ComfyUI: AI-продакшн у вас дома [profileschool] [Стив Ласмин]

Складчина: ComfyUI: AI-продакшн у вас дома [profileschool] [Стив Ласмин]

Превратите свой компьютер в AI-студию для визуального продакшена

Научитесь работать с генеративным ИИ локально: без подписок, лимитов и зависимости от закрытых сервисов. На онлайн-курсе вы разберётесь в ComfyUI — мощной среде для сборки собственных нейросетевых workflow под реальные задачи: от первой генерации до реставрации фото, нейро-фотосессий, виртуальной примерки, каталогов для маркетплейсов и изображений для печати.

Программа курса

• Занитие 1. Знакомство с принципами работы модульного интерфейса ComfyUI, установка рабочей среды и первая генерация
  
• Занятие 2. Базовая архитектура Workflow: модели, промпты, математика генерации (Sampler, Scheduler, CFG) и Latent-пространство
  
• Занятие 3. Расширение возможностей: LoRA, триггерные слова, кастомные ноды и квантованные GGUF-модели на примере Z-Image Turbo
  
• Занятие 4. Магия Inpaint и контроль через ControlNet на примере Z-Image Turbo (плюс ускорение генерации)
  
• Занятие 5. Эстетика и контекстное редактирование: знакомство с Krea-2 и Krea-2 Edit в ComfyUI
  
• Занятие 6. Контекстные модели «из коробки»: виртуальная примерка, пересадка лиц, пакетная обработка и управление памятью на примере Flux-2 Klein.
  
• Занятие 7. Умные промпты, компьютерное зрение и нейро-фотосессии: от селфи до печати в 4K.
  
• Занятие 8. Тяжелая артиллерия Flux-2 Dev, влияние текстовых движков и создание авторских нод (вайб-кодинг)
  
• Занятие 9. Профессиональное редактирование Qwen Image: мастерская маркетплейсов и генерация ракурсов из одной фотографии
  
• Занятие 10. Финальная защита проектов: ваш пропуск в профессиональное ИИ-сообщество.

Спойлер: Программа подробно:

Занитие 1. Знакомство с принципами работы модульного интерфейса ComfyUI, установка рабочей среды и первая генерация
Цель занятия: Познакомить студентов с философией и принципами работы модульного интерфейса ComfyUI. Развеять миф о его сложности: наглядно показать, что при грамотном подходе сборка рабочего процесса — это быстрый, увлекательный и несложный процесс. Пройти все тонкости правильной установки программы, заложив надежный фундамент для дальнейшего обучения.

Темы занятия:
Почему ComfyUI — лучший выбор для работы с нейросетями (свобода от подписок, полный контроль над процессом).
Модульная структура интерфейса: что такое «узлы» (ноды) и как они соединяются друг с другом, образуя единый конвейер (рабочий процесс).
Точка начала (загрузка модели) и точка конца (сохранение картинки) — как течет данных внутри интерфейса.
Демонстрация возможностей ComfyUI: почему визуальное программирование удобнее привычных вкладок и кнопок.
Пошаговая установка необходимого софта:
Git (система для удобного скачивания и обновления программ),
Python (базовый язык, на котором написан ComfyUI; пугаться не нужно — программировать мы не будем, но без этой среды программа просто не запустится),
Nvidia CUDA Toolkit (набор инструментов, позволяющий видеокарте общаться с нейросетями на максимальной скорости),
GPU-Z (бесплатная утилита, чтобы видеть, как сильно нагружается ваша видеокарта).
Выбор и самостоятельное построение базового рабочего процесса на примере SDXL: мы не просто загружаем чужой шаблон, а своими руками соединяем первые узлы друг с другом, как детали конструктора, чтобы увидеть, как из текста рождается изображение.
Скачивание первой модели (чекпоинта) с соблюдением правильной структуры папок.
Генерация первого изображения на вашем ПК.

Практика и домашнее задание:
Установка всех необходимых программ на свой компьютер.
Запуск ComfyUI и самостоятельное построение базовой схемы для SDXL.
Скачивание первой модели.
Самостоятельная генерация первых 5 изображений.
Сохранение своего первого рабочего процесса (чтобы им можно было поделиться или использовать в будущем).

