אם אתם עובדים באפקטים חזותיים (Vector FX) וסקרנים לקחת את זרימות העבודה שלכם לשלב הבא ביצירת תמונות, ComfyUI הוא פריט חובה. הגישה מבוססת הצמתים, המודולריות והכוח שמוסיף FLUX זה הופך אותה לסביבה אידיאלית לחקר כל דבר, החל מ-text2img באיכות גבוהה ועד צינורות מורכבים עם ControlNet, IP-Adapter או הדרכת LoRA. ComfyUI עבור VFX: הסבר על התקנה ותהליכי עבודה של FLUX.
במדריך זה תמצאו, בצורה מאורגנת, כל מה שאתם צריכים: מהו תהליך עבודה ב-ComfyUI, כיצד לשמור ולשתף אותו, כיצד להתקין את FLUX שלב אחר שלב, איזו חומרה אתם צריכים, והסבר ברור על הזרימות הנפוצות ביותר (Txt2Img, Img2Img, Inpainting, LoRA, ControlNet, NF4, IPAdapter ו-latent scaling). תראו גם חלופות כמו FP8, NF4 או GGUF להפחתת VRAMמשאבים לשימוש ב-Flux בענן, והתקנת ComfyUI מותאמת ל-Windows עם טיפים מעשיים.
מהי זרימת עבודה ב-ComfyUI?
זרימת עבודה היא הייצוג החזותי של תהליך היצירה שאתה בונה על ידי חיבור צמתים. אפשר לדמיין את זה כלוח חלקים בסגנון לגוכל צומת מבצע פונקציה (טעינת מודלים, קידוד טקסט, דגימה, פענוח וכו') והחיבורים מתארים את הנתיב שהמידע עוקב אחריו עד לקבלת התמונה הסופית.
המערכת האקולוגית היא עצומה: תמונות סטילס, וידאו, אודיו ואפילו תלת-ממד הם מתקיימים יחד בזכות קהילת הקוד הפתוח. החיסרון הוא שיש עקומת למידה, כי חשוב להבין מה כל רכיב עושה וכיצד לשלב ביניהם ביעילות כדי להימנע מצווארי בקבוק או תוצאות לא עקביות.
כדי להתחיל במהירות, עדיף להסתכל על זרימות רשמיות ובסיסיות (text2img ו- img2img) ולאחר מכן לעבור לצמתים מורכבים יותר. תיעוד קהילתי ודוגמאות רשמיות של ComfyUI הם מתעדכנים לעתים קרובות, כך שקל לחדש או לסקור זרימות עבודה שמשתנות עם גרסאות חדשות.
פרט חשוב אחד: ComfyUI יכול להטמיע את תהליך העבודה בתמונה הסופית (PNG) עצמה כמטא-דאטה. זה מאפשר לך לשתף רק את התמונה ולאחזר את הגרף כולו. גרירתו חזרה לממשק.
כיצד ללמוד ולהתקדם עם זרימות עבודה
העצה שלי היא להתחיל עם דוגמאות פשוטות שפורסמו במשאבים בסגנון ויקי ובגלריות קהילתיות. התקדמות לוגית היא: Txt2Img, Img2Img, ולאחר מכן ControlNet או LoRAככל שתבינו את התשומות, התפוקות, וכיצד מתכננים משפיעים על הדגימה, יהיה זה טבעי לשלב צמתי מנחים, מסכות ותנאים נוספים.
אם אתם רוצים לראות טופולוגיות שונות, ישנם מאגרים של זרימות ציבוריות ודפים עם דוגמאות ניתנות לשחזור שבהם תוכלו להוריד תמונות עם מטא-דאטה או קבצי .json. מומלץ לייבא, להפעיל כפי שהוא, ולאחר מכן לעבור על פרמטרים שוב ושוב. כדי להבין את ההשפעה של כל בלוק מבלי לשבור את השלם.
בפלטפורמות ענן תמצאו גם סביבות מוגדרות מראש להפעלת צינורות (pipelines) מבלי להתקשות בתלות מקומיות. היתרון הוא שהם טוענים מראש צמתים ומודלים כבדיםעם זאת, מומלץ לבדוק גרסאות זמינות ו-VRAM כדי לוודא שהתוצאות עומדות בציפיות.
