آموزش نصب ComfyUI در ویندوز؛ ساخت اولین Workflow تولید تصویر

ComfyUI یک محیط Node-based برای ساخت جریان‌های تولید تصویر، ویدئو و دیگر محتوای مولد است. به‌جای آنکه همه تنظیمات پشت یک دکمه پنهان باشند، مدل، Prompt، اندازه تصویر، Sampler، Seed و خروجی را به‌شکل Nodeهای متصل می‌بینید. همین شفافیت باعث می‌شود بتوانید نتیجه را تکرار، عیب‌یابی و بعداً به یک فرایند خودکار تبدیل کنید.

این آزادی در شروع ممکن است پیچیده به نظر برسد. برای نخستین تجربه لازم نیست یک نمودار بزرگ بسازید یا ده‌ها افزونه نصب کنید. مسیر مطمئن این است که نسخه مناسب ویندوز را انتخاب کنید، یک Workflow رسمی و ساده بارگذاری کنید، مدل لازم را در جای درست قرار دهید و پس از گرفتن خروجی سالم سراغ توسعه جریان بروید.

ComfyUI چیست و چه تفاوتی با ابزارهای یک‌کلیکی دارد؟

ComfyUI هم رابط بصری و هم موتور اجرای مدل‌های مولد است. هر Node یک مسئولیت مشخص دارد: مدل را بارگذاری می‌کند، متن را به Condition تبدیل می‌کند، Latent می‌سازد، نمونه‌برداری را انجام می‌دهد یا تصویر را ذخیره می‌کند. Link میان Nodeها مشخص می‌کند داده از کجا به کجا برود.

در ابزار یک‌کلیکی معمولاً Prompt می‌نویسید و چند تنظیم عمومی را تغییر می‌دهید. در ComfyUI مسیر محاسبه قابل‌مشاهده است. این ویژگی برای مقایسه مدل‌ها، ثابت نگه‌داشتن Seed، بازاستفاده از بخش‌های Workflow و ساخت Pipeline تولیدی ارزش دارد؛ اما مسئولیت مدیریت مدل، Dependency و افزونه نیز بیشتر است.

پیش‌نیازهای نصب روی ویندوز

پیش از دانلود، نوع GPU، فضای آزاد دیسک و روش نصب را مشخص کنید. مستندات رسمی، نسخه Desktop ویندوز را برای NVIDIA معرفی می‌کند و نسخه Portable را نیز برای ویندوز با گزینه‌های NVIDIA و CPU ارائه می‌دهد. پشتیبانی سخت‌افزار و بسته‌های آماده ممکن است تغییر کند؛ بنابراین صفحه System Requirements را در روز نصب بررسی کنید.

• ویندوز به‌روز و Driver سازگار با GPU
• فضای آزاد کافی برای برنامه، محیط Python و مدل‌ها
• درایو SSD برای خواندن سریع‌تر مدل‌های حجیم
• اتصال پایدار برای دریافت Dependencyها و Model
• یک پوشه مستقل و خالی برای داده‌های ComfyUI
• نسخه پشتیبان از Workflowها پیش از Update یا جابه‌جایی

حجم خود برنامه تنها بخش کوچکی از مصرف دیسک است. Checkpoint، VAE، LoRA، ControlNet و مدل‌های ویدئویی هرکدام می‌توانند فضای زیادی بگیرند. مسیر مدل‌ها را از ابتدا روی درایوی انتخاب کنید که ظرفیت رشد دارد.

Desktop یا Portable؛ کدام نسخه مناسب شماست؟

ComfyUI Desktop نصب و مدیریت محیط را شبیه یک برنامه معمولی انجام می‌دهد و برای شروع راحت‌تر است. طبق مستندات رسمی، نسخه Desktop در وضعیت Beta قرار دارد و جزئیات نصب ممکن است تغییر کند. Portable یک محیط Python مستقل همراه خود دارد، سریع‌تر با تغییرات پروژه جلو می‌رود و کنترل بیشتری می‌دهد، اما مدیریت فایل و Update آن دستی‌تر است.

اگر NVIDIA دارید و نخستین بار است از ComfyUI استفاده می‌کنید، Desktop انتخاب طبیعی‌تری است. اگر از قبل ساختار مدل مشترک دارید، بسته Portable لازم دارید یا دقیقاً می‌دانید محیط Python چگونه مدیریت می‌شود، Portable انعطاف بیشتری دارد.

