ComfyUI का उपयोग कैसे करें: शुरुआती लोगों के लिए एक व्यावहारिक, चरण-दर-चरण गाइड
यदि आपने सुना है कि ComfyUI "नोड-आधारित और सुपर शक्तिशाली" है, लेकिन सभी बॉक्स और तारों से डर लगता है, तो आप अकेले नहीं हैं। अच्छी खबर: एक बार जब आप कुछ मुख्य अवधारणाओं - चेकपॉइंट्स, एनकोडर, सैंपलर और डिकोडर - को सीख लेते हैं, तो आप एक पेशेवर की तरह इमेज वर्कफ़्लो बना रहे होंगे। यह व्यावहारिक गाइड आपको इंस्टॉलेशन से लेकर आपकी पहली SDXL इमेज तक ComfyUI का उपयोग करने का तरीका बताता है, साथ ही ControlNet, LoRA और गुणवत्ता/प्रदर्शन ट्यूनिंग के लिए वर्कफ़्लो भी बताता है।
अंत तक, आप ठीक से जान जाएंगे कि बिना अनुमान लगाए लगातार, दोहराने योग्य और लचीली इमेज जेनरेशन बनाने के लिए ComfyUI का उपयोग कैसे करें।
ComfyUI क्या है और इसका उपयोग क्यों करें?
ComfyUI स्टेबल डिफ्यूजन के लिए एक विज़ुअल, नोड-आधारित इंटरफ़ेस है जो आपको अपनी इमेज पाइपलाइन को चरण दर चरण डिज़ाइन करने देता है। एक सिंगल "जेनरेट" बटन के बजाय, आप नोड्स को कनेक्ट करते हैं - प्रत्येक एक अलग कार्य को संभालता है जैसे कि मॉडल लोड करना, टेक्स्ट को एनकोड करना, लेटेंट्स को सैंपल करना या अंतिम इमेज को डिकोड करना। यह तेज़, मॉड्यूलर और पारदर्शी है—सीखने, प्रयोग और प्रोडक्शन वर्कफ़्लो के लिए बिल्कुल सही है।
क्विक स्टार्ट: ComfyUI को इंस्टॉल और लॉन्च करें
- विंडोज/मैकओएस/लिनक्स: आधिकारिक रेपो और समुदाय इंस्टॉलेशन गाइड का पालन करें। आप अपनी प्लेटफ़ॉर्म और GPU के आधार पर मैन्युअल इंस्टॉलेशन (Python + डिपेंडेंसी) या पैकेज्ड तरीकों का उपयोग कर सकते हैं। ComfyUI विकी विंडोज, मैकओएस (Apple सिलिकॉन सहित) और लिनक्स के लिए चरण-दर-चरण सेटअप प्रदान करता है।
- मॉडल: अपने स्टेबल डिफ्यूजन चेकपॉइंट (उदाहरण के लिए, SDXL बेस/रिफाइनर या SD 1.5) को
models/checkpoints फ़ोल्डर में रखें। VAE फ़ाइलों को models/vae में, LoRA को models/loras में, ControlNet मॉडल को models/controlnet में रखें।
- लॉन्च: अपने OS के लिए स्टार्ट स्क्रिप्ट चलाएं; ComfyUI आपके ब्राउज़र में खुलता है। कैनवास वह जगह है जहाँ आप नोड्स को एक साथ जोड़ेंगे।
टिप: सर्वोत्तम प्रदर्शन के लिए अपने GPU ड्राइवर और CUDA टूलकिट को अप टू डेट रखें।
मूल अवधारणा: न्यूनतम टेक्स्ट-टू-इमेज वर्कफ़्लो
ComfyUI का बेसिक टेक्स्ट-टू-इमेज फ्लो (SD 1.5 स्टाइल) इस तरह दिखता है:
- आउटपुट: UNet, CLIP और VAE घटक
- नोड: CLIP टेक्स्ट एनकोड (पॉजिटिव)
- नोड: CLIP टेक्स्ट एनकोड (नेगेटिव)
- आउटपुट: मार्गदर्शन के लिए कंडीशनिंग एम्बेडिंग
- इनपुट: UNet, पॉजिटिव/नेगेटिव कंडीशनिंग, सीड, स्टेप्स, सैंपलर (जैसे, DPM++ 2M Karras), और CFG स्केल
यह बेसिक ग्राफ—चेकपॉइंट → CLIP (pos/neg) → KSampler → VAE डिकोड → सेव—ComfyUI में आपके द्वारा किए जाने वाले लगभग हर चीज का आधार है।
