【2026年】ComfyUIノード入門ガイド｜Stable Diffusionワークフロー構築

このように、ComfyUI は「操作の自由度」を最優先するユーザーにとって最適なツールです。ただし、その分初期設定やノードの接続には一定の学習コストがかかります。しかし一度ワークフローを構築すれば、その構造は JSON ファイルとして保存され、他のユーザーと共有したり、将来的に修正して再利用したりすることも可能です。2026 年現在では、プロフェッショナルな AI アーティストの間で ComfyUI が標準的なツールとなっているケースが多く見られます。

環境構築とインストール手順

ComfyUI を使用するために必要なハードウェア要件は、近年のモデル進化に伴い向上していますが、まだ低コストな PC でも動作可能です。推奨される GPU は NVIDIA の RTX シリーズであり、特に VRAM（ビデオメモリ）が 8GB 以上あることが強く推奨されます。2026 年時点では、RTX 4090 や次世代の RTX 50 シリーズなどが主流ですが、VRAM 12GB を搭載する RTX 3070 Ti や 4060 Ti などのミドルレンジでも、fp8 モデルを使用することで SDXL や Flux の生成が可能です。AMD GPU の場合も ROCm ライブラリ経由で動作しますが、NVIDIA に比べると設定が複雑になるため、初心者には NVIDIA を推奨します。

Windows ユーザーにとって最も簡単なインストール方法は、公式 GitHub リポジトリからダウンロードした圧縮ファイルを解凍し、Python 環境を構築することです。ただし、最新バージョンの ComfyUI は Python の依存関係が厳格化しているため、事前に「ComfyUI_Windows_Portable」パッケージを使用すると便利です。このパッケージは、必要な Python バージョンや PyTorch（GPU 対応版）がすべて含まれており、zip ファイルを解凍するだけで実行可能です。Linux ユーザーの場合には、ターミナルから git clone コマンドを使用してリポジトリを取得し、pip install を実行する必要があります。

cd ComfyUI
python main.py --windows-standalone-build

このコマンドは、Windows 環境向けに必要なライブラリを自動的にインストールする機能です。また、AMD GPU を使用する場合や、特定の量子化モデルを使用する場合は、--highvram や --lowvram フラグを起動オプションとして追加することで、VRAM の割り当てを制御できます。例えば、VRAM が 6GB しかない環境では --lowvram を指定し、モデルを一度に全部メモリに読み込まずに処理します。

また、ネットワーク経由で ComfyUI をサーバーとして動かすことも可能です。これにより、自宅の PC で生成したワークフローをリモートから操作したり、複数のデバイス間でデータを受け渡ししたりできます。IP アドレスとポート番号（通常は 8188）を指定して起動すれば、ブラウザ上で UI にアクセスできます。

インストール後の確認として、ブラウザで http://127.0.0.1:8188 にアクセスし、UI が正常に表示されるか確認してください。初期状態ではノードが空ですが、右上の「Load Default」ボタンを押すことで、基本的な画像生成ワークフローをロードできます。もしエラーが出る場合は、Python の仮想環境（venv）を再構築するか、CUDA ドライバのバージョンが最新か確認が必要です。

基本ノードの解説（15 種以上）

ComfyUI を使いこなすためには、各ノードがどのような役割を果たすかを理解する必要があります。ここでは、画像生成ワークフローを構築する上で必須となる 15 種類以上の基本ノードについて詳しく解説します。まず核心となるのが「Load Checkpoint」です。これは AI モデルの重いデータ（モデルファイル）を読み込むためのノードで、SDXL、Flux.1、Stable Diffusion 1.5 など、生成したい画像の種類に応じて適切なチェックポイントを選択する必要があります。このノードを接続しないと、その後のどのノードも機能しません。

