ComfyUI ని ఎలా ఉపయోగించాలి: ప్రారంభకులకు ఆచరణాత్మక, దశల వారీ మార్గదర్శకం
ComfyUI “నోడ్-ఆధారిత మరియు సూపర్ పవర్ఫుల్” అని మీరు విని ఉంటే, కానీ అన్ని బాక్సులు మరియు వైర్లు చూసి భయపడి ఉంటే, మీరు ఒంటరి కాదు. శుభవార్త ఏమిటంటే: మీరు కొన్ని ముఖ్యమైన అంశాలు—చెక్పాయింట్లు, ఎన్కోడర్లు, శాంప్లర్లు మరియు డీకోడర్లు నేర్చుకున్న తర్వాత—ప్రొఫెషనల్ లాగా ఇమేజ్ వర్క్ఫ్లోలను నిర్మిస్తారు. ఈ ఆచరణాత్మక గైడ్ ComfyUIని ఇన్స్టాలేషన్ నుండి మీ మొదటి SDXL చిత్రాల వరకు, ControlNet, LoRAలు మరియు నాణ్యత/ పనితీరు ట్యూనింగ్ కోసం వర్క్ఫ్లోలతో సహా ఎలా ఉపయోగించాలో మీకు తెలియజేస్తుంది.
చివరికి, అంచనాలు లేకుండా స్థిరమైన, పునరావృతమయ్యే మరియు అనువైన ఇమేజ్ జనరేషన్లను చేయడానికి ComfyUIని ఎలా ఉపయోగించాలో మీకు ఖచ్చితంగా తెలుస్తుంది.
ComfyUI అంటే ఏమిటి మరియు దానిని ఎందుకు ఉపయోగించాలి?
ComfyUI అనేది స్టేబుల్ డిఫ్యూషన్ కోసం విజువల్, నోడ్-ఆధారిత ఇంటర్ఫేస్, ఇది మీ ఇమేజ్ పైప్లైన్ను దశలవారీగా రూపొందించడానికి మిమ్మల్ని అనుమతిస్తుంది. ఒకే “జనరేట్” బటన్కు బదులుగా, మీరు నోడ్లను కనెక్ట్ చేస్తారు—ప్రతి ఒక్కటి మోడల్ను లోడ్ చేయడం, టెక్స్ట్ను ఎన్కోడ్ చేయడం, లేటెంట్లను శాంప్లింగ్ చేయడం లేదా తుది ఇమేజ్ను డీకోడ్ చేయడం వంటి విభిన్న పనిని నిర్వహిస్తుంది. ఇది వేగవంతమైనది, మాడ్యులర్ మరియు పారదర్శకమైనది—నేర్చుకోవడానికి, ప్రయోగాలు చేయడానికి మరియు ప్రొడక్షన్ వర్క్ఫ్లోలకు ఖచ్చితంగా సరిపోతుంది.
శీఘ్ర ప్రారంభం: ComfyUIని ఇన్స్టాల్ చేసి, ప్రారంభించండి
- Windows/macOS/Linux: అధికారిక రెపో మరియు కమ్యూనిటీ ఇన్స్టాలేషన్ గైడ్లను అనుసరించండి. మీరు మీ ప్లాట్ఫారమ్ మరియు GPU ఆధారంగా మాన్యువల్ ఇన్స్టాలేషన్ (Python + డిపెండెన్సీలు) లేదా ప్యాకేజ్డ్ పద్ధతులను ఉపయోగించవచ్చు. ComfyUI వికీ Windows, macOS (Apple Siliconతో సహా) మరియు Linux కోసం దశల వారీ సెటప్ను అందిస్తుంది.
- నమూనాలు: మీ స్టేబుల్ డిఫ్యూషన్ చెక్పాయింట్లను (ఉదా., SDXL బేస్/రిఫైనర్ లేదా SD 1.5)
models/checkpoints ఫోల్డర్లో ఉంచండి. VAE ఫైల్లను models/vaeలో, LoRA లను models/lorasలో, ControlNet మోడల్లను models/controlnetలో ఉంచండి.
- ప్రారంభించండి: మీ OS కోసం స్టార్ట్ స్క్రిప్ట్ను రన్ చేయండి; ComfyUI మీ బ్రౌజర్లో తెరవబడుతుంది. కాన్వాస్ అనేది మీరు నోడ్లను కలిపి వైర్ చేసే ప్రదేశం.
