ComfyUI: установка на VPS для генерации изображений и видео — полное руководство 2026

Что такое ComfyUI и зачем он нужен

ComfyUI — это нодовый редактор для генерации изображений и видео с помощью нейросетей. Вместо того чтобы заполнять форму с параметрами (как в Automatic1111), вы строите пайплайн из блоков: загрузка модели → промпт → семплер → вывод. Каждый блок — отдельная нода, которую можно соединить с другими.

Такой подход даёт несколько преимуществ. Во-первых, полная прозрачность — вы видите каждый шаг генерации и можете вмешаться на любом этапе. Во-вторых, гибкость — можно комбинировать несколько моделей, делать inpainting, upscale, batch-обработку и анимацию в одном пайплайне. В-третьих, воспроизводимость — workflow экспортируется в JSON, который можно переиспользовать или поделиться им.

ComfyUI поддерживает все популярные diffusion модели: SD1.5, SDXL, FLUX.1 от Black Forest Labs, Stable Video Diffusion, AnimateDiff для анимации и LTX Video для генерации видео. Количество кастомных нод в экосистеме превышает 700 штук — это готовые блоки для upscale, ControlNet, IP-Adapter, Tiled Diffusion и многого другого.

Инструмент работает на Windows, Linux и macOS. Но для серьёзных задач — генерации видео, больших батчей, работы с несколькими моделями — потребуется VPS или сервер с GPU. По данным GitHub-репозитория, ежемесячно ComfyUI скачивают более 2.5 миллионов раз, что делает его самым популярным нодовым инструментом для генеративного AI.

Системные требования для VPS

ComfyUI — требовательный инструмент, особенно если вы планируете работу с видео и большими разрешениями. Вот минимальная конфигурация для комфортной работы:

Цены на GPU-инстансы в 2026 году варьируются: RTX 4090 — от $0.50/час (Hetzner, Vast.ai, RunPod), RTX 3090 — от $0.25/час. Для коммерческого использования подойдут инстансы от AWS (g4dn.xlarge, ~$0.50/ч) или Google Cloud (L4 GPU, ~$0.60/ч).

Среди российских провайдеров GPU-серверы предлагают Selectel (от 180₽/ч за RTX 4090), RuVDS и Timeweb. По данным Nutshell GPU Report 2026, цены на облачные GPU в России за год снизились на 20-30% благодаря росту предложения.

Установка ComfyUI через Docker

Самый надёжный способ установки ComfyUI на VPS — через Docker. Официальный образ включает всё необходимое: сам ComfyUI, зависимости, CUDA-поддержку и базовые модели.

Шаг 1. Установка Docker и NVIDIA Container Toolkit

На Ubuntu 22.04/24.04:

# Установка Docker
curl -fsSL https://get.docker.com | sudo sh
sudo usermod -aG docker $USER

# NVIDIA Container Toolkit
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -fsSL https://nvidia.github.io/nvidia-docker/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-docker-keyring.gpg
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-docker-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

Шаг 2. Запуск ComfyUI в Docker

docker run -d --name comfyui \
    --gpus all \
    -p 8188:8188 \
    -v /home/user/comfyui/models:/comfyui/models \
    -v /home/user/comfyui/output:/comfyui/output \
    -v /home/user/comfyui/custom_nodes:/comfyui/custom_nodes \
    comfyanonymous/comfyui:latest

Образ весит около 8 GB и включает CUDA 12.x, PyTorch 2.4 и зависимости для всех основных моделей. После запуска ComfyUI будет доступен по адресу http://<ваш-ip>:8188.

Шаг 3. Настройка Nginx (опционально)

Для продакшена имеет смысл повесить ComfyUI за обратный прокси с SSL:

# /etc/nginx/sites-available/comfyui
server {
    listen 443 ssl;
    server_name gen.example.com;
    ssl_certificate /etc/letsencrypt/live/gen.example.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/gen.example.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 600s;
    }
}

Без Nginx ComfyUI отдаёт интерфейс напрямую, что подходит для тестирования, но небезопасно для публичного доступа. Добавьте базовую аутентификацию через .env файл или Nginx basic auth.