SDXL वर्कफ़्लो: बेस + (वैकल्पिक) रिफाइनर
SDXL डुअल टेक्स्ट एनकोडर का उपयोग करता है और अक्सर रिफाइनर पास से लाभान्वित होता है।
- SDXL बेस लोड करें: SDXL-संगत चेकपॉइंट का उपयोग करें। कई SDXL टेम्प्लेट में दो CLIP एनकोडर (बड़े/छोटे संदर्भ के लिए) शामिल हैं। पॉजिटिव और नेगेटिव दोनों प्रॉम्प्ट फीड करें।
- KSampler (बेस): 1024×1024 (या अपने लक्ष्य) पर लेटेंट्स जेनरेट करें। लेटेंट्स या डिकोड की गई इमेज सेव करें।
- वैकल्पिक रिफाइनर: SDXL रिफाइनर चेकपॉइंट लोड करें और बेस आउटपुट पर कंडीशन किए गए अतिरिक्त KSampler पास चलाएं, फिर VAE के साथ डिकोड करें।
यह दो-चरणीय प्रक्रिया उच्च रिज़ॉल्यूशन पर विस्तार और सुसंगतता में काफी सुधार कर सकती है।
हैंड्स-ऑन: अपना पहला ComfyUI ग्राफ बनाएं
- टेम्प्लेट से शुरू करें: साइडबार में, एक बिल्ट-इन टेक्स्ट-टू-इमेज उदाहरण लोड करें।
- चेकपॉइंट बदलें: अपना SDXL या SD 1.5 मॉडल चुनें।
- अपना प्रॉम्प्ट लिखें: पॉजिटिव और नेगेटिव CLIP नोड का उपयोग करें। उदाहरण:
- पॉजिटिव: “सिनेमैटिक पोर्ट्रेट, सॉफ्ट स्टूडियो लाइटिंग, 85 मिमी लेंस, अत्यधिक विस्तृत, फिल्म ग्रेन”
- नेगेटिव: “धुंधला, लो-रेस, विकृत, अतिरिक्त उंगलियां, वॉटरमार्क”
- स्टेप्स: गति/गुणवत्ता संतुलन के लिए 20–35
- सैंपलर: DPM++ 2M Karras (विश्वसनीय) या यूलर a (तेज़)
- CFG: 4.5–7.5 (उच्चतर प्रॉम्प्ट को अधिक जोर देता है, लेकिन ओवरसैचुरेट कर सकता है)
- सीड: पुनरुत्पादकता के लिए इसे ठीक करें; अन्वेषण के लिए बदलें
- रिज़ॉल्यूशन: SD 1.5 के लिए, 512×512 या 768×768 पर शुरू करें। SDXL के लिए, 1024×1024 अच्छी तरह से काम करता है।
- डिकोड और सेव: VAE डिकोड → सेव इमेज जोड़ें। जेनरेट करने के लिए कतार प्रॉम्प्ट पर क्लिक करें।
मुख्य नोड्स को समझना (साधारण भाषा में)
- चेकपॉइंट लोडर: आपके डिफ्यूजन मॉडल (UNet), टेक्स्ट एनकोडर (CLIP) और VAE को लोड करता है। इसे अपने "इंजन + भाषा मस्तिष्क + इमेज ट्रांसलेटर" के रूप में सोचें।
- CLIP टेक्स्ट एनकोड: आपके प्रॉम्प्ट को संख्यात्मक एम्बेडिंग में परिवर्तित करता है जिसे मॉडल समझता है। पॉजिटिव और नेगेटिव दोनों टेक्स्ट एनकोडर का उपयोग करें।
- KSampler: इमेज सिंथेसिस का दिल। यह कई स्टेप्स में आपके प्रॉम्प्ट और सैंपलर विधि द्वारा निर्देशित लेटेंट शोर को कम करता है।
- VAE डिकोड: अंतिम लेटेंट्स को देखने योग्य इमेज में ट्रांसलेट करता है। VAE बदलने से रंग/कंट्रास्ट फिडेलिटी बदल जाती है।
- सेव इमेज: मेटाडेटा के साथ आउटपुट को डिस्क पर लिखता है ताकि आप बाद में परिणाम रिक्रिएट कर सकें।
इन बिल्डिंग ब्लॉक्स पर गहरी जानकारी के लिए, शुरुआती-अनुकूल ब्रेकडाउन और नोड स्पष्टीकरण देखें।
पावर-अप: LoRA, ControlNet और इमेज-टू-इमेज
शैली या विषय नियंत्रण के लिए LoRA का उपयोग करें
- एक LoRA लोडर नोड जोड़ें और इसे अपनी मॉडल शाखा से कनेक्ट करें।
