本機跑 Stable Diffusion 與 Flux：ComfyUI 入門

想在自己的電腦上跑 Stable Diffusion 或 Flux，ComfyUI 是官方文件最完整的一條路。它是一套以 GPL-3.0 釋出的開源節點式引擎，把載入模型、寫提示詞、取樣、解碼、存檔拆成一個個節點，接起來就是一份可以存成 JSON、也能從生成的圖片還原的工作流。

這篇照官方文件帶你走完安裝、放模型、載入官方範本跑出第一張圖，再說明每個節點在做什麼。後半段處理三件最容易踩的事：各版本模型的授權差很多（同樣叫 Flux，有的是 Apache 2.0、有的完全不能商用）、官方寫過的顯示記憶體（VRAM）需求，以及輸出要不要標示。介面位置以官網當天版本為準。

ComfyUI 是什麼：一張圖就是一條流程

一般生圖工具給你一個輸入框，ComfyUI 給你一張畫布：每個方塊是一個節點，輸出接到下一個節點的輸入。官方把它定位成內容創作的模組化 AI 引擎，可在 Windows、Linux 與 macOS 本機執行，也有官方付費雲端版。官網寫得很直接：免費、開源、採 GPL-3.0，沒有功能鎖也沒有試用期，並有超過 5,000 個社群擴充、合計超過 60,000 個節點。

官方另外提到兩個省時間的設計：只有「有輸出而且輸入齊全」的部分會被執行，同一份圖送第二次時只重跑有變動的部分。README 也寫明核心除非你要求否則不下載任何東西，並可用 --disable-api-nodes 關掉需付費的 API 節點，讓功能全部留在離線狀態。

ChatGPT 畫圖教學：圖片生成、修圖與風格提示詞怎麼寫

Gemini 圖片生成與修圖：提示詞與參考圖

安裝：桌面版、Windows 可攜版、手動安裝

官方提供三條本機路線。Comfy Desktop 是官方說「最容易上手」的一條，它幫你裝好 ComfyUI、Python 環境與相依套件，還能同時管理多個獨立實例。官方寫的需求是 Windows 10 或以上（x64 或 ARM64）、macOS 13 Ventura 以上且必須是 Apple Silicon（M1 以上）、Linux 有 .deb 與 AppImage；每個獨立安裝至少 4.85 GB 磁碟與 8 GB 記憶體，官方建議 16 GB。

Windows 可攜版是內含獨立 Python 環境的壓縮檔，解開就能跑、永遠跟著最新提交，但官方明講「不建議一般使用者」用。目前的可攜包內建 Python 3.13 與 PyTorch CUDA 13.0，NVIDIA 版支援 20 系列以上；10 系列與更舊的卡要下載另一包 cu126 加 Python 3.12 的版本，官方註明新卡不要用那一包。

手動安裝支援所有系統與顯示卡類型。官方的版本說法是：Python 3.13 支援最好，3.14 可跑但部分自訂節點有問題，3.12 是備案；PyTorch 最低支援 2.7，NVIDIA 20 系列以上需要 cu130 或更新版本，官方並說如果你的 PyTorch 超過半年沒更新就該更新。

# 1. 開一個獨立的 Python 環境，避免汙染系統的 Python
conda create -n comfyenv
conda activate comfyenv

# 2. 取得程式碼
git clone https://github.com/Comfy-Org/ComfyUI.git

# 3. 先裝 PyTorch（NVIDIA 穩定版）
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

# 4. 再裝其餘相依套件並啟動
cd ComfyUI
pip install -r requirements.txt
python main.py

Apple Silicon 的 Mac（M 系列）走同一套流程，只是 PyTorch 要改裝 nightly 版，官方要你照 Apple 的 Metal 說明安裝。更新則是進安裝目錄 git pull 之後，再跑一次安裝相依套件的指令。

模型檔要放哪一個資料夾

ComfyUI 本體很小，佔空間的是模型。官方文件寫得很清楚：模型不隨程式附上，要自己下載，放到 ComfyUI/models/ 底下對應類型的子資料夾，再用對應的載入節點（名稱多半以 Load 開頭）選檔案。常見子資料夾有 checkpoints、vae、loras、controlnet、embeddings，以及新一代模型用到的 diffusion_models 與 text_encoders。

舊的 Stable Diffusion 1.5 是整包的 checkpoint，丟進 checkpoints 就好；新模型多半拆成三個檔案要分開放。以官方範本為例，擴散模型放 diffusion_models、文字編碼器放 text_encoders、VAE 放 vae，放錯就找不到。

ComfyUI/
└── models/
    ├── checkpoints/          # 整包的 checkpoint，例如 SD1.5、SDXL
    ├── diffusion_models/     # 拆開放的擴散模型，新一代模型多半放這裡
    ├── text_encoders/        # 文字編碼器
    ├── vae/                  # VAE
    ├── loras/                # LoRA
    └── controlnet/           # ControlNet