次に重要なのが「CLIP Text Encode」です。これはプロンプト（指示文）を入力し、AI が理解できるテキスト埋め込みベクトルに変換するノードです。通常、正方向と負方向の 2 つを接続します。正方向には生成したい画像の説明（例：「美しい桜の花びら」）、負方向には排除したい要素（例：「ぼやけた画質、劣化」）を入力します。CLIP の設定では、テキスト[トークナイザ](/glossary/tokenizer-llm)ーを選択し、プロンプトの重み付けを行うパラメータも備えています。

「KSampler」は画像生成の心臓部とも言えるノードです。ここでサンプリングステップ数（ステップ）、シーディング、スケジューラーの種類、CFG スケールなどの重要な設定を行います。CFG Scale が高いほどプロンプトに忠実になりますが、画質が劣化するリスクがあり、通常は 5.0〜8.0 の範囲で調整されます。また、サンプリング方法として「Euler a」や「DPM++ SDE Karras」などを選ぶことで、生成される画像の雰囲気や速度が変わります。

その他の必須ノードとしては、「VAE Decode」（Latent データを実写に近い画像に変換）、「Empty Latent Image」（生成する画像の初期サイズを定義）、そして「Save Image」（結果を保存）が挙げられます。「Load VAE」はモデルに付属している VAE を読み込む際に使用され、特定の画風（例：アニメ調や実写調）に寄与します。

さらに応用的なノードとして、「Latent Upscale by factor」があります。これは解像度を変換するのではなく、ノイズのレベルを調整しながら画像サイズを変更し、詳細情報を保持する機能を持ちます。また、「Load Image」は画像生成から派生した img2img や inpainting を行う際に使用され、入力画像のピクセルデータを Latent データに変換する「VAE Encode」へと接続する必要があります。

これら 15 種類のノードを適切に組み合わせることで、基本から応用までのあらゆるワークフローが構築可能です。特に「CR Prompt Text」や「Set Latent Noise」のようなカスタム系ノードも含めると、さらに細かな制御が可能になります。各ノードの接続は矢印の向きに従って行われ、データの流れが逆流しないように注意する必要があります。

基本ワークフローの実践（txt2img/img2img/inpainting/ControlNet）

基本的な画像生成プロセスである txt2img（テキストから画像へ）の構築方法を具体的に説明します。まず「Load Checkpoint」から「CLIP Text Encode (正方向)」と「CLIP Text Encode (負方向)」を接続し、両方の出力を「KSampler」に供給します。「Empty Latent Image」からの出力も KSampler に接続されます。最後に KSampler の出力（Latent）を「VAE Decode」へ渡し、「Save Image」または「Preview Image」へとつなげます。この配線が最も基本的な txt2img ワークフローです。

img2img（画像から画像への変更）では、入力画像のデータが必要です。「Load Image」ノードを使用して画像を読み込み、「VAE Encode」ノードで Latent データに変換します。その後、この変換された Latent を KSampler の「latent_image」入力端子に接続し、さらに「Denoise Strength（ノイズ除去強度）」パラメータを調整します。Denoise が 1.0 に近いほど元の画像から大きく変化しますが、0.5 程度では微細な調整にとどまります。

Inpainting（部分的な修正）は、マスク処理が鍵となります。「Load Image」で画像と「Load Mask」（マスク画像）を読み込みます。ComfyUI では、これらのデータを KSampler に接続する際に「mask」入力端子を利用し、隠したい部分や塗りつぶしたい部分を指定します。これにより、特定のエリアのみに新しい要素を生成させることが可能になります。

ControlNet は構図やポーズを制御するための強力なツールです。「Load ControlNet Model」ノードでモデルを読み込み、「Apply ControlNet」ノードを使用します。ここでは「Preprocessor（前処理）」ノードも重要で、Canny（エッジ抽出）やDepth（深度マップ）などを生成し、ControlNet の条件として適用します。これにより、AI が独自の構図を推測するのではなく、指定された骨格や境界線に従って画像を生成できます。