- स्ट्रेंथ: लगभग 0.6–0.8 से शुरू करें; शैली की तीव्रता या ओवरफिटिंग के आधार पर समायोजित करें।
- मल्टीपल LoRA: चेन या मर्ज करें, लेकिन संघर्षों के लिए देखें; स्टैकिंग करते समय ताकत कम करें।
सटीक रचना के लिए ControlNet जोड़ें
- ControlNet नोड आपको इनपुट मैप (कैनी, डेप्थ, ओपनपोज़, आदि) का उपयोग करके रचना को चलाने देते हैं।
- सामान्य प्रवाह: ControlNet मॉडल लोड करें → अपनी गाइड इमेज को प्रीप्रोसेस करें (उदाहरण के लिए, कैनी एज) → अपने टेक्स्ट कंडीशनिंग के साथ KSampler में ControlNet कंडीशनिंग फीड करें।
- वेट: 0.5–1.2 एक अच्छी शुरुआत है। बहुत अधिक आपके प्रॉम्प्ट को अभिभूत कर सकता है।
इमेज-टू-इमेज या इनपेंटिंग
- VAE एनकोड के माध्यम से प्रारंभिक शोर को एक इमेज लेटेंट से बदलें।
- मूल इमेज का कितना हिस्सा रहता है, इसे नियंत्रित करने के लिए KSampler में डीनोइज़ स्ट्रेंथ को समायोजित करें।
- इनपेंटिंग के लिए, मास्क इनपुट और इनपेंट-अवेयर सैंपलर पाइपलाइन का उपयोग करें।
गुणवत्ता ट्यूनिंग: प्रॉम्प्ट, CFG, सैंपलर और सीड
- प्रॉम्प्ट इंजीनियरिंग: पैराग्राफ नहीं, संक्षिप्त विवरणकों का उपयोग करें। क्रम स्पष्टता से कम महत्वपूर्ण है, लेकिन महत्वपूर्ण विशेषताओं को सबसे आगे रखें।
- कम (3–5): अधिक रचनात्मक, कम प्रॉम्प्ट पालन
- उच्च (9–12): मजबूत पालन, कलाकृतियाँ बना सकता है
- DPM++ 2M Karras: साफ, विश्वसनीय
- यूलर a: तेज़ और अभिव्यंजक, पूर्वावलोकन के लिए बढ़िया
- UniPC / Heun / DDIM: परीक्षण के लायक; परिणाम मॉडल के अनुसार भिन्न होते हैं
- फिक्स्ड सीड = पुनरुत्पादनीय परिणाम
- बदलें सीड = विविधता का पता लगाएं
स्मूथ रेंडर के लिए प्रदर्शन युक्तियाँ
- VRAM बजट: यदि आप OOM हिट करते हैं तो रिज़ॉल्यूशन, स्टेप्स या बैच साइज़ कम करें। नोड्स के आधार पर 1024×1024 पर SDXL के लिए 8–12 GB VRAM की आवश्यकता हो सकती है।
- आधा परिशुद्धता: नगण्य गुणवत्ता हानि के साथ बड़ी मेमोरी बचत के लिए fp16 को सक्षम करें जहाँ समर्थित हो।
- टाइलिंग और लेटेंट अपस्केलर: छोटे जेनरेट करें, फिर VRAM बचाने के लिए लेटेंट अपस्केलर नोड या इमेज अपस्केलर मॉडल के माध्यम से अपस्केल करें।
- कैशिंग: प्रॉम्प्ट बदलने पर CLIP एन्कोडिंग और डिकोड किए गए VAE को रन में फिर से उपयोग करें।
- अनावश्यक शाखाओं से बचें: अतिरिक्त डिस्कनेक्ट किए गए नोड अभी भी मेमोरी का उपभोग करते हैं जब एक ही कतार में निष्पादित किया जाता है।
एक पेशेवर की तरह वर्कफ़्लो का आयोजन
- समूह नोड: वर्गों (प्रॉम्प्ट, मॉडल, सैंपलर, आउटपुट, आदि) को व्यवस्थित करने के लिए फ़्रेम/लेबल का उपयोग करें।
- पैरामीटर पैनल: आसान ट्यूनिंग के लिए शीर्ष पर "कंट्रोल" नोड (उदाहरण के लिए, खाली प्रॉम्प्ट बॉक्स, स्लाइडर) बनाएं।
- सेव/शेयर: अपने वर्कफ़्लो JSON को एक्सपोर्ट करें और पुनरुत्पादकता के लिए उपयोग किए गए