已經用別的介面（例如 WebUI）存了模型的話不必複製第二份。可攜版與手動安裝在根目錄有一個 extra_model_paths.yaml.example，複製並改名成 extra_model_paths.yaml 就生效；桌面版則點視窗上方的膠囊選單，開 Storage 分頁加資料夾。官方警告桌面版要補上設定而不是覆蓋安裝時產生的路徑，改前先備份，存檔後要重開才會讀到。

a111:
    base_path: D:\stable-diffusion-webui\
    checkpoints: models/Stable-diffusion
    configs: models/Stable-diffusion
    vae: models/VAE
    loras: |
         models/Lora
         models/LyCORIS
    embeddings: embeddings
    controlnet: models/ControlNet

手動複製進去的檔案 ComfyUI 不會自己發現，官方的做法是按鍵盤 R 重新整理節點定義，或直接重開。另有一個常被忽略的限制：ComfyUI 原生不支援 GGUF 格式，要用得另外安裝社群自訂節點。

Hugging Face 入門：找模型、看授權、下載

第一個工作流：載入官方範本，跑出第一張圖

不要從空白畫布開始。ComfyUI 內建工作流範本瀏覽器，裡面是官方原生支援的模型工作流。官方文件寫明：載入範本時會自動檢查需要的模型檔在不在，缺了就跳出下載提示。

1. 點側邊欄的 Templates 圖示，或用選單 Workflow → Browse Workflow Templates 打開範本瀏覽器。
2. 點一個範本載入。若跳出缺少模型的警告，點開來看是缺哪個檔、下載連結在哪。
3. 桌面版按 Download 會自動存到 ComfyUI/models/checkpoints；可攜版交給瀏覽器下載，要自己把檔案存進那個資料夾。
4. 下載完按鍵盤 R 重新整理，確認 Load Checkpoint 節點已選到模型檔，而不是顯示 null。
5. 按 Run 或 Ctrl + Enter（macOS 用 Cmd）開始生成；結果出現在 Save Image 節點，也會存進 ComfyUI/output。

官方入門教學用的模型是 v1-5-pruned-emaonly-fp16.safetensors，也就是 Stable Diffusion 1.5。ComfyUI 產生的每一張圖，中繼資料都帶著完整工作流與當時的種子，把圖拖進畫面就會還原整份流程。另外要注意缺檔偵測只看對應的最上層資料夾，模型放在子資料夾時提示照樣會跳，忽略它、直接在載入節點選對檔案就好。

閱讀完整文字說明

由左到右的五格流程圖。第一格 Load Checkpoint 載入模型，分出 MODEL、CLIP、VAE 三條線，整包的 checkpoint 放在 models 底下的 checkpoints 資料夾，拆開的擴散模型放在 diffusion_models。第二格 CLIP Text Encode 寫提示詞，上面那個接 Positive 放你要的東西，下面那個接 Negative 放你不要的東西。第三格 KSampler 在潛在空間逐步去雜訊，主要參數是 seed 控制隨機性、steps 決定去雜訊次數、cfg 決定提示詞約束力、denoise 決定去雜訊強度。第四格 VAE Decode 把潛在空間換回像素空間，VAE 必須跟 checkpoint 同一個家族，混用會出現通道數對不上的張量錯誤。第五格 Save Image 把圖存進 ComfyUI 的 output 資料夾，圖的中繼資料帶著整份工作流與種子，拖回畫面即可還原。下方另外註明兩條線：Empty Latent Image 決定畫布尺寸並接到 KSampler 的 latent_image 輸入；Load Checkpoint 分出來的 VAE 要一路接到最後的 VAE Decode。

每個節點在做什麼：從載入模型到存檔

看懂那張圖，之後換模型、換流程就有底。Load Checkpoint 負責載入生成模型，官方說明一個 checkpoint 通常包含三個部分，所以它分出三條線：MODEL 是負責預測雜訊的 UNet，CLIP 是把提示詞轉成向量的文字編碼器，VAE 負責在像素空間與潛在空間之間換算。

接著是兩個 CLIP Text Encode 節點，一個接到取樣器的 Positive、一個接到 Negative，分別是你要的與你不要的東西；Empty Latent Image 則建構出一塊純雜訊的潛在空間，尺寸決定最終圖片的長寬。

KSampler 是核心，去雜訊就發生在這裡。官方列出的參數裡，seed 控制隨機性，steps 是去雜訊的迭代次數，cfg 是無分類器引導強度（太高會過擬合），sampler_name 與 scheduler 決定演算法與雜訊衰減節奏，denoise 官方寫 0.0 保留原輸入特徵、1.0 是完全的雜訊。最後 VAE Decode 換回像素空間，Save Image 預覽並存檔。

提示詞有兩個 ComfyUI 特有的語法：用小括號調整權重，例如 (golden hour:1.2)，只寫括號的預設權重是 1.1；用大括號做動態提示詞，{day|night} 每次排入佇列時會隨機換一個。

擴散模型（Diffusion Model）是什麼：從雜訊逐步生成影像

文字生圖（Text-to-Image）是什麼：把描述轉成可挑選的影像

授權：同樣叫 Flux 或 Stable Diffusion，條款差很多

這是本機生圖最容易出事的一段：能不能商用要一個版本一個版本看。先看 Black Forest Labs 的 Flux。FLUX.1 [schnell] 的授權標籤是 apache-2.0，可以商用，ComfyUI 文件說它只要 4 步就能出圖、適合低階硬體；FLUX.1 [dev] 則掛 FLUX.1 [dev] Non-Commercial License v1.1.1，只能非商用。