చిట్కా: ఉత్తమ పనితీరు కోసం మీ GPU డ్రైవర్లు మరియు CUDA టూల్కిట్ను తాజాగా ఉంచుకోండి.
ముఖ్యమైన అంశం: కనీస టెక్స్ట్-టు-ఇమేజ్ వర్క్ఫ్లో
ComfyUI యొక్క ప్రాథమిక టెక్స్ట్-టు-ఇమేజ్ ఫ్లో (SD 1.5 శైలి) ఈ విధంగా ఉంటుంది:
- అవుట్పుట్: UNet, CLIP మరియు VAE భాగాలు
- ప్రాంప్ట్లను ఎన్కోడ్ చేయండి
- నోడ్: CLIP టెక్స్ట్ ఎన్కోడ్ (పాజిటివ్)
- నోడ్: CLIP టెక్స్ట్ ఎన్కోడ్ (నెగెటివ్)
- అవుట్పుట్: గైడెన్స్ కోసం కండిషనింగ్ ఎంబెడింగ్లు
- లేటెంట్లను జనరేట్ చేయండి
- ఇన్పుట్లు: UNet, పాజిటివ్/నెగెటివ్ కండిషనింగ్, సీడ్, స్టెప్స్, శాంప్లర్ (ఉదా., DPM++ 2M Karras), మరియు CFG స్కేల్
- అవుట్పుట్: లేటెంట్ ఇమేజ్
- అవుట్పుట్ను సేవ్ చేయండి
- నోడ్: ఇమేజ్ను సేవ్ చేయండి
ఈ ప్రాథమిక గ్రాఫ్—చెక్పాయింట్ → CLIP (pos/neg) → KSampler → VAE డీకోడ్ → సేవ్—ComfyUIలో మీరు చేసే దాదాపు ప్రతిదానికీ ఆధారం.
SDXL వర్క్ఫ్లో: బేస్ + (ఐచ్ఛికం) రిఫైనర్
SDXL డ్యూయల్ టెక్స్ట్ ఎన్కోడర్లను ఉపయోగిస్తుంది మరియు తరచుగా రిఫైనర్ పాస్ నుండి ప్రయోజనం పొందుతుంది.
- SDXL బేస్ను లోడ్ చేయండి: SDXL- అనుకూల చెక్పాయింట్ను ఉపయోగించండి. చాలా SDXL టెంప్లేట్లలో రెండు CLIP ఎన్కోడర్లు ఉంటాయి (పెద్ద/చిన్న సందర్భం కోసం). పాజిటివ్ మరియు నెగెటివ్ ప్రాంప్ట్లను రెండింటినీ ఫీడ్ చేయండి.
- KSampler (బేస్): 1024×1024 వద్ద లేటెంట్లను జనరేట్ చేయండి (లేదా మీ లక్ష్యం). లేటెంట్లు లేదా డీకోడ్ చేసిన చిత్రాలను సేవ్ చేయండి.
- ఐచ్ఛిక రిఫైనర్: SDXL రిఫైనర్ చెక్పాయింట్ను లోడ్ చేయండి మరియు బేస్ అవుట్పుట్పై కండిషన్ చేయబడిన అదనపు KSampler పాస్ను రన్ చేయండి, ఆపై VAEతో డీకోడ్ చేయండి.
ఈ రెండు-దశల ప్రక్రియ అధిక రిజల్యూషన్లలో వివరాలు మరియు పొందికను గణనీయంగా మెరుగుపరుస్తుంది.
చేతులు మీదే: మీ మొదటి ComfyUI గ్రాఫ్ను నిర్మించండి
- టెంప్లేట్ నుండి ప్రారంభించండి: సైడ్బార్లో, అంతర్నిర్మిత టెక్స్ట్-టు-ఇమేజ్ ఉదాహరణను లోడ్ చేయండి.
- చెక్పాయింట్ను మార్చండి: మీ SDXL లేదా SD 1.5 మోడల్ను ఎంచుకోండి.
