Skip to content

पहली बार इमेज जनरेशन: डिफ़ॉल्ट वर्कफ़्लो की हर नोड पर पूरी समझ ​

ComfyUI इंस्टॉल हो गया, मॉडल रख दिए, अब इस पाठ का लक्ष्य है: अपनी पहली ComfyUI टेक्स्ट-टू-इमेज पूरी करना, और वह भी सिर्फ़ «सब कुछ दोहरा दिया, बस» नहीं, बल्कि स्क्रीन पर दिखने वाले डिफ़ॉल्ट वर्कफ़्लो को एक-एक नोड पर पूरी तरह समझना——हर बॉक्स क्या करता है, पैरामीटर का क्या मतलब है, डेटा कैसे बहता है।

पहले एक बात साफ़ कर दें, ताकि आप मिलान न कर पाएं: आधिकारिक बिगिनर ट्यूटोरियल में इस्तेमाल होने वाला सैंपल वर्कफ़्लो और मौजूदा वर्शन ComfyUI में बिल्ट-इन डिफ़ॉल्ट वर्कफ़्लो एक ही नहीं हैं।

  • आधिकारिक बिगिनर दस्तावेज़ में सिखाया गया क्लासिक वर्कफ़्लो: SD1.5 छह-नोड (Load Checkpoint → CLIP Text Encode → Empty Latent Image → KSampler → VAE Decode → Save Image, आधिकारिक ट्यूटोरियल छह श्रेणियों की नोड के हिसाब से समझाता है, पॉज़िटिव और नेगेटिव दोनों CLIP Text Encode को एक श्रेणी माना जाता है), एक ही checkpoint फ़ाइल से काम हो जाता है, पिछले पाठ में आपने checkpoints में जो v1-5-pruned-emaonly-fp16.safetensors रखा था वही इसके लिए है
  • मौजूदा वर्शन (v0.41.0 से) में बिल्ट-इन डिफ़ॉल्ट वर्कफ़्लो: Z-Image-Turbo आधारित दस-नोड वर्कफ़्लो, मॉडल तीन फ़ाइलों में बंटकर अलग-अलग लोड होता है, आउटपुट 1024×1024

दोनों सेट को इस पेज पर हर नोड पर पूरी तरह समझाया गया है। इनका ढांचा बिल्कुल एक जैसा है: मॉडल लोड करें → प्रॉम्प्ट एनकोड करें → एक खाली कैनवास बनाएं → डीनॉइज़िंग सैंपलिंग → इमेज में डिकोड करें → सेव करें। एक सेट सीख लिया, तो ComfyUI के सभी टेक्स्ट-टू-इमेज वर्कफ़्लो आप समझ सकेंगे।

सीखने के बाद आप क्या कर सकेंगे ​

  • अपने आप पहली ComfyUI टेक्स्ट-टू-इमेज पूरी कर सकेंगे: वर्कफ़्लो लोड करें → मॉडल पूरे करें → प्रॉम्प्ट लिखें → Run दबाएं → इमेज सेव करें
  • क्लासिक छह-नोड वर्कफ़्लो की हर नोड की ज़िम्मेदारी बता सकेंगे: Load Checkpoint, CLIP Text Encode, Empty Latent Image, KSampler, VAE Decode, Save Image
  • मौजूदा वर्शन में बिल्ट-इन Z-Image-Turbo डिफ़ॉल्ट वर्कफ़्लो को समझ सकेंगे और पता होगा कि यह क्लासिक वर्कफ़्लो से नोड के स्तर पर कैसे अलग है
  • पॉज़िटिव/नेगेटिव प्रॉम्प्ट लिख सकेंगे, (关键词:1.2) वेट सिंटैक्स से किसी शब्द को मज़बूत कर सकेंगे
  • KSampler के steps, cfg, denoise, seed सेट कर सकेंगे, पता होगा कि हर पैरामीटर बदलने पर क्या होगा

आपकी अभी की दिक्कत ​

  • ComfyUI खोला, स्क्रीन भरी बॉक्सों और लाइनों से, समझ नहीं आता कहाँ से शुरू करें, डर लगता है कि ग़लत क्लिक से कुछ ख़राब हो जाएगा
  • नोड पर मॉडल कम होने की लाल चेतावनी तैर रही है, पता नहीं कौन सी फ़ाइल डाउनलोड करें, किस फ़ोल्डर में डालें
  • ऑनलाइन ट्यूटोरियल देखकर नोड ढूंढ रहे हैं, लेकिन इंटरफ़ेस का वर्कफ़्लो ट्यूटोरियल के स्क्रीनशॉट से मेल नहीं खाता, देखते-देखते और उलझन बढ़ती है

यह तरीका कब इस्तेमाल करें ​

जब आपको चाहिए:

  • पहली AI जनरेटेड इमेज बनाकर पुष्टि करना कि पूरा एनवायरनमेंट ठीक है
  • नोड-आधारित इमेज जनरेशन की पाइपलाइन को समझना, सिर्फ़ «ट्यूटोरियल देखकर लाइनें जोड़ना» नहीं
  • आगे Z-Image-Turbo, Qwen-Image, FLUX जैसे मॉडल वर्कफ़्लो सीखने की नींव रखना

और आप नहीं चाहते:

  • मॉडल या वर्कफ़्लो बदलते ही पूरी तरह हैरान हो जाना
  • लाल एरर दिखते ही रीइंस्टॉल करने की सोचना

