ComfyUI: 87K+ Stars — Hướng Dẫn Thiết Lập Stable Diffusion Dạng Node 2026

{{< resource-info >}}

Introduction #

Workflow Stable Diffusion đang bị phá vỡ. Hầu hết công cụ che giấu pipeline phía sau một giao diện “một kích thước phù hợp tất cả”, buộc bạn phải click qua các tab, chờ đợi quá trình tạo ảnh, và cầu nguyện kết quả đúng ý. Khi cần xử lý 500 ảnh sản phẩm với phong cách nhất quán, vẽ lại vùng cụ thể, và upscale lên 4K, giao diện point-and-click sụp đổ dưới sức nặng của chính nó.

ComfyUI giải quyết vấn đề này bằng kiến trúc node-based, coi việc tạo ảnh như một bài toán lập trình trực quan. Mỗi thao tác — tải model, sampling, upscaling, phục hồi khuôn mặt — là một node trên canvas. Kết nối chúng lại và bạn có một workflow có thể tái tạo, chia sẻ, và tự động hóa. Với hơn 87,200 sao trên GitHub, đây là giao diện mã nguồn mở chiếm ưu thế cho các pipeline tạo ảnh AI production.

Hướng dẫn này bao gồm toàn bộ quá trình thiết lập ComfyUI: cài đặt local, triển khai Docker, tích hợp model, phát triển node tùy chỉnh, và cứng hóa môi trường production. Bạn sẽ thấy các lệnh thực tế, benchmark đo đạc được, và phân tích ưu nhược điểm thẳng thắn.

What Is ComfyUI? #

ComfyUI là một giao diện đồ họa dạng node và engine suy luận cho các mô hình diffusion. Nó phơi bày toàn bộ pipeline Stable Diffusion — mã hóa văn bản, diffusion không gian tiềm ẩn (latent), giải mã VAE, xử lý hậu kỳ — thành các node có thể kết hợp, được nối với nhau qua trình chỉnh sửa đồ thị trực quan. Ban đầu được comfyanonymous tạo ra năm 2023 và hiện được tổ chức Comfy-Org duy trì, nó hỗ trợ SD 1.5, SDXL, Flux, Wan, LTXV, ControlNet, LoRA, và workflow tạo 3D thông qua backend Python mở rộng và frontend dựa trên React.

How ComfyUI Works #

Tổng quan kiến trúc #

Kiến trúc của ComfyUI chia thành ba lớp:

1. Frontend — Canvas React/LiteGraph.js hiển thị các node, xử lý tương tác ngườ dùng, và serialize workflow thành JSON
2. Engine thực thi — Backend Python kiểm tra đồ thị workflow, lập lịch thực thi bằng sắp xếp topo, và chạy từng node
3. Lớp model — Code suy luận PyTorch tương tác với file checkpoint, LoRA, ControlNet, và kiến trúc model tùy chỉnh

Các khái niệm cốt lõi #

Hệ thống node bắt buộc an toàn kiểu ở cấp độ đồ thị. Node KSampler yêu cầu đầu vào MODEL và xuất ra tensor LATENT. Nối chuỗi vào slot model thì editor sẽ highlight không khớp kiểu trước khi thực thi.

Serialize workflow #

Mỗi workflow là một file JSON. Chia sẻ với đồng nghiệp, quản lý phiên bản bằng Git, hoặc POST lên server API:

{
  "1": {
    "inputs": {
      "ckpt_name": "sd_xl_base_1.0.safetensors"
    },
    "class_type": "CheckpointLoaderSimple",
    "_meta": { "title": "Load Checkpoint" }
  },
  "2": {
    "inputs": {
      "text": "a cyberpunk cityscape at night, neon lights, 8k",
      "clip": ["1", 1]
    },
    "class_type": "CLIPTextEncode",
    "_meta": { "title": "Positive Prompt" }
  }
}

Cách tiếp cận ưu tiên JSON này khiến ComfyUI đặc biệt phù hợp với pipeline CI/CD và xử lý batch tự động hóa.

Installation & Setup #

Yêu cầu phần cứng #

Cách 1: Cài đặt trực tiếp (5 phút) #

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# Tạo môi trường ảo
python3 -m venv venv
source venv/bin/activate

# Cài PyTorch (CUDA 12.1)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# Cài đặt phụ thuộc
pip install -r requirements.txt

# Khởi động server
python main.py --listen 0.0.0.0 --port 8188

Mở http://localhost:8188 trong trình duyệt. Giao diện tải workflow text-to-image mặc định.

