ComfyUI で始める AI 画像生成入門｜ノードベースの柔軟なワークフロー

ComfyUI の特徴とノードベースワークフローの仕組み

ComfyUI は、Stable Diffusion をはじめとした AI 画像生成モデルを、ノードベースのインターフェースで操作できるオープンソースソフトウェアです。一般的な Web インターフェースがボタンやスライダーをクリックして直感的に操作する方式であるのに対し、ComfyUI では「処理工程」自体を可視化し、それらを繋ぎ合わせて複雑なワークフローを構築することができます。これはまるで電気回路の配線図のように見えるため、初心者にとっては最初は難解に感じるかもしれませんが、一度仕組みを理解すれば、既存のソフトウェアでは不可能だった高度な制御や自動化が可能になります。2026 年時点において、ローカル AI 環境の構築においては ComfyUI が事実上の標準インターフェースの一つとして確立されており、多くのクリエイターがその柔軟性を選んでいます。

ノードベースという仕組みの意味をより深く理解するために、具体的な動作原理を考えてみましょう。例えば、画像を生成するプロセスは、「テキストを読み込む」「モデルを読み込む」「ノイズを加える」「拡散して画像にする」「画像を解像度に変換する」という複数の段階に分かれます。一般的なツールではこれらが裏側で自動的に処理されるため、ユーザーはその中間ステップを意識することができません。しかし ComfyUI では、それぞれの工程が独立したボックス（ノード）として表示され、それらをケーブルで繋ぐことで処理順序を定義します。この構造により、特定の工程だけを変更したり、並列処理を実装したり、生成された画像の中間状態を保存して再利用したりすることが容易になります。

このアーキテクチャには明確なメリットとデメリットが存在します。最大のメリットは「完全な制御性」と「軽量性」です。必要な機能だけのワークフローを作成できるため、余計なリソースを消費しません。また、複雑な条件分岐やループ処理を実装することで、バッチ生成の自動化や A/B テストの実施も可能になります。一方でデメリットとして挙げられるのは、学習コストが比較的高い点です。ボタンを押すだけで画像ができる A1111 と違い、どのノードをどこに繋ぐかを理解する必要があります。しかし、2026 年現在ではコミュニティによって作成されたテンプレートやワークフローファイルをダウンロードしてそのまま使用できる機能が充実しているため、いきなりゼロから設計する必要はありません。まずは既存の複雑なワークロードを理解し、必要な部分だけを切り出して利用していくのが上達の近道です。

Stable Diffusion WebUI (A1111) との比較分析

ComfyUI を導入検討する際に最も比較対象となるのが、Stable Diffusion WebUI（通称 A1111）です。両者は同じ技術基盤である Stable Diffusion を利用しますが、設計思想とターゲット層が異なります。A1111 は「使いやすさ」に特化しており、GUI として直感的なボタン配置やスライダーを備えています。これに対し ComfyUI は「拡張性」と「効率性」に重きを置いています。この違いを理解することは、自分自身の創作スタイルにどちらが適しているかを判断する上で不可欠です。

具体的な機能比較の観点から見ていきましょう。A1111 は、画像生成の基本的なパラメータ（プロンプト、CFG スケール、ステップ数など）をメイン画面で管理するため、設定変更が非常に速いです。また、Img2Img や Inpainting といった機能もワンクリックで呼び出せるため、単純な画像操作には圧倒的な利便性があります。しかし、その反面、A1111 は内部の処理フローを固定化しているため、独自のロジックを組み込むことが困難です。例えば、「生成した画像のうち特定の色合いのものだけを抽出してバッチ処理する」といった複雑な自動化を行うには、外部スクリプトを組む必要があります。

一方 ComfyUI の強みは、このように複雑な条件分岐をノード接続だけで表現できる点にあります。表にまとめると、以下のようになりますが、詳細は後述の各項目で解説します。A1111 は初心者や、単発的な画像生成に特化したユーザーには最適ですが、大量生成、カスタムワークフロー構築、あるいは AI 業界標準の新しい技術（ControlNet の組み合わせなど）を柔軟に扱いたい場合は ComfyUI が有利です。また、2026 年時点では A1111 も進化を続けていますが、ComfyUI のアーキテクチャが業界標準の「実験的機能」にいち早く対応する傾向があるため、最先端技術を利用したいユーザーには ComfyUI を推奨します。