🎒 शुरू करने से पहले की तैयारी ​

  • ComfyUI इंस्टॉल और स्टार्ट होने योग्य: Windows पोर्टेबल पैक के लिए देखें इंस्टॉल: Windows पोर्टेबल पैक, डेस्कटॉप / macOS / Linux के लिए देखें वैकल्पिक इंस्टॉल
  • पिछले पाठ मॉडल कहाँ रखें पूरा किया: models/checkpoints/ में पहले से v1-5-pruned-emaonly-fp16.safetensors मौजूद है (आधिकारिक बिगिनर मॉडल, लगभग 4GB)
  • VRAM बहुत टाइट न हो: आधिकारिक दस्तावेज़ के अनुसार SD1.5 लगभग 4GB साइज़ का है, 6GB VRAM वाला कंज़्यूमर ग्राफ़िक्स कार्ड इसे आसानी से चला सकता है; Z-Image-Turbo रूट के लिए 16GB VRAM सुझाया गया है
  • नेटवर्क से Hugging Face एक्सेस हो: मॉडल कम होने पर ऑटो डाउनलोड Hugging Face से फ़ाइल खींचता है, चीन के नेटवर्क पर प्रॉक्सी चाहिए हो सकता है (धीमा डाउनलोड आपकी ग़लती नहीं है)

💡 इंटरफ़ेस चीनी में है

ComfyUI चीनी इंटरफ़ेस सपोर्ट करता है: Settings खोलें, Comfy → Locale में चीनी चुनें। इस पेज पर बटन के नाम अंग्रेज़ी इंटरफ़ेस के हिसाब से हैं, चीनी नाम लगभग मेल खाते हैं।

मुख्य विचार ​

**टेक्स्ट-टू-इमेज यानी «किसी से चित्र बनवाना»। ** आधिकारिक दस्तावेज़ का रूपक बहुत सीधा है: आप अपनी मांगें (पॉज़िटिव प्रॉम्प्ट = क्या चाहिए, नेगेटिव प्रॉम्प्ट = क्या नहीं चाहिए) एक चित्रकार (जनरेशन मॉडल) को बताते हैं, चित्रकार मांग के अनुसार रचना करता है। तकनीकी रूप से, डिफ़्यूज़न मॉडल रिवर्स डिफ़्यूज़न करता है: शुद्ध गॉशियन नॉइज़ से शुरू करके कदम-दर-कदम डीनॉइज़ करते हुए अंत में प्रॉम्प्ट से मेल खाती इमेज «प्रकट» करता है।

डीनॉइज़िंग लेटेंट स्पेस (latent space) में होती है, पिक्सेल स्पेस में नहीं। लेटेंट स्पेस इमेज का कंप्रेस्ड प्रतिनिधित्व है, इसे आर्किटेक्ट के नक्शे की तरह समझें: नक्शे पर डिज़ाइन बदलना, बने हुए इमारत पर सीधे बदलाव करने से बहुत सस्ता है। इसलिए पाइपलाइन है «नॉइज़ लेटेंट स्पेस → KSampler कदम-दर-कदम डीनॉइज़ → VAE डिकोड → पिक्सेल इमेज», मॉडल पूरे समय «नक्शे» पर काम करता है, आख़िरी कदम पर वह इमेज बनती है जो आप देख सकते हैं।

वर्कफ़्लो = पाइपलाइन। कैनवास पर हर नोड एक प्रक्रिया-चरण है, और कनेक्टिंग लाइनें डेटा के प्रवाह की दिशा हैं। टेक्स्ट-टू-इमेज वर्कफ़्लो का कंकाल छह चरणों का है:

मॉडल लोड करना → प्रॉम्प्ट एनकोड करना → खाली कैनवास बनाना → डीनॉइज़िंग सैंपलिंग → इमेज में डिकोड करना → सेव करना

एक checkpoint में तीन चीज़ें होती हैं। क्लासिक वर्कफ़्लो Load Checkpoint से एक फ़ाइल लोड करता है, लेकिन इस फ़ाइल के अंदर तीन चीज़ों का सेट होता है:

घटकक्या काम करता है
MODEL (UNet)डिफ्यूज़न मॉडल का मुख्य हिस्सा, नॉइज़ की भविष्यवाणी और चरण-दर-चरण डीनॉइज़ करके इमेज बनाने के लिए ज़िम्मेदार
CLIPटेक्स्ट एनकोडर, आपके प्रॉम्प्ट को मॉडल की समझ वाले सिमेंटिक वेक्टर में अनुवाद करता है
VAEएनकोडर/डिकोडर, पिक्सेल स्पेस और लेटेंट स्पेस के बीच आपस में बदलाव करता है

नए मॉडल (Z-Image-Turbo, FLUX, Wan2.2……) ज़्यादातर अब एक ही checkpoint में पैक नहीं होते, बल्कि इन तीनों को अलग-अलग फ़ाइलों में बाँटकर अपने-अपने loader से अलग से लोड किया जाता है — इसीलिए दोनों वर्कफ़्लो में नोड संख्या अलग होती है।

दोनों वर्कफ़्लो की तुलना (इस पेज पर दोनों को नोड-दर-नोड समझाया जाएगा):

क्लासिक ट्यूटोरियल वर्कफ़्लो (आधिकारिक शुरुआती दस्तावेज़)इनबिल्ट डिफ़ॉल्ट वर्कफ़्लो (v0.41.0 से)
मॉडलSD1.5 एक checkpointZ-Image-Turbo तीन फ़ाइलें
लोडिंग नोडLoad Checkpoint एकUNETLoader + CLIPLoader + VAELoader तीन
कैनवास नोडEmpty Latent Image (512×512)EmptySD3LatentImage (1024×1024)
सैंपलिंग पैरामीटर20 स्टेप, cfg 8, euler / normal8 स्टेप, cfg 1, res_multistep / simple
विशेष नोड—ModelSamplingAuraFlow (shift एडजस्टमेंट)
बाकी नोडCLIP Text Encode ×2, KSampler, VAE Decode, Save Imageसमान

v0.41.0 से सर्वर में डिफ़ॉल्ट वर्कफ़्लो रूट (/default_workflow) जोड़ा गया है, और इनबिल्ट डिफ़ॉल्ट वर्कफ़्लो वर्ज़न के साथ अपडेट होता है — स्टार्ट करते समय दिखने वाले नोड अगर इस पेज से अलग हों, तो ज़्यादातर वर्ज़न का अंतर है, सीखने पर कोई असर नहीं पड़ता।

