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.

Ako používať ComfyUI: Praktický sprievodca krok za krokom pre začiatočníkov

Ak ste počuli, že ComfyUI je „uzlový a super výkonný“, ale cítili ste sa zastrašene všetkými tými štvorčekmi a drôtmi, nie ste sami. Dobrá správa: akonáhle sa naučíte niekoľko základných konceptov – checkpointy, enkodéry, samplery a dekodéry – budete vytvárať obrazové pracovné postupy ako profesionál. Tento praktický sprievodca vás prevedie tým, ako používať ComfyUI od inštalácie až po prvé obrázky SDXL, plus pracovné postupy pre ControlNet, LoRA a ladenie kvality/výkonu.

Na konci budete presne vedieť, ako používať ComfyUI na vytváranie konzistentných, opakovateľných a flexibilných generácií obrázkov bez hádania.

Čo je ComfyUI a prečo ho používať?

ComfyUI je vizuálne, uzlové rozhranie pre Stable Diffusion, ktoré vám umožňuje navrhnúť si krok za krokom svoj obrazový pipeline. Namiesto jediného tlačidla „Generovať“ spájate uzly – každý z nich spracováva odlišnú úlohu, ako je načítanie modelu, kódovanie textu, vzorkovanie latentných premenných alebo dekódovanie finálneho obrázka. Je rýchly, modulárny a transparentný – ideálny na učenie, experimentovanie a produkčné pracovné postupy.

Rýchly štart: Inštalácia a spustenie ComfyUI

Windows/macOS/Linux: Postupujte podľa oficiálneho repozitára a inštalačných príručiek komunity. Môžete použiť manuálnu inštaláciu (Python + závislosti) alebo balíkové metódy v závislosti od vašej platformy a GPU. Wiki ComfyUI poskytuje podrobný návod na inštaláciu pre Windows, macOS (vrátane Apple Silicon) a Linux.

Modely: Umiestnite svoje Stable Diffusion checkpointy (napr. SDXL base/refiner alebo SD 1.5) do priečinka models/checkpoints. Vložte súbory VAE do models/vae, LoRA do models/loras, ControlNet modely do models/controlnet.

Spustenie: Spustite štartovací skript pre váš OS; ComfyUI sa otvorí vo vašom prehliadači. Plátno je miesto, kde budete spájať uzly.

Tip: Udržujte ovládače GPU a CUDA toolkit aktuálne pre najlepší výkon.

Základný koncept: Minimálny pracovný postup Text‑to‑Image

Základný tok text-to-image v ComfyUI (štýl SD 1.5) vyzerá takto:

Načítanie modelu

Uzol: Checkpoint Loader

Výstup: UNet, CLIP a VAE komponenty

Kódovanie promptov

Uzol: CLIP Text Encode (Positive)

Uzol: CLIP Text Encode (Negative)

Výstup: Podmienenie embeddingov pre usmernenie

Generovanie latentných premenných

Uzol: KSampler

Vstupy: UNet, pozitívne/negatívne podmienenie, seed, kroky, sampler (napr. DPM++ 2M Karras) a CFG scale

Výstup: Latentný obrázok

Dekódovanie obrázka

Uzol: VAE Decode

Výstup: Obrázok

Uloženie výstupu

Uzol: Save Image

Tento základný graf – Checkpoint → CLIP (pos/neg) → KSampler → VAE Decode → Save – je základom takmer všetkého, čo budete v ComfyUI robiť.

SDXL Workflow: Base + (Optional) Refiner

SDXL používa duálne textové enkodéry a často profituje z refiner pass.

Načítanie SDXL Base: Použite checkpoint kompatibilný s SDXL. Mnohé šablóny SDXL obsahujú dva CLIP enkodéry (pre veľký/malý kontext). Zadajte pozitívne aj negatívne prompty.

KSampler (Base): Generujte latentné premenné pri 1024×1024 (alebo vašom cieli). Uložte latentné premenné alebo dekódované obrázky.