これらを組み合わせることで、単なる生成から、高度な編集作業へとステップアップできます。例えば、txt2img でベース画像を生成し、その一部を Inpainting で修正した後に、ControlNet で全体の構図を整えるといった複雑な処理も、同じワークフロー上で完結します。

実践ワークフロー 5 選：高解像度と LoRA・IP-Adapter

より高品質な画像を作るための応用ワークフローとして、高解像度アップスケール、LoRA の適用、IP-Adapter の利用など、具体的な構成を解説します。まず「高解像度アップスケール」では、生成した画像の解像度を上げるだけでなく、ディテールを追加するプロセスが必要です。基本は KSampler を使用して Latent データを Upscale し、VAE Decode で再度画像化しますが、「Ultimate SD Upscale」などのカスタムノードを使うと、より滑らかで高品質な結果が得られます。この際、再生成のステップ数は低め（10〜15 回）に設定し、Denoise を 0.3〜0.4 に保つことで元の画像の特徴を維持しつつディテールを追加します。

次に「LoRA の適用」です。LoRA は特定のスタイルやキャラクターを学習させた軽量モデルです。「Load LoRA」ノードを使用し、メインの Checkpoint ノードと接続することで有効化できます。LoRA の重み（Weight）は通常 1.0 で動作しますが、強い効果を与えたい場合は 1.5〜2.0 に上げ、逆に控えめにしたい場合は 0.5〜0.8 に下げます。ComfyUI では複数の LoRA を同時に接続し、それぞれのトリガーワードや重みを独立して調整できるため、WebUI よりも複雑なスタイル融合が可能です。

「IP-Adapter」は画像のスタイルや構成を参照する機能です。「Load IP Adapter Model」でモデルを読み込み、「IP Adapter Preprocessor」で参考画像をエンコードします。これを KSampler へ接続することで、入力した画像の色調や構図を生成画像に反映させることができます。これにより、特定の画風の統一感を出したり、キャラクターの顔を保ちつつ背景を変えたりすることが可能になります。2026 年現在では IP-Adapter Plus や FaceID モデルも普及しており、より高精度な顔コピーが実現されています。

「高解像度アップスケール」の詳細設定としては、Latent Upscale Factor を使用して一度ノイズ空間で拡大し、その後再サンプリングを行う構成が一般的です。これにより、単純なピクセル拡大よりも鮮明でディテール豊かな結果になります。また、VAE Decode の前に「Upscale Latents by factor」を挟むことで、VRAM 負荷を抑えつつ高画質化を図れます。

これらのワークフローを組み合わせることで、単調な生成から、商用レベルの高品質な画像制作へと進化させられます。特に IP-Adapter と LoRA の併用は、2026 年時点の主流である「画像参照＋スタイル学習」の代表的な手法です。ただし、LoRA の重み付けを過剰に行いすぎるとノイズが増えるため、徐々に調整していくことが重要です。

動画生成の最新トレンド：AnimateDiff と SDXL+Refiner

2026 年現在、AI 画像生成は静止画だけでなく動画生成へと進化しています。その中核となるのが「AnimateDiff」です。これは時間軸に沿って画像を連続的に生成する技術で、ComfyUI では標準的なノードセットとしてサポートされています。AnimateDiff を使用するには、「AnimateDiff Loader」や「Temporal Attention」などの特別なノードが必要となり、通常の KSampler と接続することで動画のフレームシーケンスを作成します。

動画生成において重要なのは「一貫性」です。フレーム間でキャラクターが突然変わったり、背景がフラッシュしたりしないようにするため、Motion Bucket ID や Beta Schedule といったパラメータを調整する必要があります。また、生成するフレーム数（Frame Rate）と秒数の関係も重要です。1 秒間に 24 フレーム（fps=24）で 5 秒間の動画を作る場合、合計 120 フレームの Latent データを処理する必要があります。