मेरे साथ करें ​

चरण 1: ComfyUI शुरू करें और टेक्स्ट-टू-इमेज वर्कफ़्लो लोड करें ​

क्यों: ComfyUI टेक्स्ट-टू-इमेज की सारी कार्रवाई कैनवास पर मौजूद वर्कफ़्लो में होती है, पहले सुनिश्चित करें कि कैनवास पर एक पूरा टेक्स्ट-टू-इमेज वर्कफ़्लो हो।

कैसे करें: ComfyUI शुरू करें (पोर्टेबल पैकेज में run_nvidia_gpu.bat पर डबल-क्लिक, डेस्कटॉप संस्करण में आइकन पर डबल-क्लिक), ब्राउज़र में 127.0.0.1:8188 खुलेगा। आधिकारिक दस्तावेज़ कहता है: ComfyUI शुरू होते समयआमतौर पर डिफ़ॉल्ट टेक्स्ट-टू-इमेज वर्कफ़्लो अपने आप लोड हो जाता है — बिल्कुल नए इंस्टॉल वाले मौजूदा वर्ज़न में, ऊपर टेबल में दिया गया वही Z-Image-Turbo वर्कफ़्लो लोड होता है।

आधिकारिक शुरुआती ट्यूटोरियल के साथ क्लासिक SD1.5 छह-नोड वर्कफ़्लो (इस पेज के चरण 3 में इसे मुख्य धारा मानकर नोड-दर-नोड समझाया गया है) चलाना चाहते हैं, तो तीन लोड करने के तरीकों में से कोई भी चुनें:

तरीका A: सैंपल इमेज खींचकर छोड़ें (सुझावित) ​

ComfyUI जनरेट हुई हर इमेज में वर्कफ़्लो मेटाडेटा होता है, इमेज को कैनवास पर खींचकर छोड़ने से वर्कफ़्लो वापस लोड हो जाता है। आधिकारिक ट्यूटोरियल तैयार सैंपल इमेज देता है: text-to-image-workflow.png, डाउनलोड करके सीधे ComfyUI विंडो में खींचकर छोड़ें।

तरीका B: वर्कफ़्लो JSON खोलें ​

आधिकारिक दस्तावेज़ क्लासिक वर्कफ़्लो की JSON फ़ाइल देता है: text-to-image.json, डाउनलोड करके मेनू Workflows → Open से खोलें।

तरीका C: टेंपलेट लाइब्रेरी से लोड करें ​

साइडबार के Workflows पैनल में आधिकारिक टेंपलेट लाइब्रेरी ब्राउज़ करें, एक क्लिक में तरह-तरह के वर्कफ़्लो लोड करें, मॉडल की कमी हो तो अपने आप डाउनलोड भी हो जाता है — जानकारी के लिए टेंपलेट लाइब्रेरी देखें।

आपको यह दिखना चाहिए: कैनवास पर लाइनों से जुड़े नोडों की एक कतार दिखे, बाएँ मॉडल लोडिंग नोड से लेकर दाएँ Save Image तक।

  • कैनवास पर एक पूरा टेक्स्ट-टू-इमेज वर्कफ़्लो है (छह-नोड क्लासिक संस्करण या दस-नोड डिफ़ॉल्ट संस्करण)

चरण 2: मॉडल पूरे करें — जो कम है वही डाउनलोड करें, सही जगह पर रखें ​

क्यों: ComfyUI इंस्टॉल पैकेज में मॉडल नहीं होते। जब वर्कफ़्लो में इस्तेमाल होने वाली मॉडल फ़ाइल मौजूद न हो, तो संबंधित नोड पर लाल मिसिंग चेतावनी दिखती है, और सीधे Run दबाने पर सिर्फ़ एरर आता है।

कैसे करें: नोड पर दिखने वाली चेतावनी देखें। आधिकारिक शुरुआती दस्तावेज़ की प्रक्रिया है: पहले मिसिंग मॉडल की चेतावनी दिखे → चेतावनी खोलकर देखें कौन सी फ़ाइल कम है और डाउनलोड लिंक क्या है → पूरा करें।

रूट A: क्लासिक वर्कफ़्लो (SD1.5, एक फ़ाइल) ​

पिछले पाठ में आप v1-5-pruned-emaonly-fp16.safetensors को models/checkpoints/ में पहले ही रख चुके हैं। कैनवास पर r दबाकर नोड परिभाषाएँ रिफ्रेश करें, और Load Checkpoint की ड्रॉपडाउन सूची में इसे चुन लें। अभी डाउनलोड नहीं किया है, तो Hugging Face आधिकारिक आर्काइव पेज से मैन्युअली डाउनलोड करें।

रूट B: डिफ़ॉल्ट वर्कफ़्लो (Z-Image-Turbo, तीन फ़ाइलें) ​

डिफ़ॉल्ट वर्कफ़्लो तीन फ़ाइलों का इस्तेमाल करता है, आधिकारिक ट्यूटोरियल में दिए गए डाउनलोड पते और रखने की जगह:

