
ComfyUIは何ができるのか?画像生成から動画 音声 3D 自動化まで分かる完全ガイド
ノードが無数に並ぶComfyUIの画面を見て、「これは自分には難しそうだ」と閉じた人は少なくないはずです。画像生成サービスなら文章を入力してボタンを押すだけなのに、なぜモデル、テキストエンコーダー、サンプラー、VAEといった部品を自分でつなぐ必要があるのでしょうか。
結論から言えば、ComfyUIは単なる画像生成画面ではありません。モデルを読み込み、文章や画像を条件として渡し、生成し、必要な場所を直し、高解像度化し、動画や音声へ展開し、保存や自動化までつなげる。その制作工程を、目で見える部品として組み立てるための基盤です。
最初の一枚を最速で作るだけなら、より簡単なサービスがあります。一方で、同じ条件を再現したい、生成の途中を自分で制御したい、複数のモデルを交換したい、画像だけでなく動画や音声も扱いたい、業務へ組み込みたいなら、ComfyUIは非常に強い選択肢になります。
この記事では、無料で使える範囲、必要なパソコン、最初の生成、ノードの仕組み、画像編集、動画・音声・3D、API、自動化、品質評価、安全な本番運用までを一つにつなげます。専門用語は必要な範囲で使いますが、まず日常語で何が起きているのかを説明します。
なお、2026年8月4日時点の最新パッチはComfyUI Core v0.30.1です。MiniMax H3などの大きな追加はv0.30.0で入り、v0.30.1は安定性修正を中心とするため、この記事ではv0.30.x系として扱います。料金、対応モデル、クラウドのプランは変わりやすいため、利用前には公式画面を再確認してください。
ComfyUIは画像生成ソフトではなく制作工程を組む道具である
ComfyUIを理解するうえで、最初に外した方がよい思い込みがあります。それは「Stable Diffusionを動かすための複雑な画面」という見方です。実際には、ComfyUIは生成AIの処理をノードと呼ばれる部品で組み立てるワークフローエンジンであり、ローカルで動く推論サーバーでもあります。
ノードは制作工程を見える形にする
ノードは、一つひとつの処理を表す箱です。モデルを読む箱、文章をAIが扱える形へ変える箱、ノイズから画像を作る箱、完成した画像を保存する箱。それらを線でつなぐと、どの処理がどこから入力を受け、何を次へ渡しているのかが見えるようになります。
たとえば、一般的な文章から画像を作る工程は、次のように進みます。
flowchart LR
A[モデルを読み込む] --> D[画像を少しずつ形にする]
B[説明文を数値へ変える] --> D
C[ノイズを用意する] --> D
D --> E[圧縮された生成途中の状態]
E --> F[画像へ戻す]
F --> G[保存・表示・後処理]この仕組みには、ボタン一つのサービスにはない利点があります。どこを変えたかが分かり、変えた部分から先だけを再実行でき、同じ工程をJSONとして保存できます。画像生成だけでなく、動画、音声、3D、外部APIも同じグラフへつなげられます。複雑なグラフをApp Modeで簡単な入力画面へ変えれば、ノードを知らない人にも使ってもらえます。
ComfyUIだけで品質が決まるわけではない
モデルそのものではない
どのモデルでも自動的に高品質になる魔法のUIではない
カスタムノードの安全性を保証するサンドボックスではない
モデルのライセンスを一括で解決するサービスではない
すべてのハードウェアで同じ速度・品質を保証する実行環境ではない
複雑なグラフを自動で正しく設計してくれる完全自律エージェントではない

無料で使えるが実際のコストは別にある
ComfyUI Coreのソフトウェア利用料は無料です。しかし、無料という言葉だけで判断すると、導入後に想定外の費用が出ます。パソコン、GPU、電気、保存領域、クラウド実行、外部API、保守に分けて考える必要があります。
ローカル実行は無料だが費用がゼロではない
ComfyUI CoreはGPL-3.0で公開されており、ソフトウェア自体の利用料はかかりません。オープンウェイトのモデルを自分のパソコンで動かすだけなら、生成するたびのAPI料金も原則として発生しません。
ただし、実際の運用には別の費用があります。GPUを搭載したパソコン、電気、モデルを置くSSD、バックアップ、依存関係の保守、カスタムノードの確認です。大型動画をクラウドGPUへ逃がす場合は、その実行料も加わります。また、ComfyUIが無料でも、読み込むモデルやLoRAが商用利用できるとは限りません。
利用形態は大きく三つに分けると理解しやすくなります。
ローカルCoreは、自分の機械でオープンモデルを動かします。機密性と自由度に優れますが、ハードウェアと保守を自分で負担します。
Comfy Cloudは、環境構築やGPU管理をサービス側へ任せます。手軽ですが、契約と実行クレジットが必要です。
Partner Nodesは、ローカルやCloudのグラフから外部の商用モデルを呼び出します。高性能モデルを同じ工程へ組み込めますが、入力が外部へ送られ、実行ごとにクレジットを消費します。
「無料か有料か」だけでなく、機密性、計算負荷、保守時間、必要品質を合わせて判断する必要があります。
Comfy Cloudは環境構築を省く代わりに実行料を払う
Comfy Cloudは、GPUやPython環境を自分で管理せず、ブラウザからComfyUIを使うための管理型環境です。モデルやカスタムノードの準備、端末をまたいだ利用、ワークフロー共有、Cloud APIなどを利用できます。
実行には原則として有効なサブスクリプションとクレジットが必要です。Cloud上のワークフローは、GPUが実際に動いた時間に応じてクレジットを消費します。公式料金ページでは、2026年8月4日時点で211 creditsを1 USDとして換算しています。ただし、月額プラン、付与クレジット、GPU単価、無料枠、APIを使えるプランは変更される可能性があります。記事内の数字を長期の固定価格として使わず、実行前にPlan & Credits画面を確認してください。
Cloudが向くのは、ローカルGPUを持たない人だけではありません。大型動画、短期間の大量生成、CUDA専用処理など、普段の端末では重すぎる工程だけをCloudへ渡す使い方も有効です。
Partner Nodesは外部の生成サービスをグラフから呼び出す
Partner Nodesは、ComfyUIのワークフローから、外部事業者が提供する閉鎖型モデルや商用APIを呼び出す公式ノードです。画像、動画、音声、3D、チャットなどのモデルを、ローカル処理と同じグラフへ組み込めます。
便利な反面、Coreノードとは条件が異なります。利用にはComfyアカウントとクレジットが必要で、入力画像や説明文は外部サービスへ送信されます。料金単位も、1回、1枚、秒、解像度、入出力トークンなどモデルごとに違います。公式料金ページにも、実際の価格はComfyUI画面の表示を確認するよう明記されています。
同じComfyアカウントのクレジットは、CloudとローカルのPartner Nodesで共通して使えます。残高、失効条件、入力データの扱い、提供地域、商用利用条件を実行前に確認してください。独自の事業者APIキーを使う方式と、ComfyUI Account API KeyでPartner Nodesをヘッドレス実行する方式も混同しないようにします。
完全オフラインは設定一つでは完成しない
次を満たせば、推論処理を外部へ送らない構成にできる。
ローカルCoreを使用
オープンウェイトモデルを事前ダウンロード
Partner Nodesを使用しない
起動時に`--disable-api-nodes`を指定
Managerを`network_mode = offline`に設定
カスタムノードの外部通信を監査
テレメトリ、モデル自動取得、アップデータを必要に応じて遮断
ComfyUIを`127.0.0.1`のみで待受
外部CDNやWebUI拡張を使うカスタムノードを避ける
OSファイアウォールで通信を確認
python main.py --disable-api-nodes --listen 127.0.0.1
自分のパソコンでどこまで動くかを見極める
ComfyUIは幅広い環境に対応します。ただし「起動できる」「モデルを読み込める」「仕事で待てる時間で生成できる」は別の話です。作りたいものと必要な計算量を先に分けると、過剰な買い物や無理なローカル実行を避けられます。
対応OSと計算基盤を整理する
ComfyUIはWindows、Linux、macOSで動きます。NVIDIA GPUはCUDA、AMD GPUは主にROCm、Intel ArcはPyTorch XPU、Apple SiliconはMPSとMetalを使います。CPUだけでも起動できますが、画像や動画の生成は非常に遅くなります。Ascend NPUやCambricon MLUなど、専用拡張を使う環境もあります。
手動インストールでは、公式システム要件がPython 3.13を推奨しています。カスタムノードの依存関係で問題が出る場合はPython 3.12が現実的な退避先です。Python 3.14でもCoreは動くとされていますが、一部のカスタムノードが未対応の可能性があります。Desktop版を使う場合は、同梱環境を優先し、システムPythonへ直接パッケージを追加しない方が安全です。
ブラウザ、PyTorch、FrontendもComfyUIと一緒に更新されます。Coreだけを`git pull`して依存関係を更新しないと、Frontendやノード定義の不整合が起きるため、公式更新手順どおり`requirements.txt`も更新します。
VRAMの数字は保証値ではなく出発点として見る
必要なメモリ量は、モデル、量子化方式、解像度、バッチ数、動画のフレーム数、オフロード設定によって大きく変わります。以下は導入計画を立てるための目安であり、動作や速度を保証する値ではありません。
SD1.5の512px画像生成は、4〜8GB程度のVRAMでも試しやすい領域です。
SDXLの1024px画像生成は、8〜12GB程度が一つの目安になります。
FLUX系やQwen Image系の量子化モデルは、構成によって12〜24GB以上を必要とする場合があります。