さらに高品質な静止画生成のための「SDXL+Refiner」ワークフローは、動画制作の前段階としても重要です。SDXL モデルは高解像度出力に優れていますが、細部の描写には Refiner（リファイナー）モデルを使用すると効果的です。通常、最初の 20〜30 ステップでメインの SDXL モデルが画像の大枠を作り、後半のステップで Refiner がディテールを修正します。この構成は ComfyUI の「KSampler Advanced」を使用することで容易に実現可能です。

動画生成と静止画生成の違いを整理すると以下のようになります。

AnimateDiff を使用する場合、VRAM の消費が激しいため、fp8 モデルや VRAM オフロード機能の活用が必須となります。また、生成された動画のフレーム間に不自然なモーター現象（モザイク）が入る場合は、Denoise パラメータを調整するか、Motion LoRA を追加することで平滑化を図れます。

カスタムノードの導入と厳選 20 選

ComfyUI の真価はコミュニティが提供するカスタムノードにあります。これらは標準機能では実現できない高度な処理や UI 向上をもたらします。まずカスタムノードをインストールする最も安全で簡単な方法は、ComfyUI Manager です。これは ComfyUI の拡張機能管理ツールであり、メニューから「Install Custom Nodes」を選択し、GitHub から直接インストール可能です。Manager を使用することで、依存関係の解決やバージョンの更新も自動化されるため、手動での pip install 作業を避けることができます。

導入したカスタムノードは、ComfyUI の UI メニューに自動反映されません。再起動するか、「Reload Custom Nodes」ボタンを押すことで認識させる必要があります。また、外部からダウンロードしたカスタムノードを使用する際は、必ずソースコードの内容を確認し、セキュリティリスクがないことを確認してください。特に実行スクリプトが含まれる場合は注意が必要です。

2026 年時点において、最も必須かつ有用なカスタムノードを厳選して紹介します。まずは画像処理を強化する「Ultimate SD Upscale」です。これは高解像度アップスケール時に、元の画像の構造を保ちつつディテールを追加する画期的な機能を提供します。次に、「ControlNet Auxiliary Preprocessors」は ControlNet の前処理ノード群で、Canny、Depth、OpenPose などをワンクリックで生成できます。

顔の修正に特化した「FaceDetailer」も人気です。生成された画像の中で顔が崩れている場合、自動的に検出してリサンプリングを行うことで高品質な顔を再構築します。また、テキスト入力支援のための「Text Generator」や、複数プロンプトを管理する「Prompt Builder」なども生産性向上に寄与します。

さらに、動画生成を支援する「AnimateDiff Helper」や、VRAM 制限を緩和するための「Loaders and Offload」などもあります。これらを組み合わせることで、ComfyUI は単なる画像生成ツールから、完全な AI アート制作ワークステーションへと進化します。ただし、カスタムノードが増えすぎると起動時間が長くなるため、必要なものだけをインストールし、不要なものは削除する管理が求められます。

GPU メモリ最適化テクニック：VRAM 節約術

AI モデルは VRAM を大量に消費するため、特に高解像度生成や動画生成ではメモリ不足（OOM: Out Of Memory）が発生しやすいです。ComfyUI はこの問題に対する多くの対策を提供しています。第一の手段として「fp8」および「fp16」量子化モデルの使用があります。通常の fp32（全精度）モデルは VRAM を大量に使用しますが、fp8 モデルはその半分以下のメモリで動作し、画質をほとんど損なわずに処理できます。ComfyUI の設定で「--clip-fp8」といったフラグを指定することで、自動的に量子化されたモデルが読み込まれます。

第二の手段は「オフロード（Offload）」機能です。これは GPU メモリへのロードとアンロードを動的に行う技術で、VRAM が少ない環境でも高負荷な処理を可能にします。特に ComfyUI の起動オプションで --lowvram を指定すると、ComfyUI 内部的にモデルの割当を最適化し、常にメモリ内に保持しないように制御します。これにより、12GB の VRAM でも SDXL や Flux の生成が可能になります。

