ComfyUI

Интерфейс Stable Diffusion на узлах с ComfyUI на Clore.ai

Интерфейс на основе узлов для Stable Diffusion с максимальной гибкостью на GPU CLORE.AI.

Все примеры можно запускать на GPU-серверах, арендованных через маркетплейс CLORE.AI.

Требования к серверу

Параметр	Минимум	Рекомендуется
ОЗУ	16GB	32 ГБ+
VRAM	8 ГБ (SDXL)	12 ГБ+
Сеть	500 Мбит/с	1 Гбит/с+
Время запуска	5–10 минут	-

Время запуска: При первом запуске загружаются зависимости и модели (5–10 минут в зависимости от скорости сети). HTTP 502 в это время — это нормально.

Важно: Для ComfyUI с моделями FLUX требуется 16 ГБ+ VRAM. Для SDXL с ControlNet убедитесь, что есть как минимум 10 ГБ VRAM.

Почему ComfyUI?

• Рабочий процесс на основе узлов - Визуальное программирование для генерации изображений

• Максимальный контроль - Тщательно настраивайте каждый шаг конвейера

• Эффективный - Меньше расходует VRAM, чем альтернативы

• Расширяемый - Огромная экосистема пользовательских узлов

• Обмен рабочими процессами - Импорт/экспорт в формате JSON

Быстрое развертывание на CLORE.AI

Docker-образ:

yanwk/comfyui-boot:cu130-slim

Порты:

22/tcp
8188/http

Окружение:

CLI_ARGS=--listen 0.0.0.0

Проверьте, что он работает

После развертывания найдите свой http_pub URL в Мои заказы:

# Проверьте, доступен ли интерфейс (при первом запуске может занять 5–10 мин)
curl https://your-http-pub.clorecloud.net/

Если HTTP 502 держится более 15 минут, проверьте:

1. На сервере есть 16 ГБ+ RAM

2. На сервере есть 8 ГБ+ VRAM для SDXL, 16 ГБ+ для FLUX

3. Скорость сети достаточна для загрузки моделей

Доступ к вашему сервису

При развертывании на CLORE.AI открывайте ComfyUI через http_pub URL:

• Веб-интерфейс: https://your-http-pub.clorecloud.net/

• API: https://your-http-pub.clorecloud.net/prompt

• WebSocket: wss://your-http-pub.clorecloud.net/ws

Все localhost:8188 Примеры ниже работают при подключении по SSH. Для внешнего доступа замените на свой https://your-http-pub.clorecloud.net/ URL.

Установка

Использование Docker (рекомендуется)

docker run -d --gpus all \
  -p 8188:8188 \
  -v comfyui-data:/root \
  -e CLI_ARGS="--listen 0.0.0.0" \
  yanwk/comfyui-boot:cu130-slim

Ручная установка

# Клонировать репозиторий
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# Создать виртуальное окружение
python -m venv venv
source venv/bin/activate

# Установите PyTorch с CUDA
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128

# Установка зависимостей
pip install -r requirements.txt

# Запуск
python main.py --listen 0.0.0.0

Структура каталогов

ComfyUI/
├── models/
│   ├── checkpoints/     # Модели SD (.safetensors)
│   ├── loras/           # Модели LoRA
│   ├── vae/             # Модели VAE
│   ├── controlnet/      # Модели ControlNet
│   ├── upscale_models/  # Апскейлеры
│   └── clip/            # Модели CLIP
├── input/               # Входные изображения
├── output/              # Сгенерированные изображения
└── custom_nodes/        # Расширения

Скачать модели

Контрольные точки Stable Diffusion

cd ComfyUI/models/checkpoints

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

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

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

# Realistic Vision (фотореалистичный)
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 (лучшие цвета)
wget https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.safetensors

LoRA

cd ComfyUI/models/loras

# Скачайте с CivitAI или HuggingFace
# Поместите файлы .safetensors сюда

Базовый рабочий процесс

Текст в изображение

1. Добавьте узлы:

   • Load Checkpoint → выберите модель

   • CLIP Text Encode (x2) → позитивный и негативный промпты

   • Empty Latent Image → задайте размеры

   • KSampler → подключите всё

   • VAE Decode → из латента в изображение

   • Save Image → выход

2. Соедините:

[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]

Изображение в изображение

Замените Empty Latent Image на:

1. Загрузите изображение → ваше исходное изображение

2. VAE Encode → преобразовать в латент

3. Измените подавление шума в KSampler (0.5–0.8)

ComfyUI Manager

ComfyUI Manager — это необходимое расширение которое добавляет GUI для установки, обновления и управления пользовательскими узлами. Это стандартный способ расширять ComfyUI.

Установка

cd ComfyUI/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git
# Перезапустите ComfyUI — кнопка "Manager" появится на панели инструментов

Использование ComfyUI Manager

После перезапуска, Manager кнопка появляется в правом верхнем углу интерфейса ComfyUI.

