【初心者向け】ComfyUIワークフロー構築入門｜ノードの繋ぎ方から実践まで

要約

この記事では、ComfyUIのワークフロー構築を初心者向けに解説します。

「ノードって何？」「どう繋げばいいの？」という疑問を解消し、基本的なワークフローを自分で組めるようになることを目指します。デフォルトワークフローの理解から、img2img・LoRA追加などの応用パターンまで丁寧に説明していきます。

本記事は ComfyUI v0.15.0 / ComfyUI Frontend v1.39.19 をもとに解説しています。

---

はじめに｜ノードベースUIを理解しよう

ComfyUIを初めて触ったとき、こんな疑問を持ちませんでしたか？

• 「なんか線で繋がった四角がいっぱいある…」
• 「Stable Diffusion WebUIと全然違う…」
• 「どこをどう触ればいいの？」

ComfyUIはノードベースUIという仕組みを採用しています。
最初は戸惑うかもしれませんが、仕組みを理解すれば非常に柔軟で強力なツールになります。

---

ノードベースUIとは？｜基本概念を理解する

ノードとは

ノード（Node）とは、特定の処理を行う「箱」のようなものです。

例えば：

• Load Checkpoint：モデルを読み込む箱
• CLIP Text Encode：プロンプトを処理する箱
• KSampler：画像を生成する箱
• Save Image：画像を保存する箱

これらの箱を線（ワイヤー）で繋ぐことで、データが流れていきます。

ワークフローとは

ノードを繋げて作った処理の流れ全体を「ワークフロー」と呼びます。

モデル読み込み → プロンプト処理 → 画像生成 → 保存

この一連の流れが、ComfyUIでのワークフローです。

ノードベースUIのメリット

メリット	説明
柔軟性	処理の順番や組み合わせを自由に変更できる
可視性	データの流れが視覚的に分かる
再利用性	作ったワークフローを保存・共有できる
拡張性	カスタムノードで機能を追加できる

---

キャンバスの基本操作

ノードを操作する前に、キャンバス自体の動かし方を覚えましょう。

画面の移動・ズーム

操作	動作
マウスホイール	ズームイン / アウト
中クリックドラッグ（または Space+ドラッグ）	画面をパン（移動）
Ctrl+Shift+H または ダブルクリック（空白部分）	全体をウィンドウに収める（Fit）

ノードの選択

操作	動作
クリック	単一選択
Shift+クリック	複数選択に追加
ドラッグ（空白部分）	範囲選択
Ctrl+A	全選択

---

ノードの基本操作｜これだけ覚えればOK

ノードの追加方法

方法1：右クリックメニュー

1. キャンバス上で右クリック
2. 「Add Node」を選択
3. カテゴリから目的のノードを選ぶ

方法2：ダブルクリック検索

1. キャンバス上でダブルクリック
2. 検索バーにノード名を入力
3. 候補から選択

ノードの接続方法

1. 出力ソケット（右側）をドラッグ
2. 入力ソケット（左側）にドロップ
3. 線（ワイヤー）で繋がる

接続の解除

• 線をクリックしてDeleteキー
• または線の端をドラッグして空中で離す

ノードのコピー・移動・削除

操作	方法
コピー	選択してCtrl+C → Ctrl+V（設定値ごとコピーされる）
移動	ノードをドラッグ
複数まとめて移動	範囲選択してドラッグ
削除	選択してDeleteキー、または右クリック → Remove

ノードの整理：グループ機能

ノードが増えてきたらグループでまとめると管理しやすくなります。

1. まとめたいノードを範囲選択（ドラッグ）
2. Ctrl+G でグループ化
3. グループにタイトルをつけて識別しやすくする

また、ノード左上の灰色の丸ボタンをクリックすると折りたたむことができ、画面をすっきりさせられます。

---

画像生成の基本フロー｜デフォルトワークフローを理解する

ComfyUIを起動すると、デフォルトのワークフローが表示されます。
まずはこれを理解しましょう。

デフォルトワークフローの全体像

各ノードの役割

1. Load Checkpoint（モデル読み込み）

役割：Stable Diffusionのモデル（チェックポイント）を読み込む

出力：

• MODEL：画像生成に使うモデル本体
• CLIP：テキストを理解するエンコーダー
• VAE：画像の圧縮・展開を行うモジュール

2. CLIP Text Encode（プロンプト処理）

役割：テキストプロンプトをモデルが理解できる形式に変換

入力：

• CLIP：Load Checkpointから受け取る
• text：プロンプト（呪文）を入力

出力：

• CONDITIONING：条件付けデータ

3. Empty Latent Image（空の潜在画像）

役割：生成する画像のサイズを決める「空のキャンバス」を作る

設定項目：

• width：画像の幅
• height：画像の高さ
• batch_size：一度に生成する枚数

4. KSampler（サンプラー）

役割：実際に画像を生成する「心臓部」

入力：

• model：使用するモデル
• positive：ポジティブプロンプト
• negative：ネガティブプロンプト
• latent_image：生成のベースとなる潜在画像