[画像：ComfyUI のノード接続画面と A1111 のメイン画面の比較イメージ]

両者を使い分けるという戦略も有効です。例えば、日常の軽い創作には A1111 を使い、特定のプロジェクトで複雑な制御が必要な場合に ComfyUI を利用するといった方法です。また、ComfyUI 上で生成したワークフローは JSON ファイルとして保存・共有できるため、他のユーザーと作業を共有する場合にも優れています。A1111 との相互運用性も高く、A1111 で生成した画像を ComfyUI の入力として読み込むことも可能です。

事前準備から ComfyUI のインストール手順まで

ComfyUI を使用する上で最も重要な最初のステップが、正しい環境構築です。2026 年現在、Windows ユーザーにとってのインストール方法は標準化されていますが、Python のバージョンや CUDA（GPU 計算用ライブラリ）の設定ミスによって動作しないケースも依然として見受けられます。特に NVIDIA GPU を使用している場合、ドライバーと CUDA ライブラリの整合性が重要です。手順を一つずつ丁寧に確認していきましょう。

まず必要となるのは、GitHub から ComfyUI のソースコードをダウンロードする機能です。これには Git ソフトウェアのインストールが必須となります。Git はコマンドプロンプトやターミナル上でリポジトリを管理するためのツールであり、Web 上のファイルをクリックしてダウンロードするだけでは不十分な場合があります。Windows では「Portable Version」を利用することで、Python 環境の構築が不要になるため、最も手軽な方法です。これは、ComfyUI の公式 GitHub リポジトリから提供されているコンテナイメージや ZIP ファイルを解凍して、付属のスクリプトを実行するだけで起動できる形式です。

具体的なインストール手順は以下の通りです。まず、Git for Windows を公式サイトからダウンロードし、セットアップ時に「Add Git to PATH」オプションをチェックします。その後、コマンドプロンプトを開き、ComfyUI のディレクトリを作成します。git clone https://github.com/comfyanonymous/ComfyUI.git というコマンドを入力してコードをダウンロードします。次に、CUDA 対応の Python ライブラリがインストールされているか確認します。公式の Portable バージンには PyTorch が同梱されていますが、手動インストールの場合は pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 のようなコマンドで CUDA 対応版を指定する必要があります。

[画像：コマンドプロンプトでの Git クローンと依存関係インストール手順のスクリーンショット]

起動時には、Python スクリプト run_nvidia_gpu.bat（Windows 標準環境向け）または run_cpu.bat を実行します。ここで注意すべき点は、CUDA のバージョンです。2026 年時点では CUDA 12.x が主流ですが、お使いの GPU ドライバーが古い場合、エラーが発生することがあります。エラーメッセージ「No module named 'torch'」や「CUDA out of memory」といった表示が出た場合は、依存関係ファイル requirements.txt を再実行するか、仮想環境（venv）を新たに作成してインストールし直す必要があります。また、ブラウザが開かない場合は localhost:8188 に直接アクセスして確認してください。

トラブルシューティングとしてよくあるのが、パスの問題です。Windows のフォルダ名に日本語が含まれていると起動エラーになることが稀にあります。ComfyUI を置くディレクトリは必ず半角英数字のみで構成し、ルートの深い場所に配置しないことを推奨します。また、セキュリティソフトが Python スクリプトの実行をブロックしているケースもあるため、一度無効化して試すか、例外リストに追加することもあります。環境構築に失敗した際は、Discord の公式コミュニティや GitHub の Issues で同様のエラー報告を検索すると解決策が見つかることが多いです。