שמירה, ייבוא וייצוא של זרימות עבודה ב-ComfyUI
ComfyUI תומך בשתי שיטות שמירה עיקריות: תמונה עם מטא-דאטה (PNG) או קובץ JSON של הגרף. הראשון הוא הנוח ביותר לשיתוף בפורומים; השני נותן לך שליטה מפורשת על הקובץ, שימושי לניהול גרסאות.
כדי לייבא, פשוט גררו את קובץ ה-PNG או ה-Json לממשק, או השתמשו בקיצור המקשים Ctrl (Command) + O. כדי לייצא, ניתן לשמור את התמונה שנוצרה או להשתמש בתפריט ייצוא עבור קובץ ה-JSON.היזהרו בעת דחיסת או העברת תמונות: חלק משיטות הדחיסה וערוצים מסוימים מסירים מטא-נתונים, מה שיגרום לכם לאבד את זרימת העבודה המוטמעת.
עקב ההתפתחות המתמדת של ComfyUI, לא כל קבצי ה-JSON הישנים יותר פועלים בגרסאות חדשות יותר.אם משהו משתבש, פתחו את הזרימה, החליפו צמתים מיושנים, או התקינו מחדש תלויות בגרסה התואמת שלהם; שימוש ב-ComfyUI-Manager מאפשר לזהות ולפתור רכיבים חסרים מהר הרבה יותר.
FLUX ב-ComfyUI: מה זה ולמה זה חשוב
FLUX.1 היא משפחת מודלים ממעבדות היער השחור המתמקדת בהמרה מטקסט לתמונה באיכות גבוהה. הארכיטקטורה ההיברידית שלה עם כ-12 מיליארד פרמטרים הוא מותאם במיוחד להיענות מהירה, טיפול בסצנות מורכבות ויצירת טקסט קריא בתוך התמונה, משימה שבה מודלים אחרים לעתים קרובות נכשלים.
יתרון נוסף: הרבגוניות שלו. מפוטוריאליזם לסגנונות אמנותייםFLUX.1 בולט בזכות העקביות והפרטים הוויזואליים שלו, כולל רינדור המחוגים, נקודת תורפה קלאסית בגרפיקה יצירתית. אין זה מפתיע שהוא בהשוואה לפתרונות כמו Stable Diffusion או Midjourney, יוצא דופן מבחינת קלות שימוש ואיכות.
Black Forest Labs נוסדה על ידי רובין רומבאך, דמות מפתח שעבדה בליבת הבינה המלאכותית של יציבות. אם אתם רוצים להעיף מבט ממקור ראשון, האתר הרשמי שלה נמצא בכתובת blackforestlabs.ai.
FLUX.1 מופץ בשלושה גרסאות: מקצוענים, מפתחים ושנלPro מציעה את האיכות הגבוהה ביותר לסביבות מקצועיות; Dev מיועדת לשימוש לא מסחרי עם איזון מצוין; Schnell מתמקדת במהירות ובקלילות, והיא קוד פתוח תחת רישיון Apache 2.0.
דרישות חומרה לפי גרסת FLUX
עבור FLUX.1 Pro, מומלץ כרטיס מסך מסוג NVIDIA RTX 4090 עם 24 ג'יגה-בייט של זיכרון RAMזיכרון RAM בנפח 32 ג'יגה-בייט וכונן SSD מהיר. הוא משתמש ב-FP16 כדי למנוע תקלות באריזה, ועדיף להשתמש במקודד הטקסט ב-FP16 לקבלת איכות מקסימלית.
בפיתוח FLUX.1, א RTX 3080/3090 עם 16 ג'יגה-בייט של זיכרון VRAM זה עובד היטב עם 16 ג'יגה-בייט של זיכרון RAM וכ-25 ג'יגה-בייט של שטח דיסק. הוא תומך ב-FP16 ואפילו ב-FP8 במקרים מסוימים, תלוי בכרטיס המסך שלך.