Ключевые возможности:

Функция	Как получить доступ
Установить пользовательские узлы	Manager → Установить пользовательские узлы
Обновить все узлы	Manager → Обновить всё
Отключить/включить узлы	Manager → Менеджер пользовательских узлов
Установить отсутствующие узлы	Manager → Установить отсутствующие пользовательские узлы
Получить информацию о модели	Manager → Менеджер моделей
Восстановить снимок	Manager → Менеджер снимков

Рабочий процесс: установка нового пакета узлов

1. Нажмите Manager кнопка

2. Выберите Install Custom Nodes

3. Поиск по имени (например, "FLUX", "AnimateDiff")

4. Нажмите Установить для нужного пакета

5. Нажмите Перезапустить когда появится запрос

6. Новые узлы появятся в контекстном меню добавления по правому клику

Автоматическая установка отсутствующих узлов: Когда вы импортируете JSON рабочего процесса, использующий узлы, которых у вас нет, Manager обнаружит их и предложит автоматически установить через Установить отсутствующие пользовательские узлы.

Поддержание узлов в актуальном состоянии

# Из CLI (альтернатива GUI):
cd ComfyUI/custom_nodes/ComfyUI-Manager
git pull

# Или используйте Manager → Обновить всё в интерфейсе

---

Рабочий процесс FLUX в ComfyUI

FLUX использует другую структуру узлов, чем стандартные модели SD. Ниже приведён полный рабочий процесс FLUX.1-dev.

Необходимые файлы

Перед запуском рабочего процесса скачайте:

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

# Текстовые энкодеры
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

JSON рабочего процесса FLUX.1-dev

Сохранить как flux_dev_workflow.json и импортируйте через Загрузить кнопку в 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": ["Потрясающий фотореалистичный пейзаж, освещение золотого часа, 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
}

Рабочий процесс FLUX.1-schnell (4 шага)

Для schnell измените настройки KSampler в JSON выше:

• num_inference_steps: 4

• cfg: 1.0

• scheduler: "simple"

• Файл модели: flux1-schnell.safetensors

Или задайте через интерфейс: KSampler → шаги: 4, cfg: 1.0, сэмплер: euler, планировщик: simple

Ключевые различия узлов: FLUX vs SD

Узел	SD/SDXL	FLUX
Загрузчик модели	Load Checkpoint	UNETLoader
Текстовый энкодер	CLIPTextEncode	DualCLIPLoader + CLIPTextEncode
Латент	Empty Latent Image	EmptySD3LatentImage
Дополнительно	—	ModelSamplingFlux
Негативный промпт	Требуется	Необязательно (оставьте пустым)

---

Необходимые пользовательские узлы

Рекомендуемые пакеты узлов

Пакет узлов	GitHub	Сценарий использования
ComfyUI-Manager	ltdrdata/ComfyUI-Manager	Устанавливайте и управляйте всеми остальными узлами
ComfyUI-FLUX	XLabs-AI/x-flux-comfyui	Узлы ControlNet для FLUX
was-node-suite	WASasquatch/was-node-suite-comfyui	100+ служебных узлов
ComfyUI-Impact-Pack	ltdrdata/ComfyUI-Impact-Pack	Обнаружение лиц, SAM, ADetailer
ComfyUI-Inspire-Pack	ltdrdata/ComfyUI-Inspire-Pack	Продвинутые семплеры, рабочие процессы
ComfyUI-AnimateDiff	Kosinkadink/ComfyUI-AnimateDiff-Evolved	Генерация видео / анимации
ComfyUI-VideoHelperSuite	Kosinkadink/ComfyUI-VideoHelperSuite	Обработка ввода/вывода видео
ComfyUI-GGUF	city96/ComfyUI-GGUF	Запуск квантованных моделей GGUF
ComfyUI-KJNodes	kijai/ComfyUI-KJNodes	Утилиты и узлы масок
rgthree-comfy	rgthree/rgthree-comfy	Помощники рабочих процессов, улучшенный интерфейс

ComfyUI-FLUX (XLabs-AI)

Добавляет поддержку ControlNet для FLUX внутри ComfyUI:

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

Добавляет узлы: Применить ControlNet (FLUX), Загрузить модель ControlNet (FLUX), Семплер XFlux

was-node-suite

Более 100 вспомогательных узлов для продвинутых рабочих процессов:

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

Ключевые узлы: Image Batch, Text Operations, Image Analyze, Cache Node, Bus Node, Upscale, операции с масками

Установить через Manager

1. Нажмите Manager кнопка

2. Install Custom Nodes

3. Найти и установить

4. Перезапустить ComfyUI

Продвинутые рабочие процессы

ControlNet

# Скачать модели ControlNet
cd ComfyUI/models/controlnet

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

# Глубина
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

Рабочий процесс:

1. Загрузка изображения → Детектор границ Canny

2. Применить ControlNet → KSampler

3. Генерация с управлением позой/краями

Масштабирование

# Скачать апскейлер
cd ComfyUI/models/upscale_models
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth

Рабочий процесс:

1. Сгенерировать изображение в более низком разрешении (768x768)

2. узел Upscale Image (Model)

3. Необязательно: проход img2img для детализации

SDXL + Refiner

1. Генерация с базовым SDXL (шаги 1-20)

2. Передать латент в SDXL refiner (шаги 21-30)