Cách 2: ComfyUI Desktop #

Cho ngườ dùng thích trình cài đặt hơn terminal:

# Tải bản desktop mới nhất từ:
# https://github.com/Comfy-Org/ComfyUI-Desktop/releases

# Ứng dụng desktop tự động quản lý Python, CUDA và các phụ thuộc.
# Lần khởi động đầu tiên mất ~15 phút (tải model và thiết lập môi trường).

Cách 3: Docker (Khuyến nghị cho production) #

Docker giữ hệ thống host sạch sẽ và triển khai có thể tái tạo:

# Kiểm tra GPU passthrough
nvidia-smi
docker run --rm --gpus all nvidia/cuda:12.0-base nvidia-smi

# Tạo cấu trúc thư mục lưu trữ liên tục
mkdir -p comfyui-deploy/{models/checkpoints,models/loras,models/vae,models/controlnet,output,custom_nodes,workflows}
cd comfyui-deploy

# docker-compose.yml
version: "3.8"

services:
  comfyui:
    image: ghcr.io/ai-dock/comfyui:latest-cuda
    container_name: comfyui
    ports:
      - "8188:8188"
    volumes:
      - ./models:/workspace/ComfyUI/models
      - ./output:/workspace/ComfyUI/output
      - ./custom_nodes:/workspace/ComfyUI/custom_nodes
      - ./workflows:/workspace/ComfyUI/user
    environment:
      - CLI_ARGS=--listen 0.0.0.0 --preview-method auto
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    restart: unless-stopped

# Khởi động stack
docker compose up -d

# Theo dõi log khởi động
docker compose logs -f comfyui

# Kiểm tra GPU utilization trong container
docker exec comfyui nvidia-smi

Thiết lập model #

Tải model vào thư mục thích hợp:

# SDXL Base (6.9 GB)
wget -P models/checkpoints \
  "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors"

# Flux Dev (23 GB) — yêu cầu 16+ GB VRAM
wget -P models/unet \
  "https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/flux1-dev.safetensors"

# VAE cho SDXL
wget -P models/vae \
  "https://huggingface.co/stabilityai/sdxl-vae/resolve/main/sdxl_vae.safetensors"

# ControlNet OpenPose
wget -P models/controlnet \
  "https://huggingface.co/lllyasviel/control_v11p_sd15_openpose/resolve/main/diffusion_pytorch_model.safetensors"

Integration with Popular Tools #

Stable Diffusion & SDXL #

ComfyUI hỗ trợ tất cả biến thể Stable Diffusion chính ngay từ đầu. Node CheckpointLoaderSimple tích hợp xử lý cả checkpoint SD 1.5 và SDXL mà không cần thay đổi cấu hình.

# Cấu hình tải SDXL với pipeline refiner
CheckpointLoaderSimple:
  ckpt_name: "sd_xl_base_1.0.safetensors"

KSampler:
  seed: 42
  steps: 30
  cfg: 7.0
  sampler_name: "dpmpp_2m"
  scheduler: "karras"
  denoise: 1.0

Flux #

Các model Flux tích hợp qua node chuyên dụng với implementation attention tối ưu:

# Node workflow Flux
UNETLoader:
  unet_name: "flux1-dev.safetensors"
  weight_dtype: "fp8_e4m3fn"  # Giảm VRAM từ 24GB xuống 12GB

DualCLIPLoader:
  clip_name1: "t5xxl_fp8_e4m3fn.safetensors"
  clip_name2: "clip_l.safetensors"
  type: "flux"

EmptySD3LatentImage:
  width: 1024
  height: 1024
  batch_size: 1

Hỗ trợ Flux bao gồm Dev, Schnell, và các phiên bản fine-tune cộng đồng. Lượng tử hóa FP8 giảm sử dụng VRAM ~50% với tổn thất chất lượng tối thiểu.

