ComfyUI

Interface node-based Stable Diffusion avec ComfyUI sur Clore.ai

Interface basée sur des nœuds pour Stable Diffusion avec une flexibilité ultime sur les GPU CLORE.AI.

Tous les exemples peuvent être exécutés sur des serveurs GPU loués via CLORE.AI Marketplace.

Exigences du serveur

Paramètre

Minimum

Recommandé

RAM

16Go

32 Go+

VRAM

8 Go (SDXL)

12 Go+

Réseau

500 Mbps

1 Gbps+

Temps de démarrage

5-10 minutes

Temps de démarrage : Le premier lancement télécharge les dépendances et les modèles (5-10 minutes selon la vitesse du réseau). Un HTTP 502 pendant cette période est normal.

Important : ComfyUI avec les modèles FLUX nécessite 16 Go+ de VRAM. Pour SDXL avec ControlNet, assurez-vous d'au moins 10 Go de VRAM.

Pourquoi ComfyUI ?

Flux de travail basé sur des nœuds - Programmation visuelle pour la génération d'images
Contrôle maximal - Ajustez chaque étape du pipeline
Efficace - Utilisation de VRAM plus faible que les alternatives
Extensible - Énorme écosystème de nœuds personnalisés
Partage de workflows - Importer/exporter au format JSON

Déploiement rapide sur CLORE.AI

Image Docker :

yanwk/comfyui-boot:cu126-slim

Ports :

22/tcp
8188/http

Environnement :

CLI_ARGS=--listen 0.0.0.0

Vérifiez que cela fonctionne

Après le déploiement, trouvez votre http_pub URL dans Mes commandes:

# Vérifiez si l'interface est accessible (peut prendre 5-10 min lors du premier lancement)
curl https://your-http-pub.clorecloud.net/

Si vous obtenez HTTP 502 pendant plus de 15 minutes, vérifiez :

Le serveur dispose de 16 Go+ de RAM
Le serveur dispose de 8 Go+ de VRAM pour SDXL, 16 Go+ pour FLUX
La vitesse du réseau est suffisante pour télécharger les modèles

Accéder à votre service

Lorsqu'il est déployé sur CLORE.AI, accédez à ComfyUI via le http_pub URL :

Interface Web : https://your-http-pub.clorecloud.net/
API : https://your-http-pub.clorecloud.net/prompt
WebSocket : wss://your-http-pub.clorecloud.net/ws

Tous localhost:8188 les exemples ci-dessous fonctionnent lorsqu'ils sont connectés via SSH. Pour un accès externe, remplacez par votre https://your-http-pub.clorecloud.net/ URL.

Installation

Utilisation de Docker (Recommandé)

docker run -d --gpus all \
  -p 8188:8188 \
  -v comfyui-data:/root \
  -e CLI_ARGS="--listen 0.0.0.0" \
  yanwk/comfyui-boot:cu126-slim

Installation manuelle

# Cloner le dépôt
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# Créer un environnement virtuel
python -m venv venv
source venv/bin/activate

# Installer PyTorch avec CUDA
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

# Installer les dépendances
pip install -r requirements.txt

# Exécuter
python main.py --listen 0.0.0.0

Structure du répertoire

ComfyUI/
├── models/
│   ├── checkpoints/     # modèles SD (.safetensors)
│   ├── loras/           # modèles LoRA
│   ├── vae/             # modèles VAE
│   ├── controlnet/      # modèles ControlNet
│   ├── upscale_models/  # Upscalers
│   └── clip/            # modèles CLIP
├── input/               # Images d'entrée
├── output/              # Images générées
└── custom_nodes/        # Extensions

Télécharger des modèles

Checkpoints Stable Diffusion

cd ComfyUI/models/checkpoints

# SDXL de base
wget https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

# SDXL Refiner
wget https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0.safetensors

# SD 1.5 (plus petit, plus rapide)
wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors

# Realistic Vision (photoréaliste)
wget https://huggingface.co/SG161222/Realistic_Vision_V6.0_B1_noVAE/resolve/main/Realistic_Vision_V6.0_B1_fp16.safetensors