Wan 2.2の5B版は、公式例でオフロードを使い8GB VRAMに収める構成が紹介されています。ただし、生成速度やメインメモリ使用量は別に確認が必要です。
14B級の動画モデル、MiniMax H3、長尺・高解像度動画は、大容量VRAMに加えて十分なRAMと高速なSSDが必要です。
3D生成も、形状だけを作る場合と、テクスチャや高解像度レンダリングまで行う場合で必要量が大きく変わります。
「モデルを読み込める」ことと、「待ち時間や失敗率を含めて実務で使える」ことは別です。候補モデルは、まず低解像度、短尺、バッチ1で試し、総処理時間とピークメモリを測ってから本番条件へ広げます。
Apple Siliconは有力だがCUDA環境と同じではない
Apple Siliconは、画像生成、画像編集、マスク処理、ControlNet、LoRA、アップスケール、機密データのローカル処理に有力です。統合メモリが多い機種では大きなモデルを読み込める可能性も高まります。ただし、AppleのMPSとNVIDIAのCUDAは別の実行基盤であり、同じモデルやカスタムノードが同じ速度・精度で動くとは限りません。
特に注意したいのは、FP8やNVFP4、AWQなどの量子化形式、Triton、FlashAttention、SageAttentionなどの最適化です。これらにはNVIDIA向けの実装が含まれることがあり、公式テンプレートが存在してもMPSではそのまま動かない場合があります。
Apple Siliconで始める場合は、次の順序が安全です。
FP16またはBF16のウェイトを優先する
モデル配布元でMPS対応を確認する
CUDA専用のカスタムノードや最適化がないか確認する
低解像度、短尺、バッチ1で動作を確かめる
大型動画やCUDA専用処理だけをNVIDIA環境やComfy Cloudへ移す
Desktopと手動インストールは目的で使い分ける
初めて使う人や、複数の環境を安全に管理したい人にはComfy Desktopが向きます。Python環境を分離しやすく、Snapshotや複数インスタンスの管理も行いやすいためです。
一方、最新コミットを試したい、起動引数を細かく管理したい、サーバー用途で固定コミットを運用したい場合は、仮想環境を作った手動インストールが適しています。どちらを選んでも、システムPythonへ直接依存パッケージを追加せず、検証環境と本番環境を分けることが重要です。
モデルは共有ストレージへ集約すると管理しやすい
画像モデルだけでも数GB、動画モデルでは数十GB以上になるため、内蔵SSDだけで運用すると空き容量を圧迫しやすくなります。容量と速度に余裕のある外付けSSDや共有ストレージへモデルを集約し、`extra_model_paths.yaml`で複数のComfyUI環境から参照すると、重複ダウンロードを減らせます。
例:
external_models:
base_path: /Volumes/AI-Models/ComfyUI
checkpoints: checkpoints
diffusion_models: diffusion_models
text_encoders: text_encoders
clip: text_encoders
vae: vae
loras: loras
controlnet: controlnet
upscale_models: upscale_models
embeddings: embeddings方針:
モデル:外付けSSD
ComfyUI本体・Python環境:内蔵SSD
一時ファイル:高速SSD
完成物:案件別ストレージ
モデル更新と一時ファイルのため、十分な空き容量を維持
同じモデルの重複を避ける

最初の30分は公式テンプレートだけで成功させる
初心者が最初につまずく理由は、ノードの概念そのものより、最初からモデルとカスタムノードを増やしすぎることです。まずは公式テンプレートとCoreノードだけで、一枚を生成し、同じ条件で再生成し、保存した画像からワークフローを戻せるところまで進めます。
最短ルートで一枚を出す
Comfy Desktopをインストール
ComfyUIを起動
左サイドバーのTemplatesを開く
`Image Generation`または軽量な画像テンプレートを選択
不足モデルの案内に従ってダウンロード
`Load Checkpoint`等でモデルが選択されていることを確認
ポジティブプロンプトを変更
`Run`または`Cmd/Ctrl + Enter`
Save ImageノードまたはQueueから保存
生成画像を再度ComfyUIへドラッグしてワークフローを復元
A premium editorial product photograph of a matte black wireless speaker,
on a minimal concrete pedestal, soft diffused studio lighting,
subtle reflections, realistic materials, clean background,
commercial photography, high detailネガティブプロンプト:
blurry, low resolution, distorted geometry, duplicate objects,
unreadable text, watermark, oversaturated最初に触る設定は少数に絞る
パラメータはwidth / height。最初の目安はモデル推奨解像度。意味は出力サイズ。
パラメータはseed。最初の目安はrandom。意味は絵柄の初期乱数。
パラメータはsteps。最初の目安は20〜30。意味は反復回数。
パラメータはCFG。最初の目安は4〜8。意味はプロンプトへの追従度。
パラメータはsampler。最初の目安はeuler / dpmpp系。意味はノイズ除去方式。
パラメータはscheduler。最初の目安はnormal / karras等。意味はステップ配分。
パラメータはdenoise。最初の目安は1.0。意味はText-to-Image。
パラメータはbatch_size。最初の目安は1。意味は同時生成数。
モデルごとの推奨値をテンプレートから変えすぎないこと。
エラーなく1枚生成
出力フォルダを確認
同じseedで再生成
promptだけ変えて部分再実行
画像をドラッグしてワークフロー復元
JSONとしてExport
Snapshotを作成
公式テンプレートを最初の基準にする
公式テンプレートには、次が含まれる。
Coreでネイティブ対応するモデル
推奨ノード構成
モデルファイル名
ダウンロードURL
保存先ディレクトリ
推奨設定
サンプル入力
テンプレート内のノードには、モデル情報が埋め込まれる。
{
"models": [
{
"name": "example.safetensors",
"url": "https://huggingface.co/.../resolve/main/example.safetensors",
"directory": "diffusion_models"
}
]
}Desktopでは自動ダウンロードされる場合がある。手動版では、ブラウザからダウンロードして指定フォルダへ保存する。
同名ファイルの存在確認が中心で、内容ハッシュまで保証しない場合がある
サブフォルダ配置では不足判定が出ることがある
URLが正しくてもモデルライセンスは別途確認
公式テンプレートは原則Coreノードのみ
カスタムノード Templatesは第三者依存
テンプレートとCoreのバージョン不一致に注意
`requirements.txt`のテンプレートパッケージ版も更新する

ノードの仕組みが分かると怖さが消える
ノードが多いのは、無意味に複雑だからではありません。生成AIの内部で行われている役割を、交換できる部品として外へ出しているからです。一枚の画像が生まれる流れを理解すれば、どこを変えると何が変わるのかが見えるようになります。
基本のデータ型は部品同士の共通言語になる
型はMODEL。役割は拡散モデル、DiT、UNet等。
型はCLIP / TEXT_ENCODER。役割はテキストを条件へ変換。
型はVAE。役割は画像と潜在表現を相互変換。
型はCONDITIONING。役割はプロンプトや参照条件。
型はLATENT。役割は生成途中の圧縮表現。
型はIMAGE。役割はRGB画像。
型はMASK。役割は編集領域。
型はVIDEO。役割は動画。
型はAUDIO。役割は音声。
型はMESH / 3D。役割は3D形状。
型はINT / FLOAT / STRING。役割は数値・文字列。
型はSIGMAS / NOISE / GUIDER。役割は高度なサンプリング制御。
型が一致するソケットだけ接続できる。
文章とノイズが画像へ変わるまで
flowchart LR
A[Load Checkpoint] --> B[MODEL]
A --> C[CLIP]
A --> D[VAE]
C --> E[Positive Encode]
C --> F[Negative Encode]
G[Empty Latent] --> H[KSampler]
B --> H
E --> H
F --> H
H --> I[VAE Decode]
D --> I
I --> J[Save Image]一般的な一体型Checkpointは次を含む。
生成モデル
テキストエンコーダ
VAE
最新モデルは分割ファイルが増えている。
models/
├── diffusion_models/
├── text_encoders/
├── vae/
├── loras/
├── controlnet/
├── upscale_models/
├── checkpoints/
└── embeddings/KSamplerは画像を少しずつ形にする中心部品である
主要入力:
model
positive
negative
latent_image
seed
steps
cfg
sampler_name
scheduler
denoise
基本的な理解:
`seed`:構図・細部の出発点
`steps`:反復回数。多ければ必ず良くなるわけではない
`cfg`:高すぎると色飽和・破綻・硬さが出る
`denoise`:入力画像をどれだけ壊して作り直すか
