Guida completa a ComfyUI per principianti: installazione, interfaccia, nodi, modelli e prima immagine

Il punto in cui ci si blocca più spesso da principianti di ComfyUI non è scrivere i prompt. È la prima volta che apri l’interfaccia e ti trovi davanti un intero grafo di nodi: Load Checkpoint, CLIP Text Encode, KSampler, VAE Decode, Save Image. È facile pensare di dover prima studiare la teoria dei modelli di diffusione per generare una sola immagine.

Non serve. All’inizio tratta ComfyUI come una pipeline di generazione visuale: il modello fornisce la capacità di generare, il prompt descrive l’immagine, il sampler la genera passo dopo passo e il nodo di salvataggio produce il risultato. Questo articolo risolve solo un problema preciso: scegliere una modalità di installazione, mettere il modello nella cartella giusta, far girare il workflow text-to-image predefinito e risolvere la prima serie di errori in un ordine sensato.

Conclusione chiave

L’obiettivo del primo giorno non è “un’immagine bella”, ma confermare tre cose: ComfyUI si avvia, Load Checkpoint rileva un modello e il workflow text-to-image predefinito arriva fino in fondo. Quando queste tre cose funzionano, imparare LoRA, ControlNet, IP-Adapter e workflow complessi — e fare debug — diventa molto più semplice.

Che cos’è davvero ComfyUI

ComfyUI è un’interfaccia open source basata su nodi e un motore di inferenza per l’IA generativa. È diverso dagli strumenti Stable Diffusion che sembrano soprattutto un modulo: invece di compilare prompt, dimensioni e seed in un unico pannello, vedi un workflow su una tela.

Un workflow text-to-image minimo si divide in cinque parti:

1. Load Checkpoint: carica il modello di base, ad esempio SD 1.5, SDXL o un altro checkpoint.
2. CLIP Text Encode: trasforma il prompt positivo e quello negativo in conditioning utilizzabile dal modello.
3. KSampler: genera il latent in base a step di sampling, seed, CFG e altri parametri.
4. VAE Decode: decodifica il latent in un’immagine.
5. Save Image: salva il risultato nella cartella di output.

Questa è la catena minima che un principiante deve capire per prima. I workflow complessi si limitano a suddividere questi passi in modo più fine o a inserire altri nodi nel mezzo: ControlNet legge un’immagine di posa, IP-Adapter fa riferimento a un’immagine di personaggio, LoRA cambia lo stile e i nodi di upscale ingrandiscono l’immagine.

Perché il grafo di nodi mette soggezione

ComfyUI espone molti passi che altri strumenti nascondono. Il vantaggio è il controllo; lo svantaggio è che a prima vista credi di dover capire ogni nodo. Non è così. Leggi prima il grafo nel senso del flusso: da sinistra a destra, dall’alto in basso, e individua modello, prompt, sampler e nodo di salvataggio.

Anche il debug segue la stessa direzione. Se il modello non viene caricato, il resto non può girare. Se il prompt è debole, il risultato può uscire sfocato. Se cambi a caso i parametri del sampler, l’immagine diventa instabile. Se il nodo di salvataggio non è collegato, penserai che non sia stata generata alcuna immagine.

Come scegliere una modalità di installazione

La documentazione ufficiale propone diverse vie: Desktop, portable, installazione manuale e cloud. Ciò che un principiante deve davvero fare non è scegliere “la via più potente”, ma quella con meno attrito.

Desktop: adatta alla maggior parte dei primi tentativi

Il vantaggio di Desktop è che ti toglie il lavoro. Non devi decidere subito versione di Python, build di PyTorch o backend CUDA, né creare un ambiente virtuale. Per gli utenti macOS Apple Silicon, Desktop è anche il punto d’ingresso più naturale secondo la documentazione.

Alibaba Cloud - Scelta top per sviluppatori, 15% di sconto esclusivo su Lighthouse

Ottieni -15% →Pubbl.