3. VAE Decode окончательный результат

Горячие клавиши

Клавиша	Действие
Ctrl+Enter	Поставить запрос в очередь
Ctrl+Shift+Enter	Поставить запрос в начало очереди
Ctrl+Z	Отменить
Ctrl+Y	Повторить
Ctrl+S	Сохранить рабочий процесс
Ctrl+O	Загрузить рабочий процесс
Ctrl+A	Выделить всё
Delete	Удалить выбранное
Ctrl+M	Отключить узел
Ctrl+B	Обойти узел

Использование API

Поставить запрос в очередь

import json
import urllib.request

# Для внешнего доступа используйте свой URL http_pub:
SERVER = "your-http-pub.clorecloud.net"
# Или через 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)

# Загрузить JSON рабочего процесса и поставить в очередь
with open("workflow.json") as f:
    workflow = json.load(f)
queue_prompt(workflow)

WebSocket для прогресса

import websocket
import json

# Для внешнего доступа используйте wss:// со своим 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"Шаг {msg['data']['value']}/{msg['data']['max']}")
    elif msg['type'] == 'executed':
        print("Готово!")
        break

Советы по производительности

1. Включить --lowvram для <8 ГБ VRAM

2. Используйте fp16 модели, когда это возможно

3. Размер батча 1 для ограниченной VRAM

4. Tiled VAE для изображений высокого разрешения

5. Отключить предпросмотр для более быстрой генерации

Требования к GPU

Модель	Минимальная VRAM	Рекомендуемая VRAM	Мин. RAM
SD 1.5	4 ГБ	8 ГБ	16GB
SDXL	8 ГБ	12GB	16GB
SDXL + ControlNet	10 ГБ	16GB	16GB
FLUX	16GB	24 ГБ	32GB

Пресеты GPU

RTX 3060 12GB (Бюджет)

# Запуск с оптимизациями
python main.py --lowvram --force-fp16

# Рекомендуемые настройки:
# - SDXL: 768x768, batch 1
# - SD 1.5: 512x512, batch 4
# - Используйте тайлинг VAE
# - 20-30 шагов

Лучше всего подходит для: SD 1.5, SDXL (с ограничениями)

RTX 3090 24GB (Оптимально)

# Стандартный запуск
python main.py --force-fp16

# Рекомендуемые настройки:
# - SDXL: 1024x1024, batch 2
# - FLUX schnell: 1024x1024, batch 1
# - ControlNet + SDXL работает хорошо
# - 30-50 шагов

Лучше всего подходит для: SDXL, рабочие процессы ControlNet, умеренный FLUX

RTX 4090 24GB (Производительность)

# Запуск на полной скорости
python main.py

# Рекомендуемые настройки:
# - SDXL: 1024x1024, batch 4
# - FLUX dev: 1024x1024, batch 1-2
# - Сложные рабочие процессы с несколькими ControlNet
# - 50+ шагов для качества

Лучше всего подходит для: FLUX, сложные рабочие процессы, пакетная генерация

A100 40GB/80GB (Продакшн)

# Максимальная производительность
python main.py --highvram

# Рекомендуемые настройки:
# - SDXL: 1024x1024, batch 8+
# - FLUX: 1024x1024, batch 2-4
# - Несколько моделей загружены одновременно
# - Выводы в высоком разрешении (2048x2048)

Лучше всего подходит для: Производственные задачи, FLUX, генерация в высоком разрешении

Оценка стоимости

Типичные расценки маркетплейса CLORE.AI:

GPU	VRAM	Цена/день	Скорость SDXL
RTX 3060	12GB	$0.15–0.30	~15 сек/изображение
RTX 3090	24 ГБ	$0.30–1.00	~8 сек/изображение
RTX 4090	24 ГБ	$0.50–2.00	~4 сек/изображение
A100	40 ГБ	$1.50–3.00	~3 сек/изображение

Цены указаны в USD/день. Тарифы зависят от провайдера — проверьте маркетплейс CLORE.AI актуальные тарифы.

Устранение неполадок

HTTP 502 в течение длительного времени

1. Проверьте RAM: На сервере должно быть 16 ГБ+ RAM

2. Проверьте VRAM: 8 ГБ+ для SDXL, 16 ГБ+ для FLUX

3. Загрузка зависимостей: Первый запуск занимает 5–10 мин

4. Загрузка модели: Большие модели загружаются дольше

Недостаточно памяти

# Запустите в режиме низкого VRAM
python main.py --lowvram

# Или принудительно fp16
python main.py --force-fp16

Чёрные изображения

• Проверьте, что VAE загружен

• Попробуйте другой VAE

• Уменьшите размер изображения

Медленная генерация

• Включите CUDA

• Используйте модели fp16

• Уменьшите число шагов (20–30 часто достаточно)

Примеры рабочих процессов

Импортируйте эти JSON-рабочие процессы в ComfyUI:

• Базовый txt2img

• SDXL + Refiner

• ControlNet Canny

• Видео AnimateDiff

Дальнейшие шаги

• Руководство по ControlNet

• Масштабирование Real-ESRGAN

• Обучение Kohya - Обучать пользовательские LoRA

• Fooocus - Более простая альтернатива