VAE

cd ComfyUI/models/vae

# VAE SDXL
wget https://huggingface.co/stabilityai/sdxl-vae/resolve/main/sdxl_vae.safetensors

# VAE SD 1.5 (meilleures couleurs)
wget https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.safetensors

LoRAs

cd ComfyUI/models/loras

# Téléchargez depuis CivitAI ou HuggingFace
# Placez les fichiers .safetensors ici

Flux de travail de base

Texte vers Image

Ajouter des nœuds :
- Charger Checkpoint → sélectionner le modèle
- CLIP Text Encode (x2) → prompts positifs et négatifs
- Image latente vide → définir les dimensions
- KSampler → connecter tout
- VAE Decode → latent vers image
- Sauvegarder l'image → sortie
Connecter :

[Checkpoint] → MODEL → [KSampler]
[Checkpoint] → CLIP → [CLIP Text Encode +]
[Checkpoint] → CLIP → [CLIP Text Encode -]
[Checkpoint] → VAE → [VAE Decode]
[Text Encode +] → CONDITIONING → [KSampler]
[Text Encode -] → CONDITIONING → [KSampler]
[Empty Latent] → LATENT → [KSampler]
[KSampler] → LATENT → [VAE Decode]
[VAE Decode] → IMAGE → [Save Image]

Image vers Image

Remplacer Image latente vide par :

Charger l'image → votre image source
VAE Encode → convertir en latent
Ajuster dénoiser dans KSampler (0.5-0.8)

ComfyUI Manager

ComfyUI Manager est une extension essentielle qui ajoute une interface graphique pour installer, mettre à jour et gérer les nœuds personnalisés. C'est la manière standard d'étendre ComfyUI.

Installation

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git
# Redémarrez ComfyUI — un bouton "Manager" apparaîtra dans la barre d'outils

Utilisation de ComfyUI Manager

Après le redémarrage, un Manager bouton apparaît en haut à droite de l'interface ComfyUI.

Fonctionnalités clés :

Fonction

Comment y accéder

Installer des nœuds personnalisés

Manager → Installer des nœuds personnalisés

Mettre à jour tous les nœuds

Manager → Mettre tout à jour

Désactiver/activer des nœuds

Manager → Gestionnaire de nœuds personnalisés

Installer les nœuds manquants

Manager → Installer les nœuds personnalisés manquants

Récupérer les infos du modèle

Manager → Gestionnaire de modèles

Restaurer un snapshot

Manager → Gestionnaire de snapshots

Workflow : installation d'un nouveau pack de nœuds

Cliquez Manager bouton
Sélectionner Installer des nœuds personnalisés
Rechercher par nom (par ex., "FLUX", "AnimateDiff")
Cliquez Installer sur le pack souhaité
Cliquez Redémarrer lorsqu'on vous le demande
Les nouveaux nœuds apparaissent dans le menu d'ajout (clic droit)

Installation automatique des nœuds manquants : Lorsque vous importez un workflow JSON qui utilise des nœuds que vous n'avez pas, Manager les détecte et propose de les installer automatiquement via Installer les nœuds personnalisés manquants.

Maintenir les nœuds à jour

# Depuis le CLI (alternative à l'UI) :
cd ComfyUI/custom_nodes/ComfyUI-Manager
git pull

# Ou utilisez Manager → Mettre tout à jour dans l'UI

Flux FLUX dans ComfyUI

FLUX utilise une structure de nœuds différente des modèles SD standard. Ci-dessous se trouve un workflow FLUX.1-dev complet.

Fichiers requis

Avant d'exécuter le workflow, téléchargez :

# Modèle FLUX (dev ou schnell)
cd ComfyUI/models/unet
wget https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/flux1-dev.safetensors

# Encodeurs de texte
cd ../clip
wget https://huggingface.co/comfyanonymous/flux_text_encoders/resolve/main/clip_l.safetensors
wget https://huggingface.co/comfyanonymous/flux_text_encoders/resolve/main/t5xxl_fp16.safetensors

# VAE
cd ../vae
wget https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/ae.safetensors

Workflow JSON FLUX.1-dev

Enregistrer sous flux_dev_workflow.json et importer via Charger bouton dans ComfyUI :