基本ワークフローの構築と各ノードの役割

ComfyUI の画面を開くと、最初は空の状態か、あるいはデフォルトのワークフローが表示されているはずです。ここでの「基本ワークフロー」とは、テキストを入力して画像を生成し保存するまでの最短ルートです。これが理解できれば、以降に追加される機能も容易に理解できます。ComfyUI において画像生成の流れは、データがノードからノードへと流れるパイプラインとして定義されます。左側にある「Load」系ノードから始まり、中央の計算系ノードを経て、右側の保存系ノードで終わる流れを覚えておきましょう。

まず重要なノードの一つに、モデルを読み込むための Checkpoint Loader があります。ここには生成に使用するチェックポイントファイル（.safetensors など）がセットされます。このモデルは、画像の画風や質感を決定づける最も重要な要素です。次に、プロンプトを入力する CLIP Text Encode (Positive) と CLIP Text Encode (Negative) ノードがあります。これらは AI に「どのような画像を描くか（正）」と「どのような描写を避けるか（負）」を指示します。ここでのテキスト入力は英語で行うのが基本ですが、2026 年時点では日本語プロンプトへの対応も進んでいるモデルが増えています。

[画像：基本ワークフローの接続図。Checkpoint→CLIP Text Encode→KSampler→VAE Decode]

計算の中心となるのは KSampler ノードです。ここにはステップ数（生成にかかる計算回数）、シード（乱数の種）、CFG スケール（プロンプトへの従順さ）などのパラメータを設定します。KSampler が出力した結果は、まだ解像度の低いノイズ画像の状態であるため、それを最終的な画像に変換する必要があります。その役割を担うのが VAE Decode ノードです。VAE（Variational Autoencoder）は圧縮された潜在空間のデータを実際のピクセル画像に戻す復号器であり、これが無いと画質が崩れた状態になります。最後に Save Image ノードに繋げば、生成された画像は保存フォルダに書き出されます。

この基本チェーンを拡張することで、複雑な処理が可能になります。例えば、1 枚の画像で終わらせず、複数枚を並列して生成したい場合は、KSampler の出力先を分岐させたり、ループノードを用いたりします。また、生成された画像を評価し、気に入らない場合だけ再実行するロジックなども可能です。初心者がまず行うべき操作は、この基本チェーンを構成する各ボックスにマウスを乗せて説明を確認することです。それぞれのノードが「入力端子」と「出力端子」を持っており、対応した色のポート同士で接続する必要があります（通常、青や白のラインで接続されます）。

モデル選びのポイント｜SDXL、SD3、および最新アーキテクチャ

ComfyUI の真価を発揮するためには、適切なモデル（チェックポイント）を選ぶことが不可欠です。2026 年時点では、Stable Diffusion 1.5 や 2.1 は時代遅れとなり、主流は SDXL（Stable Diffusion XL）や Flux シリーズ、SD3.5 といった高解像度・高精度なアーキテクチャとなっています。ただし、用途によって最適なモデルは異なります。写実的なポートレートからアニメーションイラストまで、目的に応じて使い分ける必要があります。

まず、SDXL (Stable Diffusion XL) について解説します。これは 1024x1024 の解像度をネイティブにサポートしており、プロンプトへの理解度が高いことが特徴です。ComfyUI では SDXL モデルをロードする際、VAE も別途指定することが推奨される場合がありますが、最近のモデルは VAE が統合されているため単独で読み込めることが多いです。SDXL は特に人物描写において顔の崩れが少ないのが強みですが、VRAM を 10GB 以上必要とする場合があります。2026 年現在では SDXL Turbo や Lightning モデルのような高速化バージョンも標準的に利用可能です。

[画像：主要なモデル（Flux.1, SDXL 1.0, Pony Diffusion）の生成例比較]

次に、アニメ系イラストに特化した「Pony Diffusion」シリーズについて触れておきます。これは SDXL ベースのモデルをベースに、Danbooru ラベルを用いた学習が行われたもので、プロンプトの指示精度が非常に高いです。「anime」、「illustration」といったキーワードだけでなく、「1girl, blue hair」などのタグを直接プロンプトに記述することで、特定の画風やポーズを正確に再現できます。ただし、コンテキスト（文脈）が明確でない場合、過度な露出を生む傾向があるため、ネガティブプロンプトの調整が必要です。ComfyUI 上で Pony を扱う際は、専用の CLIP Loader を使用してプロンプト解析の精度を高める設定を行うのが一般的です。