मॉडल का नोट रखें।
- वर्शनिंग: SD 1.5, SDXL और विशेषज्ञता पाइपलाइनों (एनीमे, फोटोरियल, डेप्थ-टू-इमेज, आदि) के लिए अलग-अलग ग्राफ़ रखें।
सामान्य समस्याओं का निवारण
- गलत VAE या लापता VAE डिकोड
- डीनोइज़ बहुत कम (उदाहरण के लिए, img2img में <0.2)
- कोई दूसरा VAE आज़माएँ; कुछ VAE कंट्रास्ट में ध्यान देने योग्य सुधार करते हैं
- CFG कम करें या सैंपलर बदलें
- रन में कुछ भी नहीं बदलता है:
- सीड फिक्स्ड है; यादृच्छिक सक्षम करें या एक नया सीड सेट करें
- रिज़ॉल्यूशन, स्टेप्स या बैच साइज़ कम करें; fp16 पर स्विच करें
- अन्य GPU ऐप्स बंद करें; ControlNet/LoRA स्टैक को सरल बनाएं
- मॉडल नहीं मिला / लाल नोड:
- फ़ाइल पथ और मॉडल फ़ोल्डर सत्यापित करें; फ़ाइल एक्सटेंशन की पुष्टि करें
पहले से निर्मित वर्कफ़्लो के साथ तेज़ी से सीखें
वीडियो वॉकथ्रू और शुरुआती श्रृंखला तैयार-टू-रन ग्राफ़ के साथ आपके सीखने की गति को बढ़ा सकती हैं जिन्हें आप रोक और विच्छेदित कर सकते हैं। लिखित ट्यूटोरियल और विकी आपको वर्तमान रखने के लिए नोड स्पष्टीकरण और अपडेट किए गए इंस्टॉलेशन स्टेप्स प्रदान करते हैं।
उन्नत: अपने ग्राफ़ को मॉड्युलराइज़ और एक्सटेंड करना
- API/बाहरी नोड: कुछ ट्यूटोरियल विशेष नोड्स के माध्यम से ComfyUI को बाहरी AI सेवाओं से कनेक्ट करने को कवर करते हैं, जिससे हाइब्रिड पाइपलाइन और भारी कार्यों को ऑफ़लोड किया जा सकता है।
- नोड लाइब्रेरी और एक्सटेंशन: शेड्यूलर, अपस्केलर और प्रीप्रोसेसिंग (पोज़, डेप्थ, सेगमेंटेशन) के लिए सामुदायिक नोड का अन्वेषण करें। हमेशा अपने ComfyUI संस्करण के साथ संगतता जांचें।
- SDXL रिफाइनर और चेन्ड सैंपलर: स्टेज्ड डीनोइज़िंग (बेस → रिफाइनर) या यहां तक कि स्टाइलिस्टिक ब्लेंडिंग के लिए कई सैंपलर चलाएं।
ध्यान देने योग्य: Sider.AI के साथ प्रॉम्प्टिंग को तेज़ करना
यदि आप बार-बार प्रॉम्प्ट, संदर्भ या विवरण पर पुनरावृति करते हैं, तो आप विविधताओं पर विचार करने और परिष्कृत करने के लिए एक साइडकिक चाह सकते हैं। वैसे, Sider.AI आपको संरचित प्रॉम्प्ट का मसौदा तैयार करने, नकारात्मक प्रॉम्प्ट सूची उत्पन्न करने और अपने वर्कफ़्लो प्रयोगों को संक्षेप में प्रस्तुत करने में तेज़ी से मदद कर सकता है ताकि आप रन के बीच ट्रैक न खोएं। आप इसे यहां आज़मा सकते हैं: एक सरल SDXL स्टार्टर वर्कफ़्लो (इस पैटर्न को कॉपी करें)
- CLIP टेक्स्ट एनकोड (पॉजिटिव) — “अल्ट्रा-डिटेल्ड प्रोडक्ट फोटो, सॉफ्टबॉक्स लाइटिंग, 50 मिमी लेंस, रिफ्लेक्टिव सरफेस”
- CLIP टेक्स्ट एनकोड (नेगेटिव) — “लो-रेस, मोशन ब्लर, वॉटरमार्क, बैकग्राउंड क्लटर”
- KSampler: 1024×1024, 28 स्टेप्स, DPM++ 2M Karras, CFG 5.5, फिक्स्ड सीड
वैकल्पिक ऐड-ऑन:
- 10–15 स्टेप्स पर SDXL रिफाइनर चेकपॉइंट के साथ रिफाइनर पास
- लेआउट के लिए एक साधारण ऑब्जेक्ट सिल्हूट के साथ ControlNet (डेप्थ)
