آموزش ComfyUI از صفر تا تولید اولین تصویر؛ راهنمای جامع ۲۰۲۶

ComfyUI یک رابط کاربری قدرتمند و گره‌محور (Node-based) برای مدل‌های هوش مصنوعی تولید تصویر، به‌ویژه Stable Diffusion است. این ابزار به شما امکان می‌دهد تا با اتصال بصری گره‌های مختلف، گردش‌کارهای (Workflows) پیچیده و کاملاً سفارشی‌سازی‌شده‌ای برای خلق تصاویر بی‌نظیر ایجاد کنید، که انعطاف‌پذیری فوق‌العاده‌ای را در اختیار کاربران قرار می‌دهد.

دنیای هوش مصنوعی مولد با سرعتی باورنکردنی در حال پیشرفت است و ابزارهایی مانند ComfyUI به کاربران این امکان را می‌دهند تا کنترل بی‌سابقه‌ای بر فرآیند تولید تصویر داشته باشند. اگر از رابط‌های کاربری سنتی خسته شده‌اید و به دنبال راهی برای عمیق‌تر شدن در جزئیات فنی و دستیابی به نتایج دقیق‌تر هستید، ComfyUI بهترین انتخاب شماست. این راهنمای جامع از «آسان ویندوز» شما را از مرحله‌ی نصب اولیه تا درک مفاهیم کلیدی و تولید اولین تصویر همراهی می‌کند تا در سال ۲۰۲۶ به‌راحتی وارد این دنیای هیجان‌انگیز شوید.

ComfyUI چیست؟

ComfyUI برخلاف بسیاری از رابط‌های کاربری دیگر برای Stable Diffusion، رویکردی بصری و گره‌محور دارد. این یعنی شما به‌جای تنظیمات متنی یا فرم‌های پیچیده، با اتصال «جعبه‌های» کوچکی به نام «گره» (Node) به یکدیگر، منطق تولید تصویر خود را می‌سازید. این ساختار به شما امکان می‌دهد تا هر مرحله از فرآیند را به‌دقت کنترل و سفارشی‌سازی کنید؛ از بارگذاری مدل‌ها و تنظیم پارامترها گرفته تا اعمال افکت‌ها و پردازش نهایی. نتیجه، انعطاف‌پذیری فوق‌العاده‌ای است که ComfyUI را به ابزاری محبوب برای کاربران حرفه‌ای و کسانی که به دنبال کاوش عمیق‌تر در دنیای هوش مصنوعی هستند، تبدیل کرده است.

Node چیست؟

در قلب ComfyUI، مفهوم «گره» یا Node قرار دارد. هر گره یک وظیفه‌ی خاص را انجام می‌دهد؛ مثلاً یک گره ممکن است مسئول بارگذاری یک مدل هوش مصنوعی باشد، گره‌ای دیگر برای وارد کردن متن پرامپت (Prompt)، و گره‌ای دیگر برای تولید تصویر نهایی. این گره‌ها دارای ورودی‌ها (Inputs) و خروجی‌ها (Outputs) هستند که با کشیدن خطوط (Connections) به یکدیگر متصل می‌شوند. با اتصال گره‌ها به ترتیب صحیح، شما یک مسیر منطقی برای داده‌ها ایجاد می‌کنید که در نهایت به تولید خروجی مورد نظر شما منجر می‌شود. درک عملکرد هر گره، کلید تسلط بر ComfyUI است.

Workflow چیست؟

«گردش‌کار» یا Workflow در ComfyUI به مجموعه‌ی سازمان‌یافته‌ای از گره‌ها و اتصالات آن‌ها اشاره دارد که برای انجام یک وظیفه‌ی خاص طراحی شده است. به عبارت دیگر، ورک‌فلو نقشه‌ای است که نشان می‌دهد داده‌ها چگونه از یک گره به گره دیگر جریان می‌یابند تا در نهایت یک تصویر تولید شود. یک ورک‌فلو می‌تواند بسیار ساده باشد (مثلاً فقط چند گره برای تولید یک تصویر پایه) یا بسیار پیچیده (شامل ده‌ها گره برای کنترل دقیق جزئیات، استفاده از چندین LoRA یا ControlNet). زیبایی ورک‌فلوها در قابلیت ذخیره، اشتراک‌گذاری و بارگذاری مجدد آن‌هاست که به شما امکان می‌دهد تنظیمات مورد علاقه‌تان را به‌راحتی استفاده کنید و یا از ورک‌فلوهای آماده‌ی دیگران بهره ببرید.

