El mismo proyecto, otra máquina: reconstruir tu workflow ComfyUI.

Un caso concreto: buscar la luz de un cartel

El proyecto es un estudio de dirección para una cerámica ficticia: un jarrón de marfil mate, una base de azul cobalto y un fondo de arena. La composición requiere una zona libre en la parte superior izquierda para añadir después un título en un programa de maquetación. El objetivo consiste en comparar tres intenciones de luz y luego explicar la elección adoptada. No se trata de reproducir fielmente un objeto fotografiado.

El workflow incluido tiene tres ramas, con las mismas dimensiones, el mismo modelo, la misma semilla y los mismos ajustes. Solo cambia la frase de luz en el prompt positivo. No utiliza ninguna imagen de entrada, ningún nodo personalizado, ningún refiner ni LoRA. Obtienes un proyecto lo bastante pequeño para comprender cada conexión y lo bastante estructurado para preparar una comparación real. La descarga incluye el workflow y los parámetros. No se ha ejecutado ninguna generación para esta carpeta: produce y luego compara las imágenes en tu entorno.

Preparar los programas y anotar las versiones realmente utilizadas

El grafo apunta a las definiciones de ComfyUI 0.37.0 y al frontend 1.52.7 designado por sus dependencias. El manifiesto conserva sus commits completos. Estas versiones se consultaron en las fuentes oficiales; no describen una instalación ejecutada para este artículo. Utiliza una instalación preparada según el procedimiento adecuado para tu sistema y luego contrasta sus versiones con esta referencia.

Python, PyTorch, el controlador y la precisión de cálculo también forman parte del expediente de reanudación. El archivo environnement-a-remplir.json deja estos campos vacíos hasta tu observación. No copies ahí una versión supuesta a partir del nombre de tu GPU. La página Entornos ayuda a organizar estas dependencias. El validador de la descarga solo pide Python 3.10 o más reciente y su biblioteca estándar; no necesita ComfyUI.

Identificar el checkpoint sin confundir nombre y contenido

El archivo esperado es sd_xl_base_1.0.safetensors, en ComfyUI/models/checkpoints/, procedente del repositorio de Stability AI en la revisión fijada en el manifiesto. Esta receta utiliza el checkpoint SDXL Base 1.0 completo: el cargador proporciona al grafo el modelo, la codificación del texto y el VAE. No se distribuye ningún peso con nuestros recursos. Consulta la página del modelo y su licencia antes de conseguirlo por separado.

El manifiesto proporciona un tamaño de 6 938 078 334 bytes y una huella SHA-256 tomados de los metadatos del repositorio del editor. No hemos descargado los pesos para recalcular esta huella. La opción --checkpoint del validador compara el archivo que ya tienes con esta referencia. Un archivo renombrado no es necesariamente el mismo modelo; su peso en disco tampoco indica su pico de uso de memoria de GPU.

Si tu instalación utiliza un directorio central o una subcarpeta, selecciona la ruta propuesta por el cargador y anota esta adaptación. Un menú vacío invita primero a verificar la carpeta y el tipo de cargador, antes de multiplicar las copias del modelo.

Importar el JSON y leer los nodos en el orden correcto

Descomprime la carpeta y luego abre workflow-ui.json en la interfaz de ComfyUI o arrastra el archivo sobre su lienzo. Se trata del formato de interfaz 0.4, con posiciones, widgets y conexiones. Este archivo no es el payload destinado al punto de entrada de la API /prompt. Comprueba el checkpoint seleccionado y la ausencia de nodos faltantes antes de lanzar nada.

Los 15 nodos emplean solo seis tipos integrados. El cargador, el latent vacío y el texto negativo son comunes. Cada rama añade un texto positivo, un KSampler, una decodificación VAE y un guardado. Tres ramas no significan ni tres GPU ni una ejecución simultánea. El archivo reconstruction.md detalla las 25 conexiones si prefieres rehacer el grafo a mano.

Checkpoint.CLIP → Texte positif.clip
Checkpoint.MODEL → KSampler.model
Texte positif.CONDITIONING → KSampler.positive
Texte négatif.CONDITIONING → KSampler.negative
Latent vide.LATENT → KSampler.latent_image
KSampler.LATENT → VAEDecode.samples
Checkpoint.VAE → VAEDecode.vae
VAEDecode.IMAGE → SaveImage.images

Mantener los ajustes fijos para comparar tres intenciones

Los tres KSampler usan la semilla 24092026, 24 pasos, un CFG de 6.5, el sampler euler, el scheduler normal y un denoise de 1. El control posterior a la generación está ajustado a fixed en cada rama. Esta elección permite conservar los mismos parámetros de prueba; no pretende constituir el mejor ajuste para todas las imágenes.