sampler/scheduler:品質・速度・質感の傾向
キューとキャッシュが反復制作を速くする
ComfyUIは非同期キューを持つ。
複数ジョブを順番に実行
Queueで進行・履歴確認
実行中断
APIから投入
WebSocketで進捗通知
変更されていないノード結果を再利用
ComfyUIは、入力が変わったノードと、その下流だけを再計算する。
例:
プロンプトだけ変更 → モデルロードは再利用
Upscalerだけ変更 → 画像生成側を再利用
保存形式だけ変更 → 上流生成を再利用可能
モデル変更 → 大部分を再計算
ノードの停止と迂回を使い分ける
`Always`:必要時に実行
`Never`:完全に無効
`Bypass`:処理せず入力を可能な範囲で下流へ渡す
`On Event` / `On Trigger`:UIに存在しても、公式Docs上は現状完全実装ではない
生成画像には制作条件が残ることがある
ComfyUI生成物のPNG、WebP、FLAC等には、ワークフロー情報が埋め込まれることがある。
利点:
生成条件を復元
他人の画像から学習
制作履歴を保存
リスク:
プロンプト
モデル名
ノード構成
一部ファイル名
制作上のノウハウ
を共有先へ渡す可能性がある。公開前にメタデータを除去する運用が必要である。

画像は生成するだけでなく直して仕上げる
一度の生成で完成を狙うと、構図、手、顔、商品形状、文字、背景を同時に直そうとして迷走しやすくなります。ComfyUIの強みは、問題を小さく分け、必要な部分だけ再実行できることです。
文章から最初の画像を作る
用途:
キービジュアル
広告案
コンセプトアート
キャラクター
商品背景
建築イメージ
SNS素材
プレゼン挿絵
基本構成:
Model Loader
→ Text Encode Positive / Negative
→ Empty Latent
→ Sampler
→ VAE Decode
→ Save品質改善順:
モデルを用途に合わせる
推奨解像度を使う
構造化プロンプト
seed比較
CFG/steps調整
Reference/ControlNet追加
高解像度化
局所修正
元画像を残しながら作り直す
入力画像の構図を残しつつ変換する。
Load Image
→ VAE Encode
→ KSampler denoise < 1
→ VAE Decode`denoise`の目安:
denoiseは0.1〜0.25。傾向は微修正。
denoiseは0.3〜0.5。傾向は形を保ちスタイル変更。
denoiseは0.55〜0.75。傾向は大きく再解釈。
denoiseは0.8〜1.0。傾向は元画像の影響が弱い。
必要な場所だけを塗り直す
画像の一部だけを修正する。
用途:
手・顔の修正
不要物除去
商品差し替え
服装変更
背景の局所修正
テキスト領域差し替え
基本構成:
Load Image + Mask
→ VAE Encode for Inpainting
→ Inpainting Model / Conditioning
→ Sampler
→ Composite改善策:
専用Inpaintingモデル
maskを対象より少し広げる
`grow_mask_by`で境界を作る
マスク境界にぼかし
修正領域に対応したプロンプト
低denoiseから試す
複数回に分ける
現行のMask Editorは、外部画像ソフトなしで次ができる。
Mask Pen
RGB Paint Pen
Eraser
Bucket Fill
Color Select
レイヤー表示
回転、反転
Undo/Redo
ブラシ硬さ、太さ、透明度
GPUアクセラレーション
画面の外側を自然に広げる
画像の外側を拡張する。
Load Image
→ Pad / Extend Canvas
→ Mask new region
→ Inpaint Encode
→ Sample
→ Compositeポイント:
新しい領域だけでなく境界もマスク
元画像と同じ光源・レンズ・時間帯をプロンプト
一度に大きく広げず段階的に拡張
ControlNet Depth/Lineで構造維持
高解像度化は二つの方式を使い分ける
高解像度化には、大きく分けて二つの方法があります。
一つは、ESRGANやRealESRGANなどの専用モデルを使い、完成画像のピクセルを拡大する方法です。構図や内容を変えにくく、比較的速いため、最終的な書き出しサイズを上げたい場合に向きます。ただし、元画像にない細部を自然に作り直す能力には限界があります。
もう一つは、画像を潜在表現へ戻し、拡大した後に低いdenoise値で再生成する方法です。髪、布、金属、背景などの細部を作り直せますが、元の顔や商品形状が変わるリスクもあります。
実務では、低解像度で構図を確定し、潜在空間で1.5〜2倍程度に広げて低denoiseで細部を補い、最後にピクセル空間のアップスケーラーで仕上げる流れが扱いやすいでしょう。重要な商品形状、ロゴ、文字、人物の本人性は、拡大後に必ず再確認します。
LoRAで追加の表現を重ねる
用途:
特定画風
キャラクター
商品
衣装
ポーズ
カメラ表現
ブランド表現
注意:
Base Modelの系列を合わせる
`strength_model`と`strength_clip`を別々に調整
複数LoRAは相互干渉
学習素材の権利確認
同じ名前でも版が異なることがある
初期値:
strength_model: 0.6〜0.9
strength_clip: 0.6〜1.0ControlNetで構図や姿勢を制御する
主な条件:
Canny / Edge
Scribble
Lineart
Depth
Normal
OpenPose
Segmentation
Tile
Inpaint
Reference
設定:
`strength`
`start_percent`
`end_percent`
例:
構図を強く固定:strength 0.8〜1.0
柔軟に変化:0.4〜0.7
前半だけ形を誘導:end 0.5〜0.8
複数ControlNet:合計強度を抑える
参照画像で人物や商品の整合性を高める
最新モデルでは、画像を条件として次を維持できる。
人物の顔
衣装
商品形状
素材
配色
ブランドカラー
レイアウト
撮影構図
しかし、同一人物・同一商品の完全一致は保証されない。量産時は以下を評価する。
顔特徴
ロゴ
形状寸法
ボタン・端子
色
テクスチャ
左右関係
文字

動画 音声 3Dまで一つの流れへつなげられる
ComfyUIは画像専用ではありません。同じ入力画像や説明文を使い、動画、音声、音楽、3D、文字処理へ分岐できます。ただし、公式テンプレートがあることと、自分の環境で快適に動くことは同じではありません。
動画生成は目的別に入口が変わる
Text-to-Video
Image-to-Video
First/Last Frame
Reference-to-Video
Video-to-Video
Motion Control
Camera Control
Pose Control
Video Inpainting
Frame Interpolation
Video Upscale
Lip Sync
Sound-to-Video
Audio付き動画生成
2026年8月時点の公式Docs・テンプレートには、例として次がある。
MiniMax H3
LTX Video / LTX 2 / LTX 2.3
Wan 2.1 / Wan 2.2
Hunyuan Video / Hunyuan Video 1.5
Cosmos
Kandinsky 5
Stable Video Diffusion
Mochi
VACE
各種Partner Nodes
Kling
Runway
Luma
Seedance
MiniMax API
Moonvalley
Pika等
「公式Docsにある」ことと「任意環境でローカル実行できる」ことは同義ではない。API Nodes、Coreネイティブ対応、カスタムノードを区別する必要があります。
MiniMax H3は映像と音を一緒に扱う大型モデルである
MiniMax H3のCore対応は、v0.30.0の主要な追加点です。
公式ドキュメントで案内されている主な特徴は次のとおりです。
オープンウェイト
Text-to-Video
Image-to-Video
First/Last Frame
Reference-to-Video
画像・動画・音声参照
キャラクター、スタイル、動き、カメラ、声の参照
ネイティブステレオ音声
会話、効果音、音楽を同時生成
最大2K
24fps
約15秒
ComfyUI v0.30.0以降
必要コンポーネント例:
diffusion_models/
minimax_h3_fl2va_pruned_int8_convrot.safetensors
minimax_h3_ref2va_pruned_int8_convrot.safetensors
text_encoders/
qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
vae/
minimax_h3_video_vae_fp16.safetensors
minimax_h3_audio_vae_fp32.safetensors導入時には、次の制約も考慮します。
ファイル群が非常に大きい
NVFP4/AWQや特定量子化はNVIDIA向け
Apple MPSで同じテンプレートが動く保証はない
長尺・高解像度は計算負荷が極めて高い
ローカル無料でも、実用GPUコストは大きい
Wanなどの動画モデルも負荷と制御方法で選ぶ
Wan 2.2には、用途と規模が異なる複数の構成があります。
5B Hybrid:T2VとI2V
14B T2V
14B I2V
高ノイズ・低ノイズのMoE
カメラ、照明、色、構図
大きな動き
複数物体の意味理解
公式Docsでは5B版がネイティブオフロードにより8GB VRAMへ収まる例を示す。ただし速度やOS差は別である。
[全体]
場所、人物、行動、雰囲気、時間帯
[ショット1 0-3秒]
画角、カメラ移動、主動作
[ショット2 3-7秒]
被写体の変化、背景、視線、速度
[ショット3 7-10秒]
終端構図、カメラ停止、余韻
[音声]
会話、環境音、効果音、音楽、音量関係例:
A cinematic product reveal in a dark studio.