نصب ComfyUI Desktop در ویندوز

1. فقط از صفحه رسمی Windows Desktop بسته نصب را دریافت کنید.
2. Installer را اجرا کنید و در صفحه آغاز روی Get Started بزنید.
3. نوع GPU را انتخاب کنید. Manual Configuration و CPU Mode را فقط با آگاهی از محدودیت‌ها برگزینید.
4. یک پوشه مستقل روی SSD برای Environment، Modelها و Custom Nodeها تعیین کنید.
5. اگر نصب قبلی دارید، در مرحله Migration فقط داده‌های لازم را انتخاب کنید. مستندات می‌گوید مدل‌ها Link می‌شوند و کپی نمی‌شوند.
6. تنظیم Automatic Updates و Usage Metrics را براساس سیاست حریم خصوصی خود انتخاب کنید.
7. پس از پایان Initialization، برنامه را باز کنید و Log پایین صفحه را برای خطا بررسی کنید.

داخل پوشه /resource/ComfyUI فایل اضافه یا موجودی را ویرایش نکنید؛ مستندات رسمی هشدار می‌دهد این پوشه در Update بازنشانی می‌شود. مدل‌ها، Workflowها و Custom Nodeها را در مسیر داده‌ای که هنگام نصب انتخاب کرده‌اید نگه دارید.

اگر نصب Desktop کامل نشد

Maintenance Page می‌تواند محیط مجازی را بازسازی کند، Dependencyهای اصلی را دوباره نصب کند و خطای Mirror یا Driver را نشان دهد. ابتدا متن خطا را بخوانید و فقط همان جزء خراب را اصلاح کنید. خاموش‌کردن Antivirus یا اجرای دائمی برنامه با دسترسی Administrator راه‌حل عمومی و امنی نیست.

نصب نسخه Portable در ویندوز

1. از Release یا لینک رسمی پروژه، بسته متناسب با GPU خود را بگیرید.
2. فایل را در پوشه‌ای کوتاه و قابل‌نوشتن Extract کنید؛ اجرا از داخل فایل فشرده درست نیست.
3. برای NVIDIA فایل اجرای GPU و برای آزمایش CPU فایل مخصوص CPU را انتخاب کنید.
4. اگر Windows فایل دانلودشده را Block کرده، Properties همان فایل را بررسی کنید.
5. پس از بازشدن رابط، به‌جای نصب فوری افزونه‌ها نخست Workflow رسمی را اجرا کنید.

نسخه Portable محیط Python خود را دارد. Packageها را با Python سیستم مخلوط نکنید. اگر یک راهنما فرمان نصب Dependency می‌دهد، مطمئن شوید فرمان در Environment همان نسخه ComfyUI اجرا می‌شود.

مدل‌ها را کجا قرار دهیم؟

مدل فقط یک فایل عمومی نیست؛ هر Loader نوع مشخصی را انتظار دارد. Checkpointهای معمولی در ComfyUI/models/checkpoints قرار می‌گیرند، اما مدل‌های جدید ممکن است فایل‌های جدا برای Diffusion Model،، Text Encoder و VAE داشته باشند. همیشه ساختار پوشه‌ای همان Workflow یا مستندات مدل را دنبال کنید.

پسوند .safetensors به‌تنهایی معتبر بودن منبع را ثابت نمی‌کند. نام Repository، Publisher، License و Hash فایل را بررسی کنید. از Workflow ناشناس برای دریافت خودکار فایل اجرایی یا Model از Domain نامعتبر استفاده نکنید.

ساخت اولین Workflow تولید تصویر

برای شروع، Workflow رسمی Text to Image یا یکی از Built-in Templateها را باز کنید. Template Browser از منوی Workflow در دسترس است. ComfyUI نیازمندی‌های Template را بررسی می‌کند و اگر Model کم باشد، مسیر دریافت یا نام فایل را نشان می‌دهد.

1. یک Template ساده Text to Image با Nodeهای داخلی انتخاب کنید.
2. در Load Checkpoint مطمئن شوید نام مدل واقعی دیده می‌شود و مقدار null نیست.
3. Prompt مثبت را با سوژه، محیط، نور و ترکیب‌بندی کوتاه بنویسید.
4. در Prompt منفی فقط نقص‌هایی را بنویسید که مدل و Workflow شما پشتیبانی می‌کنند.
5. اندازه تصویر را در Empty Latent Image متناسب با مدل انتخاب کنید.
6. برای اولین آزمایش Seed را ثابت نگه دارید تا اثر تغییر Prompt قابل‌مقایسه باشد.
7. روی Run یا Queue بزنید؛ میان‌بر رسمی اجرای Workflow نیز Ctrl + Enter است.
8. نتیجه را در Save Image ببینید و فایل خروجی را از پوشه output بردارید.