Conosci però il limite: la documentazione indica che Desktop si basa su release stabili, quindi le novità arrivano a volte più tardi rispetto a portable o all’installazione manuale. Per la prima immagine conta poco. Quando inizierai a servirti di nuovi nodi, nuovi formati di modello o compatibilità dei plugin, potrai valutare il cambio di modalità.

Windows portable: buono per gli utenti di GPU NVIDIA

Windows con una GPU NVIDIA è una combinazione comune per generare immagini Stable Diffusion in locale. Il vantaggio del pacchetto portable è una struttura di cartelle chiara, vicina a quella di molti tutorial. Vedi direttamente cartelle come ComfyUI/models/ e ComfyUI/output/, il che facilita il debug della posizione dei modelli.

Se il tuo obiettivo è solo imparare ComfyUI, il portable locale basta. Non installare il primo giorno custom node, il Manager, decine di modelli e una decina di LoRA. Il problema più comune nei principianti non è “mancano funzioni”, ma non sapere quale passo si è rotto dopo aver installato troppo.

Installazione manuale: per chi deve controllare l’ambiente

L’installazione manuale è più adatta a utenti Linux, sviluppatori o a chi sa già di dover controllare Python, PyTorch o il backend CUDA/ROCm/MPS. È flessibile, ma apre anche più punti in cui possono comparire errori.

Se scegli l’installazione manuale, tratta l’ambiente come un progetto a sé:

git clone https://github.com/comfy-org/ComfyUI.git
cd ComfyUI
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python main.py

Questi comandi mostrano solo la forma generale di un’installazione manuale. Il backend PyTorch reale, il driver della GPU e le differenze di sistema vanno gestiti secondo la documentazione ufficiale di installazione manuale. Non copiare un comando CUDA da un vecchio tutorial per eseguirlo così com’è.

Cloud: utile per provare prima il workflow

Se per ora non hai una GPU locale, o vuoi solo capire se ComfyUI fa per te, parti dalla via cloud. Non sostituisce l’apprendimento di un ambiente locale, ma ti aiuta a capire il rapporto tra nodi, workflow, modelli e prompt.

Una volta sicuro di volerlo usare a lungo, torna all’installazione locale. È più stabile che comprare hardware e scaricare un mucchio di modelli fin da subito.

Dove mettere i file dei modelli

Molti problemi dei principianti di ComfyUI finiscono nella stessa domanda: perché Load Checkpoint è vuoto?

La documentazione ufficiale spiega che la maggior parte delle installazioni non include un modello di base. I modelli vivono di solito nella cartella models/ all’interno della directory di installazione di ComfyUI. Le sottocartelle comuni sono:

Per la prima immagine occupati solo del checkpoint. Metti un modello di base utilizzabile in models/checkpoints/, avvia o aggiorna ComfyUI e poi selezionalo dal menu a tendina di Load Checkpoint.

La cartella dei modelli di Desktop può essere diversa

Gli utenti Desktop non devono incollarsi ai percorsi portable dei tutorial online. La documentazione ricorda di aprire la cartella dei modelli dal menu, tramite Help / Open folder / Open models folder. Fai riferimento alla cartella aperta dall’app, non al percorso di installazione di un altro.

Se hai già una libreria di modelli in Automatic1111, Forge o un altro strumento, valuta di configurare extra_model_paths.yaml. Così ComfyUI leggerà cartelle di modelli esterne senza ricopiare decine di GB di file.

Un criterio pratico:

• Solo uno o due modelli: mettili direttamente nella cartella ComfyUI corrispondente.
• Una grande libreria già esistente: mappala con extra_model_paths.yaml.
• Non sai ancora se lo userai a lungo: tieni semplice la configurazione dei modelli.

Genera la tua prima immagine

Per la prima immagine usa il workflow predefinito e non aprire subito un JSON complesso condiviso da altri. Il valore del workflow predefinito sta nelle poche variabili: se gira, allora ambiente, modello e nodi di base sono collegati.

