ComfyUI 기초 사용하기

오늘 글에서는 간단한 이미지 생성 워크플로우를 만드는 방법을 보여드릴게요. 맞아요, 바로 ComfyUI를 사용해서요. 우리는 적절한 노드를 설정하고, 시드(seed), 값(value), CFG 스케일, 그 외 중요한 설정들을 설명할 거예요. 이 가이드를 끝까지 따라오면, Stable Diffusion을 사용해 사용자 정의된 이미지 생성이 가능해집니다.

 

그럼 시작해볼까요?

 

먼저, 컴퓨터에서 ComfyUI가 실행 중인지 확인하세요. 실행하려면 run_nvidia_gpu.bat 파일을 더블 클릭합니다. 또는 이전 수업에서 설명했듯이, run-confui.com에서 웹 기반 인터페이스를 실행할 수도 있어요.

 

이제 워크플로우를 만들기 전에 인터페이스에 익숙해지는 시간을 갖겠습니다. 즉, 노드를 어디서 찾는지, 워크플로우를 구축하는 데 필요한 도구가 어디 있는지를 알아보는 거예요.

 

작업 공간의 아무 곳에서든 오른쪽 클릭하면 다양한 하위 메뉴와 노드 목록이 표시됩니다. 이 하위 메뉴는 다소 복잡해서 저는 주로 더블 클릭으로 검색창을 띄우고 필요한 노드를 직접 입력해서 찾는 걸 선호해요. 더블 클릭하면 검색창이 뜨고, 여기서 노드 이름을 입력하면 됩니다. 익숙해지면 훨씬 빠르게 원하는 노드를 찾을 수 있어요.

 

에러 메시지가 나오면, 하단의 콘솔 창을 확인하세요. 어떤 문제가 발생했는지 알려줍니다.

 

---

 

1. 기본 워크플로우 만들기

 

우선, 모델이 필요해요. ComfyUI에서는 이것을 Checkpoints라고 부릅니다.

이번 예제에서는 Mohawk version 2라는 모델을 사용합니다.

**civitai.com**에서 **VAE가 포함된 버전(baked VAE)**을 다운로드하세요.

다운로드한 모델을 ConfUI 폴더 내의 models/checkpoints 폴더에 붙여넣습니다.

참고로, ControlNet 모델을 넣는 폴더도 따로 있어요 (models/controlnet).

 

더블 클릭 후 checkpoint loader를 입력하고 선택합니다. 이게 우리의 첫 번째 노드입니다.

 

Checkpoint Loader 노드에는 세 가지 출력이 있습니다:

 

• Model: 핵심 Stable Diffusion 모델
• CLIP: 프롬프트(텍스트)를 인코딩하는 텍스트 인코더
• VAE: Variational Autoencoder, 잠재 이미지를 실제 이미지로 디코딩하는 역할

 

우리는 VAE가 이미 포함된 모델을 사용하기 때문에 별도로 VAE를 불러올 필요가 없습니다.

 

---

 

2. 프롬프트 설정

 

CLIP 출력에서 드래그하여 연결을 끌면 검색창이 나옵니다.

clip text encode를 입력하고 선택하세요. 이것이 긍정 프롬프트입니다.

 

이 노드를 Ctrl+C / Ctrl+V로 복사해서 부정 프롬프트도 하나 만듭니다.

 

• 긍정 프롬프트 노드를 오른쪽 클릭 → 노드 색상 설정, 원하는 색상으로
• 부정 프롬프트 노드는 빨간색으로 설정 (부정을 나타냄)

 

---

 

3. 이미지 생성: K-Sampler

 

이제 K-Sampler 노드를 추가합니다. 더블 클릭 후 k sampler 입력.

 

연결:

 

• 긍정 프롬프트 → K-Sampler의 Positive 입력
• 부정 프롬프트 → K-Sampler의 Negative 입력
• 모델 출력 → K-Sampler의 Model 입력

 

K-Sampler는 **잠재 이미지 입력(latent input)**이 필요합니다.

K-Sampler의 latent input에서 드래그하고 empty latent image를 선택합니다.

이 노드는 해상도와 배치 크기를 설정할 수 있습니다.

 

SDXL 모델 사용 시, sdxl resolution 노드를 추가해 이미지 크기를 자동 조정할 수도 있어요.

 

Empty latent image 노드를 오른쪽 클릭 → width/height를 input으로 변환

그리고 원하는 해상도 (예: 1344 × 768) 설정

 

---

 

4. 이미지 디코딩 및 미리보기

 

K-Sampler의 **출력(latent)**을 드래그하여 vae decode를 선택

Checkpoint Loader에서 VAE 출력을 연결

 

이제 최종 출력을 위한 노드:

 

• preview image: ComfyUI에서 결과 미리보기
• 또는 save image: 결과를 파일로 저장

 

---

 

5. 프롬프트 예시

• 긍정 프롬프트:
• cinematic low angle view of a man in a fighting position wearing a karate suit in an ancient Japanese interior. Low key lighting in the style of 35 millimeter film shot on ari-alexa
• 부정 프롬프트:
• unrealistic, blurry, deformation, low resolution

 

Mohawk v2는 **프롬프트 반응성(prompt adherence)**이 좋습니다.

Q Prompt 버튼을 눌러 이미지 생성을 시작하세요.

처음 실행 시 약간 시간이 걸릴 수 있어요.

진행 상황은 콘솔 창에서 확인할 수 있고, 처리 중인 노드는 녹색 테두리로 표시됩니다.

 

이미지가 생성되면, 휠 스크롤로 확대하거나 오른쪽 클릭 → 이미지 저장 / 열기를 선택하세요.

 

---

 

6. 노드 정리 및 그룹화

 

노드가 많아질수록 정리가 중요합니다.

Ctrl 키를 누른 채 여러 노드를 드래그로 선택 → 오른쪽 클릭 → “Add group for selected nodes”

그룹에 이름 부여 (예: Base Workflow, Prompt) 및 색상 지정

---

 

7. ControlNet 사용하기

 

이제 ControlNet을 추가해 더 많은 제어 기능을 넣어봅시다.

 

• control net apply advanced 노드를 추가 (K-Sampler 앞에 위치)
• 긍정/부정 프롬프트를 각각 연결

 

ControlNet Loader 노드 추가:

 

• 적절한 ControlNet 모델 선택 (사용 중인 모델과 버전이 일치해야 함, 예: 1.5 / SDXL)
• 모델 매니저에서 설치 후 Refresh 누르면 목록에 나타납니다

 

AUX Preprocessor 노드 추가:

 

• ControlNet 모델에 맞는 전처리 선택 (예: OpenPose)

 

Load Image 노드 추가:

 

• 기준 이미지 로딩 → AUX Preprocessor로 연결
• 필요 시 프리뷰 이미지 노드 추가로 전처리 결과 확인

 

모두 연결 후 Q Prompt 클릭 → ControlNet이 적용된 이미지 생성

---

 

마무리

 

ControlNet 관련 노드들을 그룹화하고, 이름을 ControlNet으로 지정하고 색도 변경하세요.

 

다음 강의에서는 캐릭터 생성 및 **룩 개발(LookDev)**에 대해 더 깊이 다룰 예정입니다.