Wan Video Models #

Tích hợp Wan 2.1/2.2 cho text-to-video và image-to-video:

# Cài node tùy chỉnh Wan
cd custom_nodes
git clone https://github.com/kijai/ComfyUI-WanVideoWrapper.git
pip install -r ComfyUI-WanVideoWrapper/requirements.txt

# Workflow Wan text-to-video
WanVideoSampler:
  model: "wan_2.1_14b_fp8.safetensors"
  positive: "slow motion aerial shot of ocean waves"
  width: 1280
  height: 720
  frames: 81
  steps: 30

ControlNet & LoRA #

Node ControlNet và LoRA tích hợp ở cấp model, cho phép conditioning có thể kết hợp:

# Áp dụng nhiều LoRA với điều khiển cường độ
LoraLoaderModelOnly:
  model: ["CheckpointLoader", 0]
  lora_name: "add_detail.safetensors"
  strength_model: 0.8

ControlNetApplyAdvanced:
  positive: ["CLIPTextEncode", 0]
  control_net: ["ControlNetLoader", 0]
  image: ["LoadImage", 0]
  strength: 1.0
  start_percent: 0.0
  end_percent: 0.8

Tích hợp API #

Mỗi workflow có thể được thực thi qua REST API:

# Gửi workflow qua API
curl -X POST http://localhost:8188/prompt \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": {
      "1": {"inputs": {"ckpt_name": "sd_xl_base_1.0.safetensors"}, "class_type": "CheckpointLoaderSimple"},
      "2": {"inputs": {"text": "cyberpunk city, neon lights", "clip": ["1", 1]}, "class_type": "CLIPTextEncode"}
    }
  }'

# Kiểm tra trạng thái queue
curl http://localhost:8188/queue

# Lấy ảnh đã tạo
curl http://localhost:8188/view?filename=ComfyUI_00001_.png&subfolder=output&type=output

Benchmarks / Real-World Use Cases #

So sánh tốc độ tạo ảnh #

Benchmark chạy trên cùng phần cứng (RTX 4090, CUDA 12.4, 64 GB RAM):

*A1111 qua fork Forge với patch Flux. A1111 gốc không hỗ trợ Flux.

Trường hợp: Pipeline ảnh sản phẩm #

Một team thương mại điện tử tạo 50 ảnh sản phẩm mỗi ngày với ánh sáng nhất quán:

# Workflow batch với style LoRA chia sẻ
LoadCheckpoint → LoadLoRA → CLIPTextEncode → KSampler → VAE Decode
                    ↓
            LoadPromptList (50 prompt)
                    ↓
            SaveImage (với metadata + pattern tên file)

Kết quả: 50 ảnh trong 11 phút (SDXL, 1024x1024), hoàn toàn có thể tái tạo bằng cách tải lại file JSON workflow.

Trường hợp: Studio tạo video #

Một studio nội dung sản xuất các clip video ngắn:

Text Prompt → WanVideoSampler → Nội suy khung hình (RIFE) → Tổng hợp video
                   ↓
         Điều kiện hình ảnh (tùy chọn img2video)

Wan 2.1 14B tạo 81 khung hình ở độ phân giải 1280x720 trong ~4 phút mỗi clip. Cấu trúc node cho phép chuyển đổi giữa các biến thể Wan (1.3B nhẹ, 14B chất lượng) bằng cách thay đổi một node loader duy nhất.

Advanced Usage / Production Hardening #

Reverse Proxy với SSL #

# /etc/nginx/sites-available/comfyui
server {
    listen 443 ssl http2;
    server_name comfyui.yourdomain.com;

    ssl_certificate /etc/letsencrypt/live/comfyui.yourdomain.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/comfyui.yourdomain.com/privkey.pem;

    location / {
        proxy_pass http://127.0.0.1:8188;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_set_header Host $host;
        proxy_read_timeout 86400;
    }

    # Hạn chế truy cập API
    location /prompt {
        allow 10.0.0.0/24;
        deny all;
        proxy_pass http://127.0.0.1:8188;
    }
}

Xác thực #

# Khởi động chỉ listen localhost + API key
python main.py --listen 0.0.0.0 --port 8188 \
  --api-key "your-secure-api-key-here" \
  --disable-xformers

Phát triển node tùy chỉnh #

# custom_nodes/my_custom_node/nodes.py
class MyUpscaleNode:
    """Node upscale 4x đơn giản dùng Real-ESRGAN."""

    @classmethod
    def INPUT_TYPES(cls):
        return {
            "required": {
                "image": ("IMAGE",),
                "model": (["RealESRGAN_x4plus", "RealESRGAN_x2plus"],),
            }
        }

    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "upscale"
    CATEGORY = "image/upscaling"

    def upscale(self, image, model):
        # Code implementation
        return (upscaled_image,)

