Lo stesso progetto, un'altra macchina: ricostruire il tuo workflow ComfyUI.

Un caso preciso: cercare la luce di una locandina

Il progetto è uno studio di direzione per una ceramica fittizia: un vaso avorio opaco, una base blu cobalto e uno sfondo sabbia. La composizione richiede una zona libera in alto a sinistra per aggiungere in seguito un titolo in un software di impaginazione. L'obiettivo consiste nel confrontare tre intenzioni di luce, poi nello spiegare la scelta adottata. Non si tratta di riprodurre fedelmente un oggetto fotografato.

Il workflow fornito comprende tre rami, con le stesse dimensioni, lo stesso modello, lo stesso seed e le stesse impostazioni. Cambia solo la frase di luce nel prompt positivo. Non utilizza alcuna immagine di input, alcun nodo personalizzato, alcun refiner né LoRA. Ottieni un progetto abbastanza piccolo da comprendere ogni connessione e abbastanza strutturato da preparare un vero confronto. Il download fornisce il workflow e i parametri. Non è stata eseguita alcuna generazione per questo dossier: produci poi confronta le immagini nel tuo ambiente.

Preparare i software e annotare le versioni realmente utilizzate

Il grafo fa riferimento alle definizioni di ComfyUI 0.37.0 e al frontend 1.52.7 indicato dalle sue dipendenze. Il manifesto conserva i loro commit completi. Queste versioni sono state consultate nelle fonti ufficiali; non descrivono un'installazione eseguita per questo articolo. Usa un'installazione preparata secondo la procedura adatta al tuo sistema, poi confronta le sue versioni con questo riferimento.

Anche Python, PyTorch, il driver e la precisione di calcolo fanno parte del dossier di ripresa. Il file environnement-a-remplir.json lascia questi campi vuoti fino alla tua osservazione. Non copiarvi una versione ipotizzata dal nome della tua GPU. La pagina Environnements aiuta a organizzare queste dipendenze. Il validatore del download richiede solo Python 3.10 o più recente e la sua libreria standard; non necessita di ComfyUI.

Identificare il checkpoint senza confondere nome e contenuto

Il file atteso è sd_xl_base_1.0.safetensors, in ComfyUI/models/checkpoints/, proveniente dal repository Stability AI alla revisione fissata nel manifesto. Questa ricetta utilizza il checkpoint SDXL Base 1.0 completo: il caricatore fornisce al grafo il modello, la codifica del testo e il VAE. Nessun peso è distribuito con le nostre risorse. Consulta la pagina del modello e la sua licenza prima di procurartelo separatamente.

Il manifesto fornisce una dimensione di 6 938 078 334 byte e un'impronta SHA-256 tratte dai metadati del repository dell'editore. Non abbiamo scaricato i pesi per ricalcolare questa impronta. L'opzione --checkpoint del validatore confronta il file che possiedi già con questo riferimento. Un file rinominato non è necessariamente lo stesso modello; il suo peso su disco non indica nemmeno il suo picco di utilizzo di memoria GPU.

Se la tua installazione utilizza una directory centrale o una sottocartella, seleziona il percorso proposto dal caricatore e annota questo adattamento. Un menu vuoto invita prima a verificare la cartella e il tipo di caricatore, prima di moltiplicare le copie del modello.

Importare il JSON e leggere i nodi nell'ordine giusto

Decomprimi la cartella, poi apri workflow-ui.json nell'interfaccia ComfyUI oppure trascina il file sulla sua area di lavoro. Si tratta del formato di interfaccia 0.4, con posizioni, widget e connessioni. Questo file non è il payload destinato all'endpoint API /prompt. Controlla il checkpoint selezionato e l'assenza di nodi mancanti prima di avviare qualsiasi cosa.

I 15 nodi utilizzano soltanto sei tipi integrati. Il caricatore, il latente vuoto e il testo negativo sono comuni. Ogni ramo aggiunge un testo positivo, un KSampler, una decodifica VAE e un salvataggio. Tre rami non significano né tre GPU né un'esecuzione simultanea. Il file reconstruction.md dettaglia le 25 connessioni se preferisci rifare il 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

Mantenere le impostazioni fisse per confrontare tre intenzioni

I tre KSampler utilizzano il seed 24092026, 24 passi, un CFG di 6.5, il sampler euler, lo scheduler normal e un denoise di 1. Il controllo dopo la generazione è impostato su fixed in ogni ramo. Questa scelta permette di mantenere gli stessi parametri di prova; non pretende di costituire la migliore impostazione per tutte le immagini.