फ़ाइलकिस सबडायरेक्टरी में रखेंडाउनलोड पता
z_image_turbo_bf16.safetensorsmodels/diffusion_models/Hugging Face
qwen_3_4b.safetensorsmodels/text_encoders/Hugging Face
ae.safetensorsmodels/vae/Hugging Face

सही जगह रखने के बाद r दबाकर रिफ्रेश करें, और तीनों loader नोड की ड्रॉपडाउन सूचियों में संबंधित फ़ाइलें चुनें। अगर यह पक्का न हो कि कौन सी फ़ाइल किस जगह में जाएगी, तो मॉडल कहाँ रखें की तुलना टेबल फिर से देखें।

ऑटो-डाउनलोड कैसे ट्रिगर होता है ​

मॉडल-अनुपस्थिति चेतावनी में दिखने वाले Download बटन पर क्लिक करें; दोनों इंस्टॉल तरीकों का व्यवहार अलग होता है (आधिकारिक दस्तावेज़ के अनुसार):

  • Comfy Desktop: स्वतः डाउनलोड करके ComfyUI/models/ के संगत सबडायरेक्टरी में सहेजता है, साइडबार के मॉडल पैनल में प्रगति दिखती है
  • ComfyUI Portable: ब्राउज़र डाउनलोड शुरू करता है, डाउनलोड पूरा होने पर आप खुद फ़ाइल को संगत सबडायरेक्टरी में खिसकाते हैं

⚠️ डाउनलोड आगे नहीं बढ़ रहा?

स्वचालित डाउनलोड Hugging Face से फ़ाइलें खींचता है; आधिकारिक दस्तावेज़ याद दिलाता है कि नेटवर्क Hugging Face से स्थिर रूप से जुड़ना चाहिए। लंबे समय तक प्रगति न हो तो डाउनलोड लिंक कॉपी करके मैन्युअली डाउनलोड करें, या प्रॉक्सी कॉन्फ़िगर करके दोबारा कोशिश करें।

आपको यह दिखना चाहिए: सभी लाल अनुपस्थिति चेतावनियाँ गायब हो जाती हैं, हर loader नोड की ड्रॉपडाउन सूची में फ़ाइल नाम चुना जा सकता है (सूची खाली नहीं है, और null भी नहीं दिखता)।

  • वर्कफ़्लो में कोई लाल अनुपस्थिति चेतावनी नहीं है, सभी loader नोड्स में सही मॉडल फ़ाइलें चुनी गई हैं

चरण 3: हर नोड को पूरी तरह समझें — ComfyUI टेक्स्ट-से-इमेज वर्कफ़्लो ​

क्यों: यही इस पाठ का केंद्र है। हर नोड की भूमिका और पैरामीटर समझ लेने पर ही आप वास्तव में जानते हैं कि「ComfyUI इमेज कैसे बनाता है」, वरना आप बस एक मानव दोहराने वाली मशीन हैं।

पहले क्लासिक SD1.5 छह-नोड वर्कफ़्लो देखें (डेटा बाएँ से दाएँ बहता है):

Load Checkpoint ──┬── MODEL ──────────────────→ KSampler ──→ VAE Decode ──→ Save Image
                  ├── CLIP ──→ CLIP Text Encode(正向)──→ KSampler
                  │        └→ CLIP Text Encode(负向)──→ KSampler
                  └── VAE ──────────────────────────→ VAE Decode
Empty Latent Image ─────────────────────────→ KSampler

Load Checkpoint: एक फ़ाइल में तीन चीज़ें ​

इमेज-जनरेशन मॉडल लोड करता है। एक checkpoint के अंदर MODEL (UNet, डीनॉइज़िंग का काम), CLIP (टेक्स्ट एनकोडर), VAE (लेटेंट↔पिक्सेल रूपांतरण) — ये तीनों होते हैं, इसीलिए इसके तीन आउटपुट पोर्ट हैं जो डाउनस्ट्रीम के अलग-अलग नोड्स से जुड़ते हैं। ड्रॉपडाउन सूची models/checkpoints/ की सभी फ़ाइलें दिखाती है — पिछले पाठ का डायरेक्टरी नियम यहीं असर डालता है: गलत सबडायरेक्टरी में रखी फ़ाइल इस सूची में नहीं आती।

CLIP Text Encode (×2): प्रॉम्प्ट को मॉडल की भाषा में अनुवाद ​

मॉडल इंसानी भाषा नहीं समझता। यह नोड Load Checkpoint के CLIP कंपोनेंट से आपके लिखे प्रॉम्प्ट को सिमेंटिक वेक्टर में एनकोड करता है (आधिकारिक नाम「शर्त」, CONDITIONING)। वर्कफ़्लो में दो हैं:

  • KSampler के positive इनपुट पोर्ट से जुड़ा: पॉज़िटिव प्रॉम्प्ट, क्या चाहिए
  • KSampler के negative इनपुट पोर्ट से जुड़ा: निगेटिव प्रॉम्प्ट, क्या नहीं चाहिए

Empty Latent Image: एक खाली कैनवास तय करें ​

शुद्ध नॉइज़ वाला एक लेटेंट स्पेस बनाता है, जिसे KSampler को डीनॉइज़िंग का शुरुआती बिंदु देता है। यही अंतिम इमेज का आकार तय करता है — आधिकारिक सैंपल वर्कफ़्लो में यह 512×512, बैच 1 है, जो SD1.5 के आरामदायक क्षेत्र में है (यह 512×512 रेज़ोल्यूशन पर ट्रेन हुआ है)। जितनी बड़ी इमेज चाहिए, यहीं बदलें।