0-3s: macro close-up of the metallic edge, slow dolly right.
3-7s: the camera pulls back as soft blue light travels across the surface.
7-10s: the product rotates once and stops in a clean hero composition.
Audio: subtle servo movement, low cinematic pulse, no dialogue.フレーム間の顔・物体整合性
モーションの自然さ
カメラ指示遵守
背景の安定
手・接触・物理
テキスト・ロゴ
開始・終了フレーム一致
音声同期
会話の口形
ちらつき
ワープ・溶解
フレーム欠落
圧縮品質
音声と音楽もワークフローへ入れられる
Text-to-Audio
Music Generation
Audio-to-Audio
Audio Inpainting
効果音
長尺楽曲
動画と音声の同時生成
音声の読み込み・保存・合成
LoRAによる音楽モデルの調整
APIモデルとの連携
Stable Audio 1.0
Stable Audio 3
ACE-Step 1.0
ACE-Step 1.5
MiniMax H3のネイティブ音声付き動画
Partner Nodesの音声・音楽モデル
公式ドキュメントで案内されている主な特徴は次のとおりです。
ローカル音楽生成
AIO Checkpointと分割モデル
50言語以上
楽曲設計を行うLM+音声生成DiT
LoRA学習
長尺楽曲
公式が商用品質・高速性を主張
注意:
速度・品質数値はモデル提供側の主張であり、自分の環境で検証する
CoverとRepaintは、モデルには存在してもComfyUI Coreでは未対応とされる
歌詞・声・既存楽曲の権利に注意
Genre: modern Japanese alternative pop
Tempo: 112 BPM
Key: A minor
Mood: reflective, hopeful, restrained
Structure: intro, verse, pre-chorus, chorus, verse, chorus, bridge, final chorus
Instruments: clean electric guitar, warm bass, tight drums, subtle synth pad
Vocal: intimate male vocal, natural dynamics, no excessive vibrato
Mix: wide but clear, vocals centered, controlled low endDは形状生成と実制作への持ち込みを分けて考える
Image-to-3D
Multi-view Image-to-3D
Text-to-3D(モデル/APIに依存)
Mesh
Voxel
Gaussian Splat
Point Cloud
GLB保存
3D Preview
カメラ設定
変換・結合・レンダリング
公式Core例:
単一画像から形状
複数視点から形状
Turbo版
`.glb`出力
モデル自体には形状生成とテクスチャ生成の段階があるが、公式Coreチュートリアルでは、ネイティブ対応は主として形状生成で、テクスチャ・マテリアル生成は未対応と明記される。Community Nodesで拡張する場合は別途監査する。
シルエット一致
複数視点整合
穴・浮遊面
トポロジー
法線
ポリゴン密度
対称性
UV
テクスチャ解像度
PBR材質
Blender/Unity/Unrealへの取り込み
実寸・スケール
リギング可能性
文字やデータを組み合わせると量産工程になる
ComfyUIは、画像だけでなく、テキスト処理ノード、LLM、JSON、文字列操作、SVG、外部APIを組み合わせられる。
例:
商品情報JSON
→ LLMで広告コピー生成
→ プロンプトテンプレートへ埋め込み
→ 商品画像生成
→ SVGで価格ラベル
→ 合成
→ サイズ別書き出し用途:
バナー量産
商品カタログ
SNSクリエイティブ
多言語展開
インフォグラフィック
サムネイル
動画絵コンテ
データ駆動型クリエイティブ
注意:
外部LLMノードは入力を外部送信する
JSON生成はスキーマ検証する
文字レンダリング品質はモデル依存
重要な価格・日付・商品名は生成後に機械検証

複雑なワークフローは再利用できる部品へ変える
ノードを増やすこと自体が目的になると、本人しか触れない巨大なグラフができます。App Mode、Subgraph、APIを使う価値は、複雑さを隠し、同じ処理を安全に再利用できる形へ変えることにあります。
App Modeで必要な入力だけを見せる
複雑なグラフを隠し、選んだ入力と出力だけを表示する。
向く用途:
社内生成ツール
顧客向けデモ
チーム共通テンプレート
スマホ入力
非技術者向け操作
パラメータを制限した安全運用
設定:
App Mode Builder
入力項目を選択
出力ノードを選択
Preview
デフォルト表示をAppに設定
共有リンクはComfy Cloud限定。
Subgraphで繰り返す処理を一つの部品にする
複数ノードを一つの再利用可能なノードにまとめる。
例:
標準プロンプト処理
画像前処理
ControlNet一式
ブランド色補正
透かし・メタデータ
標準保存
品質検査
利点:
グラフを簡潔にする
誤接続を減らす
部品化
チーム標準化
入れ子
Blueprintとしてライブラリ化
00_Input_Normalizer
10_プロンプト_Builder
20_Model_Load
30_Conditioning
40_Generation
50_Quality_Check
60_Upscale
70_Color_Management
80_メタデータ
90_ExportローカルAPIで外部システムから実行する
標準:
http://127.0.0.1:8188ヘッドレス:
python main.py --disable-auto-launchポート変更:
python main.py --port 8288LAN公開:
python main.py --listen 0.0.0.0LAN・インターネット公開は認証なしのまま行わない。
Endpointは`POST /prompt`。用途はワークフロー投入。
Endpointは`GET /prompt`。用途はキュー状態。
Endpointは`/ws`。用途はWebSocket進捗。
Endpointは`GET /history/{prompt_id}`。用途は実行結果。
Endpointは`GET /view`。用途は出力取得。
Endpointは`POST /upload/image`。用途は画像アップロード。
Endpointは`GET /models`。用途はモデル種別。
Endpointは`GET /models/{folder}`。用途はモデル一覧。
Endpointは`GET /object_info`。用途はノード定義。
Endpointは`GET /system_stats`。用途はPython、GPU、VRAM。
Endpointは`GET/POST /queue`。用途はキュー管理。
Endpointは`POST /interrupt`。用途は中断。
Endpointは`POST /free`。用途はモデル解放。
Endpointは`/userdata`。用途はユーザーデータ。
自動化は入力と承認まで含めて設計する
EC商品ごとの画像生成
CSVからバナー量産
CMS入稿
Slackから生成依頼
Driveへ保存
GitHub Actionsでテスト生成
生成品質の自動比較
毎朝のクリエイティブ候補
動画素材の一括アップスケール
APIサービスの推論バックエンド
公式Cloud APIは、ローカルAPIとの互換性を意識した管理型APIです。ただし2026年8月4日時点では実験的な位置づけで、エンドポイントや挙動が変更される可能性があります。
注意:
実験的
API Keyが必要
対応プランが必要
Free/StandardではAPIが使えないとする現行Docsがある
Creator/Pro等の条件はライブプランを確認
クレジット消費
Partner Nodesは別課金があり得る
ローカルとCloudで使用可能ノード・モデルが異なる
同じ情報から画像、記事、資料を作るときに内容がずれないよう、共通の根拠と版を管理する方法は、こちらの記事で整理しています。
ComfyUIを自動化へ進める前に、入力、判断、完了条件、例外、停止、手動復帰をどう標準化するかは、こちらの記事で詳しく整理しています。

便利さを増やすほど安全性と再現性が重要になる
ComfyUIは自由度が高いぶん、第三者コード、外部通信、モデルライセンス、版の不一致を利用者自身が管理します。動けばよい検証環境と、止まってはいけない本番環境を分けることが基本です。
カスタムノードは任意のPythonコードとして扱う
PythonコードとFrontend拡張で、Coreにない機能を追加する。
例:
前処理
顔補正
動画処理
3D
外部API
Dataset
Training
特殊Sampler
UI
ファイル入出力
自動プロンプト
数式・制御フロー
カスタムノードは任意のPythonコードである。
可能な権限:
ファイル読み書き
ネットワーク通信