Il prompt comune descrive il vaso, la base, lo sfondo e l'area destinata al titolo. L'ultima frase fornisce la luce. Troverai ogni testo completo nel manifesto: copia la variante intera durante una ricostruzione. Le istruzioni del modello sono in inglese in questo esempio SDXL. Il negativo comune chiede in particolare di evitare testo, loghi, oggetti duplicati e deformazioni. Queste istruzioni restano richieste al modello, senza garanzia che le rispetterà perfettamente.

Controllare la cartella prima di mobilitare la GPU

Dalla cartella decompressa, esegui il validatore riportato di seguito. Legge unicamente il workflow e il manifesto, verifica gli identificatori, le prese, i tipi di dati, i collegamenti reciproci, l'assenza di cicli e la concordanza dei parametri delle tre varianti. Non contatta alcun servizio e non carica alcun modello. Un errore indica la parte della cartella da esaminare.

Il workflow fornito è stato inoltre verificato rispetto allo schema ufficiale UI 0.4. Il validatore pubblico è volutamente limitato al profilo di questo esercizio: se aggiungi un altro nodo o cambi la sua numerazione, può rifiutare la tua copia anche se ComfyUI è in grado di usarla. Conserva quindi un originale intatto prima delle tue adattazioni.

Un risultato ok: true dimostra la coerenza di questo JSON e del suo grafo. Non dimostra l'importazione effettiva nella tua interfaccia, la disponibilità del checkpoint o la produzione di un'immagine. Questi ultimi passaggi non sono stati eseguiti per la consegna di questa cartella.

python validate_workflow.py

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

Eseguire, aprire gli output e documentare la tua scelta

Quando le dipendenze sono disponibili, avvia il workflow e verifica che ogni ramo raggiunga SaveImage. I prefissi a_frontale, b_laterale e c_contrejour si trovano sotto RenderParcel/ceramique-v1/ nella directory di output di ComfyUI. L'applicazione completa i nomi con i suoi contatori. La ricetta produce tre file separati; non realizza automaticamente una tavola comparativa.

Apri i PNG e controlla le dimensioni, il bordo del vaso, la leggibilità della materia e lo spazio disponibile per il titolo. Compila comparaison.csv con le tue osservazioni e un motivo di selezione. Le celle del download sono vuote: nessuna variante è stata valutata visivamente qui. Se una generazione fallisce, registra questo fallimento invece di attribuirgli un tempo o una qualità.

Uno stesso seed non garantisce pixel identici tra versioni, hardware e operazioni. Modificare la luce può anche cambiare la silhouette: il workflow esplora un'intenzione, senza bloccare un'identità di prodotto. Conserva un'immagine testimone della tua esecuzione e confronta i criteri annunciati, poi i pixel solo se il tuo ambiente e il tuo protocollo lo giustificano.

Riconoscere gli errori che impediscono la ripresa

Inizia dal primo errore osservabile. Cambiare contemporaneamente il modello, la versione di ComfyUI e i parametri di sampling rende la diagnosi inutilmente difficile. La tabella separa i difetti del file da quelli che si rivelano solo al caricamento o durante la generazione.

Se ti manca memoria, annota la fase interessata: caricamento, campionamento o decodifica. Il batch è già limitato a un'immagine in questo esercizio. Una risoluzione più bassa può servire da diagnosi, ma crea un'altra prova; aggiorna il manifest invece di confrontare i suoi risultati come se provenissero dal caso originale.

Archiviare una ricetta e scegliere l'hardware in base alle tue osservazioni

La cartella di ripresa finale raccoglie il JSON effettivamente utilizzato, il manifest completato, il confronto, le versioni dell'ambiente e un output testimone che hai aperto. Conserva il JSON separatamente: i metadati di un media possono sparire durante una conversione o una condivisione. La guida all'esportazione aiuta a distinguere la consegna visiva dalle fonti necessarie a una nuova esecuzione.

Prima di ampliare il progetto, osserva una generazione completa fino alla decodifica e al salvataggio. Qui non abbiamo misurato né il tempo di calcolo né la capacità VRAM necessaria. Esamina una RTX 4090 da 24 GB o una RTX 6000 Ada da 48 GB secondo il bisogno constatato, la compatibilità del tuo ambiente e il piano utile. La loro memoria non costituisce una promessa di cadenza; questo grafo non somma automaticamente la memoria di più schede.

L'atelier image ti aiuta a precisare la direzione e i criteri prima di prenotare. Potrai poi preparare una configurazione e mantenere gli stessi input per la tua prova hardware. Le risorse originali della cartella sono sotto licenza MIT; i software e il modello restano soggetti alle rispettive licenze.