{
  "last_node_id": 12,
  "last_link_id": 20,
  "nodes": [
    {
      "id": 1,
      "type": "UNETLoader",
      "pos": [100, 100],
      "size": [300, 60],
      "inputs": [],
      "outputs": [{"name": "MODEL", "type": "MODEL", "links": [1]}],
      "properties": {},
      "widgets_values": ["flux1-dev.safetensors", "default"]
    },
    {
      "id": 2,
      "type": "DualCLIPLoader",
      "pos": [100, 200],
      "size": [350, 80],
      "inputs": [],
      "outputs": [{"name": "CLIP", "type": "CLIP", "links": [2, 3]}],
      "properties": {},
      "widgets_values": ["clip_l.safetensors", "t5xxl_fp16.safetensors", "flux"]
    },
    {
      "id": 3,
      "type": "CLIPTextEncode",
      "pos": [500, 150],
      "size": [425, 180],
      "inputs": [{"name": "clip", "type": "CLIP", "link": 2}],
      "outputs": [{"name": "CONDITIONING", "type": "CONDITIONING", "links": [4]}],
      "properties": {},
      "widgets_values": ["A stunning photorealistic landscape, golden hour lighting, 8K"]
    },
    {
      "id": 4,
      "type": "EmptySD3LatentImage",
      "pos": [100, 350],
      "size": [300, 100],
      "inputs": [],
      "outputs": [{"name": "LATENT", "type": "LATENT", "links": [5]}],
      "properties": {},
      "widgets_values": [1024, 1024, 1]
    },
    {
      "id": 5,
      "type": "ModelSamplingFlux",
      "pos": [500, 350],
      "size": [300, 80],
      "inputs": [{"name": "model", "type": "MODEL", "link": 1}],
      "outputs": [{"name": "MODEL", "type": "MODEL", "links": [6]}],
      "properties": {},
      "widgets_values": [1.15, 0.5, 1024, 1024]
    },
    {
      "id": 6,
      "type": "KSampler",
      "pos": [850, 250],
      "size": [350, 240],
      "inputs": [
        {"name": "model", "type": "MODEL", "link": 6},
        {"name": "positive", "type": "CONDITIONING", "link": 4},
        {"name": "negative", "type": "CONDITIONING", "link": 7},
        {"name": "latent_image", "type": "LATENT", "link": 5}
      ],
      "outputs": [{"name": "LATENT", "type": "LATENT", "links": [8]}],
      "properties": {},
      "widgets_values": [42, "fixed", 20, 3.5, "euler", "simple", 1.0]
    },
    {
      "id": 7,
      "type": "CLIPTextEncode",
      "pos": [500, 500],
      "size": [300, 60],
      "inputs": [{"name": "clip", "type": "CLIP", "link": 3}],
      "outputs": [{"name": "CONDITIONING", "type": "CONDITIONING", "links": [7]}],
      "properties": {},
      "widgets_values": [""]
    },
    {
      "id": 8,
      "type": "VAELoader",
      "pos": [100, 500],
      "size": [300, 60],
      "inputs": [],
      "outputs": [{"name": "VAE", "type": "VAE", "links": [9]}],
      "properties": {},
      "widgets_values": ["ae.safetensors"]
    },
    {
      "id": 9,
      "type": "VAEDecode",
      "pos": [1250, 300],
      "size": [210, 46],
      "inputs": [
        {"name": "samples", "type": "LATENT", "link": 8},
        {"name": "vae", "type": "VAE", "link": 9}
      ],
      "outputs": [{"name": "IMAGE", "type": "IMAGE", "links": [10]}],
      "properties": {}
    },
    {
      "id": 10,
      "type": "SaveImage",
      "pos": [1500, 300],
      "size": [300, 270],
      "inputs": [{"name": "images", "type": "IMAGE", "link": 10}],
      "outputs": [],
      "properties": {},
      "widgets_values": ["flux_output"]
    }
  ],
  "links": [
    [1, 1, 0, 5, 0, "MODEL"],
    [2, 2, 0, 3, 0, "CLIP"],
    [3, 2, 0, 7, 0, "CLIP"],
    [4, 3, 0, 6, 1, "CONDITIONING"],
    [5, 4, 0, 6, 3, "LATENT"],
    [6, 5, 0, 6, 0, "MODEL"],
    [7, 7, 0, 6, 2, "CONDITIONING"],
    [8, 6, 0, 9, 0, "LATENT"],
    [9, 8, 0, 9, 1, "VAE"],
    [10, 9, 0, 10, 0, "IMAGE"]
  ],
  "groups": [],
  "config": {},
  "extra": {"ds": {"scale": 0.8, "offset": [0, 0]}},
  "version": 0.4
}