環境変数参照
APIキー参照
subprocess実行
pipインストール
Git操作
起動時コード実行
ブラウザ側JavaScript実行
したがって「ノードだから安全」ではない。
作者と組織
GitHub履歴
Starだけで判断しない
最新コミット
Issues
依存パッケージ
`requirements.txt`
`install.py`
`prestartup_script.py`
subprocess
shell
eval / exec
ネットワーク先
APIキー処理
バイナリ配布
ライセンス
モデル自動ダウンロード
アンインストール方法
Core対応版
Managerは便利だが安全性を代行してくれるわけではない
検索・インストール
更新
無効化
削除
Missing Node検出
モデル管理
Snapshot
依存関係管理
CLI
オフラインモード
セキュリティレベル
[default]
security_level = normal
network_mode = offline
use_uv = True
file_logging = True
always_lazy_install = Trueセキュリティレベル:
Levelはstrong。意味は高・中リスク機能を禁止。
Levelはnormal。意味は高リスク禁止。
Levelはnormal-。意味は外部Listen時に高リスク禁止。
Levelはweak。意味はすべて許可。
高リスク:
任意Git URL
pip install
未登録ノード
修復機能
weakを常用しない。
ComfyUI-Production
Core固定
承認済みノードのみ
ネットワーク制限
ComfyUI-Research
Nightly
新規ノード
テスト用データのみ
ComfyUI-Cloud
大型モデル
機密情報なしSnapshotだけでは完全な再現性にならない
記録対象:
ComfyUIコミット
カスタムノードURL
カスタムノードのコミット・版
有効・無効
pipパッケージ
復元差分
自動作成:
Boot
Restart
Update前後
Restore後
復元時:
Coreチェックアウト
ノード復元
pipの追加・更新・削除
post-install
失敗時ロールバック
通常、Snapshotにモデル本体は含まれない。次も記録する。
workflow_id: product_ad_v12
comfyui_commit: b1693ec...
frontend: 1.47.12
template_package: 0.11.27
python: 3.13.x
pytorch: ...
device: <GPU名またはApple Silicon / MPS>
models:
- path: diffusion_models/model.safetensors
sha256: ...
loras:
- path: loras/brand_v3.safetensors
sha256: ...
seed: 123456
resolution: 1024x1024
sampler: ...
scheduler: ...
steps: 28
cfg: 5.5メモリ最適化は速度との交換になる
ComfyUIはモデルをGPU、RAM、ストレージ間で移動し、限られたVRAMでも大型モデルを実行する。
利点:
OOM削減
低VRAM対応
モデル切替
動的圧力管理
欠点:
オフロードで遅くなる
RAM不足時にスワップ
SSD負荷
一部モデル・環境で回帰
起動引数との相互作用
公式CLIは、`--fast`を未検証で品質低下の可能性がある最適化と説明する。
本番では:
同一seed
同一モデル
同一プロンプト
`--fast`有無
20〜50ケース
画質・速度・失敗率比較
を行ってから使う。
Samplerの`it/s`だけでは不十分。
測る:
初回モデルロード
2回目以降
プロンプト変更
モデル変更
VAE Decode
Upscale
Save
総時間
Peak RAM
Peak VRAM
Swap
ディスク Read
失敗率
ローカル公開と機密データを慎重に扱う
ComfyUIは標準で`127.0.0.1`にBindし、ローカル利用を想定する。
公式ポリシーの前提:
正規の配布経路
信頼できないカスタムノードを入れない
URLへアクセスできる人は信頼されている
推奨依存版を使う
python main.py --listen 0.0.0.0を認証・Firewall・Reverse Proxy・TLSなしでインターネットへ公開すること。
公開する場合:
VPN/Tailscale
Reverse Proxy
認証
TLS
IP制限
Rate Limit
Container/VM
非特権ユーザー
読取専用モデル
出力分離
ログ
Secrets分離
ローカルでも次を確認する。
Partner Nodes
カスタムノード通信
Manager通信
自動更新
モデルダウンロード
Cloud共有リンク
Workflow metadata
ログ
一時ファイル
Browser extension
バックアップ
Cloudの共有リンクには、ワークフローだけでなく、アップロードした画像、マスク、関連素材が含まれる場合がある。リンクを知る人が閲覧できる前提で扱う。
モデル形式と利用条件を確認する
`safetensors`を優先する。古い`.ckpt`、`.pt`、`.pth`はPython pickle由来のリスクを理解する。ComfyUI側の安全ロード対策があっても、配布元の信頼性と最新PyTorchが必要。
確認対象:
ComfyUI GPL-3.0
モデルライセンス
LoRA
VAE
ControlNet
Upscaler
Training data
入力画像
人物の肖像・プライバシー
商標・ロゴ
著作権
音声・歌声
既存楽曲
商用利用
再配布
API利用規約
ComfyUIが無料でも、モデルが商用利用可能とは限らない。

品質は一枚の見栄えではなく合格成果で測る
SNSでは一番きれいな一枚が注目されます。しかし、仕事では必要な条件を満たす成果物を、安定して、許容時間と予算の中で作れるかが重要です。ComfyUIの品質は、モデルだけでなく、ワークフロー、実行環境、選別、修正、評価まで含めて測ります。
品質を四つの層に分けて考える
ComfyUIの品質を評価するときは、少なくとも四つの層を分けます。
一つ目はモデルの能力です。学習データ、得意分野、指示への追従、推奨解像度、ライセンスによって、出せる成果の上限が変わります。
二つ目はワークフローの設計です。プロンプト、参照画像、ControlNet、LoRA、Sampler、denoise、高解像度化、後処理の組み合わせによって、同じモデルでも結果は大きく変わります。
三つ目は実行環境です。CUDA、MPS、ROCm、PyTorch、数値精度、量子化、Attention実装が変わると、速度だけでなく、メモリ使用量や出力の再現性にも差が出ます。
四つ目は制作工程と評価です。候補の選別、部分修正、色調整、文字組み、人間確認まで含めなければ、仕事で使える成果物にはなりません。モデル比較だけでなく、完成までの修正時間と失敗率を測る必要があります。
成果物の種類ごとに評価軸を変える
画像では、依頼内容への適合、構図、形状、手や顔などの解剖学的な自然さ、素材感、光と影、文字、人物や商品の一貫性、破綻の有無を確認します。見栄えだけでなく、後から修正しやすいか、同じ条件で再現しやすいかも重要です。
動画では、フレームをまたいだ人物・物体の一貫性、動きの自然さ、カメラ指示への追従、物理的な接触、ちらつき、開始・終了フレーム、音声や口の動きの同期を見ます。一枚だけ切り出して評価すると、時間方向の破綻を見落とします。
音声や音楽では、音質、リズム、調性、曲の構成、ボーカル、歌詞との一致、長時間の一貫性、ノイズやクリッピング、既存楽曲や声に関する権利リスクを確認します。
3Dでは、シルエット、多視点の整合、穴や浮遊面、法線、ポリゴン密度、UV、テクスチャ、PBR材質、BlenderやUnityなど実際の制作環境へ取り込めるかを確認します。
比較は同じ条件で一変数ずつ行う
実用途から20〜50のテストケースを作る
難易度を分ける
1ケース4seed以上
モデル以外を固定
変数は一度に一つ
出力を匿名化
2人以上でペア比較
失敗タイプを記録
速度・コストも記録
合格基準を先に決める
例:
acceptance:
requirement_pass_rate: ">= 85%"
severe_artifact_rate: "<= 5%"
identity_match: ">= 4.0/5"
p95_latency: "<= 90 sec"
cost_per_accepted_output: "<= $0.50"同じseedでも、次が変わると出力が変わり得る。
GPU
CUDA/MPS
PyTorch
Attention
精度
量子化
Core
カスタムノード
モデルファイル
Sampler実装
非決定的演算
`--deterministic`も完全一致を保証しない。
モデルは用途と対応水準で選ぶ
モデル名だけで選ばず、ComfyUIでどの水準まで正式に対応しているかを先に確認します。
Core Nativeは、ComfyUI本体のノードで直接扱える状態です。
Official Templateは、公式テンプレートと推奨構成が用意されています。
Partner Nodeは、外部APIを公式ノードから呼び出す方式で、通常はクレジットを消費します。
