IA Workflow ¿Algún workflow/tutorial de ComfyUI IMG2IMG?

J

JonoFret

Lurker
Registrado
28 Abr 2026
Mensajes
1
Puntos de reacción
0
¿Alguien tiene un workflow o tutorial confiable de img2img en ComfyUI que recomiende? Estoy tratando de mejorar mi proceso y me encantaría ver qué les está funcionando bien ahora. Por favor, suelten un link o compartan su configuración si no les molesta.
 
Klein 9B Distilled (edit o el t2i original, conviene tener los dos para aprender en general). Para el workflow, simplemente busca "Klein" en la sección de plantillas/comunidad de ComfyUI. Para cargar el modelo, usa la versión GGUF, que es mucho más ligera en VRAM. Ahora mismo solo hay disponible la variante BigLove de Klein. Puedes encontrar los archivos buscando al usuario Granddyser en Hugging Face.
Además, los modelos cuantizados Gemma 4 E4B, usados con un nodo de LLM personalizado, son ultraligeros y responden rápido, sobre todo las variantes abliterated. Se integran sin problema en tu flujo de generación, y te permiten correr un paso de preprocesado para refinar o generar prompts al vuelo si te gusta ese flujo.
Lamentablemente, para los LoRAs casi siempre tendrás que ir a Civitai, ya que en Hugging Face existen archivos de estos modelos pero la búsqueda del sitio es pésima. Civitai puede ser un poco el viejo oeste, lleno de posts de puro ego, pero la calidad y compatibilidad de los LoRAs de Klein varía. Dicho eso, si usas la variante BigLove ya tendrás mucha flexibilidad incluso sin LoRAs. Cuando los uses, normalmente no necesitarás más de uno o dos.
Como referencia, yo uso una RTX 3090.
 
Hola chicos, no sé si este es el lugar correcto para preguntar esto
pero soy extremadamente nuevo en comfyui y básicamente no sé nada, así que perdón por la pregunta tonta
Mi problema es que acabo de descargar comfyui y el programa no detecta mis checkpoints aunque están en la carpeta model/checkpoints y obviamente los archivos terminan en .safetensors
Probé recargando comfyui y reiniciando todo pero se niega a reconocerlos. Por ejemplo, estoy tratando de usar cyberrealisticpony y ponyrealism.
Espero que alguien pueda ayudarme, ¡gracias!
 
Si usas la app de escritorio de la web oficial de ComfyUI, el instalador te habrá pedido elegir una ubicación para el programa, y quedaría aquí:
📁 YOUR_INSTALL_PATH/
└── 📁 ComfyUI/
───└──📁 models/
──────├──📁 checkpoints/ <-- Pon aquí tus checkpoints .safetensors
──────├──📁 loras/ <-- Pon aquí los LoRAs
──────├── 📁 vae/ <-- Pon aquí los VAEs
Si lo instalaste manualmente con tu propio venv y terminal, será parecido, básicamente la misma carpeta donde clonaste el repo con git, con la estructura de arriba
Simplemente puedes presionar la tecla R sin necesidad de reiniciar ComfyUI para que se actualicen las listas
 
¡Muchas gracias! Estaba en la carpeta comfyui de mis documentos y no en la del disco C.
Me preguntaba si tienes algún workflow de image2image basado en SDXL fácil de usar. Que básicamente se comporte como la generación de imágenes de grok o gemini. Normalmente en un i2i normal el modelo solo cambia detalles muy específicos y deja intacta la imagen original. Pero yo quiero que básicamente tome la "identidad", o sea los detalles de la cara, la forma del cuerpo y la ropa de una imagen de referencia, y luego con el prompt la ponga en una acción totalmente distinta a la de la imagen de referencia. Por ejemplo, un personaje de anime simplemente parado en una imagen de referencia con fondo blanco, ¿ya? Quiero que sea un retrato en primer plano con un fondo de playa con mar y de noche con luz de luna. En general, toda la lógica es parecida a cuando le pides a grok o gemini que cree algo distinto a partir de tu imagen con un prompt natural.
Como referencia, estoy intentando hacer todo esto con Illustrious XL gguf y mi tarjeta es una 5060 de 8gb
Perdón por los textos largos, soy muy nuevo en todo esto.
 
con una 5060 de 8gb probablemente puedas usar Klein 4b edit sin problemas, o incluso la 9b si usas versiones gguf del modelo.
El workflow oficial de 4b está acá, https://docs.comfy.org/tutorials/flux/flux-2-klein#flux-2-klein-4b-workflows
El prompting de Klein es distinto al de otros, usa lenguaje natural y fluido, no tags de palabras clave. Suponiendo que agregas una referencia, puedes empezar simple y decir cosas como "Cambia la ropa de la mujer a falda blanca plisada y chaqueta de cuero roja"; en casos más avanzados agregas más imágenes de referencia y usas prompts específicos para guiar al modelo y que te dé lo que quieres.
Y no se queda ahí, aparte de la cara, la ropa, etc. puedes cambiar ambientes de iluminación enteros, hacer que entren rayos de sol por una ventana o en cierta dirección, pasar de día a noche y demás.
Con prompts inteligentes y Klein ni vas a necesitar loras, solo en casos raros.
 