Занятие 2. Базовая архитектура Workflow: модели, промпты, математика генерации (Sampler, Scheduler, CFG) и Latent-пространство
Цель занятия: Объяснить базовую архитектуру работы генеративных нейросетей. Показать студентам, как работают ключевые параметры генерации (Шаги, CFG, Сэмплеры) и научить осознанно управлять готовым рабочим процессом. Также познакомиться с ComfyUI Manager — главным инструментом для расширения возможностей программы.

Темы занятия:
Разница между понятиями «модель» и «чекпоинт» (Checkpoint): почему эти термины часто путают. Чекпоинт — это полноценная базовая нейросеть (большой файл-«мозг»), а «моделью» называют и её, и другие, более мелкие вспомогательные файлы (например, VAE). Разбираемся, что именно мы скачиваем из интернета.
Латентное пространство (Latent) — секретный язык нейросети. Объясняем просто: это «цифровой пластилин», из которого модель лепит картинку до того, как она станет пикселями.
Текстовые движки (Text Encoders) — как нейросеть переводит ваши слова в цифры и понимает, что от неё хотят.
Промпты и негативные промпты: как правильно формулировать запросы, что работает, а что нет, и зачем тестировать разные варианты.
Математика генерации без формул:
Seed (зерно) — начальная точка отсчета случайного шума.
Steps (шаги) — количество итераций «проявления» картинки из шума.
CFG Scale — насколько строго нейросеть должна следовать вашему тексту (и почему слишком много — это плохо).
Sampler (алгоритм очистки от шума) и Scheduler (планировщик темпа) — стиль и скорость, с которыми нейросеть убирает шум из изображения.
VAE (Вариационный автоэнкодер) — та самая «фотолаборатория», которая проявляет скрытый цифровой набросок в полноценную картинку, видимую нашими глазами.
ComfyUI Manager: что это такое, зачем нужно и как устанавливать. Это своеобразный «магазин приложений» для ComfyUI, который позволяет в один клик искать и добавлять новые узлы (ноды). Мы будем пользоваться им на протяжении всего курса.
Глубокий разбор рабочего процесса из первого занятия: теперь мы не просто видим блоки, а понимаем, как течет информация, за что отвечает каждый узел и как параметры влияют на итоговую картинку.

Практика:
Установка ComfyUI Manager прямо на уроке.
Наглядная демонстрация того, как меняется картинка при изменении каждого из параметров (Steps, CFG, Sampler, Scheduler).

Домашнее задание: Убедиться, что ComfyUI Manager установлен и работает. Взять за основу рабочий процесс из первого занятия на базе SDXL. Используя один и тот же промпт и фиксированное зерно (Seed), сгенерировать серию изображений, меняя только параметры сэмплера, планировщика, CFG и количества шагов. После этого написать свои наблюдения: как именно каждый параметр повлиял на результат.

Занятие 3. Расширение возможностей: LoRA, триггерные слова, кастомные ноды и квантованные GGUF-модели на примере Z-Image Turbo
Цель занятия: Показать студентам разнообразие дополнительных инструментов в ComfyUI. Научить управлять стилями и деталями через LoRA, а также понять принципы квантования (сжатия) моделей, чтобы запускать мощные нейросети на любых видеокартах.

Темы занятия:
LoRA (мини-модели): что это такое, как они «обучают» базовую модель новым концепциям, и почему они весят в сотни раз меньше чекпоинтов.
Триггерные слова (trigger words) и сила воздействия (weight): как правильно «активировать» нужный стиль или объект, и почему слишком высокая сила воздействия ломает картинку.
Квантование и GGUF-модели: можно ли доверять сжатым моделям? Объясняем простыми словами, как сжатие (например, Q4) позволяет загрузить в 8 Гб видеопамяти то, что изначально требовало 16 Гб, и какие при этом бывают потери качества.
Работа с ComfyUI Manager (напоминаем, как им пользоваться) для установки кастомных нод (дополнительных узлов), которых нет в базовой версии программы.
Знакомство с моделью Z-Image Turbo: чем она отличается от SDXL и почему она стала идеальной кандидатурой для тестирования GGUF.

Практика:
Использование ComfyUI Manager для скачивания и установки specialized-узлов: GGUF Loader (загрузчик сжатых моделей) и GPU-Clip Loader.
Сборка базового рабочего процесса для Z-Image Turbo.
Сравнение результатов генерации обычной и сжатой (GGUF) модели: ищем баланс между скоростью, качеством и свободной памятью.
Добавление в процесс узла работы с LoRA: настраиваем триггерные слова и подбираем оптимальную силу воздействия.