最新技術として「Flux.1」シリーズも注目されています。これは Stability AI が開発したオープンソースモデルで、2026 年時点では生成能力において業界最高峰と評価されています。Text-to-Image の性能だけでなく、テキスト描画や複雑な構図の理解に優れており、ComfyUI でも公式の ComfyUI フォークや専用ノードが提供されているため対応可能です。ただし、VRAM を 24GB 近く必要とする場合があるため、12GB や 8GB の GPU では設定を圧縮して使用する必要があります。

VRAM が不足している場合は、--lowvram オプションを起動時に設定するか、ComfyUI 内の Load Checkpoint ノードで unet_dtype: float16 や vae_dtype: fp8_e4m3fn のような量子化設定を適用することで動作可能にできます。また、モデルファイルのサイズは 2GB〜7GB が一般的ですが、Flux.1 の場合は 20GB 超になることもあるため、ストレージ容量にも注意が必要です。

LoRA の活用術｜キャラクターとスタイルの固定化

LoRA (Low-Rank Adaptation) は、既存の大規模モデルに特定の要素を学習・追加する軽量な拡張ファイルです。ComfyUI では、この LoRA をワークフローに組み込むことで、同じプロンプトでも異なる画風や特定のキャラクターを安定して生成できるようになります。2026 年時点では、LoRA の種類は多岐にわたり、スタイル固定から完全なオリジナルキャラの再現までカバーしています。

LoRA を使用するには、Lora Loader という専用のノードが必要です。これは ComfyUI の標準機能として最初から含まれていますが、カスタムノードを導入するとさらに管理が容易になります。基本的な接続は、Load Checkpoint ノードの後段に繋ぎ、モデルデータと LoRA データを結合します。LoRA には「Strength（強さ）」のパラメータがあり、0.5 に設定すると半分の効果で適用されます。これにより、プロンプトの指示性と LoRA の画風とのバランスを調整できます。

キャラクター生成における LoRA は特に強力です。例えば、「特定のアニメキャラクター」や「オリジナルのアイコン」といった画像を毎回同じ顔付きで出力したい場合、そのキャラクターに特化した LoRA を使用します。ただし、単一の LoRA だけでなく、複数の LoRA を同時に使用するケースも増えています。ComfyUI では KSampler の前に複数の Lora Loader ノードを並列配置し、それぞれに個別の強度を指定することで、異なる要素（例：1 つは衣装用、もう 1 つは髪型用）を組み合わせて適用することが可能です。

[画像：複数の LoRA を接続したワークフローと生成結果の比較]

注意点として、LoRA の適用順序や組み合わせによっては画質が劣化する現象（俗称「LoRA ブレーカー」）が発生することがあります。これを防ぐためには、KSampler 内の CFG Scale を調整するか、VAE の切り替えを検討します。また、2026 年時点の LoRA は「Hyper-LoRA」や「LyCORIS」といった派生形式も存在し、従来の LoRA よりも少ないデータ量でより強力な効果を得られるようになりますが、ComfyUI での対応状況を確認する必要があります。基本的には ComfyUI の標準 Lora Loader でほぼ問題なく動作しますが、特殊な形式の場合は専用ノードの導入が必要です。

ControlNet を使った精密制御｜ポーズと線画の活用

画像生成において最も重要な課題の一つは「意図通りの構図やポーズの実現」です。これはランダムに生成される AI 画像では非常に難しい領域ですが、ControlNet を使用することで克服できます。ComfyUI は ControlNet のノード接続を直感的に行えるため、他のツールよりも複雑な制御が可能になります。2026 年時点では、ControlNet の種類も多様化しており、単なるポーズ指定だけでなく、深度情報やエッジ検出など高度な機能も利用可能です。