- మీ ప్రాంప్ట్ను వ్రాయండి: పాజిటివ్ మరియు నెగెటివ్ CLIP నోడ్లను ఉపయోగించండి. ఉదాహరణ:
- పాజిటివ్: “సినిమాటిక్ పోర్ట్రెయిట్, సాఫ్ట్ స్టూడియో లైటింగ్, 85mm లెన్స్, అత్యంత వివరణాత్మకమైనది, ఫిల్మ్ గ్రెయిన్”
- నెగెటివ్: “బ్లర్రీ, తక్కువ-రెజ్, వైకల్యంతో, అదనపు వేళ్లు, వాటర్మార్క్”
- దశలు: వేగం/నాణ్యత సమతుల్యత కోసం 20–35
- శాంప్లర్: DPM++ 2M Karras (నమ్మదగినది) లేదా Euler a (వేగవంతమైనది)
- CFG: 4.5–7.5 (అధిక ప్రాంప్ట్ను గట్టిగా నెట్టివేస్తుంది, కానీ ఓవర్శాచురేట్ చేయగలదు)
- సీడ్: పునరుత్పత్తి కోసం దాన్ని పరిష్కరించండి; అన్వేషణ కోసం మార్చండి
- రిజల్యూషన్: SD 1.5 కోసం, 512×512 లేదా 768×768 వద్ద ప్రారంభించండి. SDXL కోసం, 1024×1024 బాగా పనిచేస్తుంది.
- డీకోడ్ మరియు సేవ్ చేయండి: VAE డీకోడ్ → సేవ్ ఇమేజ్ని జోడించండి. జనరేట్ చేయడానికి క్యూ ప్రాంప్ట్ను క్లిక్ చేయండి.
కీ నోడ్లను అర్థం చేసుకోవడం (సాధారణ భాషలో)
- చెక్పాయింట్ లోడర్: మీ డిఫ్యూషన్ మోడల్ (UNet), టెక్స్ట్ ఎన్కోడర్(లు) (CLIP) మరియు VAEని లోడ్ చేస్తుంది. దీన్ని మీ “ఇంజిన్ + లాంగ్వేజ్ బ్రెయిన్ + ఇమేజ్ ట్రాన్స్లేటర్”గా భావించండి.
- CLIP టెక్స్ట్ ఎన్కోడ్: మీ ప్రాంప్ట్ను సంఖ్యా ఎంబెడింగ్లుగా మారుస్తుంది, అది మోడల్కు అర్థమవుతుంది. పాజిటివ్ మరియు నెగెటివ్ టెక్స్ట్ ఎన్కోడర్లను రెండింటినీ ఉపయోగించండి.
- KSampler: ఇమేజ్ సింథసిస్ యొక్క గుండె. ఇది మీ ప్రాంప్ట్ మరియు శాంప్లర్ పద్ధతి ద్వారా నిర్దేశించబడిన లేటెంట్ నాయిస్ను అనేక దశల్లో డీనాయిస్ చేస్తుంది.
- VAE డీకోడ్: తుది లేటెంట్లను చూడగలిగే చిత్రంగా మారుస్తుంది. VAEలను మార్చడం వలన రంగు/కాంట్రాస్ట్ విశ్వసనీయత మారుతుంది.
- సేవ్ ఇమేజ్: అవుట్పుట్ను మెటాడేటాతో డిస్క్కు వ్రాస్తుంది, కాబట్టి మీరు ఫలితాలను తర్వాత పునఃసృష్టి చేయవచ్చు.
ఈ బిల్డింగ్ బ్లాక్లపై మరింత లోతైన డైవ్ కోసం, బిగినర్స్ ఫ్రెండ్లీ బ్రేక్డౌన్లు మరియు నోడ్ ఎక్స్ప్లైనర్లను చూడండి.
పవర్-అప్లు: LoRA, ControlNet మరియు ఇమేజ్-టు-ఇమేజ్
శైలి లేదా సబ్జెక్ట్ నియంత్రణ కోసం LoRAని ఉపయోగించండి
- LoRA లోడర్ నోడ్ను జోడించి, దాన్ని మీ మోడల్ బ్రాంచ్కు కనెక్ట్ చేయండి.
- బలం: 0.6–0.8 వద్ద ప్రారంభించండి; శైలి తీవ్రత లేదా ఓవర్ఫిట్టింగ్ ఆధారంగా సర్దుబాటు చేయండి.
- బహుళ LoRAలు: చైన్ లేదా మెర్జ్ చేయండి, కానీ వైరుధ్యాల కోసం చూడండి; స్టాక్ చేస్తున్నప్పుడు తక్కువ బలాలు.