Подключение моделей: SD, Flux, видео

После установки ComfyUI нужно загрузить модели. Директория /comfyui/models содержит подпапки для разных типов моделей. Вот основные:

Для загрузки моделей удобно использовать wget или huggingface-cli. Например, для SDXL:

cd /home/user/comfyui/models/checkpoints
wget https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

Если вы используете CivitAI (civitai.com), модели в формате .safetensors с уже встроенными VAE и CLIP загружаются в ту же папку checkpoints/. Для ControlNet — отдельная папка controlnet/, для LoRA — loras/.

Совет: Не загружайте все модели сразу. Начните с одной — SDXL или FLUX — и добавляйте по мере необходимости. Каждая модель занимает 4-12 GB диска, и 200 GB могут закончиться быстрее, чем кажется.

ComfyUI Manager: управление нодами

ComfyUI Manager (15K+ звёзд на GitHub) — это обязательное расширение, которое упрощает установку, обновление и управление кастомными нодами прямо из интерфейса.

Установка Manager в Docker-окружении:

cd /home/user/comfyui/custom_nodes
git clone https://github.com/ltdrdata/ComfyUI-Manager.git
docker restart comfyui

После перезапуска в интерфейсе ComfyUI появится кнопка «Manager». Через неё можно:

— Устанавливать кастомные ноды одним кликом из каталога (700+ доступных)
— Обновлять существующие ноды до последних версий
— Включать/отключать ноды без удаления
— Скачивать missing модели (например, VAE или CLIP) по запросу workflow
— Смотреть логи ошибок при запуске

Самые популярные кастомные ноды, которые пригодятся почти в любом workflow: Efficiency Nodes (ускорение), WAS Node Suite (работа с изображениями), rgthree (UI-удобства), ControlNet aux (препроцессоры для ControlNet) и ComfyUI-VideoHelperSuite (работа с видеофайлами).

Генерация видео: AnimateDiff, LTX Video

Генерация видео — один из главных сценариев использования ComfyUI. Два основных подхода: анимация существующих изображений (AnimateDiff) и прямая генерация видео из текста (LTX Video).

AnimateDiff — это не отдельная модель, а Motion Module (MM), который добавляется поверх любой SD1.5 или SDXL модели. Он учит базовую модель понимать движение между кадрами. Результат — короткая анимация (1-4 секунды) из промпта или на основе изображения. Для работы нужно:

# После установки нод ComfyUI-AnimateDiff-Evolved через Manager
# Загрузить motion module в /models/animatediff_models/
cd /home/user/comfyui/models/animatediff_models
wget https://huggingface.co/guoyww/animatediff/resolve/main/mm_sd_v15_v2.ckpt

AnimateDiff требует от 12 GB VRAM для SDXL (с motion module) и работает со скоростью ~5-8 секунд на кадр на RTX 4090. Типичный workflow: загрузка модели → кодирование видео → LoRA для стиля → motion module → кадровый семплинг → Video Combine.

LTX Video — более новая модель (LTX Video 0.9, август 2025), которая генерирует видео из текстового описания напрямую. Без промежуточного изображения. Работает на архитектуре DiT (Diffusion Transformer) и производит видео 768×512 до 5 секунд. Требует от 16 GB VRAM, выдаёт кадры за 2-3 секунды каждый на RTX 4090.

По данным репозитория LTX Video, модель показывает лучшее качество на динамических сценах (движение камеры, вода, дым), но уступает AnimateDiff в стабильности персонажей. На практике их часто комбинируют — LTX для генерации базового клипа, AnimateDiff для доработки и интерполяции.

Третий вариант — Stable Video Diffusion (SVD) от Stability AI. Берёт одно изображение и создаёт 14-25 кадров анимации на его основе. Работает быстрее AnimateDiff (6 GB VRAM, 3-4 секунды на кадр), но результат менее гибкий — нельзя управлять движением через промпт.

API-доступ для интеграций

ComfyUI предоставляет HTTP API, который позволяет отправлять задания на генерацию из внешних приложений: Telegram-ботов, веб-приложений, CI/CD пайплайнов.