また、ワークフロー内のノード設定でもVRAM節約が可能です。「KSampler」や「VAE Decode」でのバッチサイズ（Batch Size）を小さくすることで、一度に処理する画像枚数を制限し、メモリ負荷を下げます。例えば、通常は 4 コのバッチで生成できますが、8GB GPU では 2 コへ減らすことで安定動作を得られます。

さらに、未使用ノードの削除や、不要な出力の保存設定をオフにすることも有効です。ComfyUI はバックグラウンドで多くのデータを一時的に保持しているため、実行中にメモリの解放状況を確認し、メモリリークが発生していないか監視する必要があります。また、最新の ComfyUI バージョンでは「Memory Optimized Checkpoint Loading」機能が強化されており、モデルの読み込み時に必要な部分のみをロードする仕組みが改善されています。

これらのテクニックを組み合わせることで、RTX 4090 などのハイエンド GPU でも最大限のパフォーマンスを引き出しつつ、ミドルレンジ PC でも快適に使用することが可能になります。特に fp8 モデルは ComfyUI の標準サポートが強力なため、2026 年現在では fp16 や fp32 モデルよりも優先して使用される傾向にあります。

ワークフローの共有・読み込みとトラブルシューティング

ComfyUI で構築したワークフローは JSON ファイルとして保存できます。「Save Workflow」というボタンを押すことで、現在のノード接続状態をファイルに書き出すことができます。これにより、自分専用のレシピを作成したり、他人から提供された複雑な設定をそのまま再現したりすることが可能です。読み込み時は「Load Workflow」ボタンを使用し、JSON ファイルを選択すると、自動的に必要なノードが配置されます。ただし、外部のワークフローを利用する際は、対応している ComfyUI のバージョンやカスタムノードの有無を確認する必要があります。

トラブルシューティングにおいて最も頻出するのが OOM（Out Of Memory）エラーです。これは前述したメモリ最適化テクニックで対処可能ですが、それでも解決しない場合はモデルのサイズ自体を見直す必要があります。例えば、SDXL モデルは 6GB を超えるため、VRAM 4GB の PC では動作しません。その場合は SD1.5 系や轻量版モデルの使用を検討します。また、ネットワーク接続エラーが生じる場合、ComfyUI がローカルホストにバインドされていない可能性があり、IP アドレス設定を確認する必要があります。

他にも「ノードが見つからない」というエラーは、カスタムノードのインストール漏れが原因です。ComfyUI Manager を使用して欠落しているコンポーネントを再インストールすることで解決します。さらに、画像生成結果が真っ白になる場合は、VAE Decode ノードが正しく接続されていないか、VAE モデルファイルが破損している可能性があります。

これらのトラブルに対応するためのログファイルは comfyui.log に保存されており、エラーの詳細はここで確認できます。また、ComfyUI の GitHub Issues ページでも多くのユーザーが問題解決策を共有しているため、個別のトラブルにはコミュニティのリソースを活用することも推奨します。ワークフローの共有時には、使用するカスタムノードの一覧も明記しておくことで、読み込み側の互換性を確保できます。

よくある質問（FAQ）

Q1. ComfyUI のインストールに Python が不要な方法はあるか？ A1. はい、「ComfyUI_Windows_Portable」パッケージを使用すれば、Python 環境の構築なしでインストール可能です。これは必要なライブラリがすべて含まれており、解凍するだけで使用できるため、初心者におすすめです。ただし、最新機能や依存関係が厳格な環境では手動インストールが必要な場合もあります。

Q2. VRAM が 6GB の GPU でも ComfyUI は動作するか？ A2. 動作は可能ですが、高品質な SDXL や Flux モデルの使用には制限があります。fp8 モデルを使用し、--lowvram フラグを指定することで、SD1.5 や低解像度生成なら快適に動作します。高画質化には VRAM の増設を検討してください。