KSampler: डीनॉइज़िंग का केंद्र, पूरे वर्कफ़्लो का दिल ​

पूरा रिवर्स डिफ़्यूज़न यहीं होता है: seed को रैंडम स्रोत मानकर शुरुआती नॉइज़ बनाता है, steps में दी गई संख्या तक बार-बार डीनॉइज़ करता है, हर कदम पर पॉज़िटिव/निगेटिव दोनों शर्तों को देखता है, और अंत में एक「साफ़」लेटेंट आउटपुट देता है। पैरामीटर कैसे सेट करें, इसकी पूरी तालिका चरण 5 में है।

VAE Decode: लेटेंट स्पेस → पिक्सेल ​

KSampler के आउटपुट लेटेंट इमेज को आपको दिखने वाली पिक्सेल इमेज में डिकोड करता है। इसमें इस्तेमाल होने वाला VAE वही है जो Load Checkpoint ने आउटपुट किया था। यह कदम न हो तो स्क्रीन पर सिर्फ़ संख्याओं का ढेर होता।

Save Image: प्रीव्यू और सेव ​

डिकोड हुई इमेज दिखाता है और उसे ComfyUI/output/ फ़ोल्डर में सहेजता है। filename_prefix फ़ाइल नाम का प्रीफ़िक्स है, डिफ़ॉल्ट ComfyUI। इमेज पर राइट-क्लिक करके उसे कहीं और सेव कर सकते हैं।


अब मौजूदा वर्शन में बिल्ट-इन Z-Image-Turbo डिफ़ॉल्ट वर्कफ़्लो देखें, नोड-दर-नोड तुलना:

नोडकामडिफ़ॉल्ट वर्कफ़्लो के मुख्य पैरामीटर
UNETLoaderसिर्फ़ डिफ़्यूज़न मॉडल लोड करता है (तीनों में से पहला टुकड़ा)z_image_turbo_bf16.safetensors
CLIPLoaderसिर्फ़ टेक्स्ट एनकोडर लोड करता हैqwen_3_4b.safetensors, प्रकार lumina2
VAELoaderसिर्फ़ VAE लोड करता हैae.safetensors
ModelSamplingAuraFlowमॉडल में नॉइज़ शेड्यूल पैच जोड़ता है, shift नॉइज़ वितरण नियंत्रित करता हैshift = 3
CLIP Text Encode ×2क्लासिक वर्कफ़्लो जैसा: पॉज़िटिव / निगेटिवनिगेटिव डिफ़ॉल्ट low quality, bad anatomy, extra digits...
EmptySD3LatentImageEmpty Latent Image की भूमिका जैसा1024×1024, बैच 1
KSamplerक्लासिक वर्कफ़्लो जैसा, पैरामीटर ज़्यादा「Turbo」8 कदम, cfg 1, res_multistep / simple, denoise 1
VAEDecodeक्लासिक वर्कफ़्लो जैसा—
SaveImageक्लासिक वर्कफ़्लो जैसाप्रीफ़िक्स ComfyUI

छह-नोड क्लासिक संस्करण समझ लिया तो यह तालिका बस「लोडिंग तरीका बदला + एक शेड्यूल पैच जुड़ा」है, बाकी वैसा ही। Z-Image-Turbo एक डिस्टिल्ड मॉडल है; आधिकारिक ट्यूटोरियल कहता है कि यह 8 कदमों में ही इमेज बना देता है, 16GB VRAM वाले कंज़्यूमर डिवाइस पर फ़िट है, और चीनी-अंग्रेज़ी दोनों भाषाओं के टेक्स्ट रेंडरिंग में भी माहिर है — इसे गहराई से आज़माने के लिए Z-Image-Turbo टेक्स्ट-से-इमेज देखें।

आपको यह दिखना चाहिए: कैनवास पर बाएँ से दाएँ देखते हुए आप बता सकते हैं कि हर नोड क्या करता है और कनेक्शन में कौन-सा डेटा बह रहा है।

  • मैं अपने कैनवास पर हर नोड की भूमिका बता सकता हूँ (छह-नोड या दस-नोड संस्करण)

चरण 4: पॉज़िटिव और निगेटिव प्रॉम्प्ट लिखें — मॉडल को बताएँ क्या बनाना है ​

क्यों: प्रॉम्प्ट आपके और मॉडल के बीच संवाद का एकमात्र ज़रिया है। कहाँ लिखें, कैसे लिखें — इससे सीधे तय होता है कि कैसी इमेज बनेगी।

करें: दोनों CLIP Text Encode नोड ढूँढें, कनेक्शन देखकर पक्का करें कि कौन KSampler के positive (पॉज़िटिव) से और कौन negative (निगेटिव) से जुड़ा है, फिर शब्द भरें।

आधिकारिक ट्यूटोरियल SD1.5 के प्रॉम्प्ट के पाँच सिद्धांत देता है:

  • जहाँ तक हो सके अंग्रेज़ी इस्तेमाल करें (SD1.5 अंग्रेज़ी सबसे अच्छी तरह समझता है)
  • शब्द-समूहों के बीच अंग्रेज़ी कॉमा , से अलग करें
  • छोटे वाक्यांश लिखें, लंबे वाक्य नहीं
  • विवरण सटीक हो (「लाल रेशमी लंबी पोशाक」,「सुंदर कपड़े」से बेहतर है)
  • किसी शब्द को मज़बूत करने के लिए वेट सिंटैक्स (golden hour:1.2) इस्तेमाल करें — कोष्ठक में मुख्य शब्द, कोलन के बाद वेट; आधिकारिक दस्तावेज़ साफ़ कहता है कि ऐसा करने से वह इमेज में ज़्यादा आसानी से आता है; masterpiece, best quality, 4k जैसे क्वालिटी शब्द इमेज की क्वालिटी बढ़ा सकते हैं