ControlNet を導入するには、まず公式リポジトリから対応するモデルファイル（.ckpt や .safetensors）をダウンロードし、ComfyUI 内の custom_nodes/ComfyUI-ControlNet フォルダに配置する必要があります。その後、Load ControlNet Model ノードを読み込みます。これにより、画像生成プロセス内で制御信号を入力できるようになります。主要なタイプには「OpenPose」（ポーズ指定）、「Canny」（線画抽出）、「Depth」（奥行き情報）などがあり、それぞれ用途が異なります。

最も一般的な OpenPose は、人物の関節ポイントを指定して全身の姿勢を再現する機能です。ComfyUI では ControlNet Apply ノードを使用し、そこに OpenPose の事前処理を行えるノード（例：Openpose Preprocessor）を繋げます。これにより、手動で描いたスケッチや、画像から取得したポーズデータを元に、AI 生成の骨格を完全にコントロールできます。特にキャラクターアートにおいて、「手の位置」や「顔の向き」が重要な場合、ControlNet は必須ツールと言えます。

線画着色においては、Canny Preprocessor を使用して入力画像のエッジのみを抽出し、それを ControlNet に読み込みます。これにより、元の構図を保ちつつ色や質感を AI 生成で塗りつぶすことが可能です。2026 年時点では、より自然な線画保持を実現する「Lineart」系モデルも一般的になりました。また、複数の ControlNet を同時に使用することも可能であり、例えば 1 つは OpenPose でポーズを決め、もう 1 つは Depth で奥行きを保つといった組み合わせも可能です。ただし、同時使用時には VRAM の消費量が急増するため、設定の最適化が求められます。

[画像：OpenPose と ControlNet Apply ノードの接続と結果比較]

効率化のためのカスタムノード導入ガイド

ComfyUI の真の力は、コミュニティによって開発された「カスタムノード」にあります。標準機能でも動作しますが、これらを追加することで作業速度が劇的に向上したり、新しい機能が実現可能になります。2026 年時点では、数百種類のカスタムノードが存在し、それぞれが特定の用途に特化しています。導入方法と代表的なノードの紹介を行います。

まずカスタムノードを管理するための基盤として、「ComfyUI Manager」を導入することが推奨されます。これは標準機能には含まれていませんが、公式 GitHub から入手可能です。これにより、ComfyUI 内のメニューから「Install Custom Nodes」ボタンを押すだけで、必要なノードをワンクリックでインストールできるようになります。また、バージョン管理も容易になり、更新されたノードへのアップデートも容易です。

代表的なカスタムノードとして「Impact Pack」があります。これは画像生成後の処理やバッチ処理に特化した機能群です。例えば、「画像の一部だけを切り取る（Crop）」や「特定の領域を塗りつぶす（Inpaint）」といった機能が、標準の ComfyUI よりも詳細に制御可能です。また、複数枚の画像から最適な一枚を選択するフィルタリング機能なども含まれており、大量生成時の選別作業を自動化できます。

もう一つの必須ツールが「IPAdapter」です。これは参照画像に基づいて画風や人物特徴をコピーする機能で、2026 年時点では AI アート制作において非常に重要な技術となっています。例えば、「特定の絵画のスタイル」や「特定の人物の顔立ち」を、プロンプトを使わずに指定できます。ComfyUI では標準で IPAdapter のサポートが進んでいますが、カスタムノード版を使用することで、より細かくレイヤー構成を調整することが可能です。

[画像：Impact Pack と IPAdapter を使用した複雑なワークフロー例]

他にも、「AnimateDiff」や「VideoToVideo」といった動画生成系のノードも人気があります。静止画だけでなく、短いアニメーションクリップを作成したい場合にも ComfyUI は強力なプラットフォームです。これらの導入はすべて Manager を介して行うのが最も安全で確実です。ただし、互換性の問題から、全てのノードが常に最新バージョンと同期しているとは限らないため、特定の機能が必要な場合はマニュアルページも併せて確認してください。

VRAM 別の推奨設定とトラブルシューティング

ComfyUI の動作を安定させるには、お使いの GPU の VRAM（ビデオメモリ）容量に合わせた設定を行う必要があります。2026 年時点でも AI モデルは大型化傾向にあり、VRAM を過剰に消費すると「CUDA Out of Memory」エラーが発生し、プログラムが強制終了してしまいます。各 VRAM レベルごとに推奨される動作モードと調整方法を解説します。