主な設定項目：

項目	説明	推奨値
seed	乱数シード	-1で毎回ランダム
steps	生成ステップ数	20〜30
cfg	プロンプトへの忠実度	7〜8
sampler_name	サンプリング方法	euler_ancestral, dpmpp_2m等
scheduler	スケジューラー	normal, karras等
denoise	ノイズ除去強度	1.0（txt2imgの場合）

5. VAE Decode（VAEデコード）

役割：潜在空間のデータを実際の画像に変換

入力：

• samples：KSamplerからの出力
• vae：Load CheckpointからのVAE

出力：

• IMAGE：実際の画像データ

6. Save Image / Preview Image（画像保存・プレビュー）

役割：生成した画像を保存またはプレビュー表示

• Save Image：outputフォルダに保存
• Preview Image：画面に表示するだけ（保存しない）

---

データの流れを理解する｜色分けで覚えよう

ソケットの色と意味

ComfyUIでは、データの種類ごとにソケットの色が決まっています。

色	データ型	説明
紫	MODEL	AIモデル本体
黄緑	CLIP	テキストエンコーダー
オレンジ	CONDITIONING	条件付け（プロンプト処理後）
ピンク	LATENT	潜在空間データ
緑	IMAGE	画像データ
青	VAE	画像の圧縮/展開モジュール
水色	MASK	マスクデータ
グレー	INT/FLOAT	数値
白	STRING	文字列

データフローの図解

Load Checkpoint
    │
    ├─ MODEL（紫）─────────────────────────┐
    │                                      │
    ├─ CLIP（黄緑）─┬─ CLIP Text Encode ──── CONDITIONING（オレンジ）─┐
    │               │   (Positive)                                    │
    │               │                                                 ▼
    │               └─ CLIP Text Encode ──── CONDITIONING（オレンジ）─▶ KSampler
    │                   (Negative)                                    ▲
    │                                                                 │
    │                              Empty Latent Image ── LATENT（ピンク）┘
    │
    └─ VAE（青）──────────────────────────────────────────┐
                                                          │
                         KSampler ── LATENT ── VAE Decode ── IMAGE（緑）── Save Image

---

実践：基本ワークフローを組んでみよう

実際に手を動かして、基本ワークフローを一から組んでみましょう。

---

よく使うワークフローパターン

パターン1：LoRAを追加する

基本ワークフローにLoRAを組み込むパターンです。Load CheckpointとKSamplerの間に Load LoRA ノードを挟みます。

Load Checkpoint
    ├─ MODEL → Load LoRA → MODEL → KSampler
    └─ CLIP  → Load LoRA → CLIP  → CLIP Text Encode

LoRAを複数使いたい場合は、Load LoRAを直列に繋げることで積み重ねられます。

詳しくは ComfyUI LoRA活用ガイド を参照してください。

パターン2：画像からimg2img

既存の画像をベースに新しい画像を生成するパターンです。
Empty Latent Image の代わりに Load Image + VAE Encode を使います。

Load Image → VAE Encode → LATENT → KSampler
                              ↑
                             VAE（Load Checkpointから）

手順：

1. Load Image ノードを追加（右クリック → Add Node → image → Load Image）
2. VAE Encode ノードを追加（右クリック → Add Node → latent → VAE Encode）
3. Load Image の IMAGE → VAE Encode の pixels に接続
4. Load Checkpoint の VAE → VAE Encode の vae に接続
5. VAE Encode の LATENT → KSampler の latent_image に接続
6. KSampler の denoise を 0.5〜0.85 に下げる（1.0のままだと元画像が完全に無視される）

パターン3：ControlNetを使う

ポーズや線画を制御しながら生成するパターンです。基本ワークフローに ControlNet Apply ノードを追加します。

詳しくは ComfyUI ControlNet活用ガイド を参照してください。

パターン4：アップスケール

生成した画像を高解像度化するパターンです。

シンプルな方法（補完のみ）：

IMAGE → Upscale Image（by） → IMAGE → Save Image

高品質な方法（AIアップスケーラー使用）：

IMAGE → ImageUpscaleWithModel → IMAGE → Save Image

パターン5：バッチ生成

複数の画像を一度に生成するパターンです。

• Empty Latent Imageのbatch_sizeを増やすだけ
• 例：batch_size = 4 で4枚同時生成
• VRAMを多く消費するので、最初は2〜4枚程度から試しましょう

