ComfyUI3 の履歴(No.6)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• ComfyUI3 へ行く。
  • 1 (2026-01-11 (日) 16:43:43)
  • 2 (2026-01-12 (月) 16:35:02)
  • 3 (2026-01-13 (火) 03:51:58)
  • 4 (2026-01-17 (土) 15:42:20)
  • 5 (2026-01-20 (火) 19:54:13)
  • 6 (2026-01-26 (月) 08:58:10)

---

私的AI研究会 > ComfyUI3

画像生成AI「ComfyUI」３（応用編）†

　「ComfyUI」を使ってローカル環境でのAI画像生成を検証する

「ComfyUI」『ControlNet』†

プロジェクトで作成するワークフロー†

• ComfyUI_proj.zip をダウンロード（随時更新中）※2026/01/24更新
  ・解凍してできるフォルダ
  

  📂ComfyUI
    ├─📂input　　　　　　　　　　　　　　← ワークフローに含まれる入力画像
    └─📂user
          └─📂default
                └─📂workflows　　　　　　　　← ワークフローの保存場所
                      ├─📂_audio
                      ├─📂_base
                      ├─📂_base_i2i
                      ├─📂_base_t2i
                      ├─📂_prompt
                      ├─📂_utility
                      ├─📂_video
                      └─📂test

  ・解凍してできる「ComfyUI/」フォルダを「StabilityMatrix/Data/Packages/ComfyUI」へ上書きコピーする
  
  

• ワークフローと動作環境による生成時間（分：秒）
  

  ワークフロー	機　能	CPU					CPU
  		RTX 4070	RTX 4060	RTX 4060L	RTX 3050	GTX 1050	i7-1260P	i7-1185G7
  t2i_controlnet_openpose.json bs_text2img_controlnet.json	Open Pose 画像からポーズ抽出	00:12.27	00:15.70	00:35.19	00:27.38	01:16.45	08:56.46	07:37.76
  t2i_controlnet_openpose_s.json		00:02.68	00:04.79	00:05.72	00:10.35	00:58.57	08:28.84	07:00.77
  t2i_controlnet_canny.json	Canny 画像から輪郭抽出	00:04.74	00:07.29	00:05.96	00:15.18	01:00.93	08:33.17	07:04.70
  t2i_controlnet_depth.json	Depth 画像から震度抽出	00:07.53	00:11.41	00:07.85	00:21.14	01:20.50	08:39.65	08:19.09
  t2i_controlnet_lineart.json	LineArt 画像から輪郭抽出	00:06.88	00:09.43	00:13.49	00:16.48	01:04.09	08:41.58	07:07.72
  t2i_controlnet_Scribble.json	Scribble 画像から輪郭抽出	00:05.07	00:08.06	00:08.04	00:13.77	01:01.03	08:10.12	07:00.35
  t2i_controlnet_Segment.json	Segmentation セグメント分け	00:08.54	00:11.59	00:15.29	00:21.14	01:12.83	17:03.79	07:50.29
  t2i_controlnet_Shuffle.json	Shuffle シャッフル	00:04.90	00:07.07	00:07.62	00:14.63	01:00.89	08:06.06	07:04.18
  t2i_controlnet_MLSD.json	MLSD 画像から直線抽出	00:06.99	00:10.03	00:14.20	00:16.77	01:04.49	07:24.77	07:02.57
  t2i_controlnet_Normalmap.json	Normalmaps 法線マップ	00:07.11	00:09.91	00:12.33	00:18.34	01:10.01	19:34.86	07:41.75
  t2i_controlnet_SoftEdge.json	Soft Edge 画像から輪郭抽出	00:05.14	00:07.84	00:09.05	00:15.08	01:02.06	09:03.51	07:03.79
  t2i_controlnet_tile.json	Tile 画像４倍拡大	00:04.07	00:07.58	00:07.77	00:14.92	01:01.13	08:58.65	06:58.09

  
  

カスタムノードのインストール†

• 『ComfyUI's ControlNet Auxiliary Preprocessors』 のインストール
  
  
  
  1.「Manager」ボタンを押し「ComfyUI Manager」から「Custom Nodes Manager」を選択
  2. 希望するノードが表示されていない場合は「ControlNet」を検索。インストールするノードの「Install」を押す
  　 Title: comfyui_controlnet_aux
  3. バージョン番号を選択（基本「latest」を選択）
  4. インストールが完了すると、ComfyUI の再起動を求められるので、下部の「Restart」ボタンを押す
  5.「Confirm」（確認）ボタンを押すとインストール開始する
  6. インストール完了すると再度確認ウインドウが開く（別のウインドウがオープンするので閉じる）
  7.「ComfyUI Manager」でインストール完了となっていることを確認してブラウザと「Stability Matrix」を終了する
  
  ← インストール完了語の状態
  

『ControlNet』で使用する基本ノード†

• ３つのノードを組み合わせて使う
  
  
  
