اولین Workflow حرفهای در ComfyUI
🧠 مقدمه
یکی از بزرگترین مزیتهای ComfyUI این است که به جای یک رابط ساده، به شما اجازه میدهد کل فرآیند تولید تصویر را به صورت node-based workflow بسازید.
اما بسیاری از کاربران تازهکار وقتی برای اولین بار ComfyUI را باز میکنند گیج میشوند.
در این آموزش یاد میگیریم چگونه یک Workflow حرفهای و استاندارد بسازیم که شامل تمام بخشهای اصلی تولید تصویر است.
در پایان این آموزش میتوانی:
- یک workflow کامل Stable Diffusion بسازی
- prompt و negative prompt تنظیم کنی
- sampler و steps را کنترل کنی
- تصویر نهایی را ذخیره کنی
⚙️ اجزای اصلی یک Workflow در ComfyUI
تقریباً تمام workflowهای Stable Diffusion از چند بخش اصلی تشکیل شدهاند.
| بخش | وظیفه |
|---|---|
| Load Checkpoint | بارگذاری مدل |
| Prompt Encoding | تبدیل متن به embedding |
| Sampler | تولید تصویر |
| Latent Image | اندازه تصویر |
| VAE Decode | تبدیل latent به تصویر |
| Save Image | ذخیره خروجی |
وقتی این بخشها را کنار هم قرار دهیم، یک pipeline کامل ساخته میشود.
🧩 مرحله ۱: Load Model
اول باید مدل Stable Diffusion را بارگذاری کنیم.
Node مورد نیاز:
Load Checkpoint
این Node سه خروجی دارد:
- MODEL
- CLIP
- VAE
این خروجیها در مراحل بعدی استفاده میشوند.
✏️ مرحله ۲: اضافه کردن Prompt
حالا باید prompt و negative prompt را تعریف کنیم.
Node مورد نیاز:
CLIP Text Encode
دو نسخه از این node استفاده میکنیم:
| نوع | کاربرد |
|---|---|
| Prompt | توضیح تصویر |
| Negative Prompt | حذف ویژگیهای ناخواسته |
مثال prompt:
a cinematic portrait of a futuristic warrior, ultra detailed, dramatic lighting
مثال negative prompt:
blurry, low quality, distorted, bad anatomy
خروجی این node یک conditioning است که به sampler داده میشود.
🖼 مرحله ۳: تعیین اندازه تصویر
برای مشخص کردن اندازه تصویر از Node زیر استفاده میکنیم:
Empty Latent Image
تنظیمات پیشنهادی:
Width: 1024
Height: 1024
Batch Size: 1
این Node فضای latent اولیه را ایجاد میکند.
⚡ مرحله ۴: تولید تصویر با Sampler
مهمترین بخش workflow همین قسمت است.
Node مورد استفاده:
KSampler
اتصالات:
| ورودی | اتصال |
|---|---|
| model | از Load Checkpoint |
| positive | از Prompt |
| negative | از Negative Prompt |
| latent | از Empty Latent Image |
تنظیمات پیشنهادی:
| تنظیم | مقدار پیشنهادی |
|---|---|
| steps | 25 |
| cfg | 7 |
| sampler | dpmpp_2m |
| scheduler | karras |
این Node تصویر را در فضای latent تولید میکند.
🔄 مرحله ۵: تبدیل Latent به تصویر
خروجی Sampler هنوز تصویر واقعی نیست.
برای تبدیل آن از Node زیر استفاده میکنیم:
VAE Decode
اتصالات:
| ورودی | اتصال |
|---|---|
| samples | از KSampler |
| VAE | از Load Checkpoint |
این Node تصویر نهایی را تولید میکند.
💾 مرحله ۶: ذخیره تصویر
آخرین مرحله ذخیره خروجی است.
Node مورد استفاده:
Save Image
ورودی آن را به خروجی VAE Decode وصل میکنیم.
هر بار که workflow اجرا شود تصویر در پوشه خروجی ذخیره میشود.
🧭 نمای کلی Workflow
ساختار کامل workflow چیزی شبیه این است:
Load Checkpoint
↓
CLIP Text Encode (Prompt)
CLIP Text Encode (Negative)
↓
Empty Latent Image
↓
KSampler
↓
VAE Decode
↓
Save Image
این ساختار پایه تقریباً در همه workflowهای حرفهای Stable Diffusion استفاده میشود.
🎨 بهبود کیفیت تصویر
بعد از ساخت workflow پایه میتوان کیفیت را افزایش داد.
چند روش رایج:
| روش | توضیح |
|---|---|
| افزایش Steps | جزئیات بیشتر |
| استفاده از SDXL | کیفیت بهتر |
| استفاده از LoRA | سبک یا شخصیت خاص |
| Upscale | افزایش رزولوشن |
اینها معمولاً در workflowهای حرفهای اضافه میشوند.