نصب ComfyUI

نصب ComfyUI نسبتاً ساده است و معمولاً شامل چند مرحله‌ی اصلی می‌شود. ابتدا باید از نصب بودن پایتون (Python) و گیت (Git) بر روی سیستم خود اطمینان حاصل کنید. سپس، با استفاده از دستور git clone، مخزن ComfyUI را از گیت‌هاب (GitHub) دانلود می‌کنید. پس از آن، وارد پوشه‌ی دانلودشده شده و با اجرای فایل‌های اجرایی مانند run_nvidia_gpu.bat (برای کارت‌های گرافیک NVIDIA) یا run_cpu.bat (برای پردازنده‌های مرکزی)، ComfyUI را برای اولین بار راه‌اندازی می‌کنید. این فرآیند به‌طور خودکار وابستگی‌های لازم را نصب کرده و رابط کاربری را در مرورگر شما باز می‌کند. جزئیات دقیق‌تر و لینک‌های دانلود در بخش‌های بعدی ارائه خواهد شد.

نصب Model

برای اینکه ComfyUI بتواند تصویر تولید کند، نیاز به «مدل‌های» هوش مصنوعی دارد. این مدل‌ها فایل‌های بزرگی هستند که دانش لازم برای تولید تصاویر را در خود ذخیره کرده‌اند. رایج‌ترین مدل‌ها، Checkpointها هستند که پایه و اساس تولید تصویر را تشکیل می‌دهند. برای نصب یک مدل، کافیست فایل آن را (معمولاً با پسوند .safetensors یا .ckpt) دانلود کرده و در پوشه‌ی مخصوص مدل‌ها در دایرکتوری ComfyUI قرار دهید. مسیر پیش‌فرض برای Checkpointها معمولاً ComfyUI/models/checkpoints است. مدل‌های دیگر مانند LoRAها یا ControlNetها نیز مسیرهای مخصوص به خود را دارند که در ادامه به آن‌ها خواهیم پرداخت.

Checkpoint چیست؟

Checkpoint را می‌توان هسته‌ی اصلی و مغز متفکر فرآیند تولید تصویر در Stable Diffusion دانست. این فایل‌ها شامل تمام وزن‌ها و پارامترهای آموزش‌دیده‌ی یک مدل هوش مصنوعی هستند که به آن اجازه می‌دهند تصاویر جدیدی را بر اساس پرامپت‌های شما تولید کند. Checkpointها معمولاً حجم بالایی دارند (چند گیگابایت) و انواع مختلفی دارند که هر کدام سبک و ویژگی‌های خاص خود را در تولید تصویر ارائه می‌دهند؛ مثلاً یک Checkpoint ممکن است برای تولید تصاویر واقع‌گرایانه مناسب باشد و دیگری برای سبک‌های کارتونی یا انتزاعی. انتخاب Checkpoint مناسب، اولین و مهم‌ترین گام در رسیدن به تصویر دلخواه شماست.

VAE چیست؟

VAE مخفف “Variational AutoEncoder” است و نقش مهمی در کیفیت بصری تصاویر تولیدشده ایفا می‌کند. این جزء مسئول کدگذاری (Encoding) و کدگشایی (Decoding) فضاهای پنهان (Latent Space) است که مدل Stable Diffusion در آن کار می‌کند. به زبان ساده‌تر، VAE به مدل کمک می‌کند تا جزئیات رنگی و بافتی تصاویر را بهتر درک و بازتولید کند و باعث می‌شود تصاویر نهایی شفاف‌تر، زنده‌تر و با جزئیات دقیق‌تر به نظر برسند. در بسیاری از موارد، VAE در Checkpoint اصلی گنجانده شده است، اما گاهی اوقات استفاده از یک VAE جداگانه و بهینه شده می‌تواند نتایج را به‌طرز چشمگیری بهبود بخشد و کیفیت خروجی را افزایش دهد.

CLIP چیست؟

CLIP مخفف “Contrastive Language–Image Pre-training” و یک مدل هوش مصنوعی است که توسط OpenAI توسعه یافته و توانایی خارق‌العاده‌ای در درک ارتباط بین متن و تصویر دارد. در ComfyUI و Stable Diffusion، CLIP مسئول تفسیر پرامپت‌های متنی شماست. وقتی شما یک توضیح متنی (پرامپت) برای تصویر مورد نظرتان می‌دهید، CLIP آن را به یک نمایش عددی (embedding) تبدیل می‌کند که مدل Stable Diffusion می‌تواند آن را بفهمد و بر اساس آن تصویر تولید کند. کیفیت درک CLIP از پرامپت‌ها مستقیماً بر دقت و مرتبط بودن تصویر خروجی با خواسته‌ی شما تأثیر می‌گذارد و نقش حیاتی در هدایت فرآیند تولید ایفا می‌کند.