עבור FLUX.1 Schnell, RTX 3060/4060 עם 12 ג'יגה-בייט של זיכרון VRAM 8GB של זיכרון RAM ו-15GB של אחסון מספיקים. הוא תוכנן למהירות, תוך ויתור על חלק מנפח הביצועים בהשוואה לגרסאות ה-Pro/Dev.
אם הזיכרון שלכם קצר, הקהילה מציעה חלופות כמו FP8, NF4 או GGUF ש... הם מפחיתים מאוד את ה-VRAM הדרוש, עם תצורות החל מ-6 עד 12 ג'יגה-בייט בהתאם לזרימה.
התקנת FLUX ב-ComfyUI: שלבים חיוניים
קודם כל, ודא שאתה משתמש ב- הגרסה האחרונה של ComfyUIאינטגרציות FLUX דורשות צמתים ותכונות שמתעדכנים לעתים קרובות.
הורד את מקודדי הטקסט וה-CLIP: clip_l.safetensors ואחד מקבצי ה-T5 XXL, או t5xxl_fp16.safetensors (אם יש לכם הרבה VRAM/RAM) או t5xxl_fp8_e4m3fn.safetensors (אם אתם בתקציב מצומצם יותר). שימו אותם בתיקייה ComfyUI/models/clip/. אם השתמשת ב-SD3 Medium, ייתכן שכבר יש לך את הקבצים האלה..
VAE: הורדה ae.safetensors והעבירו אותו ל-ComfyUI/models/vae/. שנו את שמו ל-flux_ae.safetensors אם תרצו למצוא אותו ביתר קלות. VAE זה משפר את הפענוח הסופי וזה המפתח לאיכות.
UNET: בחירה בין flux1-dev.safetensors או flux1-schnell.safetensors לפי הזיכרון שלך, והנח אותו ב-ComfyUI/models/unet/. עם זאת, יש לך את הבסיס להפעלת זרימות FLUX. באופן מקומי.
מדריך מעשי לזרימות עבודה של FLUX ב-ComfyUI
Txt2Img עם FLUX
התחל על ידי טעינת הרכיבים: UNETLoader, DualCLIPLoader ו-VAELoaderהצומת CLIPTextEncode מקודד את ההנחיה שלך; EmptyLatentImage יוצר את התמונה הסמויה הראשונית; BasicGuider מנחה את התהליך על ידי שילוב של לוגיקה מותנית עם UNET של FLUX.
בחר דוגם עם KSamplerSelectהוא מייצר רעש בעזרת RandomNoise ומגדיר את רמפת הסיגמא בעזרת BasicScheduler. SamplerCustomAdvanced מאחד הכל: רעש, מדריך, סמפלר, סיגמא וסמוי. לבסוף, VAEDecode ממיר את האות הסמוי לתמונה. ועם SaveImage אתה שומר את התוצאה.
תמונה2תמונה עם FLUX
הצינור מוסיף תמונה התחלתית: טעינת תמונה + קנה מידה של תמונה הגודל מותאם, ו-VAEEncode מגדיר אותו ל-latent. ההנחיה מקודדת באמצעות CLIPTextEncode ועוצמתה מותאם באמצעות FluxGuidance. ModelSamplingFlux שולט על שינוי מרווחים וממדיםKSamplerSelect, RandomNoise ו-BasicScheduler מטפלים בדגימה. SamplerCustomAdvanced ממזג את התנאי עם הקלט הלטון, ו-VAEDecode מייצר את הפלט.
לורה עם FLUX
כדי לחדד סגנון או מאפיינים, הוסף לורה טוען מודל בלבד יחד עם UNETLoader, DualCLIPLoader ו-VAELoader. לאחר קידוד הטקסט ויישום FluxGuidance, יוצרים את התמונה הסמויה באמצעות EmptyLatentImage, מגדירים דגימה באמצעות ModelSamplingFlux ומריצים את SamplerCustomAdvanced. עם VAEDecode מקבלים את התמונה שכבר הושפעה על ידי LoRAדוגמה אופיינית: realism_lora.safetensors ב-flux1-dev.