ఖచ్చితమైన కూర్పు కోసం ControlNetని జోడించండి
- ControlNet నోడ్లు ఇన్పుట్ మ్యాప్ను ఉపయోగించి కూర్పును నడిపించడానికి మిమ్మల్ని అనుమతిస్తాయి (Canny, డెప్త్, OpenPose, మొదలైనవి).
- విలక్షణమైన ఫ్లో: ControlNet మోడల్ను లోడ్ చేయండి → మీ గైడ్ ఇమేజ్ను ప్రీప్రాసెస్ చేయండి (ఉదా., Canny ఎడ్జ్) → మీ టెక్స్ట్ కండిషనింగ్తో పాటు KSamplerలోకి ControlNet కండిషనింగ్ను ఫీడ్ చేయండి.
- బరువు: 0.5–1.2 మంచి ప్రారంభం. చాలా ఎక్కువ మీ ప్రాంప్ట్ను అధిగమించగలదు.
ఇమేజ్-టు-ఇమేజ్ లేదా ఇన్పెయింటింగ్
- VAE ఎన్కోడ్ ద్వారా ప్రారంభ నాయిస్ను ఇమేజ్ లేటెంట్తో భర్తీ చేయండి.
- అసలైన ఇమేజ్లో ఎంత వరకు ఉంటుందో నియంత్రించడానికి KSamplerలో డీనాయిస్ బలాన్ని సర్దుబాటు చేయండి.
- ఇన్పెయింటింగ్ కోసం, మాస్క్ ఇన్పుట్ మరియు ఇన్పెయింట్-అవేర్ శాంప్లర్ పైప్లైన్ను ఉపయోగించండి.
నాణ్యత ట్యూనింగ్: ప్రాంప్ట్లు, CFG, శాంప్లర్లు మరియు సీడ్స్
- ప్రాంప్ట్ ఇంజనీరింగ్: పేరాలు కాదు, సంక్షిప్త డిస్క్రిప్టర్లను ఉపయోగించండి. ఆర్డర్ స్పష్టత కంటే తక్కువ ప్రాముఖ్యత కలిగి ఉంటుంది, అయితే క్లిష్టమైన లక్షణాలను ముందు ఉంచండి.
- తక్కువ (3–5): మరింత సృజనాత్మక, తక్కువ ప్రాంప్ట్ అడరెన్స్
- మధ్యస్థం (6–8): బ్యాలెన్స్డ్
- అధికం (9–12): బలమైన అడరెన్స్, కళాఖండాలను సృష్టించగలదు
- DPM++ 2M Karras: క్లీన్, నమ్మదగినది
- Euler a: వేగవంతమైన మరియు వ్యక్తీకరణ, ప్రివ్యూలకు గొప్పది
- UniPC / Heun / DDIM: పరీక్షించదగినది; ఫలితాలు మోడల్ ద్వారా మారుతూ ఉంటాయి
- స్థిర సీడ్ = పునరుత్పత్తి ఫలితాలు
- వేరియబుల్ సీడ్ = వైవిధ్యాన్ని అన్వేషించండి
సున్నితమైన రెండర్ల కోసం పనితీరు చిట్కాలు
- VRAM బడ్జెటింగ్: మీరు OOMని తాకితే తక్కువ రిజల్యూషన్, స్టెప్స్ లేదా బ్యాచ్ సైజ్ను ఉపయోగించండి. 1024×1024 వద్ద SDXLకి నోడ్లపై ఆధారపడి 8–12 GB VRAM అవసరం కావచ్చు.
- సగం ఖచ్చితత్వం: స్వల్ప నాణ్యత నష్టంతో పెద్ద మెమరీ పొదుపు కోసం మద్దతు ఉన్న చోట fp16ని ప్రారంభించండి.
- టైలింగ్ మరియు లేటెంట్ అప్స్కేలర్లు: చిన్నదిగా జనరేట్ చేయండి, ఆపై VRAMను సేవ్ చేయడానికి లేటెంట్ అప్స్కేలర్ నోడ్ లేదా ఇమేజ్ అప్స్కేలర్ మోడల్ ద్వారా అప్స్కేల్ చేయండి.
- కాషింగ్: ప్రాంప్ట్లు మారనప్పుడు రన్లలో CLIP ఎన్కోడింగ్లు మరియు డీకోడ్ చేసిన VAEలను మళ్లీ ఉపయోగించండి.