カスタムノード対応は、第三者の実装へ依存します。更新頻度、コード、通信、ライセンスの個別確認が必要です。
Experimentalは、動作しても安定性や全環境での互換性が十分に確認されていない状態です。
用途別には、軽量な画像生成ならSD1.5系、一般的な高品質画像ならSDXL、FLUX、Qwen Image系などが候補になります。文字を含む画像では、文字表現を得意とするモデルやIdeogramなどのAPIも比較対象です。商品や人物の一貫性が重要なら、複数の参照画像を扱えるモデルや編集モデルを優先します。
動画では、Wan、LTX、Hunyuan、MiniMax H3などを、必要な長さ、解像度、音声生成、参照制御、手元のハードウェアから選びます。音楽ではACE-StepやStable Audio、3DではHunyuan3Dや外部APIなど、成果物の種類ごとに候補が変わります。
Apple SiliconではMPS対応とFP16・BF16ウェイトの有無を確認し、NVIDIA環境ではCUDA向けのFP8、NVFP4、専用Attention最適化を活用できるかを確認します。
配布元では、次の項目を確認してください。
公式または信頼できる配布元か
モデル形式とハッシュを確認できるか
ベースモデル、VAE、テキストエンコーダーの組み合わせ
推奨解像度、プロンプト、Sampler、必要メモリ
MPS、CUDA、ROCmへの対応
商用利用、再配布、生成物、学習素材に関するライセンス
安全性方針と、必要に応じたNSFW制限
AI成果をモデルだけの問題にせず、要件、情報、実行方法、評価、権限まで含めて整理した基本フレームは、こちらの記事で詳しく解説しています。
実際の仕事では多様な形で使える
ComfyUIの価値は、モデルのデモを眺めることではなく、現実の制作課題へ工程として組み込むことにあります。ここでは、元資料で整理された用途を、誰が何のために使うかという観点でまとめます。
マーケティングとECでは量産と整合性が重要になる
広告クリエイティブ
LPヒーロー
SNS
バナー
A/Bテスト
ブランド別派生
多言語
季節キャンペーン
商品合成
動画広告
白背景
ライフスタイル
色違い
背景差し替え
商品動画
360度案
カタログ
説明図
高解像度化
実商品の形状、色、ロゴは、公開前に必ず人間が確認します。
映像とゲームでは前工程の試作速度を上げる
絵コンテ
Style Frame
Previz
B-roll
VFX素材
背景
モーション案
動画修復
補間
アップスケール
音響
キャラクター案
アイテム
背景
UI
Texture
3D素体
Splat
Concept Sheet
マルチビュー
Blender連携
教育 社内業務 研究では再利用可能な型が価値になる
画像生成教材
ワークフロー可視化
AI推論の説明
デザイン演習
変数比較
安全なテンプレート配布
App Modeによる実習
定型バナー
記事挿絵
スライド図版
採用クリエイティブ
SNS
商品資料
顧客別提案
画像匿名化
背景除去
Sampler比較
モデル比較
Ablation
Dataset生成
評価セット
Graph API
自動プロンプト探索
VLM評価
ワークフロー生成研究
ノード開発
困ったときは原因を小さく切り分ける
ComfyUIのエラーは、Core、Frontend、Python、モデル、カスタムノード、GPU、保存先が絡むため、まとめて直そうとすると原因を見失います。最後に変更したものから戻し、Coreだけで再現するかを確認するのが基本です。
モデルが見えないときは保存場所から確認する
保存フォルダ確認
拡張子確認
`R`でノード定義更新
再起動
Loader種別確認
`extra_model_paths.yaml`確認
ファイル権限
テンプレートの期待ファイル名
起動ログ
Missing Nodeは安易に全部インストールしない
Coreが古い → Update
カスタムノードがない → Managerで検索
ノード名変更 → 作者Docs
Workflowが古い → 代替ノード
安易に全ノードをインストールしない
Import Failedは仮想環境と依存関係を確認する
起動ログを確認
仮想環境を確認
`pip install -r requirements.txt`
カスタムノードの依存を個別確認
Python 3.13非対応なら3.12環境
壊れたノードをDisable
Snapshotへ戻す
メモリ不足は負荷を一段ずつ下げる
順番:
batch 1
解像度低下
フレーム数短縮
FP16/BF16/量子化
`--reserve-vram`
Dynamic VRAM
VAEをCPU
LowVRAM
モデルを一つずつ
Cloud
黒い画像はVAEと精度を疑う
VAE精度
FP16 VAE
モデルとVAE不一致
Attention upcast
NaN
MPS精度
量子化
解像度
カスタムノード
MacのFP8エラーは対応形式へ戻す
FP16/BF16版へ変更
FP8 Loaderを外す
モデル作者のMPS対応確認
CUDA専用ノードを除外
Cloud/NVIDIAへ移す
更新後の破損はSnapshotか固定コミットへ戻す
Coreとrequirementsの両方更新
Frontend/template/embedded-docs版確認
カスタムノードを更新
Startup log
Snapshot復元
固定コミットへ戻す
検証環境で先に更新
遅さはSamplerだけでなく総時間で測る
初回と2回目を分ける
モデルロード時間
Swap
HDDではなくSSD
Previewを軽く
Batch
解像度
Sampler steps
Attention
Offload
API/Cloud比較
本番運用ではワークフローより実行契約を固める
業務で必要なのは、グラフが保存されていることだけではありません。入力形式、使うモデル、許容サイズ、予算、品質基準、承認者、失敗時の停止、再実行、保存先、ログまで決めて、初めて再現可能な運用になります。
ファイルと成果物を用途別に分ける
comfy-production/
├── workflows/
│ ├── approved/
│ ├── staging/
│ └── deprecated/
├── manifests/
├── testcases/
├── outputs/
│ ├── raw/
│ ├── reviewed/
│ └── published/
├── logs/
└── docs/名前と変更履歴で迷子を防ぐ
<domain>_<task>_<model>_<version>
product_background_qwenedit_v003
video_i2v_wan22_v00501_INPUT_product
02_INPUT_prompt
10_LOAD_model
20_COND_positive
30_GEN_base
40_QA_preview
50_UPSCALE
90_EXPORT変更理由
変更者
日付
Coreコミット
ノード版
モデル
ベンチ結果
承認
切り戻し
実行前の検証と人間承認を残す
Missing nodesなし
Missing modelsなし
モデルのハッシュ一致
画像サイズ上限
Batch上限
プロンプト禁則
外部API有無
クレジット見積り
出力先
個人情報
ライセンス
Timeout
ディスク空き
必須対象:
人物
医療
法務
金融
ニュース
商品仕様
価格
ロゴ
公開広告
大量配信
顧客データ
実在人物の音声・顔
ComfyUIが向く人と別の道具が向く人を分ける
生成条件を細かく制御したい
同じ処理を繰り返す
画像・動画・音声を組み合わせる
ローカル処理したい
オープンモデルを試す
制作工程をAPI化したい
チーム標準を作りたい
モデル比較をしたい
大量生成したい
一枚だけ最速で作りたい
ノードを学びたくない
モデル管理をしたくない
高品質な商用モデルだけでよい
ローカルGPUがない
完全管理型を求める
その場合:
Comfy Cloud
ChatGPT画像生成
Midjourney
Runway
Adobe Firefly
各モデル公式UI
などが速い場合がある。
このような用途では、ComfyUIを「すべてをローカルで生成するアプリ」としてではなく、次のような生成AI制作基盤として導入する価値が高い。
Macローカル
機密入力
前処理
画像生成・編集
マスク
後処理
ワークフロー設計
API制御
Cloud / NVIDIA
大型動画
H3
CUDA専用処理
高解像度
バッチ
本番スケールComfyUIを含む生成AI活用を、研修だけで終わらせず、自社業務の設計、開発、評価、改善運用まで進めたい場合は、支援内容をこちらにまとめています。
手元で試せる制作レシピを持っておく
仕組みを理解した後は、用途ごとの最小構成を持つと学習が速くなります。以下は、元資料で整理された代表的な構成です。モデル名を固定するのではなく、入力、処理、出力の流れとして読むと、別モデルへ交換しやすくなります。
商品キービジュアルを作る
Load Product Image
→ Remove Background
→ Product Mask
→ Reference/Edit Model
→ Background Generation
→ Composite
→ Color Match
→ Upscale
→ Save既存画像の背景差し替えを作る
Load Image
→ Segment Subject