आधिकारिक ट्यूटोरियल के तीन सैंपल प्रॉम्प्ट, सीधे कॉपी करके आज़माएँ:

ऐनिमे स्टाइल

text
正向:anime style, 1girl with long pink hair, cherry blossom background, studio ghibli aesthetic, soft lighting, intricate details, masterpiece, best quality, 4k

负向:low quality, blurry, deformed hands, extra fingers

रियलिस्टिक पोर्ट्रेट

text
正向:(ultra realistic portrait:1.3), (elegant woman in crimson silk dress:1.2), full body, soft cinematic lighting, (golden hour:1.2), (fujifilm XT4:1.1), shallow depth of field, (skin texture details:1.3), (film grain:1.1), gentle wind flow, warm color grading, (perfect facial symmetry:1.3)

负向:(deformed, cartoon, anime, doll, plastic skin, overexposed, blurry, extra fingers)

इलस्ट्रेशन स्टाइल

text
正向:fantasy elf, detailed character, glowing magic, vibrant colors, long flowing hair, elegant armor, ethereal beauty, mystical forest, magical aura, high detail, soft lighting, fantasy portrait, Artgerm style

负向:blurry, low detail, cartoonish, unrealistic anatomy, out of focus, cluttered, flat lighting

💡 चीनी प्रॉम्प्ट कहाँ लिखें?

SD1.5 युग में अंग्रेज़ी लिखें। Z-Image-Turbo डिफ़ॉल्ट वर्कफ़्लो इस्तेमाल करें तो आधिकारिक जानकारी के अनुसार यह चीनी-अंग्रेज़ी दोनों प्रॉम्प्ट समर्थन करता है और इमेज के भीतर के चीनी-अंग्रेज़ी टेक्स्ट को सही रेंडर भी कर देता है — चीनी ज़रूरत सीधे लिख दें।

आपको यह दिखना चाहिए: दोनों CLIP Text Encode के टेक्स्ट बॉक्स में positive और negative प्रॉम्प्ट भरे हुए हैं।

  • positive और negative प्रॉम्प्ट भरे जा चुके हैं, और पुष्टि कर लें कि उल्टे नहीं भरे हैं (देखें कि कनेक्शन KSampler के किस पोर्ट की ओर जाता है)

चरण 5: Run पर क्लिक करके अपनी पहली इमेज जनरेट करें ​

क्यों: अब तक सब तैयारी थी, असली जनरेशन इसी चरण में होता है — ComfyUI पूरी पाइपलाइन को क्यू में डालकर निष्पादित करता है।

कार्य:

  1. एक बार जांच लें: loader में मॉडल चुना गया है, प्रॉम्प्ट भरे हैं, साइज़ सही है
  2. कैनवास के ऊपर बने Run बटन पर क्लिक करें, या शॉर्टकट Ctrl + Enter दबाएं
  3. निष्पादन का इंतज़ार करें: Run bar क्यू के टास्क दिखाता है (active jobs काउंट), बीच में रोकने के लिए बगल का Cancel दबाएं
  4. इमेज बनने पर Save Image नोड में नतीजा देखें; इमेज पर राइट-क्लिक करके लोकल सेव कर सकते हैं (फ़ाइल पहले से ही ComfyUI/output/ में सेव हो चुकी होती है)

आपको यह दिखना चाहिए: Run bar का टास्क काउंट चलने लगता है, और निष्पादन पूरा होने पर Save Image नोड में आपकी पहली इमेज दिखाई देती है।

💡 पसंद न आए तो दोबारा चलाएं

आधिकारिक ट्यूटोरियल के मूल शब्द: पसंद न आए तो कई बार चलाएं। सैंपल वर्कफ़्लो का seed कंट्रोल randomize है, हर बार KSampler चलने पर नया रैंडम सीड लगता है और हर बार अलग इमेज बनती है।

Run दबाने से पहले, दो मिनट लेकर KSampler के हर पैरामीटर को जान लेना फ़ायदेमंद है (आधिकारिक ट्यूटोरियल की पूरी पैरामीटर तालिका, दोनों वर्कफ़्लो के लिए समान):

पैरामीटरकामकैसे समझें
modelकौन सा डिफ्यूज़न मॉडल जोड़ना हैस्टाइल और गुणवत्ता की बुनियादी नींव
positivepositive कंडीशनआपके वांछित तत्वों की ओर जनरेशन को मार्गदर्शित करता है
negativenegative कंडीशनअनचाही सामग्री को दबाता है
latent_imageजिस लेटेंट स्पेस को डीनॉइज़ करना हैनॉइज़ से इनिशियलाइज़ होने वाला वाहक (साइज़ यहीं तय होता है)
seedरैंडम सीडरैंडमनेस को नियंत्रित करता है; समान seed + समान पैरामीटर = वही इमेज दोबारा
control_after_generateजनरेशन के बाद की सीड स्ट्रैटेजीrandomize हर बार बदलें, fixed स्थिर रखें
stepsडीनॉइज़िंग के चरणचरण जितने ज़्यादा, डिटेल उतनी बेहतर, पर उतना ही धीमा
cfgप्रॉम्प्ट गाइडेंस की ताकतजितना ऊँचा, उतना आज्ञाकारी; आधिकारिक चेतावनी कि बहुत ऊँचा होने पर ओवरफ़िटिंग होती है
sampler_nameसैंपलिंग एल्गोरिद्मडीनॉइज़िंग पथ की गणितीय विधि (euler, res_multistep……)
schedulerशेड्यूलरनॉइज़ क्षय की गति और स्टेप-साइज़ आवंटन को नियंत्रित करता है (normal, simple……)
denoiseडीनॉइज़ की ताकत0.0 मूल इनपुट बनाए रखता है, 1.0 शुद्ध नॉइज़ से पूर्ण डीनॉइज़िंग करता है