KiloClaw - OpenClaw gestito per enterprise: orchestrazione agenti IA e routing intelligente

Inizia →Pubbl.

Passo dopo passo

1. Avvia ComfyUI e apri l’interfaccia web.
2. Carica il workflow “Image Generation” predefinito.
3. Se l’interfaccia segnala un modello mancante, installalo dall’avviso oppure metti un modello scaricato in models/checkpoints/.
4. Seleziona il modello in Load Checkpoint.
5. Scrivi il soggetto dell’immagine nel prompt positivo, ad esempio a cozy desk setup, soft light, detailed illustration.
6. Scrivi ciò che non vuoi nel prompt negativo, ad esempio blurry, low quality, distorted hands.
7. Mantieni all’inizio dimensioni, sampler e step predefiniti. Non cambiare tutto in una volta.
8. Clicca Run oppure usa Ctrl + Enter.
9. Controlla il risultato nel nodo Save Image, nell’area di output dell’interfaccia o nella cartella output/.

Va bene se la prima immagine è banale o persino brutta. Il suo compito è dimostrare che la catena funziona. Ciò che devi annotare: quale modello hai usato, il prompt, se è comparso un errore e dove si trova la cartella di output.

Come scrivere il primo prompt

Da principiante, non scrivere un prompt troppo astratto. Termini come “bella ragazza” o “città del futuro” possono generare immagini, ma ti danno poco riscontro quando il risultato è scarso. Un prompt più adatto alla prima verifica è:

a small wooden cabin beside a lake, morning fog, soft sunlight, detailed illustration, calm mood

Il prompt negativo può restare semplice all’inizio:

blurry, low quality, distorted, extra fingers, bad anatomy

Non accumulare nella prima tornata una lunga lista di termini di stile, vocaboli fotografici e nomi di artisti. Fai prima produrre al modello output stabili, poi regola prompt, dimensioni, step, CFG e seed uno alla volta.

Come risolvere la prima serie di errori

Procedi in ordine. Non reinstallare l’ambiente, cambiare modello e modificare il workflow nello stesso momento. Cambia una sola variabile per volta, così sai da dove viene il problema.

Load Checkpoint è vuoto o mostra null

Controlla prima tre cose:

1. Il file del modello è un .safetensors o un .ckpt?
2. Si trova in ComfyUI/models/checkpoints/ o, su Desktop, nella cartella dei modelli aperta dall’app?
3. Hai aggiornato o riavviato ComfyUI dopo aver spostato il modello?

Se usi extra_model_paths.yaml, riduci prima la configurazione a un solo percorso. Conferma che quel percorso venga letto e poi ampliala. Percorsi con caratteri cinesi, spazi o restrizioni di permessi possono creare problemi aggiuntivi.

Compaiono nodi rossi all’apertura di un workflow

I nodi rossi indicano di solito custom node mancanti, modelli assenti o una versione di workflow che non corrisponde al tuo ambiente. Non iniziare il debug da un workflow complesso. Torna prima al workflow text-to-image predefinito e conferma che la catena di base funzioni.

Se il workflow predefinito gira, occupati poi del workflow condiviso:

• Leggi prima i nomi dei nodi rossi per capire quale custom node manca.
• Controlla poi i nodi di caricamento del modello e che checkpoint, LoRA e VAE vengano trovati.
• Tocca i parametri solo per ultimi, senza ricablare il grafo a caso fin dall’inizio.

È piuttosto un argomento da secondo giorno. Non lasciare che i custom node ti sviino il primo giorno.

Errori CUDA, Torch o backend

Questi errori di solito non vengono dal prompt, ma da un ambiente di esecuzione non adatto. Gli utenti Windows controllano prima il driver della GPU e il pacchetto di installazione; gli utenti Linux confrontano Python, PyTorch e backend con la documentazione di installazione manuale; gli utenti macOS non applicano i tutorial CUDA.