NODE_CLASS_MAPPINGS = {"MyUpscaleNode": MyUpscaleNode}
NODE_DISPLAY_NAME_MAPPINGS = {"MyUpscaleNode": "My Upscale (Real-ESRGAN)"}

# custom_nodes/my_custom_node/__init__.py
from .nodes import NODE_CLASS_MAPPINGS, NODE_DISPLAY_NAME_MAPPINGS

__all__ = ["NODE_CLASS_MAPPINGS", "NODE_DISPLAY_NAME_MAPPINGS"]

Giám sát #

# Dashboard GPU utilization (chạy song song với ComfyUI)
watch -n 1 nvidia-smi

# Log độ sâu queue
curl -s http://localhost:8188/queue | jq '.queue_running | length'

# Giám sát dung lượng đĩa cho model storage
df -h models/ output/

Chiến lược sao lưu #

#!/bin/bash
# backup-comfyui.sh
BACKUP_DIR="/backup/comfyui-$(date +%Y%m%d)"
mkdir -p "$BACKUP_DIR"

# Workflow (nhẹ, quản lý phiên bản bằng Git)
cp -r workflows "$BACKUP_DIR/"

# Custom nodes
cp -r custom_nodes "$BACKUP_DIR/"

# Output đã tạo (dùng rsync cho thư mục lớn)
rsync -av --progress output/ "$BACKUP_DIR/output/"

# Model (tùy chọn — lớn, thường có thể tải lại)
# rsync -av --progress models/ "$BACKUP_DIR/models/"

echo "Sao lưu hoàn tất: $BACKUP_DIR"

Comparison with Alternatives #

Limitations / Honest Assessment #

ComfyUI không phải công cụ phù hợp mọi tình huống. Sau đây là những điểm nó thua kém:

Độ dốc học cao. Giao diện node-based đòi hỏi hiểu cơ chế diffusion — không gian tiềm ẩn là gì, VAE quan trọng vì sao, sampling schedule hoạt động thế nào. Ngườ dùng mới nhìn vào canvas trống sẽ thấy choáng ngợp. Cần 10-20 giờ luyện tập trước khi thành thạo.

Không có canvas tích hợp cho inpainting. Inpainting dạng canvas của InvokeAI khách quan tốt hơn cho workflow nghệ thuật. Trình chỉnh sửa mask của ComfyUI dùng được nhưng so sánh thì thô sơ.

Workflow mong manh. Phụ thuộc node tùy chỉnh có thể bị phá vỡ qua các bản cập nhật. Workflow lưu bằng v0.20 có thể lỗi ở v0.21 nếu node thay đổi chữ ký đầu vào. Gắn phiên bản ComfyUI trong production.

Không thân thiện ngườ mới. Nếu muốn nhập prompt và có ảnh trong 30 giây, dùng Fooocus. ComfyUI đền đáp đầu tư bằng khả năng kiểm soát, nhưng khoản đầu tư đó là thật.

Quản lý model thủ công. Khác với trình duyệt model tích hợp của InvokeAI, ComfyUI yêu cầu bạn tự wget file vào cấu trúc thư mục đúng. Node ComfyUI Manager giúp ích, nhưng không phải package manager hạng nhất.

Frequently Asked Questions #

Cần bao nhiêu VRAM để chạy ComfyUI? #

SD 1.5 chạy trên 6 GB VRAM. SDXL cần 8 GB cho ảnh 1024x1024. Flux Dev cần 16 GB (FP16) hoặc 10 GB với lượng tử hóa FP8. Model video (Wan) cần 16-24 GB tùy độ phân giải và số khung. Cơ chế tải model động của ComfyUI xả model không dùng khỏi VRAM, khiến nó hiệu quả hơn hầu hết các lựa chọn thay thế.

Có thể chạy ComfyUI không cần GPU NVIDIA không? #

Có, với hạn chế. Mac Apple Silicon hoạt động qua backend MPS, chậm hơn ~40% so với card NVIDIA tương đương. GPU AMD trên Linux dùng ROCm. Chế độ chỉ CPU tồn tại nhưng tạo ảnh SD 1.5 512x512 mất ~3 phút so với 2 giây trên GPU. Sử dụng phần cứng NVIDIA được khuyến nghị mạnh mẽ cho production.