Voliteľný Refiner: Načítajte checkpoint SDXL Refiner a spustite ďalší KSampler pass podmienený na základnom výstupe, potom dekódujte pomocou VAE.

Tento dvojfázový proces môže výrazne zlepšiť detaily a koherenciu pri vyšších rozlíšeniach.

Praktické: Zostavte si svoj prvý graf ComfyUI

Začnite od šablóny: Na bočnom paneli načítajte vstavaný príklad text-to-image.

Nahraďte checkpoint: Vyberte svoj model SDXL alebo SD 1.5.

Napíšte svoj prompt: Použite uzly Positive a Negative CLIP. Príklad:

Pozitívny: „cinematic portrait, soft studio lighting, 85mm lens, highly detailed, film grain“

Negatívny: „blurry, low-res, deformed, extra fingers, watermark“

Nastavenia KSampler:

Kroky: 20–35 pre rovnováhu rýchlosti/kvality

Sampler: DPM++ 2M Karras (spoľahlivý) alebo Euler a (rýchly)

CFG: 4.5–7.5 (vyššie silnejšie tlačí prompt, ale môže presýtiť)

Seed: Opravte ho pre reprodukovateľnosť; meňte pre prieskum

Rozlíšenie: Pre SD 1.5 začnite na 512×512 alebo 768×768. Pre SDXL dobre funguje 1024×1024.

Dekódovanie a uloženie: Pridajte VAE Decode → Save Image. Kliknite na Queue Prompt pre generovanie.

Pochopenie kľúčových uzlov (jednoducho)

Checkpoint Loader: Načíta váš difúzny model (UNet), textový enkodér(y) (CLIP) a VAE. Predstavte si to ako svoj „motor + jazykový mozog + prekladač obrázkov“.

CLIP Text Encode: Konvertuje váš prompt na numerické embeddingy, ktorým model rozumie. Použite pozitívne aj negatívne textové enkodéry.

KSampler: Srdce syntézy obrázkov. Odstraňuje latentný šum vedený vaším promptom a metódou samplera počas určitého počtu krokov.

VAE Decode: Prekladá finálne latentné premenné na zobraziteľný obrázok. Výmena VAE mení vernosť farieb/kontrastu.

Save Image: Zapisuje výstup na disk s metadátami, aby ste mohli neskôr znova vytvoriť výsledky.

Pre hlbší ponor do týchto stavebných blokov si pozrite rozdelenia pre začiatočníkov a vysvetlivky uzlov.

Vylepšenia: LoRA, ControlNet a Image‑to‑Image

Použite LoRA pre štýl alebo kontrolu nad objektom

Pridajte uzol LoRA Loader a pripojte ho k vetve svojho modelu.

Sila: Začnite okolo 0.6–0.8; upravte na základe intenzity štýlu alebo pretrénovania.

Viacnásobné LoRA: Zreťazte alebo zlúčte, ale dávajte pozor na konflikty; znížte sily pri stohovaní.

Pridajte ControlNet pre presnú kompozíciu

Uzly ControlNet vám umožňujú riadiť kompozíciu pomocou vstupnej mapy (Canny, Depth, OpenPose atď.).

Typický tok: Načítajte model ControlNet → Predspracujte svoj sprievodný obrázok (napr. Canny edge) → Vložte podmienenie ControlNet do KSampler spolu s vaším textovým podmienením.

Váha: 0.5–1.2 je dobrý začiatok. Príliš vysoká hodnota môže prebiť váš prompt.

Image‑to‑Image alebo Inpainting

Nahraďte počiatočný šum latentným obrázkom pomocou VAE Encode.

Upravte silu denoise v KSampler, aby ste kontrolovali, koľko z pôvodného obrázka zostane.

Pre inpainting použite maskový vstup a pipeline samplera s podporou inpaint.

Ladenie kvality: Prompty, CFG, Samplery a Seedy

Prompt engineering: Používajte stručné deskriptory, nie odseky. Poradie je menej dôležité ako jasnosť, ale kritické atribúty udržujte vpredu.