شش Node اصلی در Workflow متن‌به‌تصویر

KSampler مرکز نمونه‌برداری است. Seed نویز آغازین را کنترل می‌کند؛ Steps تعداد گام‌های کاهش نویز است؛ CFG میزان پیروی از Condition را تغییر می‌دهد؛ Sampler و Scheduler مسیر محاسبه را تعیین می‌کنند. مقدار بیشتر همیشه بهتر نیست. برای مقایسه، هر بار فقط یک پارامتر را تغییر دهید.

چطور Workflow را ذخیره و دوباره اجرا کنیم؟

Workflow را با نام شامل هدف، مدل و نسخه ذخیره کنید. تصویر خروجی ComfyUI نیز می‌تواند Metadata جریان را همراه داشته باشد و در بسیاری از حالت‌ها با Drag کردن تصویر داخل محیط، نمودار دوباره بارگذاری می‌شود. بااین‌حال فقط به Metadata تصویر تکیه نکنید؛ فایل Workflow را جداگانه در Version Control یا فضای پشتیبان نگه دارید.

• نام مدل و Hash یا نسخه آن را ثبت کنید.
• نسخه ComfyUI و Custom Nodeهای لازم را بنویسید.
• Prompt، Seed و ابعاد نمونه تأییدشده را نگه دارید.
• فایل‌های بزرگ Model را داخل Git Commit نکنید.
• برای هر Workflow یک تصویر مرجع خروجی ذخیره کنید.
• پس از Update، Workflowهای مهم را با همان Seed Regression Test کنید.

مدیریت حافظه و سرعت

اگر Out of Memory می‌بینید، ابتدا عرض، ارتفاع و Batch Size را کم کنید. Workflow و Model بزرگ‌تر همیشه خروجی مناسب‌تری نمی‌دهد. Preview، برنامه‌های مصرف‌کننده GPU و چند Queue هم‌زمان نیز روی حافظه اثر دارند.

Task Manager فقط بخشی از تصویر را نشان می‌دهد؛ Log ComfyUI را هم بخوانید. اگر خطا بعد از نصب یک Custom Node شروع شد، Workflow را با Nodeهای داخلی باز کنید و افزونه تازه را موقتاً غیرفعال کنید. Downgrade تصادفی Driver یا Python بدون ثبت نسخه، عیب‌یابی را سخت‌تر می‌کند.

Custom Node را چه زمانی نصب کنیم؟

Custom Node یک افزونه Python/JavaScript است و می‌تواند کد را روی سیستم شما اجرا کند. مستندات رسمی توصیه می‌کند فقط افزونه نویسنده معتبر را نصب کنید، عملکردش را بفهمید و از منابع ناشناس دوری کنید. ابتدا یک Workflow داخلی سالم داشته باشید؛ سپس برای یک نیاز مشخص افزونه اضافه کنید.

1. بررسی کنید قابلیت موردنیاز در Core یا Template رسمی وجود ندارد.
2. Repository، نویسنده، License، Release و Issueهای اخیر را ببینید.
3. نام Node را در Comfy Registry و Manager بررسی کنید.
4. Dependencyها و فرمان‌های نصب را قبل از تأیید بخوانید.
5. از پوشه Workflow و تنظیمات نسخه پشتیبان بگیرید.
6. یک افزونه نصب و برنامه را Restart کنید.
7. Workflow پایه و Log را دوباره آزمایش کنید.

Registry برای Versioning و بررسی برخی رفتارهای امنیتی طراحی شده است، اما نشان تأیید جای بررسی دسترسی و نگهداری نسخه را نمی‌گیرد. افزونه بدون نگهداری می‌تواند پس از Update، Workflow را خراب کند.

خطاهای رایج ComfyUI و راه تشخیص

مدل در Loader دیده نمی‌شود

نوع Loader و پوشه مدل را تطبیق دهید، نام فایل را بررسی و Nodeها را Refresh کنید. فایل ناقص یا قرارگرفته در Subfolder ناموردانتظار ممکن است در تشخیص خودکار Template دیده نشود.