Workflow FLUX.1-schnell (4 étapes)

Pour schnell, modifiez les paramètres KSampler dans le JSON ci-dessus :

num_inference_steps: 4
cfg: 1.0
scheduler: "simple"
Fichier modèle : flux1-schnell.safetensors

Ou définissez via l'UI : KSampler → steps : 4, cfg : 1.0, sampler : euler, scheduler : simple

Principales différences de nœuds : FLUX vs SD

Nœud

SD/SDXL

FLUX

Chargeur de modèle

Charger Checkpoint

UNETLoader

Encodeur de texte

CLIPTextEncode

DualCLIPLoader + CLIPTextEncode

Latent

Image latente vide

EmptySD3LatentImage

Extra

—

ModelSamplingFlux

Prompt négatif

Requis

Optionnel (laisser vide)

Nœuds personnalisés essentiels

Packs de nœuds recommandés

Pack de nœuds

GitHub

Cas d'utilisation

ComfyUI-Manager

ltdrdata/ComfyUI-Manager

Installer et gérer tous les autres nœuds

ComfyUI-FLUX

XLabs-AI/x-flux-comfyui

Nœuds ControlNet pour FLUX

was-node-suite

WASasquatch/was-node-suite-comfyui

100+ nœuds utilitaires

ComfyUI-Impact-Pack

ltdrdata/ComfyUI-Impact-Pack

Détection de visage, SAM, ADetailer

ComfyUI-Inspire-Pack

ltdrdata/ComfyUI-Inspire-Pack

Samplers avancés, workflows

ComfyUI-AnimateDiff

Kosinkadink/ComfyUI-AnimateDiff-Evolved

Génération de vidéo / animation

ComfyUI-VideoHelperSuite

Kosinkadink/ComfyUI-VideoHelperSuite

Gestion I/O vidéo

ComfyUI-GGUF

city96/ComfyUI-GGUF

Exécuter des modèles GGUF quantifiés

ComfyUI-KJNodes

kijai/ComfyUI-KJNodes

Nœuds utilitaires & de masque

rgthree-comfy

rgthree/rgthree-comfy

Aides au workflow, meilleure interface

ComfyUI-FLUX (XLabs-AI)

Ajoute le support ControlNet pour FLUX dans ComfyUI :

cd ComfyUI/custom_nodes
git clone https://github.com/XLabs-AI/x-flux-comfyui
cd x-flux-comfyui
pip install -r requirements.txt

Ajoute des nœuds : Appliquer ControlNet (FLUX), Charger le modèle ControlNet (FLUX), XFlux Sampler

was-node-suite

Plus de 100 nœuds utilitaires pour workflows avancés :

cd ComfyUI/custom_nodes
git clone https://github.com/WASasquatch/was-node-suite-comfyui
cd was-node-suite-comfyui
pip install -r requirements.txt

Nœuds clés : Image Batch, Opérations sur texte, Analyse d'image, Nœud Cache, Nœud Bus, Upscale, Opérations de masque

Installer via Manager

Cliquez Manager bouton
Installer des nœuds personnalisés
Rechercher et installer
Redémarrer ComfyUI

Workflows avancés

ControlNet

# Télécharger les modèles ControlNet
cd ComfyUI/models/controlnet

# Canny
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11p_sd15_canny.pth

# Depth
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11f1p_sd15_depth.pth

# OpenPose
wget https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11p_sd15_openpose.pth

Workflow :

Charger l'image → Détecteur de contours Canny
Appliquer ControlNet → KSampler
Générer avec guidage pose/contour

Suréchantillonnage

# Télécharger l'upscaler
cd ComfyUI/models/upscale_models
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth

Workflow :

Générer l'image à plus basse résolution (768x768)
Nœud Upscale Image (Model)
Optionnel : passage img2img pour le détail

SDXL + Refiner

Générer avec la base SDXL (étapes 1-20)
Transmettre le latent au refiner SDXL (étapes 21-30)
VAE Decode du résultat final

Raccourcis clavier

Touche

Action

Ctrl+Enter

Mettre en file la prompt

Ctrl+Shift+Enter

Mettre en file la prompt (en tête)