那份授權對非商用的定義寫得很細：只要你因此獲得任何直接或間接的報酬就不算，並明列三種不算非商用的情況——產生收入的活動、與終端使用者直接互動或會影響終端使用者的場合、以及拿來訓練或蒸餾其他要商用的模型。要商用必須另外向 Black Forest Labs 申請，公司可自行決定是否同意。

FLUX.2 維持同樣分法但換了授權檔。官方 GitHub 的模型表列得很清楚：FLUX.2 [dev]（320 億參數）與 FLUX.2 [klein] 9B 系列走 FLUX Non-Commercial License v2.1；FLUX.2 [klein] 4B 系列則是 Apache 2.0，官方模型卡直接寫開放權重可依 Apache 2.0 授權作商業使用。同一個 klein 家族，4B 能商用、9B 不能。

Stability AI 這邊分兩段。ComfyUI 入門教學用的 Stable Diffusion 1.5 封存倉庫掛 CreativeML OpenRAIL-M，授權本身允許商業使用但附帶一份使用行為限制清單。Stable Diffusion 3.5 全系列與 SDXL Turbo 的 LICENSE 檔則是 Stability AI Community License Agreement（版本日期 2024 年 7 月 5 日）：研究與非商用免費，商用也免費但必須先向 Stability AI 註冊；一旦你或關係企業的年營收合計超過 100 萬美元，授權即於該日終止，要改談企業授權。

跑不動或跑錯：官方列出的常見錯誤

最常見的是顯示記憶體不夠，訊息是 CUDA out of memory。官方問題排除頁給的是一組階梯式參數：先試 --lowvram，不夠再 --novram，最後才是 --cpu，另有強制降精度與換注意力實作兩個參數。模型載入很慢則多半卡在硬碟，官方建議把模型移到 SSD。

# 顯示記憶體不足時，由輕到重
python main.py --lowvram
python main.py --novram
python main.py --cpu

# 強制降精度、換一種注意力實作以省記憶體
python main.py --force-fp16
python main.py --use-pytorch-cross-attention

# 懷疑是自訂節點造成的問題時，先全部停用再逐一找
python main.py --disable-all-custom-nodes

第二類是把不同家族的模型混著用。官方把差異寫得很明白：Flux 用 16 通道潛在空間加雙文字編碼器，SD1.5 是 4 通道加單一個文字編碼器，SDXL 是 4 通道加雙編碼器，SD3 是 16 通道加三個編碼器。混用會在 VAE 解碼階段看到通道數對不上的張量錯誤。ControlNet 也必須和底層 checkpoint 同家族。

第三類是檔案問題。載入節點的下拉選單空空如也、跳出 Value not in list，代表 ComfyUI 沒看到那個檔案，回頭檢查資料夾、按 R、重開。若是 Error while deserializing header，官方的判斷是檔案下載壞了或磁碟空間不足。載入範本顯示缺節點時，官方給的兩個可能原因是版本太舊，或有節點在啟動時匯入失敗。

至於買什麼硬體才跑得動，這篇只抄官方寫過的數字。官網下載頁的說法是：強烈建議配一張獨立顯示卡，顯示記憶體越大，能跑的模型與批次就越大；沒有顯示卡的人可以改用官方雲端。

跑本機模型要什麼電腦：記憶體、顯示記憶體與 Apple Silicon

為 AI 選顯示卡：顯示記憶體優先與預算配置

輸出怎麼標示：授權原文怎麼寫，圖又算誰的

模型跑在自己電腦上也有義務。Flux 的兩份非商用授權都有同一段：使用者要嘛實作並維持內容過濾機制，要嘛在散布、展示、傳輸之前先審查輸出有沒有違法或侵權內容；而且在適用法律要求的範圍內，輸出要附上「由人工智慧技術生成或修改」這類揭露。FLUX.2 [klein] 的官方推論程式碼另附像素層浮水印範例，倉庫也連到 C2PA 標準。

圖算誰的？兩家原文都把輸出歸屬留給使用者。Black Forest Labs 寫「我們不主張輸出的任何所有權」，輸出可用於任何用途（包含商業用途），但不得拿輸出訓練與 Flux 競爭的模型；這條講的是輸出，模型本身的非商用限制沒有放寬。Stability 的社群授權則寫你擁有輸出，但散布模型或衍生作品時，要附上指定的 Notice 檔文字，並顯著標示 Powered by Stability AI。

台灣目前沒有針對 AI 生成影像的統一標示法規，但只要輸出會流到別人面前，主動標示最省事。另一個界線要先畫好：兩家的條款都禁止用模型產生冒用他人身分、未經同意的親密影像或其他違法內容，本機執行不會讓這些行為變成合法。

內容憑證（Content Credentials）：查來源歷程，不替真假背書

深偽（Deepfake）是什麼：分清合成痕跡、來源與事件真假

• AI 工具
• 教學
• AI 圖片、影片與聲音