- అనవసరమైన బ్రాంచ్లను నివారించండి: అదనపు డిస్కనెక్ట్ చేయబడిన నోడ్లు ఒకే క్యూలో అమలు చేసినప్పుడు మెమరీని వినియోగిస్తాయి.
ప్రొఫెషనల్ లాగా వర్క్ఫ్లోలను నిర్వహించడం
- గ్రూప్ నోడ్లు: విభాగాలను నిర్వహించడానికి ఫ్రేమ్లు/లేబుల్లను ఉపయోగించండి (ప్రాంప్ట్, మోడల్, శాంప్లర్, అవుట్పుట్, మొదలైనవి).
- పారామీటర్ ప్యానెల్లు: సులభంగా ట్యూనింగ్ చేయడానికి ఎగువన “కంట్రోల్” నోడ్లను సృష్టించండి (ఉదా., ఖాళీ ప్రాంప్ట్ బాక్స్లు, స్లయిడర్లు).
- సేవ్/షేర్: మీ వర్క్ఫ్లో JSONని ఎగుమతి చేయండి మరియు పునరుత్పత్తి కోసం ఉపయోగించిన
models used నోట్ను ఉంచండి.
- వర్షనింగ్: SD 1.5, SDXL మరియు స్పెషాలిటీ పైప్లైన్ల కోసం ప్రత్యేక గ్రాఫ్లను ఉంచండి (అనిమే, ఫోటోరియల్, డెప్త్-టు-ఇమేజ్, మొదలైనవి).
సాధారణ సమస్యలను పరిష్కరించడం
- నలుపు లేదా ఖాళీ చిత్రాలు:
- తప్పు VAE లేదా తప్పిపోయిన VAE డీకోడ్
- డీనాయిస్ చాలా తక్కువగా ఉంది (ఉదా., img2imgలో <0.2)
- మరొక VAEని ప్రయత్నించండి; కొన్ని VAEలు కాంట్రాస్ట్ను గణనీయంగా మెరుగుపరుస్తాయి
- తక్కువ CFG లేదా శాంప్లర్ను మార్చండి
- సీడ్ స్థిరంగా ఉంది; యాదృచ్ఛికీకరణను ప్రారంభించండి లేదా కొత్త సీడ్ను సెట్ చేయండి
- రిజల్యూషన్, స్టెప్స్ లేదా బ్యాచ్ సైజ్ను తగ్గించండి; fp16కి మారండి
- ఇతర GPU యాప్లను మూసివేయండి; ControlNet/LoRA స్టాక్లను సులభతరం చేయండి
- నమూనా కనుగొనబడలేదు / ఎరుపు నోడ్:
- ఫైల్ పాత్లు మరియు మోడల్ ఫోల్డర్లను ధృవీకరించండి; ఫైల్ పొడిగింపులను నిర్ధారించండి
ముందుగా నిర్మించిన వర్క్ఫ్లోలతో వేగంగా నేర్చుకోండి
వీడియో వాక్త్రూలు మరియు బిగినర్ సిరీస్లు మీరు పాజ్ చేసి విశ్లేషించగల రన్ చేయడానికి సిద్ధంగా ఉన్న గ్రాఫ్లతో మీ అభ్యాస వక్రతను వేగవంతం చేయగలవు. వ్రాతపూర్వక ట్యుటోరియల్లు మరియు వికీలు నోడ్ వివరణలను మరియు మిమ్మల్ని తాజాగా ఉంచడానికి నవీకరించబడిన ఇన్స్టాలేషన్ దశలను అందిస్తాయి.
అధునాతనమైనవి: మీ గ్రాఫ్లను మాడ్యులరైజ్ చేయడం మరియు విస్తరించడం
- API/బాహ్య నోడ్లు: కొన్ని ట్యుటోరియల్లు ప్రత్యేక నోడ్ల ద్వారా ComfyUIని బాహ్య AI సేవలకు కనెక్ట్ చేయడం, హైబ్రిడ్ పైప్లైన్లను ప్రారంభించడం మరియు భారీ పనులను ఆఫ్ లోడ్ చేయడం గురించి వివరిస్తాయి.