CFG scale:

Nízka (3–5): Kreatívnejšia, menej dodržiavania promptu

Stredná (6–8): Vyvážená

Vysoká (9–12): Silné dodržiavanie, môže vytvárať artefakty

Výber samplera:

DPM++ 2M Karras: Čistý, spoľahlivý

Euler a: Rýchly a expresívny, skvelý na náhľady

UniPC / Heun / DDIM: Stojí za testovanie; výsledky sa líšia v závislosti od modelu

Seedy:

Pevný seed = reprodukovateľné výsledky

Zmeniť seed = preskúmať rozmanitosť

Tipy na výkon pre plynulé vykresľovanie

Rozpočet VRAM: Znížte rozlíšenie, kroky alebo veľkosť dávky, ak dosiahnete OOM. SDXL pri 1024×1024 môže vyžadovať 8–12 GB VRAM v závislosti od uzlov.

Polovičná presnosť: Povoľte fp16 tam, kde je to podporované, pre veľké úspory pamäte s zanedbateľnou stratou kvality.

Tiling a latentné upscalery: Generujte menšie, potom zväčšite pomocou uzla latentného upscalera alebo modelu image upscalera, aby ste ušetrili VRAM.

Caching: Opätovne používajte CLIP kódovania a dekódované VAE medzi spusteniami, keď sa prompty nemenia.

Vyhnite sa zbytočným vetvám: Extra odpojené uzly stále spotrebúvajú pamäť, keď sa vykonávajú v rovnakej fronte.

Organizovanie pracovných postupov ako profesionál

Zoskupovanie uzlov: Používajte rámce/štítky na organizovanie sekcií (Prompt, Model, Sampler, Output atď.).

Parametrové panely: Vytvorte „kontrolné“ uzly (napr. prázdne polia promptov, posúvače) v hornej časti pre jednoduché ladenie.

Uloženie/zdieľanie: Exportujte svoj workflow JSON a ponechajte si poznámku použité modely pre reprodukovateľnosť.

Versioning: Udržujte samostatné grafy pre SD 1.5, SDXL a špecializované pipeline (anime, fotorealistické, depth-to-image atď.).

Riešenie bežných problémov

Čierne alebo prázdne obrázky:

Nesprávne VAE alebo chýbajúce VAE Decode

Príliš nízky denoise (napr. <0.2 v img2img)

Vyblednuté farby:

Vyskúšajte iné VAE; niektoré VAE výrazne zlepšujú kontrast

Znížte CFG alebo zmeňte sampler

Nič sa nemení medzi spusteniami:

Seed je pevný; povoľte náhodné nastavenie alebo nastavte nový seed

Nedostatok pamäte (OOM):

Znížte rozlíšenie, kroky alebo veľkosť dávky; prepnite na fp16

Zatvorte iné aplikácie GPU; zjednodušte ControlNet/LoRA stacky

Model sa nenašiel / červený uzol:

Overte cesty k súborom a priečinky modelov; potvrďte prípony súborov

Učte sa rýchlejšie s predpripravenými pracovnými postupmi

Video návody a série pre začiatočníkov môžu urýchliť vašu krivku učenia pomocou grafov pripravených na spustenie, ktoré môžete pozastaviť a rozobrať. Písomné návody a wiki poskytujú vysvetlivky uzlov a aktualizované kroky inštalácie, aby ste boli aktuálni.

Pokročilé: Modularizácia a rozširovanie vašich grafov

API/Externé uzly: Niektoré návody sa zaoberajú pripojením ComfyUI k externým službám AI prostredníctvom špeciálnych uzlov, čo umožňuje hybridné pipeline a presúvanie náročných úloh.

Knižnice uzlov a rozšírenia: Preskúmajte komunitné uzly pre plánovače, upscalery a predspracovanie (póza, hĺbka, segmentácia). Vždy skontrolujte kompatibilitu s vašou verziou ComfyUI.

SDXL refiners a zreťazené samplery: Spustite postupnú redukciu šumu (base → refiner) alebo dokonca viacnásobné samplery pre štylistické prelínanie.