  ①「Load Controlnet Model」ノード
  　・ControlNet のモデルを読み込む
  ② ①に対応した preprocessor ノード（ここでは「OpenPose Pose」）
  　・モデルごとの対応 → https://github.com/Fannovel16/comfyui_controlnet_aux
  ③「Apply ControlNet」ノード
  　・ControlNet を適用して positive,negative のプロンプトに注入して送り出すノード
  
  ④「Load Image」ノード
  　・ControlNet に入力する画像を指定するノード
  ⑤「Preview Image」ノード
  　・ControlNet の処理画像を表示する（なくてもよい）
  
  ⑦ 各ノードを左図のように接続する
  

　Open Pose　 『text2img』で『ControlNet』を使用する基本ワークフロー†

• 画像からポーズを抽出して生成できる「OpenPose」を例にする
  

  text2img 生成画像	Checkpoint (Model)	Seed	Sampler	Steps	Clip skip
  	beautifulRealistic _brav5	584105828	DPM++ 2M Karras	20	1
  Prompt	best quality,masterpiece,ultra high res,photorealistic,RAW photo,a beautiful japanese woman,20yo,portrait,standing,looking at viewer,smile,t-shirt,in garden
  	最高品質、傑作、超高解像度、フォトリアリスティック、RAW写真、美しい日本人女性、20歳、ポートレート、立っている、見る者を見て、笑顔、Tシャツ、庭で
  Negative prompt	illustration, 3d, sepia, painting, cartoons, sketch, worst quality, backlight, bad anatomy, bad hands, double navel, collapsed eyeshadow, multiple eyebrows, freckles, signature, logo, 2faces,
  	イラスト、3D、セピア、絵画、漫画、スケッチ、最悪の品質、バックライト、悪い解剖学、悪い手、二重のおへそ、崩れたアイシャドウ、複数の眉毛、そばかす、署名、ロゴ、2つの顔、

1. 「_base/」bs_text2img.json『text-to-image』基本ワークフローを読み出す
   
   
   ①「bs_text2img.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ② 前項『ControlNet』で使用する基本ノード ① ～ ⑤ を配置する
   　・ ① ～ ⑤ ノードを接続する
   ③「Ksampler」の positive, negative の接続を外し「Apply ControlNet」に接続する
   ④「Apply ControlNet」の positive, negative 出力を「Ksampler」の入力に接続する
   ⑤「Load Checkpoint」の VAE を 「Apply ControlNet」vae 入力に繋ぐ
   ⑥「Load Image」ノードに入力画像をドラッグ＆ドロップする
   
   
   
2. 『text-to-image』+『ControlNet』OpenPose 基本ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_openpose.json ,「_base/」bs_text2img_controlnet.json
   
   
3. 姿勢推定画像（棒人間の画像）を入力する場合
   ・「Load Image」のノードに棒人間の画像を入力している場合は「Openpose Pose」のノードは不要
   ・予め作られているポーズをダウンロードできるサイト → OpenPoses
   ・「Openpose Pose」ノードを右クリックで bypass を選択する
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_openpose_s.json
   

• さらに詳しく → 「ComfyUI」Collection　『Open Pose』ポーズ集
  
  

　Canny　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「bs_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで canny を選択する
   ③ プリプロセッサとして「Canny Edge」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Canny ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_canny.json
   

　Depth　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで depth を選択する
   ③ プリプロセッサとして「Depth Anything」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Depth ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_depth.json
   

　LineArt　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで lineart を選択する
   ③ プリプロセッサとして「AnyLine Lineart」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』LineArt ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_lineart.json
   

　Scribble　 『text2img』+『ControlNet』†

1. 「_base」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで scribble を選択する
   ③ プリプロセッサとして「Scribble Lines」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Scribble ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_Scribble.json
   

　Segmentation　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで segmentation を選択する
   ③ プリプロセッサとして「SAM Segmentor」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Segmentation ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_Segment.json
   

　Shuffle　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで shuffle を選択する
   ③ プリプロセッサとして「Content Shuttle」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Shuffle ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_Shuffle.json
   

　MLSD　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで MLSD を選択する
   ③ プリプロセッサとして「M-LSD Lines」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』MLSD ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_MLSD.json
   

　Normalmaps　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで nornmalbase を選択する
   ③ プリプロセッサとして「MDaS Normal Map」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Normalmaps ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_Normalmap.json
   

　Soft Edge　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで softedge を選択する
   ③ プリプロセッサとして「PiDiNet Soft-Edge LLines」ノードに入れ替える
   ④ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Soft Edge ワークフローの完成
   
   
   ①「Run」を押して画像を生成する
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_SoftEdge.json
   

　Tile　 『text2img』+『ControlNet』†

1. 「_base/」bs_text2img_controlnet.json『text-to-image』ControlNet 基本ワークフローを読み出す
   ①「test_text2img_controlnet.json」ワークフローをキャンバス上にドラッグ＆ドロップする
   ②「Load Controlnet Model」ノードのモデルで tile を選択する
   ③ プリプロセッサとして「Tile」ノードに入れ替える
   ④「Upscale Image By」ノードを「Load Image」「Tile」の間に入れて scale_by を 4倍にする
   ⑤ 基本ワークフローと同じように接続しなおす
   