Sampler چیست؟

سمپلر (Sampler) در ComfyUI، موتور اصلی تبدیل نویز تصادفی به یک تصویر معنا‌دار بر اساس مدل و پرامپت شماست. به زبان ساده، این بخش مسئول تفسیر دستورات متنی شما و ترسیم جزئیات بصری است. سمپلرها الگوریتم‌های مختلفی دارند که هر کدام می‌توانند تأثیر متفاوتی بر کیفیت، سرعت و سبک نهایی تصویر بگذارند. انتخاب سمپلر مناسب، مانند DPM++ 2M Karras یا Euler a، می‌تواند تفاوت چشمگیری در خروجی نهایی ایجاد کند و به شما کمک کند تا به نتایج دلخواه خود برسید.

ساخت اولین Workflow

برای ساخت اولین ورک‌فلو (Workflow) تولید تصویر در ComfyUI، به چند گره (Node) اصلی نیاز دارید. ابتدا با گره Load Checkpoint مدل پایه (مثل Stable Diffusion 1.5 یا SDXL) را بارگذاری می‌کنید. سپس، گره‌های CLIP Text Encode (Prompt) را برای پرامپت مثبت و منفی اضافه می‌کنید. گره Empty Latent Image ابعاد و “بذر” (seed) تصویر اولیه را مشخص می‌کند. قلب این ورک‌فلو، گره KSampler است که نویز را به تصویر تبدیل می‌کند. در نهایت، گره‌های VAE Decode و Save Image به ترتیب تصویر را از فضای Latent به فضای پیکسلی قابل‌مشاهده تبدیل و آن را ذخیره می‌کنند. کافیست ورودی و خروجی این گره‌ها را به یکدیگر متصل کنید تا یک جریان کامل ایجاد شود.

Prompt

پرامپت (Prompt) در ComfyUI، همان دستور متنی است که شما به هوش مصنوعی می‌دهید تا تصویر مورد نظرتان را تولید کند. این پرامپت باید شامل جزئیات کافی برای توصیف دقیق آنچه می‌خواهید باشد؛ از سوژه اصلی و ویژگی‌های آن گرفته تا سبک هنری، رنگ‌ها، نورپردازی و حتی حال و هوای کلی تصویر. هرچه پرامپت شما واضح‌تر و دقیق‌تر باشد، هوش مصنوعی بهتر می‌تواند منظور شما را درک کرده و تصویری نزدیک‌تر به ایده‌تان ایجاد کند. استفاده از کلمات کلیدی موثر و ساختار مناسب جملات، کلید موفقیت در نوشتن پرامپت‌های قدرتمند است.

Negative Prompt

نگاتیو پرامپت (Negative Prompt) دقیقاً برعکس پرامپت معمولی عمل می‌کند و به هوش مصنوعی می‌گوید که چه عناصری را در تصویر نهایی نمی‌خواهید. این ابزار قدرتمند به شما کمک می‌کند تا از تولید تصاویر با نقص‌ها یا جزئیات ناخواسته جلوگیری کنید. برای مثال، می‌توانید کلماتی مانند «deformed»، «blurry»، «bad anatomy» یا «extra limbs» را در نگاتیو پرامپت خود قرار دهید تا هوش مصنوعی از ایجاد چنین مشکلاتی اجتناب کند. استفاده هوشمندانه از نگاتیو پرامپت، کیفیت تصاویر تولیدی شما را به شکل چشمگیری افزایش می‌دهد و به پالایش هرچه بیشتر خروجی کمک می‌کند.

LoRA چیست؟

LoRA مخفف «Low-Rank Adaptation of Large Language Models» است که در زمینه تولید تصویر، به معنای یک فایل کوچک مدل‌سازی است که می‌تواند رفتار یک مدل پایه (مانند Stable Diffusion) را تغییر دهد. LoRAها به شما این امکان را می‌دهند که سبک‌های هنری خاص، شخصیت‌ها، اشیاء یا مفاهیم جدید را بدون نیاز به آموزش مجدد کل مدل بزرگ، به آن اضافه کنید. این فایل‌ها حجم بسیار کمی دارند و می‌توانند به صورت پلاگین روی مدل اصلی اعمال شوند تا خروجی‌های بسیار خاص و دلخواه را تولید کنند. LoRAها ابزاری عالی برای شخصی‌سازی و افزایش انعطاف‌پذیری در تولید تصویر هستند.