- एक विशिष्ट ब्रांड या कला शैली के लिए 0.6 पर LoRA
मुख्य बातें
- ComfyUI की शक्ति इसकी पारदर्शिता से आती है—अपनी पाइपलाइन को नोड द्वारा नोड बनाएं।
- मूल टेक्स्ट-टू-इमेज चेन सरल है: चेकपॉइंट → CLIP (pos/neg) → KSampler → VAE डिकोड → सेव।
- SDXL डुअल एनकोडर और विवरण के लिए एक वैकल्पिक रिफाइनर पास से लाभान्वित होता है।
- LoRA और ControlNet आपको स्टाइल नियंत्रण और रचना परिशुद्धता देते हैं।
- गुणवत्ता और स्थिरता के लिए CFG, सैंपलर और सीड को ट्यून करें; fp16 और समझदार रिज़ॉल्यूशन के साथ VRAM प्रबंधित करें।
- वर्कफ़्लो को व्यवस्थित करें और दर्द रहित पुनरावृति के लिए उन्हें वर्शन करें।
अगले चरण
- रेपो/विकी निर्देशों का पालन करते हुए ComfyUI इंस्टॉल करें और एक नमूना वर्कफ़्लो लॉन्च करें।
- मूल बातें सीमेंट करने के लिए खरोंच से न्यूनतम चेन का पुनर्निर्माण करें।
- ControlNet और एक LoRA जोड़ें, फिर सैंपलर और CFG सेटिंग्स का A/B परीक्षण करें।
- मॉडल, सीड और पैरामीटर पर नोट्स के साथ अपने वर्कफ़्लो JSON को सेव और शेयर करें।
खुशी से जेनरेट करें—और ComfyUI की शांत, नियंत्रणीय दुनिया में आपका स्वागत है।
अक्सर पूछे जाने वाले प्रश्न
Q1: मैं विंडोज, मैकओएस या लिनक्स पर ComfyUI को कैसे इंस्टॉल और चलाऊं?
प्लेटफ़ॉर्म-विशिष्ट चरणों, मॉडल फ़ोल्डर स्थानों और डिपेंडेंसी के लिए आधिकारिक रेपो और सामुदायिक विकी का पालन करें। इंस्टॉलेशन के बाद, स्थानीय सर्वर लॉन्च करें और नोड को तार करना शुरू करने के लिए अपने ब्राउज़र में ComfyUI खोलें।
Q2: टेक्स्ट-टू-इमेज के लिए सबसे सरल ComfyUI वर्कफ़्लो क्या है?
एक चेकपॉइंट लोड करें, CLIP के साथ पॉजिटिव और नेगेटिव प्रॉम्प्ट को एनकोड करें, एक KSampler चलाएं, VAE के साथ डिकोड करें, फिर इमेज को सेव करें। यह चेन अधिकांश जेनरेशन के लिए प्रभावी ढंग से ComfyUI का उपयोग करने की नींव है।
Q3: मैं ComfyUI में SDXL का उपयोग कैसे करूं?
डुअल टेक्स्ट एनकोडर के साथ एक SDXL चेकपॉइंट का उपयोग करें, फिर बेहतर विवरण के लिए वैकल्पिक रूप से एक रिफाइनर पास जोड़ें। संतुलित CFG (लगभग 5–7) और DPM++ 2M Karras जैसे एक कुशल सैंपलर के साथ 1024×1024 पर चलाएं।
Q4: क्या मैं एक ही ComfyUI वर्कफ़्लो में ControlNet और LoRA जोड़ सकता हूँ?
हाँ। अपने LoRA और ControlNet नोड लोड करें, उन्हें मॉडल और KSampler कंडीशनिंग से कनेक्ट करें, और वेट ट्यून करें (उदाहरण के लिए, LoRA के लिए 0.6–0.8, ControlNet के लिए ~0.5–1.2)। VRAM उपयोग देखें और यदि आप OOM हिट करते हैं तो रिज़ॉल्यूशन या स्टेप्स कम करें।
Q5: मेरी ComfyUI इमेज कम-कंट्रास्ट या धुली हुई क्यों हैं?
एक अलग VAE आज़माएँ, CFG कम करें या सैंपलर बदलें। कुछ VAE अधिक वफादार रंग और कंट्रास्ट का उत्पादन करते हैं; छोटे समायोजन धुले हुए परिणामों को जल्दी से ठीक कर सकते हैं।