पहली बार चलाते समय कुछ भी न बदलें, पहले डिफ़ॉल्ट पैरामीटर से एक इमेज बनाएं। बाद में खुद प्रयोग करें: प्रॉम्प्ट बदलकर दोबारा चलाएं, steps को 20 से 30 करके डिटेल की तुलना करें, seed स्थिर रखकर सिर्फ़ प्रॉम्प्ट बदलें और कारण-परिणाम देखें। Z-Image-Turbo वर्कफ़्लो का 8 स्टेप + cfg 1 डिस्टिल्ड मॉडल की अनुशंसित सेटिंग है, इसे SD1.5 के 20 स्टेप + cfg 8 की नकल करके न बदलें।

  • मेरे Save Image नोड में पहली इमेज दिखाई दी, और वह लोकल पर सेव भी हो गई

चेकपॉइंट ✅ ​

  • मैंने पहली ComfyUI टेक्स्ट-टू-इमेज सफलतापूर्वक चलाई: वर्कफ़्लो लोड करें → मॉडल जोड़ें → प्रॉम्प्ट लिखें → Run → सेव करें
  • मैं कैनवास को देखकर हर नोड की ज़िम्मेदारी बता सकता/सकती हूँ, जिसमें Load Checkpoint के MODEL / CLIP / VAE तीनों का काम शामिल है
  • मुझे पता है कि positive प्रॉम्प्ट KSampler के positive से और negative प्रॉम्प्ट negative से जुड़ता है, और मैं (关键词:1.2) से वेट जोड़ना जानता/जानती हूँ
  • मुझे पता है कि steps / cfg / denoise / seed हर एक क्या नियंत्रित करता है, और पैरामीटर बदलने से पहले मैं नतीजे का अंदाज़ा लगा सकता/सकती हूँ
  • मुझे पता है कि वर्तमान वर्शन के बिल्ट-इन डिफ़ॉल्ट वर्कफ़्लो (Z-Image-Turbo) और आधिकारिक ट्यूटोरियल के क्लासिक वर्कफ़्लो (SD1.5) में क्या अंतर है

आम ग़लतियों की चेतावनी ​

❌ Load Checkpoint में null दिखता है या ड्रॉपडाउन सूची खाली है ​

आधिकारिक ट्रबलशूटिंग क्रम: पुष्टि करें कि मॉडल सही सबडायरेक्टरी में है (checkpoint models/checkpoints/ में) → कैनवास पर r दबाकर रिफ़्रेश करें → ComfyUI रीस्टार्ट करें। फिर भी न हो तो फ़ाइल खुद में समस्या है, मॉडल लोड होने में विफलता देखें। डायरेक्टरी नियमों से अनजान हैं तो मॉडल कहाँ रखें पर लौटें।

❌ नोड्स पर ढेर सारी लाल चेतावनियाँ, इमेज नहीं बनती ​

लाल = मॉडल ग़ायब है या नोड पैरामीटर अमान्य हैं; पूरा न करने तक इमेज सामान्य रूप से नहीं बनेगी। चरण 2 की प्रक्रिया से चेतावनी खोलकर देखें कि कौन सी फ़ाइल ग़ायब है; जोड़ने के बाद चेतावनी अपने आप ग़ायब हो जाती है। ग़ायब मॉडल देश में डाउनलोड न हो रहा हो तो प्रॉक्सी लगाएं या मैन्युअली डाउनलोड करके संबंधित सबडायरेक्टरी में रखें।

❌ मेरा इंटरफ़ेस ट्यूटोरियल के स्क्रीनशॉट से बिल्कुल अलग है ​

संभवतः आपकी ग़लती नहीं है: आधिकारिक शुरुआती ट्यूटोरियल के स्क्रीनशॉट क्लासिक SD1.5 वर्कफ़्लो के हैं, जबकि v0.41.0 से ComfyUI का बिल्ट-इन डिफ़ॉल्ट वर्कफ़्लो Z-Image-Turbo बन गया है — नोड संख्या और नाम दोनों अलग हैं। इस पेज के चरण 3 की दोनों नोड तालिकाओं से मिलाकर पुष्टि करें कि आपने कौन सा सेट लोड किया है; कोई विशेष वर्कफ़्लो लोड करना हो तो इमेज ड्रैग करने, JSON खोलने या टेम्पलेट लाइब्रेरी — इन तीन में से किसी एक तरीके का उपयोग करें।

❌ इमेज धुंधली है, हाथ बिगड़े हैं, और क़िस्मत आज़माने Run बार-बार दबा रहे हैं ​

SD1.5 की आधिकारिक रूप से ज्ञात कमज़ोरी: हाथ और जटिल लाइटिंग आसानी से बिगड़ते हैं, सीधे 1024×1024 जनरेट करने पर गुणवत्ता गिरती है (यह 512×512 पर ट्रेन हुआ है)। Run लगातार दबाने की बजाय seed स्थिर करें, प्रॉम्प्ट सुधारें (negative में deformed hands, extra fingers जोड़ें), और ज़रूरत पड़े तो अपस्केल वर्कफ़्लो से दोबारा प्रोसेस करें — अपस्केल के तरीके देखें प्रोडक्ट इमेज हाई-रेज़ोल्यूशन अपस्केल।