Домашнее задание: Настроить рабочий процесс для Z-Image Turbo на своей машине. Выбрать обычную или GGUF-модель (в зависимости от мощности вашей видеокарты). Добавить одну или несколько LoRA, сгенерировать серию изображений с использованием триггерных слов. Сравнить эстетику и скорость Z-Image Turbo с SDXL из предыдущих занятий и поделиться впечатлениями.

Занятие 4. Магия Inpaint и контроль через ControlNet на примере Z-Image Turbo (плюс ускорение генерации)
Цель занятия: Освоить точечное редактирование изображений через Inpaint и научиться управлять композицией через ControlNet с помощью различных препроцессоров. Дополнительно — максимально повысить производительность системы за счет установки модулей ускорения и оптимизации памяти.

Темы занятия:
Inpaint (перерисовка): переводится как «внутренняя покраска». Как сказать нейросети: «перерисуй только этот кусочек, а остальное не трогай». Встроенные инструменты ComfyUI для рисования масок и кастомные ноды для продвинутой работы с ними.
ControlNet — «глаза» для нейросети: как заставить модель повторять позу, глубину или контуры с референсного изображения, а не придумывать их случайно.
Установка модуля расширенных возможностей (Z-Image-Fun-Union) для модели Z-Image Turbo, который включает поддержку ControlNet.
Основные препроцессоры (инструкции для модели): Depth (карта глубины), Pose/DWPose (поза человека), Canny (контуры) и Grey (раскрашивание ч/б).
Тюнинг двигателя ComfyUI (ускорение и оптимизация): почему важно, чтобы версии Python, PyTorch и CUDA Toolkit совпадали как шестеренки в часовом механизме.
Тройка ускорения без потерь:
Triton-Windows и Sage Attention 2: если объяснять просто, Triton помогает видеокарте эффективнее распределять математические вычисления, а Sage Attention оптимизирует то, как нейросеть «смотрит» на контекст. Они работают в паре, кардинально ускоряя генерацию.
Patch Torch Model FP16: специальный патч, который переводит вычисления модели в формат половинной точности (16 бит вместо 32). Простыми словами: нейросеть начинает считать «округленные» числа вместо бесконечных дробей. Это экономит драгоценную видеопамять и дает буст к скорости, а разница в качестве картинки для человеческого глаза незаметна.

Практика:
Пошаговая установка модулей Triton-Windows и Sage Attention 2 под вашу конкретную видеокарту.
Добавление нод Sage Attention и Patch FP16 в рабочий процесс на базе Z-Image Turbo и замер прироста производительности.
Практика Inpaint «Удаление объекта»: загружаем готовое изображение, выделяем область маской, стираем лишнее.
Практика Inpaint «Замена объекта»: меняем исходный элемент на совершенно другой (бесшовно, как дорогой ИИ-сервис).
Установка Z-Image-Fun-Union. Подключение нод препроцессоров (Depth, Pose, Canny, Grey).
Практика ControlNet: генерация с сохранением позы или контуров, а также тестовое раскрашивание ЧБ-фотографии.

Домашнее задание:
Установить модули ускорения на свой ПК и интегрировать: Triton-windows, Sage Attention и Patch FP16 в рабочий процесс.
Взять готовое изображение и с помощью Inpaint удалить один лишний объект, а второй — заменить на новый.
Расширить рабочий процесс: добавить ноды загрузки референсного изображения и ноды препроцессоров. Сгенерировать 3 изображения по разным референсам (на выбор: Pose/DWPose, Canny, Depth, Grey). Оценить влияние дополнительного промпта при раскрашивании ч/б. Поделиться результатами.

Занятие 5. Эстетика и контекстное редактирование: знакомство с Krea-2 и Krea-2 Edit в ComfyUI
Цель занятия: Познакомить студентов с моделями нового поколения (Krea-2), способными к генерации премиального качества и прямому контекстному редактированию. Научить менять детали и фон по тексту, а также получать огромные изображения, готовые к печати, напрямую из генератора.