Q3. ComfyUI と Automatic1111 どちらが学習しやすいか？ A3. 基本的な操作は Automatic1111 が簡単ですが、ComfyUI はノードの理解が必要です。しかし一度習得すれば、より複雑なワークフローを構築できるため、中級者以上には ComfyUI の方が適しています。

Q4. カスタムノードをインストールした後の再起動が不要な場合があるか？ A4. 基本的にインストール後は再起動が必要ですが、ComfyUI Manager を使用して「Reload Custom Nodes」ボタンを押すだけで対応可能な場合があります。ただし、依存関係の更新には再起動を推奨します。

Q5. IP-Adapter はどのような場面で有効か？ A5. 特定の画像の画風や色調を生成結果に反映させたい場合に有効です。例えば、参考画像から配色だけを抽出して新しい風景画に応用したり、顔の似通ったキャラクターを作成する際に使用します。

Q6. 動画生成はどれくらい VRAM を消費するか？ A6. 静止画よりもはるかに多く消費し、120 フレームの生成には 16GB〜24GB の VRAM が推奨されます。低スペック環境ではフレーム数を減らすか、fp8 モデルの使用が必須となります。

Q7. ワークフローを保存する際、ファイル形式は何を使うか？ A7. JSON ファイル形式で保存されます。「Save Workflow」ボタンを押すと、現在のノード接続状態がエクスポートされ、他の ComfyUI 環境で読み込んで再利用できます。

Q8. OOM エラーが出る際の最優先の対策は何か？ A8. 最も効果的なのは「fp8 モデルを使用する」ことです。これにより VRAM 使用量が半分になりながら画質は維持されます。次点で、--lowvram フラグを起動オプションに追加します。

Q9. ComfyUI は Linux でも使えるか？ A9. はい、Linux 環境でも完全に動作します。ただし Python の依存関係や CUDA ドライバのバージョン管理が必要なため、Windows よりも多少設定の手間がかかります。

Q10. 最新モデル（Flux など）への対応はいつになるか？ A10. ComfyUI はオープンソースコミュニティにより即時対応されることが多く、2026 年現在では Flux や SDXL の最新バージョンが標準的にサポートされています。ComfyUI Manager で更新を確認してください。

まとめ

本ガイドを通じて、ComfyUI の基本から高度なワークフロー構築までを解説しました。

• ノードベースの利点: ComfyUI はデータの流れを可視化し、柔軟性の高い処理が可能である。
• インストールと環境: Windows 用 Portable パッケージを利用すれば Python 知識なしで開始できる。
• 基本ノード: Load Checkpoint, KSampler, VAE Decode など 15 種の主要ノードを理解する必要がある。
• ワークフロー: txt2img, img2img, ControlNet を組み合わせて複雑な操作が可能になる。
• 応用技術: LoRA, IP-Adapter, AnimateDiff を使用することで高品質・動画生成を実現できる。
• カスタムノード: ComfyUI Manager による導入で機能拡張が容易であり、必須ツールが多数存在する。
• VRAM 最適化: fp8 モデルや低 VRAM フラグを活用すればミドル PC でも動作可能である。

ComfyUI は学習コストこそ高いものの、一度習得すれば AI 生成における完全なコントロールを掌握できます。2026 年の現在、AI アート制作において ComfyUI を使いこなすことは、クリエイターとしての大きな強みとなります。ぜひ本記事を参考に、ご自身のワークフローを構築し始めてください。

FLUX.1画像生成モデルのローカル活用ガイド。Dev/Schnell/Proの違い、ComfyUIでの導入手順、VRAM最適化、画質比較、LoRAトレーニングまで実践的に解説する。

【整備済み品】 ZOTAC GAMING GeForce RTX 3070 Ti Trinity OC グラフィックスボード ZT-A30710J-10P VD7769 (整備済み品)