→ Mask Invert
→ Inpaint Background
→ Composite顔を変えず服だけ変更を作る
Load Image
→ Clothing Mask
→ Inpaint Model
→ Low Denoise
→ Face Region Preserve広告バナー量産を作る
CSV/JSON
→ プロンプト Builder
→ Image Model
→ Brand Color
→ SVG Text
→ Composite
→ Export 1:1 / 4:5 / 16:9イラストから実写を作る
Load Illustration
→ Line/Depth ControlNet
→ Img2Img
→ Denoise 0.45〜0.7
→ Face Fix低解像度写真の修復を作る
Load Image
→ Denoise/Restore
→ Face Restore
→ ESRGAN
→ Color
→ Grainキャラクターシートを作る
Identity Reference
→ Pose ControlNet
→ Multi-pose Batch
→ Consistency Check
→ Contact Sheet商品動画を作る
Product Keyframe
→ Image-to-Video
→ Camera プロンプト
→ Frame Interpolation
→ Video Upscale
→ AudioFirst/Last Frame動画を作る
Start Image
+ End Image
+ Motion プロンプト
→ FLF Video Node
→ Temporal Check短い音楽ジングルを作る
Music プロンプト
→ ACE-Step
→ Trim
→ Loudness Normalize
→ WAV/FLAC画像から3D素体を作る
Remove Background
→ Multi-view Images
→ Hunyuan3D Multi-view
→ Preview
→ Save GLB
→ Blender Cleanup社内Appを作る
Approved Workflow
→ Subgraphs
→ Expose Inputs
→ App Mode
→ 事前検証
→ Restricted Export起動引数は問題が起きてから必要なものだけ使う
ComfyUIにはメモリ、キャッシュ、Attention、精度を調整する多くの起動引数があります。最初から全部を指定するのではなく、標準設定で動かし、メモリ不足、速度、黒い画像など具体的な問題が出たときに一つずつ変える方が原因を追いやすくなります。
メモリの使い方を変える引数
--gpu-only
--highvram
--lowvram
--novram
--cpu
--reserve-vram N
--vram-headroom N
--disable-dynamic-vram
--enable-dynamic-vram
--fast-disk再利用する結果を調整する引数
--cache-ram [GB] [GB]
--cache-classic
--cache-lru N
--cache-none
--high-ramAttention実装を選ぶ引数
--use-pytorch-cross-attention
--use-sage-attention
--use-flash-attention
--disable-xformers数値精度を選ぶ引数
--fp16-unet
--bf16-unet
--fp8_e4m3fn-unet
--fp16-vae
--fp32-vae
--bf16-vae
--fp16-text-enc
--bf16-text-encプレビューと安全性に関する引数
--deterministic
--preview-method auto
--preview-size 512
--disable-api-nodes
--disable-all-custom-nodes七日間で基礎から本番の入口まで進める
すべての機能を一度に覚える必要はありません。一週間の学習単位へ分けると、毎日一つの完成状態を作れます。
基礎を身につける日
Desktop導入
公式Template
Text-to-Image
Seed
Save/Load
Snapshot
画像編集を身につける日
Img2Img
Denoise
Mask Editor
Inpaint
Outpaint
制御を身につける日
LoRA
ControlNet
Pose
Depth
Reference
高品質化を身につける日
Upscale
2-pass
Color
比較
ベンチ
動画・音声を身につける日
I2V
短尺
Frame
Audio
Video Save
構造化を身につける日
Subgraph
App Mode
Naming
Templates
Reusable parts
自動化・本番を身につける日
API Format Export
`/prompt`
WebSocket
Manifest
Security
Production Checklist
導入前と本番前の確認を分ける
個人で一枚を作るための確認と、チームで安全に使うための確認は異なります。次の項目は、問題が起きた後の反省ではなく、導入前の設計として使います。
初回導入で確認すること
[ ] Stable版を選択
[ ] 公式配布元
[ ] Snapshot作成
[ ] 公式Template
[ ] Coreノードのみ
[ ] モデルライセンス確認
[ ] 出力フォルダ確認
[ ] メタデータ理解
カスタムノード導入前に確認すること
[ ] 作者確認
[ ] コード確認
[ ] requirements確認
[ ] 通信確認
[ ] 検証インスタンス
[ ] Snapshot
[ ] 固定コミット
[ ] 切り戻し
本番運用前に確認すること
[ ] Core固定
[ ] Frontend固定
[ ] Node固定
[ ] モデルのハッシュ
[ ] Benchmark
[ ] 人間承認
[ ] API認証
[ ] ログ
[ ] バックアップ
[ ] ディスク監視
[ ] Cost監視
[ ] ライセンス台帳
[ ] メタデータ除去
よく出てくる言葉を日常語で確認する
ComfyUIでは、生成AI、画像処理、GPUの用語が同じ画面に出てきます。用語を暗記する必要はありませんが、何を交換し、何を調整しているのかを区別できると、エラーの切り分けが速くなります。
Node:意味は一つの処理部品。
Workflow:意味はノードを接続した処理グラフ。
Checkpoint:意味はモデルの重み。
Diffusion Model:意味はノイズ除去で生成するモデル。
DiT:意味はTransformer型の拡散モデル。
CLIP/Text Encoder:意味はプロンプトを数値表現へ変換。
VAE:意味は画像と潜在表現の変換。
Latent:意味は圧縮された生成途中表現。
Sampler:意味はノイズ除去アルゴリズム。
Scheduler:意味はノイズ量・ステップ配分。
CFG:意味はプロンプトへの追従強度。
Seed:意味は初期乱数。
Denoise:意味は入力をどの程度作り直すか。
LoRA:意味は軽量な追加学習。
ControlNet:意味は形・姿勢・深度等の制御。
Inpainting:意味は画像の一部を再生成。
Outpainting:意味は画像の外側を生成。
Upscale:意味は高解像度化。
MPS:意味はApple GPU用PyTorchバックエンド。
CUDA:意味はNVIDIA GPU計算基盤。
ROCm:意味はAMD GPU計算基盤。
FP16/BF16/FP8:意味は数値精度形式。
Offload:意味はモデルをGPU外へ移す。
Partner Nodes:意味は外部APIの公式ノード。
App Mode:意味は入出力だけを見せる簡易UI。
Subgraph:意味はノード群の再利用部品。
API Format:意味はサーバー実行用Workflow JSON。
Snapshot:意味はCore・ノード・依存版の復元点。
業務へ組み込む前に実行の境界を決める
ComfyUIを外部システムから動かせるようになると、できることは一気に増えます。商品データを読み込んで画像を量産する、フォームから受けた依頼をキューへ入れる、完成物をストレージへ保存する、生成が終わったら担当者へ通知する。こうした流れは、ローカルサーバーのAPIやComfy Cloud APIを使って組めます。
ただし、APIが使えることと、業務として安全に使えることは同じではありません。最初に決めるべきなのは、どこから入力を受け、誰が実行でき、どこへ出力し、どの時点で人間が止められるかです。
ローカルAPIはキューへ仕事を渡す入口になる
ComfyUIは標準では`127.0.0.1:8188`で待ち受けます。代表的なAPIは次の通りです。
`POST /prompt`は、API形式のワークフローを実行キューへ入れます。
`/ws`は、進捗や実行状態をWebSocketで受け取ります。
`GET /history/{prompt_id}`は、指定した実行の結果を確認します。
`GET /view`は、生成された画像などを取得します。
`POST /upload/image`は、入力画像をアップロードします。
`GET /object_info`は、現在使えるノードと入力定義を取得します。
