Segurament us heu adonat que la xarxa està inundada d'imatges creades per intel·ligència artificial. Molts es pregunten si és possible aconseguir aquests resultats a casa, sense pagar subscripcions mensuals i mantenint la total privadesa dels seus prompts. La resposta és un rotund sí, i l'eina més potent per aconseguir-ho actualment és ComfyUI, una interfície que, encara que espanta al principi, et dóna un control absolut sobre la creació visual.
A diferència d'altres opcions més senzilles, ComfyUI funciona mitjançant un sistema de grafs on connectes diferents caixes o nodes. Això vol dir que no estàs limitat per un formulari rígid, sinó que pots dissenyar la teva pròpia canonada de generació . Ja sigui que tinguis un servidor potent amb Linux o un portàtil amb Windows, muntar aquest ecosistema us permetrà experimentar amb els models més moderns, com FLUX o Stable Diffusion, sense que ningú espiï el que estàs creant.
Requeriments de Maquinari: El Món de la VRAM
Abans de llançar-te a instal·lar, cal parlar del que realment importa: la memòria de vídeo (VRAM). No importa quant processador tinguis o quanta RAM general tinguis; si el model no cap a la gràfica, el sistema anirà a pas de tortuga o simplement es penjarà. Per saber on estàs parat a Linux, pots fer servir l'ordre nvidia-smi per a NVIDIA o rocm-smi per a AMD.
Si tens 4 GB de VRAM, prepara't per patir una mica i fer servir resolucions baixes. Amb 8 GB ja pots moure't amb facilitat per la majoria de tasques, encara que per a models pesants com FLUX.2 hauràs de recórrer a la quantització GGUF (com Q4_K_M) , que redueix el pes del model sense destrossar la qualitat. Si tens la sort de comptar amb 16 GB o més, com en una RTX 3090 o 4090, pots carregar models a FP8 o fins i tot FP16 sense despentinar-te.
Instal·lació Pas a Pas en Diferents Sistemes
Depenent del teu sistema operatiu, el camí varia. A Windows, el més senzill és descarregar el paquet portable oficial , descomprimir-lo i executar el fitxer .bat corresponent al teu GPU. És la via ràpida perquè ja porta Python i les dependències configurades, evitant baralles amb les variables dentorn.
Si preferiu Linux o macOS, el procés és més manual però més net. Primer heu de clonar el repositori des de GitHub i crear un entorn virtual de Python (venv) . Això és fonamental per no trencar les llibreries del sistema operatiu. Un cop actiu l'entorn, instal·leu les dependències del fitxer requirements.txt i el motor matemàtic PyTorch. Per a usuaris de NVIDIA, es recomana la versió de CUDA 12.1 , mentre que els usuaris d'AMD han d'optar per la versió de ROCm.
Configuració Avançada i Nodes Imprescindibles
Quan arranquis ComfyUI per primera vegada a http://127.0.0.1:8188, veuràs un tauler ple de cables. Per no tornar boig, el primer que has d'instal·lar és el ComfyUI Manager . Aquest plugin és la joia de la corona, ja que et permet buscar i instal·lar altres nodes personalitzats i, el més important, instal·lar automàticament els nodes que faltin quan importis la feina d'una altra persona.
Per treballar amb models moderns com FLUX, necessitareu el node ComfyUI-GGUF . A diferència de Stable Diffusion, on tot sol anar en una carpeta de checkpoints, FLUX requereix separar les peces: el model de difusió (UNet) va en models/unet/ , el codificador de text (CLIP) en models/clip/ i el VAE en models/vae/. Si els poses on no toca, el carregador no els trobareu i et quedaràs amb la pantalla en blanc.
Dominant el Flux de Treball i l'API
Un flux bàsic consisteix a carregar el model, escriure el prompt, passar per un sampler (que és on passa la màgia de la difusió) i descodificar la imatge. Un truc vital per a FLUX és mantenir el CFG en 1.0 i fer servir pocs passos (entre 4 i 8) amb el sampler euler; si puges el CFG, les imatges sortiran cremades i amb colors irreals.
Per als que tenen el maquinari en un servidor i volen treballar des d'un altre equip, ComfyUI permet l' accés remot mitjançant el paràmetre –listen 0.0.0.0 . Això obre una API HTTP que permet enviar workflows en format JSON i rebre la imatge processada. És la forma ideal de convertir el teu PC amb GPU en un servei de generació privat, podent automatitzar la creació de centenars d'imatges per a màrqueting o e-commerce mitjançant scripts de Python.
Solució de Problemes i Optimització
És comú topar amb l'error de CUDA Out of Memory . Si us passa, podeu reiniciar ComfyUI per netejar la fragmentació de la memòria o arrencar el programa amb l'ordre –lowvram , que mou dades entre la GPU i la RAM del sistema. En el cas d'AMD, si la targeta no és detectada, sol solucionar-se afegint l'usuari als grups render i vídeo o usant la variable d'entorn HSA_OVERRIDE_GFX_VERSION.
Si notes que el rendiment és pobre, revisa que no estiguis usant la CPU per error. A més, considera ampliar la RAM del sistema a 32 GB o 64 GB, ja que ComfyUI la utilitza com a pont quan la VRAM es queda curta. Per a l'emmagatzematge, un disc NVMe ràpid és clau, ja que carregar models de 10 GB cada vegada que canvies de workflow es pot tornar etern en un disc mecànic.
Muntar la vostra pròpia estació de generació d'imatges locals us allibera de les restriccions del núvol i els costos per crèdit. Des de la gestió de VRAM i la instal·lació d'entorns virtuals fins a l'automatització mitjançant API i l'ús de models quantitzats GGUF, ara tens totes les eines per convertir una RTX en una fàbrica d'art digital, optimitzant cada pas mitjançant nodes i assegurant que el maquinari treballi al màxim de la seva capacitat.