Ctrl+Z

Annuler

Ctrl+Y

Rétablir

Ctrl+S

Sauvegarder le workflow

Ctrl+O

Charger le workflow

Ctrl+A

Tout sélectionner

Delete

Supprimer la sélection

Ctrl+M

Couper le son du nœud

Ctrl+B

Bypass du nœud

Utilisation de l'API

Mettre en file la prompt

import json
import urllib.request

# Pour un accès externe, utilisez votre URL http_pub :
SERVER = "your-http-pub.clorecloud.net"
# Ou via SSH : SERVER = "localhost:8188"

def queue_prompt(prompt, server=SERVER):
    data = json.dumps({"prompt": prompt}).encode('utf-8')
    req = urllib.request.Request(f"https://{server}/prompt", data=data)
    urllib.request.urlopen(req)

# Charger le JSON du workflow et mettre en file
with open("workflow.json") as f:
    workflow = json.load(f)
queue_prompt(workflow)

WebSocket pour la progression

import websocket
import json

# Pour un accès externe, utilisez wss:// avec votre URL http_pub
ws = websocket.WebSocket()
ws.connect(f"wss://{SERVER}/ws")

while True:
    msg = json.loads(ws.recv())
    if msg['type'] == 'progress':
        print(f"Étape {msg['data']['value']}/{msg['data']['max']}")
    elif msg['type'] == 'executed':
        print("Terminé !")
        break

Conseils de performance

Activer --lowvram pour <8Go de VRAM
Utiliser fp16 les modèles lorsque possible
Taille de batch 1 pour VRAM limitée
VAE en tuiles pour images haute résolution
Désactiver l'aperçu pour une génération plus rapide

Exigences GPU

Modèle

VRAM minimale

VRAM recommandée

RAM min

SD 1.5

4 Go

8 Go

16Go

SDXL

8 Go

12Go

16Go

SDXL + ControlNet

10Go

16Go

FLUX

16Go

24 Go

32Go

Préréglages GPU

RTX 3060 12GB (Budget)

# Lancer avec optimisations
python main.py --lowvram --force-fp16

# Paramètres recommandés :
# - SDXL : 768x768, lot 1
# - SD 1.5 : 512x512, lot 4
# - Utiliser le tiling VAE
# - 20-30 étapes

Idéal pour : SD 1.5, SDXL (avec limites)

RTX 3090 24GB (Optimal)

# Lancement standard
python main.py --force-fp16

# Paramètres recommandés :
# - SDXL : 1024x1024, lot 2
# - FLUX schnell : 1024x1024, lot 1
# - ControlNet + SDXL fonctionne bien
# - 30-50 étapes

Idéal pour : Flux de travail SDXL, ControlNet, FLUX modéré

RTX 4090 24GB (Performance)

# Lancement pleine vitesse
python main.py

# Paramètres recommandés :
# - SDXL : 1024x1024, lot 4
# - FLUX dev : 1024x1024, lot 1-2
# - Flux de travail complexes avec plusieurs ControlNets
# - 50+ étapes pour la qualité

Idéal pour : FLUX, flux de travail complexes, génération par lots

A100 40GB/80GB (Production)

# Performance maximale
python main.py --highvram

# Paramètres recommandés :
# - SDXL : 1024x1024, lot 8+
# - FLUX : 1024x1024, lot 2-4
# - Plusieurs modèles chargés simultanément
# - Sorties haute résolution (2048x2048)

Idéal pour : Charges de production, FLUX, génération haute résolution

Estimation des coûts

Tarifs typiques du marketplace CLORE.AI :

GPU

VRAM

Prix/jour

Vitesse SDXL

RTX 3060

12Go

0,15–0,30 $

~15 sec/img

RTX 3090

24 Go

0,30–1,00 $

~8 sec/img

RTX 4090

24 Go

0,50–2,00 $

~4 sec/img

A100

40Go

1,50–3,00 $

~3 sec/img

Prix en USD/jour. Les tarifs varient selon le fournisseur — vérifiez CLORE.AI Marketplace pour les tarifs actuels.