ControlNet עם FLUX
שני מקרים שימושיים מאוד לאפקטים חזותיים: עומק וקצוות חכמים. לקבלת עומק, עבדו מראש עם מעבד מקדים של MiDaS-DepthMapטען את ControlNet של העומק והפעל אותו באמצעות ApplyFluxControlNet. השתמש ב-XlabsSampler כדי ליצור את צורת הגל הסמויה המותנית, ולאחר מכן VAEDecode מייצר את התמונה.
עבור Canny, השתמשו מעבד מקדים של CannyEdge, טען את Canny ControlNet וחזור על הסכימה: ApplyFluxControlNet → XlabsSampler → VAEDecode. שליטה נוספת זו מספקת דיוק בצורה ובקומפוזיציה..
צביעה עם FLUX
טען את UNET, VAE ו-CLIP, והכן הנחיות חיוביות ושליליות. LoadAndResizeImage מעלה את התמונה והמסכההמעבר מוחלק בעזרת ImpactGaussianBlurMask. InpaintModelConditioning משלב התניה, תמונה ומסכה. לאחר הגדרת הסמפלר, הרעש והסיגמות, SamplerCustomAdvanced בונה מחדש את האזור הממוסך. VAEDecode משלב את התיקון באופן עקבי עם השאר.
FLUX NF4
עם כימות NF4, הזיכרון מצטמצם. טען רכיבים עם CheckpointLoaderNF4 ומגדיר גובה/רוחב עם צמתים פרימיטיביים. ModelSamplingFlux מגדיר פרמטרים; EmptySD3LatentImage יוצר את התמונה הסמויה; BasicScheduler ו-RandomNoise מארגנים את ביטול הרעש. SamplerCustomAdvanced מייצר את האות הסמוי ו-VAEDecode מתרגם אותו לתמונה.עבור קנה מידה, UltimateSDUpscale, יחד עם UpscaleModelLoader והנחיה חיובית נוספת, עושים את כל ההבדל.
מתאם IP עם FLUX
כאשר ברצונך להתנות באמצעות תמונת ייחוס, השתמש LoadFluxIPAdapter ו-ApplyFluxIPAdapter יחד עם clip_vision_l.safetensors. שנה את קנה המידה של תמונת הייחוס באמצעות ImageScale, הכין הנחיות והרץ את XlabsSampler. עם VAEDecode תראו את הפלט מושפע מאסתטיקה או תכונות מתוך תמונת המדריך.
מאמן LoRA עבור FLUX
כדי לאמן LoRA ישירות ב-ComfyUI, תהליך העבודה כולל: FluxTrainModelSelect, OptimizerConfig ו-TrainDatasetGeneralConfigInitFluxLoRATraining מאותחל, FluxTrainLoop מבצע שלבים, ו-FluxTrainValidate מייצר אימותים תקופתיים.
בעזרת VisualizeLoss אתם עוקבים אחר ההפסד; ImageBatchMulti ו- ImageConcatFromBatch הם מקבצים אימותים; FluxTrainSave שומר נקודות ביקורת, ו-FluxTrainEnd סוגר את התהליך. אם תרצו, העלו את התוצאה ל-Hugging Face באמצעות UploadToHuggingFace ושתפו אותה.
שדרוג שטף סמוי
כדי להגדיל את הגודל בפירוט, הגדירו את הגודל באמצעות בורר גודל SDXL ריק+ ומשלב את LatentUpscale ו-LatentCrop. בעזרת מסכות שנוצרו על ידי SolidMask ו-FeatherMask, LatentCompositeMasked משלב את הלטנט המותאם לקנה מידה עם המקור. InjectLatentNoise+ משפר את הפרטים לפני VAEDecodeותיקון עם ImageSmartSharpen+ משלים את התהליך. צמתי חישוב כמו SimpleMath+ עוזרים ליישר פרופורציות.