Темы занятия:
Krea-2: почему она называется одной из самых эстетичных моделей на данный момент. Ее преимущества в фотореализме, художественности и скорости работы.
Нативное высокое разрешение без апскейла: уникальная способность Krea-2. В отличие от старых моделей, которые выдают маленькие картинки (около 1 мегапикселя), требующие долгого «растягивания», Krea-2 способна сразу рисовать гигантские полотна с мельчайшими деталями. Примеры доступных размеров: 2048x2048 (квадрат), 2432x1088 (кинематографичный 16:9), 4096x1024 (панорама) и даже 4096x2048 (готовый 4K-постер).
Сборка базового рабочего процесса для Krea-2: как загружать модель, писать промпты и получать топовый результат с первой попытки.
Контекстное редактирование (Krea-2 Edit): чем оно отличается от Inpaint. Если Inpaint — это «хирургия» с маской, то контекстное редактирование — это «диалог» с нейросетью. Вы просто указываете картинку и пишете, что нужно изменить.
Как Krea-2 Edit (Lora) понимает инструкции: замена объектов, изменение освещения, смена времени суток, перенос объекта в другую среду.
Разрешение входных изображений (референсов) и его влияние на качество редактирования.
Сочетание несочетаемого: как применять наши знания по ускорению (Sage Attention) и LoRA из прошлых занятий вместе с Krea-2 для максимальной эффективности.

Практика:
Установка Krea-2 и необходимых нод (через наш любимый ComfyUI Manager).
Демонстрация генерации с нуля: оцениваем эстетику и послушность модели по сравнению с Z-Image Turbo и SDXL.
Эксперимент с разрешением: генерируем изображение в формате 4K (например, 3840x2160 или 4096x2048) и оцениваем детализацию без использования дополнительных нод увеличения.
Сборка процесса для Krea-2 Edit: загружаем готовое изображение и с помощью текстового промпта меняем фон, одежду и атмосферу без использования масок.
Сравнение подходов: когда проще использовать Inpaint (из 4-го занятия), а когда — контекстное редактирование Krea-2 Edit.

Домашнее задание: Настроить рабочий процесс с Krea-2. Сгенерировать 3 изображения: одно в стандартном квадрате 2048x2048, другое в панорамном или 4K-разрешении (чтобы прочувствовать нативную детализацию). Взять 1 свою фотографию или сгенерированную ранее картинку и с помощью Krea-2 Edit изменить в ней окружение и ключевые детали (например, поменять дневной свет на ночной, или заменить одежду). Сравнить удобство этого процесса с классическим Inpaint.

Занятие 6. Контекстные модели «из коробки»: виртуальная примерка, пересадка лиц, пакетная обработка и управление памятью на примере Flux-2 Klein.
Цель занятия: Познакомить студентов с контекстными моделями (Flux-2 Klein), способными редактировать изображения напрямую. Освоить создание сложных мульти-модульных рабочих процессов: виртуальная примерка, пересадка лиц и пакетная реставрация. Научиться управлять ресурсами ПК (очистка VRAM) и организовывать хаос из нод в удобную систему.

Темы занятия:
Контекстные модели (Flux-2 Klein): чем они принципиально отличаются от SDXL и Z-Image Turbo. Как они «видят» картинку без ControlNet и понимают, что на ней изображено.
Множественные референсы в одном процессе: как объединить в одной схеме сразу несколько источников изображений (фото модели, фото одежды, фото позы) и заставить нейросеть использовать их одновременно.
Виртуальная примерка одежды: как передать нейросети фото человека и фото нужного товара (с манекена), чтобы получить точный перенос ткани, фасона и логотипов.
Пересадка лиц (Head Swap): использование специализированных LoRA для Flux-2 Klein, чтобы переносить конкретное лицо на любое сгенерированное тело.
Организация хаоса (Пульт управления): как из десятков нод и проводов собрать аккуратный интерфейс. Использование групп, переключателей (Bypasser) и объединенных панелей ввода, чтобы спрятать рутину и оставить только нужные кнопки.
Пакетная обработка как суперсила ComfyUI: почему ComfyUI — это конвейер, способный за ночь обработать папку с сотнями фотографий (например, для реставрации).
Управление памятью (VRAM/RAM): почему память забивается при долгой работе. Как использовать спец-ноды очистки кэша (RAM Purge), чтобы ПК не «вылетал» при обработке больших папок.
Практика:
Скачивание и установка файлов для работы с Flux-2 Klein (включая GGUF-версии).
Сборка мульти-модульного рабочего процесса: объединяем загрузчики изображений, ноды контекста и LoRA в единую сеть.