4GB〜6GB の低スペック環境では、--lowvram オプションを起動時に使用することが必須です。これにより、計算処理を VRAM とシステムのメインメモリ間でやり取りするよう制御されますが、生成速度は低下します。また、モデルのロード時にも unet_dtype: float16 ではなく float8 や fp8_e4m3fn といった量子化設定を使用することで、メモリの使用量を大幅に削減できます。ComfyUI の起動オプション（.bat ファイル内）にこれらのパラメータを追加して保存しておくと便利です。

8GB〜12GB のミドルレンジ環境では、基本的には標準モードで問題ありませんが、複雑なワークフローを実行する際は --highvram ではなく --normalvram を意識します。また、VAE Decode の処理を VRAM にロードするか、CPU にオフロードするかを設定できます。2026 年時点では、VRAM が不足しそうな場合でも、ComfyUI 内の Load Checkpoint ノードで vae_dtype: fp8_e4m3fn を指定することで、VAE のメモリ使用量を低減しつつ高画質を維持することが可能です。

16GB〜24GB のハイエンド環境では、VRAM 制限を意識する必要はほぼありませんが、高速化のための設定を行います。例えば --cpu モードの無効化や、浮動小数点演算精度を float32 に固定することで、計算速度を最大化できます。ただし、生成する画像の解像度が非常に高い場合（4K 以上）は、VRAM が不足する場合があるため、バッチ処理（一枚ずつ生成）を行うか、解像度を下げる検討が必要です。

トラブルシューティングとして、よくあるエラーへの対応です。「Module not found」エラーが出た場合は、仮想環境の構築が不十分である可能性が高いです。requirements.txt を再実行するか、ComfyUI Manager から「Update Dependencies」を実行します。「黒い画像が出る」場合は VAE のロードに失敗していることが多く、VAE ファイルを明示的に指定し直すことで解決します。また、特定のノードが反応しない場合は、そのノードのバージョンと ComfyUI コアバージョンの互換性を確認する必要があります。

[画像：VRAM 管理画面および起動オプション設定例]

まとめ

ComfyUI は、AI 画像生成において「制御」と「効率」を追求するクリエイターにとって不可欠なツールです。2026 年時点では、その柔軟性と拡張性が業界標準として確立されており、単なる画像生成だけでなく、動画制作やバッチ処理など多岐にわたる用途で利用されています。本記事では、ComfyUI の特徴からインストール方法、基本ワークフロー、モデル選び、LoRA や ControlNet の活用、そしてトラブルシューティングまでを網羅的に解説しました。

以下に、記事の要点を箇条書きでまとめます。

• ノードベースの仕組み: 処理工程を可視化し、複雑な制御や自動化が可能。学習コストはかかるが自由度が高い。
• A1111 との違い: A1111 は使いやすさ重視、ComfyUI は拡張性と効率性重視。用途に合わせて使い分けるのが正解。
• インストール環境: Python や Git が必要だが、Portable Version を使うと手軽に動作する。CUDA の整合性に注意。
• 基本ワークフロー: Load Checkpoint → CLIP Text Encode → KSampler → VAE Decode → Save Image の接続が基本。
• モデル選び: SDXL は高解像度・自然描写、Flux.1 は構成力・テキスト理解力、Pony はアニメ特化。VRAM に合わせて選択。
• LoRA と ControlNet: キャラクター固定や画風制御には LoRA を、構図やポーズの精密指定には ControlNet を活用する。
• カスタムノード: Impact Pack や IPAdapter などで機能拡張が可能。ComfyUI Manager で管理が容易。
• VRAM 設定: スペックに応じて量子化設定 (fp8 など) や低負荷モードを切り替えることで動作安定性を確保する。

ComfyUI の習得には時間がかかりますが、一度その仕組みを理解すれば、AI を使いこなすクリエイターとしてのレベルは一段階跳躍します。本記事の内容を参考に、ぜひご自身のワークフローを構築し、創造的な表現の幅を広げていってください。