एडवांस टिप्स (वैकल्पिक) ​

🔧 Run bar में सिर्फ़ Run बटन नहीं होता: ऊपर तैरते Run bar पर बैच (batch count, एक बार क्यू में कितनी बार चलेगा, डिफ़ॉल्ट 1), क्यू मोड (Run सिर्फ़ क्लिक करने पर क्यू में डालता है; Run (On Change) वर्कफ़्लो बदलते ही अपने आप दोबारा चलता है; Run (Instant) मौजूदा टास्क ख़त्म होते ही तुरंत दोबारा चलता है), Cancel (मौजूदा टास्क रद्द करें) भी हैं। Shift दबाकर Run दबाने से टास्क क्यू के सबसे आगे जुड़ जाता है।

🔧 इमेज ही वर्कफ़्लो का आर्काइव होती है:ComfyUI जनरेट की गई इमेज में वर्कफ़्लो मेटाडेटा पहले से शामिल होता है, अपनी जनरेट की हुई किसी भी इमेज को कैनवास पर वापस खींचें और उस समय का वर्कफ़्लो और पैरामीटर फिर से बहाल हो जाएंगे। सक्रिय रूप से एक्सपोर्ट करना चाहें, तो मेनू Workflows → Export से JSON फ़ाइल के रूप में सेव करें।

🔧 एक बार में कई इमेज बनाकर तुलना करें:batch count बढ़ाएं, या Empty Latent Image का batch पैरामीटर बड़ा करें, ताकि एक Run में कई इमेज बनें और आप सबसे अच्छी चुन सकें।

🔧 शॉर्टकट सिर्फ़ Ctrl+Enter नहीं हैं:r नोड डेफ़िनिशन रिफ़्रेश करें, Ctrl+O वर्कफ़्लो खोलें, पूरी की-लिस्ट के लिए देखें शॉर्टकट और इंटरफ़ेस क्विक रेफ़रेंस।

इस पाठ का सारांश ​

✅ ComfyUI टेक्स्ट-से-इमेज का कंकाल:मॉडल लोड करें → प्रॉम्प्ट एनकोड करें → खाली कैनवास बनाएं → KSampler से डीनॉइज़ → VAE डिकोड → सेव करें। सभी टेक्स्ट-से-इमेज वर्कफ़्लो इसी कंकाल के वेरिएंट हैं।

✅ एक checkpoint में तीन चीज़ें:MODEL (UNet) डीनॉइज़िंग संभालता है, CLIP प्रॉम्प्ट समझना संभालता है, VAE latent स्पेस और पिक्सेल के बीच बदलाव संभालता है; नए मॉडल इन तीनों को अलग-अलग लोड करते हैं।

✅ दोनों वर्कफ़्लो पहचान लें:आधिकारिक ट्यूटोरियल का क्लासिक SD1.5 छह-नोड वर्कफ़्लो (20 स्टेप / cfg 8 / 512×512), और v0.41.0 से शामिल Z-Image-Turbo डिफ़ॉल्ट वर्कफ़्लो (8 स्टेप / cfg 1 / 1024×1024, तीन फ़ाइलें अलग-अलग इंस्टॉल होती हैं)।

✅ प्रॉम्प्ट लिखना आ गया:पॉज़िटिव को positive से, निगेटिव को negative से जोड़ें; अंग्रेज़ी वाक्यांश कॉमा से अलग करें; (关键词:1.2) वेट सिंटैक्स से कीवर्ड पर ज़ोर दें।

✅ ComfyUI में इमेज कैसे जनरेट करें:Run या Ctrl + Enter से कतार में डालें, नतीजा Save Image नोड में आता है, राइट-क्लिक कर सेव करें, फ़ाइल ComfyUI/output/ में जाती है।

मुख्य पैरामीटरों की समीक्षा (पहली बार चलाते समय डिफ़ॉल्ट ही रखें):

पैरामीटरक्लासिक SD1.5 वर्कफ़्लोZ-Image-Turbo डिफ़ॉल्ट वर्कफ़्लोव्याख्या
steps208डिस्टिल्ड मॉडल का कम स्टेप में चलना एक विशेषता है, आलस्य नहीं
cfg81Turbo-श्रेणी के मॉडल का cfg यही होता है 1
sampler / schedulereuler / normalres_multistep / simpleवर्कफ़्लो के अनुसार चलें
denoise1.01.0टेक्स्ट-से-इमेज शुद्ध नॉइज़ से शुरू होती है, इसलिए निश्चित 1.0
seedrandomizefixedदोबारा बनाना हो तो फ़िक्स करें, रैंडम चाहिए तो रैंडमाइज़
साइज़512×5121024×1024SD1.5 को सीधे 1024 तक मत बढ़ाएं

अगले पाठ की झलक ​

पहली इमेज जनरेट करना सिर्फ़ वॉर्म-अप था।ComfyUI असली मज़ा है «सही मॉडल चुनकर काम शुरू करना»: अलग-अलग मॉडल बिल्कुल अलग-अलग कामों में माहिर होते हैं। अगला पाठ मॉडल×काम की संपूर्ण झलक आपको पूरे मॉडल लाइब्रेरी का दौरा कराएगा।

आप सीखेंगे:

  • Z-Image-Turbo, Qwen-Image, FLUX, Wan2.2, LTX किसमें क्या महारत है और कितनी VRAM चाहिए
  • एक ही काम (टेक्स्ट-से-इमेज / इमेज एडिटिंग / वीडियो जनरेशन) के लिए कौन से मॉडल का वर्कफ़्लो चुनें
  • आधिकारिक टेम्पलेट लाइब्रेरी से संबंधित वर्कफ़्लो एक क्लिक में लोड करने का तरीका
  • ई-कॉमर्स इमेज, वीडियो जैसे व्यावहारिक सीन के लिए कौन सा रास्ता अपनाएं
gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.