גרסאות חלופיות: FP8, NF4 ו-GGUF להפחתת VRAM
אם אתם חסרים משאבים, יש לכם אפשרויות. נקודות הביקורת של FP8 מ-Comfy.org ומחברים כמו Kijai. מאפשר לך להשתמש ב-FLUX עם קובץ יחיד ב-ComfyUI/models/checkpoints/. מומלץ לשנות את השם או להפריד לתיקיות כדי להבחין בין גרסאות dev ו-schnell.
עם NF4 (bitsandbytes), התקן את התוסף ComfyUI_bitsandbytes_NF4 ולהשתמש flux1-dev-bnb-nf4-v2 במודלים/נקודות בדיקה. גרסה זו משפרת את הפרטים בהשוואה לגרסה הראשונה.
כימות GGUF של City96, יחד עם התוסף קומפיUI-GGUFמוריד את הרף עוד יותר: הורד את מודל FLUX GGUF, מקודד t5-v1_1-xxl-encoder-ggufיש למקם את הקבצים `clip_l.safetensors` ו-`ae.safetensors` בתיקיות המתאימות להם. ישנם מקרי שימוש נוחים עם 6 ג'יגה-בייט של VRAM.
שימוש ב-FLUX.1 בענן ובמשאבים אחרים
אם אתה מעדיף לא להתקין דבר, תוכל לנסות את FLUX ב מרחבי פנים מחבקים: FLUX.1-dev y FLUX.1-מהירות. גם ב לשכפל, מיסטיק.איי o fal.ai. אלו הן אפשרויות שימושיות לאימות הנחיות ותצורות לפני הורדת מודלים מקומיים.
לקבלת השראה ותהליכי עבודה מוכנים, בקרו ב דוגמאות רשמיות של ComfyUI וגלריות תהליכי עבודה כמו OpenArt. זכרו שתמונות רבות מכילות מטא-דאטהכך שתוכלו לגרור אותם לתוך ComfyUI כדי לאחזר את הגרף.
חומר נוסף: אוספים של לורה עבור FLUX כמו ריאליזם לורה או אוספים ב XLabs-בינה מלאכותיתControlNet עבור FLUX כ- אוספים y התאחדות; מתאם IP en XLabs-בינה מלאכותיתכדי לאמן את LoRA עם VRAM נמוך, נסה פלוקס ג'ים או מאמן השחזורים של אוסטריס; יש מדריך DreamBooth למפתחי FLUX.1 במאגר המפזרים.
התקנת ComfyUI על Windows 11 עם ביצועים יציבים
אם אתם מעוניינים בהתקנה נקייה, זוהי דרך מוכחת. זה עובד מצוין עם כרטיסי מסך מסדרת NVIDIA 40/50. וזה עוזר לך להימנע מטעויות אופייניות.
1) התקן את אפליקציית NVIDIA ואת מנהל ההתקן של Studio מ- nvidia.com. הפעל מחדש. 2) ערכת כלים של CUDA מ developer.nvidia.com (אופציונלי אך שימושי כדי להימנע מהתראות עם טריטון אם אינך משתמש ב-venv). 3) ffmpeg ממאגר BtbN, הוסף את C:\ffmpeg\bin לנתיב. 4) גיט עבור Windows מ- git-scm.com5) פייתון 3.12 x64 מ- python.org, עם משגר py עבור כל המשתמשים והוספה למשתני סביבה.
5.5) אם תבחרו ב-venv, צרו אותו עם פייתון -m venv CUVenv והפעילו אותו באמצעות CUVenv\Scripts\activate.bat. משם, הפעילו את כל פקודות pip או git הרלוונטיות בתוך venv. סקריפט ההפעלה שלך יכול להפעיל את הסביבה ולהריץ את ComfyUI בבת אחת.
6) שכפול ComfyUI עם שיבוט git https://github.com/comfyanonymous/ComfyUI.git D:\CU7) עבור אל D:\CU והפעל את הקובץ pip install -r requirements.txt. 8) אם pip מזהיר מפני סקריפטים מחוץ לנתיב, הוסף את נתיב סקריפטי הפייתון למשתני המערכת והפעל מחדש. 9) התקנת PyTorch CUDA 12.8 התקינו את הטורץ' באמצעות `pip install torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128`. אם משהו נראה לא תקין, הסר את התקנת הטורץ' והתקן אותו מחדש באמצעות אותה פקודה.