نصب LoRA

نصب LoRA در ComfyUI بسیار ساده است. ابتدا فایل LoRA مورد نظر خود را (معمولاً با پسوند .safetensors یا .ckpt) از وب‌سایت‌هایی مانند Civitai دانلود کنید. سپس، این فایل را در مسیر ComfyUI/models/loras در سیستم خود قرار دهید. پس از قرار دادن فایل در این پوشه، می‌توانید ComfyUI را اجرا کنید یا اگر در حال اجرا بود، آن را رفرش (Refresh) کنید. برای استفاده از LoRA در ورک‌فلو، گره Load LoRA را اضافه کنید و آن را به گره‌های Load Checkpoint و CLIP Text Encode متصل نمایید. سپس LoRA مورد نظر را از لیست انتخاب کنید.

ControlNet چیست؟

ControlNet یک معماری شبکه عصبی قدرتمند است که به شما امکان می‌دهد کنترل فضایی دقیق‌تری بر فرآیند تولید تصویر در Stable Diffusion داشته باشید. این فناوری با استفاده از یک تصویر ورودی (مانند نقشه عمق، خطوط لبه یا اسکلت بدن)، می‌تواند ساختار، ترکیب‌بندی یا ژست تصویر نهایی را هدایت کند. به عبارت دیگر، ControlNet به هوش مصنوعی می‌گوید که چگونه عناصر بصری را در تصویر نهایی، بر اساس یک مرجع بصری، سازماندهی کند. این قابلیت، سطح جدیدی از دقت و کنترل را در تولید تصاویر فراهم می‌کند.

نصب ControlNet

برای نصب ControlNet در ComfyUI، ابتدا باید مدل‌های ControlNet مورد نیاز خود را (معمولاً با پسوند .safetensors) دانلود کنید. این مدل‌ها را می‌توانید از منابعی مانند Hugging Face یا Civitai پیدا کنید. فایل‌های دانلود شده را در مسیر ComfyUI/models/controlnet قرار دهید. علاوه بر مدل‌ها، برای برخی ControlNetها به پیش‌پردازنده‌ها (Preprocessors) نیز نیاز دارید که معمولاً از طریق نصب یک Custom Node مانند ComfyUI_ControlNet_Aux به ComfyUI اضافه می‌شوند و فایل‌های آن‌ها در مسیر ComfyUI/custom_nodes/ComfyUI_ControlNet_Aux/ckpts قرار می‌گیرند. پس از قرار دادن فایل‌ها، گره‌های ControlNetLoader و Apply ControlNet را به ورک‌فلو خود اضافه کنید و آن‌ها را به گره‌های مربوطه متصل نمایید.

SDXL در ComfyUI

مدل‌های SDXL (Stable Diffusion XL) نسل جدیدی از مدل‌های متن‌به‌تصویر هستند که با قابلیت‌های بهبود یافته در جزئیات، ترکیب‌بندی و درک پرامپت، تصاویری با کیفیت بالاتر تولید می‌کنند. در ComfyUI، برای استفاده از SDXL نیاز به لود کردن دو مدل اصلی دارید: مدل base و مدل refiner. ابتدا مدل base را با یک Node CheckpointLoaderSimple بارگذاری کرده و سپس آن را به Nodeهای KSampler متصل می‌کنید. برای افزایش کیفیت نهایی، می‌توانید خروجی latent مدل base را به یک Refiner (که خود یک KSampler دیگر است) و سپس به VAEDecode متصل کنید تا جزئیات تصویر نهایی بهبود یابد. این رویکرد دو مرحله‌ای، قدرت SDXL را به بهترین شکل در ComfyUI به نمایش می‌گذارد.