API по умолчанию работает на том же порту 8188. Основные эндпоинты:

# GET — список доступных workflow
GET /api/workflows

# POST — запуск workflow с параметрами
POST /api/prompts
Content-Type: application/json

{
    "prompt": {
        "3": {
            "class_type": "KSampler",
            "inputs": {
                "seed": 42,
                "steps": 30,
                "cfg": 7,
                "sampler_name": "euler",
                "scheduler": "normal",
                "denoise": 1,
                "model": ["4", 0],
                "positive": ["6", 0],
                "negative": ["7", 0],
                "latent_image": ["5", 0]
            }
        }
    }
}

# GET — статус выполнения
GET /api/queue

# GET — результат (после завершения)
GET /api/result/<workflow_id>

Пример интеграции с Python-скриптом:

import requests
import json

# Загружаем workflow из файла
with open("workflow_api.json") as f:
    workflow = json.load(f)

# Подставляем свой промпт
workflow["6"]["inputs"]["text"] = "a cat wearing a suit, cinematic lighting"

# Отправляем
resp = requests.post("http://localhost:8188/api/prompts", json={"prompt": workflow})
print(resp.json())
# {"prompt_id": "abc123", "number": 5}

Workflow для API экспортируется через интерфейс ComfyUI: кнопка «Save (API Format)» в тулбаре. Обычный JSON-формат workflow не подходит — нужен именно API-формат, где все ноды имеют числовые ID и привязаны к конкретным инпутам.

При использовании API через обратный прокси Nginx увеличьте proxy_read_timeout до 600 секунд — некоторые задачи генерации видео занимают до 5-10 минут. Без этого Nginx оборвёт соединение через стандартные 60 секунд.

Оптимизация производительности

ComfyUI можно заметно ускорить несколькими способами, особенно на GPU с 8-12 GB VRAM.

1. Использование --force-fp16

Флаг --force-fp16 при запуске переводит все вычисления в half-precision, что снижает потребление VRAM на 30-40% при минимальной потере качества:

docker run -d --name comfyui \
    --gpus all \
    -p 8188:8188 \
    -v /home/user/comfyui:/comfyui \
    comfyanonymous/comfyui:latest \
    python main.py --force-fp16 --lowvram

2. Tiled Diffusion и Tiled VAE

При генерации изображений свыше 1024×1024 пикселей VRAM заканчивается быстро. Tiled Diffusion разбивает изображение на тайлы и обрабатывает каждый по отдельности. Встроенные ноды TileDiffusion и TileVAE позволяют генерировать 2048×2048 даже на 8 GB картах.

3. Model Cache и переиспользование нод

ComfyUI кеширует модель после первой загрузки — последующие генерации с той же моделью стартуют быстрее. Установка --highvram держит модель в VRAM постоянно (быстрее, но занимает память). --normalvram (по умолчанию) выгружает модель, когда она не используется.

4. Batch-обработка с одинаковым промптом

Если нужно сгенерировать 10 изображений по одному промпту — используйте batch size в LatentImage, а не запускайте 10 отдельных задач. Batch-обработка работает в 3-5 раз быстрее благодаря параллельным вычислениям на GPU.

По официальному вики ComfyUI, правильная оптимизация даёт прирост скорости от 1.5× до 3× в зависимости от модели и сценария.

Коротко

ComfyUI — это не просто интерфейс для генерации картинок, а полноценная платформа для работы с diffusion моделями. Нодовый подход даёт гибкость, которой нет в Automatic1111 или Midjourney: можно строить сложные пайплайны из 30+ нод, комбинировать модели, делать анимацию и подключать API для интеграций.

Для старта хватит VPS с RTX 3060 12GB, Docker и пары вечеров. Установка через Docker занимает 15 минут, ComfyUI Manager добавляет кастомные ноды одним кликом, а готовые workflow с CivitAI или OpenArt позволяют начать генерацию без написания кода. При необходимости интеграции с Telegram-ботом или веб-приложением — API включается флагом --enable-cors-header.

Если вам нужна помощь с настройкой ComfyUI под конкретные бизнес-задачи — генерацией каталогов продуктов, автоматическим креативом или видео-контентом — команда N202 занимается внедрением AI-решений под ключ.

Что ещё важно знать