El prompt común describe el jarrón, la base, el fondo y la zona destinada al título. La última frase da la luz. Encontrarás cada texto completo en el manifiesto: copia la variante entera durante una reconstrucción. Las instrucciones del modelo están en inglés en este ejemplo SDXL. El negativo común pide en particular evitar el texto, los logos, los objetos duplicados y las deformaciones. Estas instrucciones siguen siendo peticiones al modelo, sin garantía de que las respetará a la perfección.

Controlar la carpeta antes de movilizar la GPU

Desde la carpeta descomprimida, ejecuta el validador de abajo. Solo lee el workflow y el manifiesto, verifica los identificadores, las tomas, los tipos de datos, los enlaces recíprocos, la ausencia de ciclo y la concordancia de los parámetros de las tres variantes. No contacta con ningún servicio ni carga ningún modelo. Un error indica la parte de la carpeta que hay que examinar.

El workflow entregado también se ha verificado contra el esquema oficial UI 0.4. El validador público está limitado voluntariamente al perfil de este ejercicio: si añades otro nodo o cambias su numeración, puede rechazar tu copia aunque ComfyUI sepa usarla. Conserva por tanto un original intacto antes de tus adaptaciones.

Un resultado ok: true demuestra la coherencia de este JSON y de su grafo. No demuestra la importación efectiva en tu interfaz, la disponibilidad del checkpoint ni la producción de una imagen. Estos últimos pasos no se han ejecutado para la entrega de esta carpeta.

python validate_workflow.py

python validate_workflow.py --checkpoint "D:/modeles/sd_xl_base_1.0.safetensors"

Ejecutar, abrir las salidas y documentar tu elección

Cuando estén reunidas las dependencias, ejecuta el workflow y verifica que cada rama llegue a SaveImage. Los prefijos a_frontale, b_laterale y c_contrejour se encuentran bajo RenderParcel/ceramique-v1/ en el directorio de salida de ComfyUI. La aplicación completa los nombres con sus contadores. La receta produce tres archivos separados; no realiza automáticamente una plancha comparativa.

Abre los PNG y controla las dimensiones, el borde del jarrón, la legibilidad de la materia y el espacio disponible para el título. Rellena comparaison.csv con tus observaciones y un motivo de selección. Las celdas de la descarga están vacías: aquí no se ha evaluado visualmente ninguna variante. Si una generación falla, registra ese fallo en lugar de atribuirle un tiempo o una calidad.

Una misma semilla no garantiza píxeles idénticos entre versiones, hardware y operaciones. Modificar la luz también puede cambiar la silueta: el workflow explora una intención, sin fijar una identidad de producto. Guarda una imagen testigo de tu propia ejecución y compara primero los criterios anunciados, y después los píxeles solo si tu entorno y tu protocolo lo justifican.

Reconocer los errores que impiden la reanudación

Empieza por el primer error observable. Cambiar a la vez el modelo, la versión de ComfyUI y los parámetros de sampling dificulta el diagnóstico innecesariamente. La tabla separa los defectos del directorio de los que solo se revelan al cargar o durante la generación.

Si te falta memoria, anota el paso en cuestión: carga, muestreo o decodificación. El lote ya está limitado a una imagen en este ejercicio. Una resolución más baja puede servir de diagnóstico, pero crea otro ensayo; actualiza el manifiesto en lugar de comparar sus resultados como si provinieran del caso original.

Archivar una receta y elegir el hardware según tus observaciones

La carpeta de reanudación final reúne el JSON realmente utilizado, el manifiesto completado, la comparación, las versiones del entorno y una salida testigo que hayas abierto. Conserva el JSON por separado: los metadatos de un medio pueden desaparecer durante una conversión o un envío. La guía de exportación ayuda a distinguir la entrega visual de las fuentes necesarias para una nueva ejecución.

Antes de ampliar el proyecto, observa una generación completa hasta la decodificación y el guardado. Aquí no hemos medido ni el tiempo de cálculo ni la capacidad de VRAM necesaria. Examina una RTX 4090 de 24 GB o una RTX 6000 Ada de 48 GB según la necesidad observada, la compatibilidad de tu entorno y el plan útil. Su memoria no constituye una promesa de cadencia; este grafo no suma automáticamente la memoria de varias tarjetas.

El taller de imagen te ayuda a precisar la dirección y los criterios antes de reservar. Después podrás preparar una configuración y conservar las mismas entradas para tu propio ensayo de hardware. Los recursos originales de la carpeta están bajo licencia MIT; los programas y el modelo siguen sujetos a sus licencias respectivas.