- నోడ్ లైబ్రరీలు మరియు ఎక్స్టెన్షన్లు: షెడ్యూలర్లు, అప్స్కేలర్లు మరియు ప్రీప్రాసెసింగ్ (పోజ్, డెప్త్, సెగ్మెంటేషన్) కోసం కమ్యూనిటీ నోడ్లను అన్వేషించండి. మీ ComfyUI సంస్కరణతో అనుకూలతను ఎల్లప్పుడూ తనిఖీ చేయండి.
- SDXL రిఫైనర్లు మరియు చైన్డ్ శాంప్లర్లు: స్టేజ్డ్ డీనాయిసింగ్ (బేస్ → రిఫైనర్) లేదా స్టైలిస్టిక్ బ్లెండింగ్ కోసం బహుళ శాంప్లర్లను రన్ చేయండి.
గుర్తించదగిన విషయం: Sider.AIతో ప్రాంప్టింగ్ వేగవంతం చేయడం
మీరు తరచుగా ప్రాంప్ట్లు, రిఫరెన్సులు లేదా వివరణలపై పునరావృతం చేస్తే, వేరియేషన్లను బ్రెయిన్స్టార్మ్ చేయడానికి మరియు మెరుగుపరచడానికి మీకు సైడ్కిక్ కావాలి. మార్గం ద్వారా, Sider.AI నిర్మాణాత్మక ప్రాంప్ట్లను త్వరగా రూపొందించడానికి, నెగెటివ్ ప్రాంప్ట్ లిస్ట్లను రూపొందించడానికి మరియు మీ వర్క్ఫ్లో ప్రయోగాలను సంగ్రహించడానికి మీకు సహాయపడుతుంది, కాబట్టి మీరు రన్ల మధ్య ట్రాక్ను కోల్పోరు. మీరు దీన్ని ఇక్కడ ప్రయత్నించవచ్చు: సాధారణ SDXL స్టార్టర్ వర్క్ఫ్లో (ఈ నమూనాను కాపీ చేయండి)
- చెక్పాయింట్ లోడర్ (SDXL బేస్)
- CLIP టెక్స్ట్ ఎన్కోడ్ (పాజిటివ్) — “అల్ట్రా-వివరణాత్మక ఉత్పత్తి ఫోటో, సాఫ్ట్బాక్స్ లైటింగ్, 50mm లెన్స్, రిఫ్లెక్టివ్ సర్ఫేస్”
- CLIP టెక్స్ట్ ఎన్కోడ్ (నెగెటివ్) — “తక్కువ-రెజ్, మోషన్ బ్లర్, వాటర్మార్క్, బ్యాక్గ్రౌండ్ క్లట్టర్”
- KSampler: 1024×1024, 28 స్టెప్స్, DPM++ 2M Karras, CFG 5.5, ఫిక్స్డ్ సీడ్
ఐచ్ఛిక యాడ్-ఆన్లు:
- 10–15 స్టెప్స్లో SDXL రిఫైనర్ చెక్పాయింట్తో రిఫైనర్ పాస్
- లేఅవుట్ కోసం సాధారణ ఆబ్జెక్ట్ సిల్హౌట్తో ControlNet (డెప్త్)
- ఒక నిర్దిష్ట బ్రాండ్ లేదా ఆర్ట్ శైలి కోసం 0.6 వద్ద LoRA
కీ టేకావేస్
- ComfyUI యొక్క శక్తి దాని పారదర్శకత నుండి వస్తుంది—మీ పైప్లైన్ నోడ్ ద్వారా నోడ్ను నిర్మించండి.
- కోర్ టెక్స్ట్-టు-ఇమేజ్ గొలుసు చాలా సులభం: చెక్పాయింట్ → CLIP (pos/neg) → KSampler → VAE డీకోడ్ → సేవ్.
- SDXL డ్యూయల్ ఎన్కోడర్లు మరియు వివరాల కోసం ఐచ్ఛిక రిఫైనర్ పాస్ నుండి ప్రయోజనం పొందుతుంది.
- LoRAలు మరియు ControlNet మీకు శైలి నియంత్రణ మరియు కూర్పు ఖచ్చితత్వాన్ని అందిస్తాయి.
- నాణ్యత మరియు స్థిరత్వం కోసం CFG, శాంప్లర్ మరియు సీడ్ను ట్యూన్ చేయండి; fp16 మరియు సున్నితమైన రిజల్యూషన్లతో VRAMని నిర్వహించండి.
- నొప్పిలేకుండా పునరావృతం చేయడానికి వర్క్ఫ్లోలను నిర్వహించండి మరియు వాటిని వెర్షన్ చేయండి.