   
2. 『image-to-image』Tile ワークフローの完成
   
   
   ①「Run」を押して画像を生成する（入力画像を４倍に拡大）
   
   
   　※ ワークフロー：「_base_t2i/」t2i_controlnet_tile.json
   

「ControlNet」モデルに対応したプリプロセッサ ノード名称†

• モデルごとの対応表　→ 詳細：公式 GitHub
  

  mode	機能	ControlNetモデル（Stable Diffusion 1.5用）	Preprocessor Node
  canny	「controlnet canny」エッジ検出して画像生成	lllyasviel/control_v11p_sd15_canny	Canny Edge
  scribble	「controlnet scribble」手書きの線画から画像生成	lllyasviel/control_v11p_sd15_scribble	Scribble Lines
  			Scribble X Dog Lines
  			Fake Scribble Lines
  			Scribble PiDiNet Lines
  openpose	「controlnet openpose」画像から同じ姿勢の画像を生成	lllyasviel/control_v11p_sd15_openpose	DWPose Estimator
  			OpenPose Estimator
  lineart	「controlnet lineart」線画から画像生成	lllyasviel/control_v11p_sd15_lineart	Standard Lineart
  			Realistic Lineart
  			AnyLine Lineart
  softedge	「controlnet softedge」ソフトエッジ画像から画像生成	lllyasviel/control_v11p_sd15_softedge	HED Soft-Edge Lines
  			PiDiNet Soft-Edge Lines
  			TEED Soft-Edge Lines
  depth	「controlnet depth」深度推定画像から画像生成	lllyasviel/control_v11f1p_sd15_depth	MiDaS Depth Map
  			LeReS Depth Map
  			Zoe Depth Map
  			Metric3D Depth
  seg	「controlnet segment」セグメンテーション画像から生成	lllyasviel/control_v11f1p_sd15_seg	OneFormer ADE20K Segmentor
  			OneFormer COCO Segmentor
  			UniFormer Segmentor
  normal	「controlnet nornmalbase」法線マップ画像から生成	lllyasviel/control_v11p_sd15_normalbae	BAE Normal Map
  			Normal DSINE
  			Metric3D Normal
  anime	「controlnet lineart_anime」アニメ線画から生成	lllyasviel/control_v11p_sd15s2_lineart_anime	Anime Lineart
  			Manga Lineart
  mlsd	「controlnet mlsd」直線検出画像から生成	lllyasviel/control_v11p_sd15_mlsd	M-LSD Lines
  tile	「controlnet tile」画像拡大	lllyasviel/control_v11u_sd15_tile	Tile

更新履歴†

• 2025/10/28 初版
  
• 2025/10/31 ページ構成変更
  

参考資料†

• ComfyUI
  
  • GitHub: comfyanonymous/ComfyUI
    
  • ComfyUIユーザーインターフェース?
    
  • ComfyUI 基礎入門チュートリアル
    
  • ComfyUIインストールパッケージフォルダの説明
    

• Comfy with ComfyUI　★★★
  
• 【2025年最新版】ComfyUIとは？使い方を初心者向けに徹底解説！インストールからHires. Fix・ControlNetまで
  
• ComfyUI ControlNetを深く探求: Depth、OpenPose、Canny、Lineart、Softedge、Scribble、Segなどを特徴として...
  
• [ComfyMaster41] ControlNet Tileで画像を高解像度化しよう！
  
• カスタムノードを最小限に抑えた基本的なComfyUIワークフロー
  
• ComfyUI初心者向けWorkflows構築術
  
• ComfyUIとは？ノードベースGUIでStable Diffusionを最大活用する機能・特徴・導入方法徹底解説！
  
• ComfyUIにCustom Nodes（拡張機能）をインストールする方法
  

• ComfyUI img2img
  
  • 【ComfyUI基礎シリーズ#2】ComfyUIでimg2imgどうやる？
    
  • 【ComfyUI基礎シリーズ#6】ControlNetノードの組み方
    
  • 【初心者】画像の立体感をそのままに思い通りの絵が作れる！ControlNet Depthの使い方！【ComfyUI】
    
  • 【初心者】思い通りのポーズで画像生成！ControlNetのOpenposeで構図を完全再現！【ComfyUI】
    

• ComfyUI Custom Node
  
  • 生成AIグラビアをグラビアカメラマンが作るとどうなる？第53回：ちょっと面白くて便利なComfyUI Workflow（西川和久）
    
  • GitHub: ComfyUI Local Media Manager
    
  • GitHub: D2-nodes-ComfyUI
    
  • GitHub: ComfyUI-Custom-Scripts
    
  • GitHub: ComfyUI's ControlNet Auxiliary Preprocessors