Node قرمز یا Missing است

Workflow به Custom Nodeای وابسته است که نصب نیست یا نسخه سازگاری ندارد. به‌جای نصب فهرست بزرگی از افزونه‌ها، نام دقیق Node و Publisher را پیدا کنید و فقط همان Dependency را ارزیابی کنید.

Queue شروع نمی‌شود

Link ورودی‌های الزامی، انتخاب مدل و پیام Log را بررسی کنید. Node مشکل‌دار معمولاً مشخص می‌شود. اتصال‌ها را تصادفی تغییر ندهید؛ از آخرین Workflow سالم یک نسخه تازه باز کنید.

تصویر سیاه یا خراب است

سازگاری Model، VAE، Precision و Workflow را بررسی کنید. ابتدا Template رسمی همان مدل را اجرا کنید تا مشخص شود ایراد از فایل مدل است یا نمودار سفارشی.

تولید بسیار کند است

ابعاد، Batch، Steps، Model و حالت CPU را بررسی کنید. اجرای CPU برای آزمایش ممکن است ممکن باشد، اما برای Workflow سنگین زمان زیادی می‌گیرد. تصمیم سخت‌افزاری را براساس Workflow واقعی خود بگیرید.

چک‌لیست اولین خروجی قابل‌اعتماد

• بسته نصب از سایت یا GitHub رسمی دریافت شده است.
• نسخه Desktop یا Portable با سخت‌افزار تطبیق دارد.
• مدل از منبع معتبر و در پوشه صحیح قرار گرفته است.
• Workflow نخست فقط از Nodeهای داخلی یا Template رسمی استفاده می‌کند.
• Load Checkpoint مقدار واقعی دارد و هیچ Node قرمز نیست.
• Seed، ابعاد و Prompt نمونه ثبت شده‌اند.
• تصویر در پوشه output ذخیره و دوباره باز شده است.
• Workflow جداگانه Export و پشتیبان‌گیری شده است.
• Custom Nodeها فقط پس از تثبیت جریان پایه نصب می‌شوند.
• پس از هر Update یک خروجی مرجع دوباره تولید می‌شود.

گام بعدی بعد از اولین تصویر

پس از ساخت خروجی سالم، یک متغیر را انتخاب کنید: Prompt، Seed، Steps یا اندازه. چهار خروجی با همان Workflow بگیرید و تفاوت را ثبت کنید. سپس Workflow را به بخش‌های قابل‌بازاستفاده تقسیم کنید؛ برای نمونه بارگذاری مدل، Prompt و ذخیره خروجی.

اگر هدف شما نوشتن Prompt دقیق و ویرایش مرحله‌ای تصویر است، راهنمای Nano Banana الگوی خوبی برای تعریف سوژه، ترکیب‌بندی و محدودیت‌ها ارائه می‌دهد. برای سازمان‌دهی منبع‌ها و تبدیل آن‌ها به محتوای مبتنی بر سند نیز آموزش NotebookLM مسیر مکملی است.

جمع‌بندی

یادگیری ComfyUI از حفظ‌کردن ده‌ها Node شروع نمی‌شود. نسخه مناسب را از منبع رسمی نصب کنید، مدل را در مسیر درست بگذارید و یک Template ساده Text to Image را بدون افزونه اجرا کنید. وقتی Load Checkpoint، Prompt، Latent، KSampler، VAE Decode و Save Image را فهمیدید، نمودارهای پیچیده دیگر مجموعه‌ای از همین بلوک‌های قابل‌تشخیص خواهند بود.

Workflow، نسخه‌ها و Seed مرجع را ذخیره کنید. افزونه‌ها را فقط برای نیاز مشخص و از Publisher قابل‌اعتماد نصب کنید. این نظم هم امنیت سیستم را بهتر می‌کند و هم هنگام خطا دقیقاً می‌دانید کدام تغییر باعث مشکل شده است.

امروز ComfyUI را از منبع رسمی نصب کن، یک Template داخلی Text to Image را با Seed ثابت اجرا کن و فایل Workflow را کنار تصویر مرجع ذخیره کن.

منابع رسمی

• ComfyUI Docs: Windows Desktop
• ComfyUI Docs: System Requirements
• ComfyUI Official GitHub Repository
• ComfyUI Docs: Text to Image Workflow
• ComfyUI Docs: Workflow Templates
• ComfyUI Docs: Install Custom Nodes
• ComfyUI Docs: Registry Overview