9 ביס) הפעל את ComfyUI עם פייתון main.py ופתח את 127.0.0.1:8188. 10) התקן את Triton עבור Windows עם pip install -U triton-windows. 11) האץ את קשב עם Sage Attention 2.2: הורד את הגלגל התואם CU128/Torch2.8 עבור CP312, התקן אותו באמצעות pip והפעל את ComfyUI עם הדגל –use-sage-attention.
12) התקנת ComfyUI-Manager: ב-ComfyUI/custom_nodes הפעל את שיבוט גיט https://github.com/ltdrdata/ComfyUI-Manager comfyui-manager13) צור קובץ boot .bat עם השורות: cd D:\CU ו- python main.py –use-sage-attention. בעת ההפעלה, ייקח למנהל קצת זמן בפעם הראשונה.; ודא שהכרטיסייה "מנהל" מופיעה בממשק.
14) מקמו את התבניות בתיקיות הנכונות (checkpoints, clip, unet, vae) ופתחו את הזרימות שלכם. אם זרימת עבודה מביאה צומת Sage משלה, ניתן להשמיט אותו אם כבר מתחילים עם הדגל.טיפים: הימנעו מתוכניות פתוחות הדורשות משאבים רבים, הגדירו את הזיכרון הווירטואלי של Windows אם הזיכרון שלכם עומד להתרוקן, ובדקו דיונים על ביצועים במאגר ComfyUI. אם אתם מקבלים אזהרות זיכרון, שקלו להשתמש בגרסה FP8 בעלת קובץ יחיד.
אם אתם מעדיפים מדריך להורדה, יש קובץ PDF מועיל בכתובת קישור זה. חלק מהמדריכים תוקנו כדי לפשט את ההתקנה ולהציע אפשרויות נוספות.בעת שימוש ב-venv, זכרו תמיד להריץ את pip ו-git בתוך הסביבה.
טיפים לשימוש, תאימות ושיטות עבודה מומלצות
ייבא זרימות על ידי גרירת קבצי PNG עם מטא-דאטה או JSON ובדוק גרסאות של צמתים באמצעות Manager. בעת שיתוף תמונות, הימנעו מדחיסה שמוחקת מטא-דאטה.אם JSON מתקלקל בגרסה חדשה, יש להחליף צמתים מיושנים או להתקין גרסאות תואמות.
כדי לעבוד עם מספר רב של FLUX LoRAs, ישנם דיווחים על צריכת חשמל גבוהה בבניות ComfyUI אחרונות; בדיקת GGUF או מעמיסים ספציפיים כדי למזער את נפח ה-VRAM. ב-ControlNet, התחילו עם depth או Canny כדי ליצור מערכת קומפוזיציה יציבה.
בעת פריסה לענן, בדקו את ה-VRAM ואת תורי הביצוע. באופן מקומי, SSD מהיר ודרייברים מעודכנים עושים את כל ההבדל.תעד את הפינעינל שלך לפי מקטעים: טעינת מודל, התניה, דגימה, פענוח ועיבוד לאחר מכן. זה יקל על ניפוי שגיאות כאשר משהו מתקלקל.
עם כל האמור לעיל, כעת תוכלו לבנות צינור אפקטים חזותיים חזק באמת עם ComfyUI: האם אתה מבין מהי זרימת עבודה ואיך לשמור אותה מבלי לאבד מטא-דאטה?ניתן להתקין את FLUX והווריאציות שלו (אפשרויות Dev, Schnell ו-FP8, NF4, GGUF), לדעת כיצד להפעיל את זרימות העבודה המרכזיות של התרגול היומיומי (Txt2Img, Img2Img, Inpainting, ControlNet, LoRA, IPAdapter ו-Upscale) ויש לכם התקנת Windows אופטימלית עם Triton, Sage Attention ו-ComfyUI-Manager כדי לשמור על המערכת תקינה, יציבה ומהירה.