Stojí za zmienku: Urýchlenie promptovania pomocou Sider.AI

Ak často iterujete na promptoch, referenciách alebo popisoch, možno budete chcieť pomocníka na brainstorming a vylepšovanie variácií. Mimochodom, Sider.AI vám môže pomôcť rýchlo navrhnúť štruktúrované prompty, generovať negatívne zoznamy promptov a zhrnúť vaše experimenty s pracovnými postupmi, aby ste nestratili prehľad medzi spusteniami. Môžete si to vyskúšať tu:

Jednoduchý SDXL Starter Workflow (Skopírujte tento vzor)

Checkpoint Loader (SDXL Base)

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

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

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

VAE Decode → Save Image

Voliteľné doplnky:

Refiner pass s SDXL Refiner checkpoint na 10–15 krokoch

ControlNet (Depth) s jednoduchou siluetou objektu pre rozloženie

LoRA na 0.6 pre konkrétnu značku alebo umelecký štýl

Kľúčové poznatky

Sila ComfyUI pochádza z jeho transparentnosti – zostavte si svoj pipeline uzol po uzle.

Základný reťazec text‑to‑image je jednoduchý: Checkpoint → CLIP (pos/neg) → KSampler → VAE Decode → Save.

SDXL profituje z duálnych enkodérov a voliteľného refiner pass pre detaily.

LoRA a ControlNet vám dávajú kontrolu nad štýlom a presnosť kompozície.

Nalaďte CFG, sampler a seed pre kvalitu a konzistenciu; spravujte VRAM pomocou fp16 a rozumných rozlíšení.

Organizujte pracovné postupy a verzujte ich pre bezbolestnú iteráciu.

Ďalšie kroky

Nainštalujte ComfyUI podľa pokynov repozitára/wiki a spustite vzorový pracovný postup.

Znova zostavte minimálny reťazec od nuly, aby ste upevnili základy.

Pridajte ControlNet a LoRA, potom A/B testujte nastavenia samplera a CFG.

Uložte a zdieľajte svoj workflow JSON s poznámkami o modeloch, seedoch a parametroch.

Šťastné generovanie – a vitajte v pokojnom, kontrolovateľnom svete ComfyUI.

FAQ

Q1: Ako nainštalujem a spustím ComfyUI v systéme Windows, macOS alebo Linux? Postupujte podľa oficiálneho repozitára a wiki komunity, kde nájdete kroky špecifické pre platformu, umiestnenia priečinkov modelov a závislosti. Po inštalácii spustite lokálny server a otvorte ComfyUI vo svojom prehliadači, aby ste mohli začať spájať uzly.

Q2: Aký je najjednoduchší pracovný postup ComfyUI pre text-to-image? Načítajte checkpoint, zakódujte pozitívne a negatívne prompty pomocou CLIP, spustite KSampler, dekódujte pomocou VAE a potom uložte obrázok. Tento reťazec je základom toho, ako efektívne používať ComfyUI pre väčšinu generácií.

Q3: Ako používam SDXL v ComfyUI? Použite checkpoint SDXL s duálnymi textovými enkodérmi a potom voliteľne pridajte refiner pass pre lepšie detaily. Spustite na 1024×1024 s vyváženým CFG (okolo 5–7) a efektívnym samplerom, ako je DPM++ 2M Karras.

Q4: Môžem pridať ControlNet a LoRA v rovnakom pracovnom postupe ComfyUI? Áno. Načítajte svoje uzly LoRA a ControlNet, pripojte ich k podmienkam modelu a KSampler a nalaďte váhy (napr. 0.6–0.8 pre LoRA, ~0.5–1.2 pre ControlNet). Sledujte využitie VRAM a znížte rozlíšenie alebo kroky, ak dosiahnete OOM.

Q5: Prečo sú moje obrázky ComfyUI s nízkym kontrastom alebo vyblednuté? Vyskúšajte iné VAE, znížte CFG alebo prepnite samplery. Niektoré VAE produkujú vernejšie farby a kontrast; malé úpravy môžu rýchlo opraviť vyblednuté výsledky.