తదుపరి దశలు
- రెపో/వికీ సూచనలను అనుసరించి ComfyUIని ఇన్స్టాల్ చేయండి మరియు నమూనా వర్క్ఫ్లోను ప్రారంభించండి.
- ప్రాథమికాలను బలోపేతం చేయడానికి మొదటి నుండి కనీస గొలుసును పునర్నిర్మించండి.
- ControlNet మరియు LoRAని జోడించి, ఆపై శాంప్లర్ మరియు CFG సెట్టింగ్లను A/B పరీక్షించండి.
- నమూనాలు, సీడ్స్ మరియు పారామితులపై నోట్లతో మీ వర్క్ఫ్లో JSONను సేవ్ చేసి షేర్ చేయండి.
సంతోషకరమైన తరం—మరియు ComfyUI యొక్క ప్రశాంతమైన, నియంత్రించదగిన ప్రపంచానికి స్వాగతం.
FAQ
Q1:Windows, macOS లేదా Linuxలో నేను ComfyUIని ఎలా ఇన్స్టాల్ చేసి రన్ చేయాలి?
ప్లాట్ఫారమ్-నిర్దిష్ట దశలు, మోడల్ ఫోల్డర్ స్థానాలు మరియు డిపెండెన్సీల కోసం అధికారిక రెపో మరియు కమ్యూనిటీ వికీని అనుసరించండి. ఇన్స్టాలేషన్ తర్వాత, స్థానిక సర్వర్ను ప్రారంభించండి మరియు నోడ్లను వైర్ చేయడం ప్రారంభించడానికి మీ బ్రౌజర్లో ComfyUIని తెరవండి.
Q2:టెక్స్ట్-టు-ఇమేజ్ కోసం సులభమైన ComfyUI వర్క్ఫ్లో ఏమిటి?
చెక్పాయింట్ను లోడ్ చేయండి, CLIPతో పాజిటివ్ మరియు నెగెటివ్ ప్రాంప్ట్లను ఎన్కోడ్ చేయండి, KSamplerను రన్ చేయండి, VAEతో డీకోడ్ చేయండి, ఆపై ఇమేజ్ను సేవ్ చేయండి. చాలా తరాల కోసం ComfyUIని సమర్థవంతంగా ఉపయోగించడానికి ఈ గొలుసు ఆధారం.
Q3:నేను ComfyUIలో SDXLని ఎలా ఉపయోగించాలి?
డ్యూయల్ టెక్స్ట్ ఎన్కోడర్లతో SDXL చెక్పాయింట్ను ఉపయోగించండి, ఆపై మెరుగైన వివరాల కోసం ఐచ్ఛికంగా రిఫైనర్ పాస్ను జోడించండి. బ్యాలెన్స్డ్ CFG (సుమారు 5–7) మరియు DPM++ 2M Karras వంటి సమర్థవంతమైన శాంప్లర్తో 1024×1024 వద్ద రన్ చేయండి.
Q4:నేను అదే ComfyUI వర్క్ఫ్లోలో ControlNet మరియు LoRAని జోడించవచ్చా?
అవును. మీ LoRA మరియు ControlNet నోడ్లను లోడ్ చేయండి, వాటిని మోడల్ మరియు KSampler కండిషనింగ్లకు కనెక్ట్ చేయండి మరియు బరువులను ట్యూన్ చేయండి (ఉదా., LoRA కోసం 0.6–0.8, ControlNet కోసం ~0.5–1.2). VRAM వినియోగాన్ని చూడండి మరియు మీరు OOMని తాకితే రిజల్యూషన్ లేదా స్టెప్స్ను తగ్గించండి.
Q5:నా ComfyUI చిత్రాలు ఎందుకు తక్కువ-కాంట్రాస్ట్ లేదా కడిగినట్లుగా ఉన్నాయి?
వేరే VAEని ప్రయత్నించండి, తక్కువ CFGని ఉపయోగించండి లేదా శాంప్లర్లను మార్చండి. కొన్ని VAEలు మరింత విశ్వసనీయమైన రంగు మరియు కాంట్రాస్ట్ను ఉత్పత్తి చేస్తాయి; చిన్న సర్దుబాట్లు కడిగిన ఫలితాలను త్వరగా పరిష్కరించగలవు.