Se per ora non vuoi dedicare tempo all’ambiente, fai girare prima il concetto con Desktop o cloud. Quando sei sicuro di lavorare in locale a lungo, torna ai dettagli di GPU e backend.

L’immagine è sfocata o non somiglia al prompt

Non dare subito per scontato che ComfyUI sia rotto. Le cause comuni sono:

🔥 Non sprecare mesi su prodotti senza domanda! Valida i punti di forza del tuo SaaS con Adsterra e un piccolo budget ➡️

Testa ora →Pubbl.

• Il modello non è adatto al tipo di immagine desiderato.
• Il prompt è troppo astratto, senza soggetto, scena, luce o stile.
• Dimensioni o parametri del sampler sono stati cambiati in modo troppo brusco.
• Il prompt negativo limita troppo il modello.

Tieni fissi modello e parametri, e cambia solo il prompt su tre tornate di confronto. Nella prima, solo il soggetto; nella seconda, la scena; nella terza, luce e stile. Così vedrai molto meglio come il prompt influisce sul risultato.

Cosa non dovrebbe fare un principiante all’inizio

ComfyUI è potente, ma è proprio questa potenza a rallentare di più i principianti.

Primo, non installare subito decine di custom node. Più nodi ci sono, maggiore è la probabilità di conflitti e dipendenze mancanti. Quando il workflow predefinito gira in modo stabile, installa nodi per un’esigenza concreta.

Secondo, non scaricare una decina di modelli in una volta. Fai girare prima un modello di base, annota per cosa è valido e aggiungine altri poco a poco. Troppi modelli rendono difficile capire se il problema viene dal prompt o dal modello.

Terzo, non buttarti troppo presto sull’automazione via API. L’API di ComfyUI è utile, ma se non capisci ancora il workflow, l’automazione non fa che moltiplicare gli errori.

Quarto, non considerare il workflow di un altro come una risposta universale. Molti workflow condivisi dipendono da modelli, versioni di nodi e percorsi precisi. Impara la loro struttura, ma non aspettarti che ogni workflow copiato giri subito.

Ordine di apprendimento consigliato

Un percorso più solido è questo:

1. Far girare il workflow text-to-image predefinito.
2. Capire la differenza tra checkpoint, LoRA e VAE.
3. Imparare a leggere un JSON di workflow e a sapere cosa significano i nodi rossi.
4. Imparare una direzione di miglioramento precisa, ad esempio ControlNet o IP-Adapter.
5. Solo dopo, studiare la generazione in batch, l’API, l’automazione e il riuso dei workflow.

Se conosci già gli LLM locali, pensa a ComfyUI come a un banco di lavoro di inferenza locale per la generazione di immagini. Leggi prima Introduzione a Ollama: il tuo primo passo per eseguire grandi modelli linguistici in locale per collegare file dei modelli, ambiente di esecuzione e parametri di inferenza; per scrivere i prompt, prosegui con Prompt engineering nella pratica aziendale; per i problemi di GPU e di ambiente, consulta Configurare l’accelerazione GPU di Ollama.

Conclusione

Iniziare con ComfyUI non obbliga a partire da workflow complessi. Tieni un obiettivo piccolo: scegliere una modalità di installazione adatta a te, mettere il modello di base nella cartella giusta e generare la prima immagine con il workflow text-to-image predefinito.

Quando questa catena funziona, impara LoRA, ControlNet, i custom node e il riuso dei workflow. Ogni passo avrà allora un criterio chiaro: il modello viene rilevato, mancano nodi, il prompt è abbastanza concreto, l’output è stato salvato? La curva di apprendimento di ComfyUI è reale, ma se non mescoli tutto il primo giorno, l’intimidatorio grafo di nodi diventa un flusso di generazione che potrai fare debug e riutilizzare di continuo.

Risorse

• Documentazione ComfyUI
• Getting Started with AI Image Generation
• Manual Installation
• ComfyUI Models
• ComfyUI GitHub