Dépannage

HTTP 502 pendant longtemps

Vérifier la RAM : Le serveur doit avoir 16 Go+ de RAM
Vérifier la VRAM : 8Go+ pour SDXL, 16Go+ pour FLUX
Téléchargement des dépendances : La première exécution prend 5-10 min
Téléchargement du modèle : Les gros modèles prennent plus de temps

Mémoire insuffisante

# Exécuter en mode faible VRAM
python main.py --lowvram

# Ou forcer fp16
python main.py --force-fp16

Images noires

Vérifier que le VAE est chargé
Essayer un autre VAE
Réduire la taille de l'image

Génération lente

Activer CUDA
Utiliser des modèles fp16
Réduire les étapes (20-30 suffisent souvent)

Exemples de flux de travail

Importer ces workflows JSON dans ComfyUI :

Prochaines étapes

Guide ControlNet
Upscaling Real-ESRGAN
Entraînement Kohya - Entraîner des LoRA personnalisés
Fooocus - Alternative plus simple

PrécédentStable Diffusion WebUI SuivantFooocus

Mis à jour il y a 1 jour

Ce contenu vous a-t-il été utile ?

hashtagExigences du serveur

hashtagPourquoi ComfyUI ?

hashtagDéploiement rapide sur CLORE.AI

hashtagVérifiez que cela fonctionne

hashtagAccéder à votre service

hashtagInstallation

hashtagUtilisation de Docker (Recommandé)

hashtagInstallation manuelle

hashtagStructure du répertoire

hashtagTélécharger des modèles

hashtagCheckpoints Stable Diffusion

hashtagVAE

hashtagLoRAs

hashtagFlux de travail de base

hashtagTexte vers Image

hashtagImage vers Image

hashtagComfyUI Manager

hashtagInstallation

hashtagUtilisation de ComfyUI Manager

hashtagMaintenir les nœuds à jour

hashtagFlux FLUX dans ComfyUI

hashtagFichiers requis

hashtagWorkflow JSON FLUX.1-dev

hashtagWorkflow FLUX.1-schnell (4 étapes)

hashtagPrincipales différences de nœuds : FLUX vs SD

hashtagNœuds personnalisés essentiels

hashtagPacks de nœuds recommandés

hashtagComfyUI-FLUX (XLabs-AI)

hashtagwas-node-suite

hashtagInstaller via Manager

hashtagWorkflows avancés

hashtagControlNet

hashtagSuréchantillonnage

hashtagSDXL + Refiner

hashtagRaccourcis clavier

hashtagUtilisation de l'API

hashtagMettre en file la prompt

hashtagWebSocket pour la progression

hashtagConseils de performance

hashtagExigences GPU

hashtagPréréglages GPU

hashtagRTX 3060 12GB (Budget)

hashtagRTX 3090 24GB (Optimal)

hashtagRTX 4090 24GB (Performance)

hashtagA100 40GB/80GB (Production)

hashtagEstimation des coûts

hashtagDépannage

hashtagHTTP 502 pendant longtemps

hashtagMémoire insuffisante

hashtagImages noires

hashtagGénération lente

hashtagExemples de flux de travail

hashtagProchaines étapes

Exigences du serveur

Pourquoi ComfyUI ?

Déploiement rapide sur CLORE.AI

Vérifiez que cela fonctionne

Accéder à votre service

Installation

Utilisation de Docker (Recommandé)

Installation manuelle

Structure du répertoire

Télécharger des modèles

Checkpoints Stable Diffusion

VAE

LoRAs

Flux de travail de base

Texte vers Image

Image vers Image

ComfyUI Manager

Installation

Utilisation de ComfyUI Manager

Maintenir les nœuds à jour

Flux FLUX dans ComfyUI

Fichiers requis

Workflow JSON FLUX.1-dev

Workflow FLUX.1-schnell (4 étapes)

Principales différences de nœuds : FLUX vs SD

Nœuds personnalisés essentiels

Packs de nœuds recommandés

ComfyUI-FLUX (XLabs-AI)

was-node-suite

Installer via Manager

Workflows avancés

ControlNet

Suréchantillonnage

SDXL + Refiner

Raccourcis clavier

Utilisation de l'API

Mettre en file la prompt

WebSocket pour la progression

Conseils de performance

Exigences GPU

Préréglages GPU

RTX 3060 12GB (Budget)

RTX 3090 24GB (Optimal)

RTX 4090 24GB (Performance)

A100 40GB/80GB (Production)

Estimation des coûts

Dépannage

HTTP 502 pendant longtemps

Mémoire insuffisante

Images noires

Génération lente

Exemples de flux de travail

Prochaines étapes