`GET /system_stats`は、GPU、VRAM、Python環境などの状態を返します。
`POST /interrupt`は、進行中の実行を中断します。
最小構成では、API形式のJSONを`/prompt`へ送り、返された`prompt_id`を保存します。その後、WebSocketで完了を待ち、Historyから出力情報を取得します。大量処理では、実行ID、入力データ、使用したワークフロー版、出力先を同じ台帳へ記録しておくと、失敗した一件だけを再実行できます。
APIへ渡すJSONは、画面保存用のワークフローJSONと同じとは限りません。ComfyUIのメニューからAPI Formatとして書き出し、外部から変更してよい入力だけを特定します。すべてのノード値を利用者へ開放すると、巨大な解像度やバッチ数を指定され、メモリ不足や予算超過を起こす可能性があります。
自動化では入力を信用せず先に検査する
フォーム、CSV、CMS、Slackなどから受け取った値は、そのままワークフローへ流しません。少なくとも次を確認します。
画像の形式、縦横サイズ、ファイル容量
バッチ数、動画時間、フレーム数の上限
使用可能なモデルとLoRA
外部APIを呼ぶかどうか
想定クレジットと一件当たりの予算
個人情報、顧客情報、未公開素材の有無
出力先と閲覧権限
禁止プロンプトや権利上使えない入力
生成後にも検査が必要です。画像が開けるか、指定サイズか、必要な枚数があるか、禁止された透かしや文字崩れがないかを機械的に確認します。商品名、価格、日付、ロゴ、人物の同一性など、誤りの影響が大きい項目は人間承認へ回します。
検証環境と本番環境を分けると更新に強くなる
ComfyUIはCore、Frontend、テンプレート、モデル、カスタムノードが別々に更新されます。新しいモデルへ対応するためにCoreを更新したら、古いカスタムノードが動かなくなることもあります。反対に、カスタムノードだけを更新した結果、出力が変わることもあります。
一つの環境ですべてを試すと、制作中の案件と検証作業が衝突します。少なくとも次の二つへ分ける方が安全です。
本番環境は変えないことを優先する
本番環境には、承認済みのCore版、Frontend版、カスタムノード、モデルだけを置きます。自動更新は避け、変更前にSnapshotとバックアップを作ります。外部通信を必要最小限にし、使わないPartner Nodesやノードは無効化します。
検証環境は壊してよい前提で試す
検証環境ではNightly、新しいモデル、新規カスタムノード、量子化形式、最適化オプションを試します。顧客データや未公開素材は使わず、代表的なテスト画像とワークフローで互換性を確認します。問題がなければ、変更内容とテスト結果を本番へ移します。
Cloudを第三の環境として使う場合も、ローカル本番の代替ではなく、大型モデルや短期バッチの実行先として役割を限定すると管理しやすくなります。
再現性はワークフローJSONだけでは足りない
同じJSONを開いても、モデルや実行環境が違えば同じ結果にはなりません。再現したい案件では、少なくとも次を記録します。
workflow_id: product_background_v003
comfyui_commit: <固定したコミット>
frontend_version: <使用版>
python_version: <使用版>
pytorch_version: <使用版>
device: <GPUまたはMPS>
models:
- path: diffusion_models/example.safetensors
sha256: <モデルのハッシュ>
loras:
- path: loras/brand_v2.safetensors
sha256: <LoRAのハッシュ>
resolution: 1024x1024
seed: 123456
steps: 28
cfg: 5.5
sampler: <使用Sampler>
scheduler: <使用Scheduler>ここへカスタムノードのGit URLとコミット、入力ファイルのハッシュ、起動引数を追加すると、後から差を追いやすくなります。SnapshotはCore、ノード、Python依存の復元に有効ですが、通常はモデル本体や案件ごとの入力をすべて含みません。Snapshotと案件マニフェストを別々に持つ理由はここにあります。
完全一致が必要な場合にも限界があります。同じSeedでも、GPU、MPS、CUDA、PyTorch、Attention実装、精度、量子化、Sampler実装が変われば出力が変わる可能性があります。`--deterministic`は差を減らす助けにはなりますが、異なる環境間の完全一致を保証するものではありません。
品質比較は合格率と修正コストまで測る
モデル比較では、最も良かった一枚だけを並べると判断を誤ります。実務で重要なのは、必要条件を満たす成果が何割出るか、失敗を直すのにどれだけ時間がかかるかです。
テストケースを実際の仕事から作る
商品画像なら、透明素材、細い部品、左右非対称、文字入りパッケージなど、普段失敗しやすい条件を入れます。人物なら、手、横顔、複数人、眼鏡、服の模様、同一人物の連続生成を含めます。動画なら、顔の一貫性、物体への接触、カメラ指示、開始と終了の構図、音声同期を確認します。
一つのテストにつき複数Seedを出し、比較する変数は一度に一つだけ変えます。モデルを比べるなら、解像度、プロンプト、Sampler、後処理をそろえます。量子化を比べるなら、モデルとワークフローを固定します。
画質と同時に時間と費用を記録する
測る時間はSampler部分だけではありません。最初のモデルロード、二回目以降、VAE Decode、アップスケール、保存を含む総時間を記録します。CloudやPartner Nodesでは、一回の料金ではなく、合格した成果一件を得るまでの総クレジットを比較します。
記録したい指標は次の通りです。
必須要件を満たした割合
重大な破綻が出た割合
人間が修正に使った時間
一件の総実行時間
合格成果一件当たりの費用
同一人物や商品の整合性
ワークフローを再利用できた割合
エラーと再実行の回数
この記録があると、「新しいモデルだから良い」「大きなモデルだから高品質」という印象ではなく、自分の仕事に合うかで選べます。
最初に目指すのは高度なグラフではなく再現できる一つの工程である
ComfyUIを始めるとき、最も新しい大型モデルや人気のカスタムノードを一度に入れる必要はありません。公式テンプレートとCoreノードだけで小さなワークフローを完成させ、保存し、同じ条件で再現する。次に、直したい問題が生まれたときだけ、Inpainting、ControlNet、LoRA、Upscaleを一つずつ加えます。
個人利用の最初の完成条件は、偶然きれいな一枚が出ることではありません。同じ入力と設定から、意図した成果を繰り返し作れることです。業務利用では、そこへ入力制限、版管理、品質基準、人間承認、ログ、停止、復旧を足します。
ローカルかクラウドかを一つに決める必要もありません。機密入力、マスク、軽い画像編集はローカルで行い、大型動画やCUDA専用処理だけをCloudへ渡し、完成物の検査と保存は再びローカルへ戻す。工程ごとに場所を選ぶ方が、費用、速度、機密性のバランスを取りやすくなります。
ComfyUIの本当の強さは、対応モデルの数だけではありません。モデルが変わっても、入力、前処理、生成、評価、後処理、保存という制作工程を残し、必要な部品だけを交換できることです。生成AIの進化が速いほど、この交換可能な設計が価値を持ちます。
出典・参考資料
ComfyUI公式GitHubリポジトリ https://github.com/Comfy-Org/ComfyUI
ComfyUI公式ドキュメント https://docs.comfy.org/
ComfyUI公式変更履歴 https://docs.comfy.org/changelog
ComfyUIシステム要件 https://docs.comfy.org/installation/system_requirements
Comfy Desktop macOS版 https://docs.comfy.org/installation/desktop/macos
ComfyUI手動インストール https://docs.comfy.org/installation/manual_install
ComfyUI更新手順 https://docs.comfy.org/installation/update_comfyui
Partner Nodes概要 https://docs.comfy.org/tutorials/partner-nodes/overview
Partner Nodes料金 https://docs.comfy.org/tutorials/partner-nodes/pricing
Comfy Cloud API https://docs.comfy.org/development/cloud/overview
ComfyUI-Manager公式ドキュメント https://docs.comfy.org/manager/
ComfyUI公式セキュリティポリシー https://github.com/Comfy-Org/ComfyUI/blob/master/SECURITY.md
Wan 2.2公式ワークフロー https://docs.comfy.org/tutorials/video/wan/wan2_2