Cách cài đặt node tùy chỉnh? #

Dùng ComfyUI Manager (cài qua git clone https://github.com/Comfy-Org/ComfyUI-Manager.git vào custom_nodes/), hoặc clone thủ công repository vào thư mục custom_nodes/. Khởi động lại ComfyUI sau khi cài đặt. Manager cung cấp trình duyệt có thể tìm kiếm với cài đặt một click cho 3000+ node cộng đồng.

ComfyUI có miễn phí cho sử dụng thương mại không? #

ComfyUI được cấp phép GPL-3.0, cho phép sử dụng thương mại với yêu cầu các sửa đổi phân phối phải dùng cùng giấy phép. Các model bạn chạy (SDXL, Flux, v.v.) có giấy phép riêng — kiểm tra trang Hugging Face của từng model cho điều khoản thương mại. Flux Dev không cho phép thương mại; Flux Schnell cho phép.

Cách nâng cấp ComfyUI an toàn? #

cd ComfyUI
git pull origin master
pip install -r requirements.txt
# Khởi động lại server

Cho triển khai production, gắn tag release cụ thể thay vì master: git checkout v0.21.1. Luôn sao lưu workflow trước khi nâng cấp, vì khả năng tương thích node tùy chỉnh có thể bị phá vỡ qua phiên bản.

Có thể dùng ComfyUI với model AUTOMATIC1111 hiện có không? #

Có. Cả hai công cụ dùng cùng định dạng model .safetensors và .ckpt. Chỉ thư mục model của ComfyUI đến thư mục model A1111 hiện có, hoặc tạo symlink: ln -s /path/to/A1111/models/Stable-diffusion models/checkpoints.

Conclusion #

ComfyUI là giao diện mã nguồn mở có khả năng nhất cho các workflow mô hình diffusion. Kiến trúc node-based của nó đánh đổi sự đơn giản ban đầu lấy sức mạnh dài hạn — một khi xây dựng workflow, bạn có thể quản lý phiên bản, tự động hóa, và mở rộng quy mô. 87,200+ sao trên GitHub phản ánh một cộng đồng đánh giá cao khả năng kiểm soát hơn sự tiện lợi.

Bắt đầu với cài đặt Docker cho môi trường production, hoặc trình cài đặt desktop cho thử nghiệm local. Cài đặt ComfyUI Manager ngay lập tức — nó mở khóa hệ sinh thái 3000+ node tùy chỉnh. Benchmark workflow với nvidia-smi đang chạy, và gắn tag phiên bản khi tìm được tổ hợp ổn định.

Danh sách hành động:

1. Clone repo và chạy thiết lập Docker Compose
2. Tải một checkpoint SDXL và một Flux
3. Cài đặt ComfyUI Manager và duyệt 20 node tùy chỉnh hàng đầu
4. Lưu workflow đầu tiên dạng JSON và tải qua API

Tham gia cộng đồng Telegram: t.me/dibi8_comfyui — chia sẻ workflow, nhận trợ giúp debug, và cập nhật node tùy chỉnh mới nhất.

Hosting Và Hạ Tầng Được Đề Xuất #

Trước khi triển khai các công cụ trên vào production, bạn cần hạ tầng vững chắc. Hai lựa chọn dibi8 đang dùng:

• DigitalOcean — Credit miễn phí $200 trong 60 ngày, 14+ khu vực toàn cầu. Lựa chọn mặc định cho dev chạy AI tools open source.
• HTStack — VPS Hong Kong, độ trễ thấp khi truy cập từ Trung Quốc. Cùng IDC đang host dibi8.com.

Liên kết tiếp thị — không tăng chi phí của bạn, giúp dibi8.com hoạt động.

Sources & Further Reading #

• GitHub Repository: https://github.com/comfyanonymous/ComfyUI
• Tài liệu chính thức: https://docs.comfy.org/
• ComfyUI Wiki: https://comfyui-wiki.com/
• ComfyUI Manager: https://github.com/Comfy-Org/ComfyUI-Manager
• Comfy-Org Releases: https://github.com/Comfy-Org/ComfyUI/releases
• SDXL Base Model: https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
• Flux Models: https://huggingface.co/black-forest-labs
• Wan Video Nodes: https://github.com/kijai/ComfyUI-WanVideoWrapper
• Docker Setup Reference: https://github.com/ai-dock/comfyui
• Quantization Guide: https://github.com/comfyanonymous/ComfyUI/blob/master/QUANTIZATION.md