Para ser honesto, necesito modelos y un workflow que permitan nsfw y que aún puedan sacar sesiones de fotos tipo render 3D usando imágenes de referencia 2D. Estoy casi seguro de que los modelos flux no sirven para ese nsfw, ¿no?
 
¿Sabes de algún ajuste a este workflow para correrlo en Apple Silicon?
BF16 o FP16 estaría genial para bigLove, o un formato LoRA en vez del modelo completo.
 
info increíble. este método es muchísimo mejor que ezcreate o cualquiera de esas cosas online. gracias jefe :pepoLove:. ¿hay otros foros con guías actualizadas para aprender más sobre generación de imagen a video o video a video aparte de este? No creo que las guías de acá para eso estén muy al día. ¿WAN 2.2 o LTX 2.3? :pauseChampRev:
 
Sonido > Sin sonido, Wan además es meh (úsalo solo si estás desesperado), así que si puedes correr LTX 2.3, usa ese, ya sea con uso intenso de Loras sobre el modelo original de Lightricks, o usa los finetunes Sulphur y 10eros.
https://huggingface.co/TenStrip/LTX2.3-10Eros
https://huggingface.co/TenStrip/LTX2.3-10Eros_Workflows
https://huggingface.co/SulphurAI/Sulphur-2-base
No hay guías fáciles, se complica más cuando haces video. Esto es de las cosas que no se pueden resolver con un solo botón, pero al menos no es un sitio censurado para paypigs como esos servicios online que ves... Me burlo de la gente que cree que Grok es bueno, la mayoría es softcore chapucero y prompts rechazados a lo bestia mientras gastas tokens.
 
parece que lo lograste, el mío sacaba imágenes de puro lodo neón, ¿podrías compartir tu workflow por favor? porque justo ahora busco un reemplazo de ezcreate
 
Para Flux 2 Klein 9B
CFG 1.0 para Klein 9B Distilled (normalmente es el que no dice base en el nombre y usa 4 pasos para inferencia normal)
CFG 4.0~ para Klein 9B Base (esta es la variante no destilada y requiere unos 20 pasos para inferencia normal)
Las imágenes que describes son por una confusión con lo de arriba.
Si usas CFG 4 con un modelo Klein Distilled te pasa justo eso. Así que revisa bien qué estás usando y cómo. Si necesitas un workflow base para empezar, la web de documentación oficial de ComfyUI los tiene.
 
Estoy usando 4B fp8, ¿alguna idea de cómo activar nsfw en él, como agregar vagina o ano con detalle? básicamente difumina esas zonas. no encuentro loras para 4B
 
Quería sumarme a la discusión de LTX vs WAN.
WAN - Buena adherencia al prompt, física y movimiento, sobre todo para NSFW. Ecosistema enorme con un montón de modelos/loras/workflows para elegir. No trae sonido integrado, necesitarías un workflow aparte para añadirlo.
LTX - Adherencia al prompt frustrante (casi obliga a usar mejora con LLM), física y movimiento mediocres. Tiene un sonido genial, está entrenado sobre todo como modelo de 'talking head'. Tiene muy buen rendimiento para la calidad que ofrece. Modelo más nuevo, ecosistema más pequeño.
En general creo que LTX es donde quieres estar, sobre todo a medida que crezca el ecosistema. Hay soluciones para la porquería de adherencia al prompt y ojalá pronto salga una versión nueva.
 
WAN 2.2 lleva un año madurando, y más si cuentas WAN 2.1, y luego está Bernini R de finales del mes pasado, que hibrida un poco WAN 2.2. Todo de la misma arquitectura base.
LTX por diseño, sobre todo en la 2.3, prefiere prompts cargados por su codificador de texto y cómo fue entrenado, y la mayoría se ha apoyado en un LLM para que escriba los prompts, yo también; hice que claude code me hiciera un nodo solo para esto para aliviar el uso de vram, pero además uso llama cpp en local en vez del espantoso soporte de visión de ollama (porque usar imágenes de referencia es útil solo por funcionalidad). Aun así, hoy hay como 100 formas de usar un LLM desde comfy, ya sea en un nodo o vía API local, o si tienes dinero para quemar, Dios no lo quiera, un SaaS externo.
En esencia lo que digo es que tenemos acceso a ambos, lo mejor es aprender los dos. Ya que ambos corren con 24GB de vram, o menos (no recomendable)
 
nunca entiendo el hype con ltx, para i2i qwen rapid aio es muchísimo mejor
 
lo probé y no me gustó nada. imágenes de baja calidad, demasiado lento y te cambia por completo las caras de tu "input". no vale la pena imo.
 
Debes iniciar sesión o registrarte para responder aquí.
Atrás
Arriba