مدیریت Workflowها

یکی از نقاط قوت ComfyUI، امکان ذخیره و بارگذاری آسان Workflowها است. هر Workflow که شما طراحی می‌کنید، در واقع یک فایل JSON است که می‌توانید آن را ذخیره کنید (با دکمه Save در گوشه سمت راست بالای صفحه) و در آینده مجدداً بارگذاری نمایید (با دکمه Load). حتی می‌توانید Workflowها را مستقیماً از تصاویر تولید شده با ComfyUI استخراج کنید؛ کافیست تصویر را به داخل محیط ComfyUI بکشید (drag & drop) تا Workflow مربوط به آن بارگذاری شود. این قابلیت، به اشتراک‌گذاری و استفاده مجدد از Workflowهای پیچیده را بسیار ساده می‌کند و به شما امکان می‌دهد از تجربیات دیگران بهره‌مند شوید یا Workflowهای خود را با جامعه به اشتراک بگذارید. مدیریت و سازماندهی این Workflowها به شما کمک می‌کند تا به سرعت به تنظیمات دلخواه خود دسترسی پیدا کنید و بهره‌وری‌تان را افزایش دهید.

خطاهای رایج

در حین کار با ComfyUI ممکن است با خطاهایی مواجه شوید که اغلب راه‌حل‌های ساده‌ای دارند:

کمبود VRAM

یکی از چالش‌های اصلی در تولید تصویر با هوش مصنوعی، کمبود حافظه VRAM کارت گرافیک (GPU) است. اگر کارت گرافیک شما VRAM کمی داشته باشد (مثلاً زیر ۸ گیگابایت)، ممکن است با خطاهایی مانند «CUDA out of memory» مواجه شوید. برای رفع این مشکل، چندین راهکار وجود دارد: کاهش رزولوشن تصویر خروجی، استفاده از Batch Size کوچکتر (اگر Workflow شما اجازه می‌دهد)، و استفاده از Nodeهای بهینه‌سازی شده برای VRAM (مانند برخی از Custom Nodeها که مصرف حافظه را کاهش می‌دهند). همچنین، می‌توانید در هنگام اجرای ComfyUI، از پارامتر --lowvram یا --medvram استفاده کنید تا سیستم تلاش کند مصرف VRAM را بهینه سازد. در نهایت، به روزرسانی درایور کارت گرافیک نیز گاهی اوقات می‌تواند به بهبود مدیریت VRAM کمک کند.

بهینهسازی ComfyUI

برای دستیابی به بهترین عملکرد و سرعت در ComfyUI، علاوه بر مدیریت VRAM، می‌توانید اقدامات دیگری نیز انجام دهید. همواره مطمئن شوید که ComfyUI و Custom Nodeهای نصب شده را به روز نگه دارید. استفاده از Nodeهای کارآمد و پرفورمنس بالا، به خصوص در Workflowهای پیچیده، می‌تواند تفاوت چشمگیری ایجاد کند. اگر از مدل‌های بزرگ استفاده می‌کنید، گاهی اوقات می‌توانید با ابزارهایی مانند safetensors مدل‌ها را prune (کوچک‌سازی) کنید تا حجم و مصرف VRAM آن‌ها کاهش یابد. در صورتی که کارت گرافیک شما بسیار ضعیف است و حتی با روش‌های بالا نیز به نتیجه نمی‌رسید، می‌توانید با اجرای ComfyUI با پارامتر --cpu، محاسبات را روی پردازنده مرکزی (CPU) انجام دهید، هرچند که سرعت به شدت کاهش خواهد یافت. انتخاب سخت‌افزار مناسب، به خصوص GPU با VRAM کافی، بهترین راهکار برای بهینه‌سازی کلی است.

جمع‌بندی

در این راهنمای جامع، سفر خود را از نصب و راه‌اندازی اولیه ComfyUI آغاز کردیم و گام به گام به سمت مفاهیم پیشرفته‌تر نظیر کار با مدل‌های مختلف، طراحی Workflowهای پیچیده، و بهینه‌سازی عملکرد پیش رفتیم. ComfyUI با رویکرد بصری و ماژولار خود، ابزاری قدرتمند و انعطاف‌پذیر برای تولید تصویر با هوش مصنوعی است که کنترل بی‌نظیری بر فرآیند خلاقیت به شما می‌دهد. با تمرین و کاوش در Nodeهای متنوع و Workflowهای موجود در جامعه، قادر خواهید بود ایده‌های خود را به تصاویری خیره‌کننده تبدیل کنید. امیدواریم این راهنما، شما را در مسیر تسلط بر ComfyUI یاری کرده باشد تا با اطمینان و خلاقیت بیشتری در دنیای Stable Diffusion غرق شوید.

پرسش‌های متداول (FAQ)

این مطلب اختصاصی آسان ویندوز است.