---

ワークフローの保存と読み込み

ワークフローの保存方法

方法1：JSON形式で保存

1. メニュー → Save（またはCtrl+S）
2. ファイル名を指定して保存

方法2：画像に埋め込み

• ComfyUIで生成した画像には、自動的にワークフローが埋め込まれます
• 生成画像をComfyUIにドラッグ＆ドロップすると、ワークフローが復元されます

ワークフローの読み込み方法

方法1：JSONファイルを読み込み

1. メニュー → Load（またはCtrl+O）
2. 保存したJSONファイルを選択

方法2：画像をドラッグ＆ドロップ

1. ComfyUI生成画像をキャンバスにドロップ
2. 自動的にワークフローが展開される

方法3：デフォルトに戻す

1. メニュー → Load Default
2. デフォルトワークフローが読み込まれる

---

トラブルシューティング｜よくある問題と解決策

ノードが赤くなる

原因：入力が足りない、または不正

対処：

• 必要な入力がすべて接続されているか確認
• ソケットの色が一致しているか確認

「Queue Prompt」しても何も起きない

原因：ワークフローに問題がある

対処：

• 赤いノードがないか確認
• すべてのノードが繋がっているか確認
• Save ImageまたはPreview Imageがあるか確認

接続できない

原因：データ型が異なる

対処：

• ソケットの色を確認
• 同じ色（同じデータ型）同士を接続

画像が真っ黒になる

原因：VAEの問題

対処：

• Load CheckpointからVAEをVAE Decodeに接続しているか確認
• 外部VAEを使う場合はLoad VAEノードを追加

SDXLで画質が悪い

原因：解像度や設定がSD1.5向けになっている

対処：

• Empty Latent Imageの解像度を1024×1024に変更
• CLIP Text Encode をSDXL版に差し替えることを検討

---

よくある質問

---

まとめ｜ワークフローの基本をマスターしよう

この記事のポイント

1. ノードとは：特定の処理を行う「箱」
2. ワークフローとは：ノードを繋げた処理の流れ
3. 色の意味：同じ色のソケット同士を接続
4. SD1.5とSDXL：モデルによってノード構成と推奨解像度が異なる
5. 応用パターン：LoRA追加・img2img・ControlNet・アップスケール
6. 保存と共有：JSON保存または画像埋め込み

次のステップ

ワークフローの基本が理解できたら、次はカスタムノードで機能を拡張してみましょう。

---

関連記事

ComfyUIをもっと使いこなしたい方は、こちらの記事もどうぞ。

【2026年版】ローカルAI画像生成 初心者完全ガイド｜ComfyUI・SDWEBUI どっちを使う？学習ロードマップ

ComfyUI・Stable Diffusion WebUI どちらを使えばいい？ローカルAI画像生成の始め方を初心者向けに解説。ツール選びからインストール・モデル準備・LoRA・ControlNetまで、学ぶべき順番と各記事へのリンクをまとめました。

freecraftlog.com

2026.02.27

【2026年版】ComfyUIインストール方法｜AI画像生成ローカル環境構築ガイド

AI画像生成をローカルPCで始めるならComfyUIがおすすめ。Windows版のインストール方法を初心者向けに解説。Python・Git不要のポータブル版で簡単セットアップ。推奨GPU・必要スペックから初めての画像生成まで手順をスクショ付きで紹介。

freecraftlog.com

2026.01.25

【初心者向け】LoRAの使い方完全ガイド｜導入・強度調整・おすすめまで

Stable DiffusionでLoRAを使う方法を初心者向けに解説。基礎知識からダウンロード、配置、強度調整、複数LoRAの組み合わせまで完全網羅。Civitaiでの探し方やおすすめLoRA、よくあるトラブル対処法も紹介。ComfyUI・SD WebUI両対応。

freecraftlog.com

2026.02.25

【初心者向け】ControlNet活用ガイド｜ポーズ・線画・深度を自在にコントロール

ControlNetの使い方を初心者向けに徹底解説。OpenPose・Canny・Depth・Lineartなど各プリプロセッサの特徴、ControlNet Unionの導入、パラメータ調整まで完全網羅。ComfyUI・SD WebUI両対応。

freecraftlog.com

2026.02.26

【保存版】ComfyUIプロンプト集｜380種類を7カテゴリで完全網羅

AI画像生成で使えるプロンプト380種類以上を7カテゴリ別に一覧掲載。キャラクター・表情・衣装・ポーズ・背景・カメラアングル・ライティングをコピペですぐ使える。ComfyUI・Stable Diffusion WebUI両対応の総合リファレンス。

freecraftlog.com

2026.01.07