ટિક બ્લેન્ડિંગ માટે મલ્ટીપલ સેમ્પલર્સ પણ ચલાવો.
નોંધનીય: Sider.AI થી પ્રોમ્પ્ટીંગને ઝડપી બનાવવું
જો તમે વારંવાર પ્રોમ્પ્ટ્સ, રેફરન્સ અથવા વર્ણનો પર પુનરાવર્તન કરો છો, તો તમે ચલો પર વિચાર કરવા અને તેને સુધારવા માટે એક સાઇડકિક ઇચ્છો છો. માર્ગ દ્વારા, Sider.AI તમને ઝડપથી સ્ટ્રક્ચર્ડ પ્રોમ્પ્ટ્સનો મુસદ્દો તૈયાર કરવામાં, નેગેટિવ પ્રોમ્પ્ટ લિસ્ટ જનરેટ કરવામાં અને તમારા વર્કફ્લો પ્રયોગોનો સારાંશ આપવામાં મદદ કરી શકે છે જેથી તમે રન્સ વચ્ચે ટ્રેક ગુમાવશો નહીં. તમે તેને અહીં અજમાવી શકો છો: એક સરળ SDXL સ્ટાર્ટર વર્કફ્લો (આ પેટર્ન કોપી કરો)
- Checkpoint Loader (SDXL બેઝ)
- CLIP Text Encode (પોઝિટિવ) — “અલ્ટ્રા-ડિટેઇલ્ડ પ્રોડક્ટ ફોટો, સોફ્ટબોક્સ લાઇટિંગ, 50mm લેન્સ, રિફ્લેક્ટિવ સરફેસ”
- CLIP Text Encode (નેગેટિવ) — “લો-રેઝ, મોશન બ્લર, વોટરમાર્ક, બેકગ્રાઉન્ડ ક્લટર”
- KSampler: 1024×1024, 28 સ્ટેપ્સ, DPM++ 2M Karras, CFG 5.5, ફિક્સ્ડ સીડ
વૈકલ્પિક એડ-ઓન્સ:
- 10–15 સ્ટેપ્સ પર SDXL રિફાઇનર ચેકપોઇન્ટ સાથે રિફાઇનર પાસ
- લેઆઉટ માટે એક સરળ ઓબ્જેક્ટ સિલુએટ સાથે ControlNet (ડેપ્થ)
- ચોક્કસ બ્રાન્ડ અથવા આર્ટ સ્ટાઇલ માટે 0.6 પર LoRA
મુખ્ય બાબતો
- ComfyUI ની શક્તિ તેની પારદર્શિતાથી આવે છે—નોડ દ્વારા તમારા પાઇપલાઇન નોડને બનાવો.
- મૂળભૂત ટેક્સ્ટ-ટુ-ઇમેજ ચેઇન સરળ છે: Checkpoint → CLIP (pos/neg) → KSampler → VAE Decode → Save.
- SDXL ડ્યુઅલ એન્કોડર્સ અને વિગતો માટે વૈકલ્પિક રિફાઇનર પાસથી લાભ મેળવે છે.
- LoRAs અને ControlNet તમને સ્ટાઇલ નિયંત્રણ અને રચનાની ચોકસાઈ આપે છે.
- ગુણવત્તા અને સુસંગતતા માટે CFG, સેમ્પલર અને સીડને ટ્યુન કરો; fp16 અને સમજદાર રિઝોલ્યુશન સાથે VRAM નું સંચાલન કરો.
- વર્કફ્લોનું આયોજન કરો અને પીડારહિત પુનરાવૃત્તિ માટે તેનું વર્ઝનિંગ કરો.
આગળના સ્ટેપ્સ
- રેપો/વિકી સૂચનાઓ અનુસરીને ComfyUI ઇન્સ્ટોલ કરો અને એક નમૂના વર્કફ્લો લોંચ કરો.
- મૂળભૂતોને મજબૂત કરવા માટે શરૂઆતથી ન્યૂનતમ ચેઇન ફરીથી બનાવો.
- ControlNet અને LoRA ઉમેરો, પછી A/B ટેસ્ટ સેમ્પલર અને CFG સેટિંગ્સ કરો.
- મોડેલ્સ, સીડ્સ અને પેરામીટર્સ પર નોંધો સાથે તમારા વર્કફ્લો JSON ને સેવ કરો અને શેર કરો.
હેપ્પી જનરેટિંગ—અને ComfyUI ની શાંત, નિયંત્રણક્ષમ દુનિયામાં આપનું સ્વાગત છે.
FAQ
Q1: Windows, macOS અથવા Linux પર ComfyUI કેવી રીતે ઇન્સ્ટોલ કરવું અને ચલાવવું?
પ્લેટફોર્મ-વિશિષ્ટ સ્ટેપ્સ, મોડેલ ફોલ્ડર સ્થાનો અને ડિપેન્ડન્સીઝ માટે સત્તાવાર રેપો અને સમુદાય વિકીને અનુસરો. ઇન્સ્ટોલેશન પછી, સ્થાનિક સર્વર લોંચ કરો અને નોડ્સને વાયર કરવાનું શરૂ કરવા માટે તમારા બ્રાઉઝરમાં ComfyUI ખોલો.
Q2: ટેક્સ્ટ-ટુ-ઇમેજ માટે સૌથી સરળ ComfyUI વર્કફ્લો શું છે?
ચેકપોઇન્ટ લોડ કરો, CLIP સાથે પોઝિટિવ અને નેગેટિવ પ્રોમ્પ્ટ્સ એન્કોડ કરો, KSampler ચલાવો, VAE થી ડીકોડ કરો, પછી ઇમેજ સેવ કરો. મોટાભાગના જનરેશન માટે અસરકારક રીતે ComfyUI નો ઉપયોગ કેવી રીતે કરવો તેનો આ ચેઇન પાયો છે.
Q3: હું ComfyUI માં SDXL નો ઉપયોગ કેવી રીતે કરી શકું?
ડ્યુઅલ ટેક્સ્ટ એન્કોડર્સ સાથે SDXL ચેકપોઇન્ટનો ઉપયોગ કરો, પછી વધુ સારી વિગતો માટે વૈકલ્પિક રીતે રિફાઇનર પાસ ઉમેરો. સંતુલિત CFG (લગભગ 5–7) અને DPM++ 2M Karras જેવા કાર્યક્ષમ સેમ્પલર સાથે 1024×1024 પર ચલાવો.
Q4: શું હું સમાન ComfyUI વર્કફ્લોમાં ControlNet અને LoRA ઉમેરી શકું?
હા. તમારા LoRA અને ControlNet નોડ્સ લોડ કરો, તેમને મોડેલ અને KSampler કન્ડીશનીંગ સાથે જોડો અને વેઇટ્સને ટ્યુન કરો (દા.ત., LoRA માટે 0.6–0.8, ControlNet માટે ~0.5–1.2). VRAM વપરાશ જુઓ અને જો તમે OOM પર પહોંચો છો તો રિઝોલ્યુશન અથવા સ્ટેપ્સ ઘટાડો.
Q5: મારી ComfyUI ઇમેજ શા માટે લો-કોન્ટ્રાસ્ટ અથવા ધોવાઇ ગયેલી છે?
એક અલગ VAE અજમાવો, CFG ઓછું કરો અથવા સેમ્પલર્સ બદલો. કેટલાક VAEs વધુ વિશ્વાસુ રંગ અને કોન્ટ્રાસ્ટ ઉત્પન્ન કરે છે; નાના એડજસ્ટમેન્ટ્સ ધોવાઇ ગયેલા પરિણામોને ઝડપથી ઠીક કરી શકે છે.