Практика «Виртуальная примерка»: загружаем фото модели и фото товара, пишем промпт-инструкцию, добиваемся точного переноса одежды.
Практика «Пересадка лиц»: применяем Head Swap LoRA для замены лица на портрете.
Практика «Пакетная реставрация»: настраиваем ноды для чтения папки, запускаем реставрацию старых фото в автоматическом режиме с очисткой памяти после каждого цикла.

Домашнее задание: Используя собранный рабочий процесс, выполнить три разные задачи:
Сделать 3 успешные виртуальные примерки одежды (подобрать фото людей и фото вещей).
Сделать 3 успешные пересадки лиц (использовать разные исходники).
Пакетно отреставрировать 3 старые фотографии. Поделиться результатами и наблюдениями за тем, как система справляется с нагрузкой.

Занятие 7. Умные промпты, компьютерное зрение и нейро-фотосессии: от селфи до печати в 4K.
Цель занятия: Познакомить студентов с инструментами компьютерного зрения (Qwen, Qwen-VL) для автоматизации работы с промптами. Научить создавать коммерческие нейро-фотосессии из минимума исходников (селфи) и осваивать увеличение изображений (апскейл) до 16 мегапикселей.

Темы занятия:
Современный промптинг: почему старые методы (перечисление тегов через запятую) больше не работают, и как новые модели понимают естественный язык.
Qwen3 как локальный копирайтер: как ИИ берет вашу короткую идею и превращает её в детальный, технически грамотный промпт для генератора.
Компьютерное зрение (Qwen-VL): «промпт из картинки». Как загрузить в ComfyUI референс, чтобы ИИ сам его описал, и сгенерировать похожее изображение.
Логика нейро-фотосессии из селфи: как объединить авто-промпты (от Qwen3-VL) и пересадку лиц (Head Swap от Flux-2 Klein) в одну цепочку, чтобы генерировать серию портретов с узнаваемым лицом в разных условиях.
LoRA для консистентности: использование Head Swap (пересадка лиц) и Consistency V2 (сохранение сходства) — как они работают вместе и как настраивать их силу.
Апскейл до 4K (SEEDVR2): ограничение Flux-2 Klein (максимум ~1024px из коробки). Как увеличить финальное изображение до 4096x4096px без мыла и артефактов, чтобы получить качество под печать плакатов А2 и больше.

Практика:
Установка моделей Qwen и Qwen-VL (включая GGUF-версии для слабых ПК).
Демонстрация работы Qwen: улучшение короткого промпта в детальный запрос с помощью пресетов.
Демонстрация работы Qwen-VL: загрузка исходного изображения и получение его текстового описания для генерации.
Сборка единого рабочего процесса нейро-фотосессии: связываем Qwen3-VL (создание промпта по фото или улучшение текста), Flux-2 Klein (генерация) и Head Swap LoRA (сохранение лица). Тестируем разные значения силы LoRA.
Интеграция ноды SEEDVR2 в финал процесса: увеличиваем результат до 2048px и 4096px.

Домашнее задание:
Создать изображение из своего короткого промпта, затем сгенерировать варианты с улучшенным промптом от Qwen. Сравнить результаты.
Взять любую картинку, загрузить её в модуль Qwen-VL, получить промпт и сгенерировать по нему новое изображение.
Взять портретное селфи и сгенерировать нейро-фотосессию (3-4 кадра в разных условиях), используя связку Qwen + Flux-2 Klein + Head Swap. Увеличить лучший кадр до 4096px. Доп. задание: Взяв полученную фотографию, поменять позу человека при помощи модуля изменения позы (из прошлых занятий), а затем повторно заменить лицо на оригинальное. Оценить результат.

Занятие 8. Тяжелая артиллерия Flux-2 Dev, влияние текстовых движков и создание авторских нод (вайб-кодинг)
Цель занятия: Познакомить студентов с одной из самых мощных генеративных моделей (Flux-2 Dev). Показать, как выбор текстового движка влияет на результат, и научить создавать собственные кастомные ноды с помощью ИИ-ассистентов.

Темы занятия:
Flux-2 Dev против Flux-2 Klein: когда нужна «тяжелая артиллерия», а когда достаточно быстрого инструмента. Плюсы и минусы больших моделей.
Текстовый движок (Text Encoder) — ухо нейросети: в современных моделях вроде Flux.2 текстовый энкодер играет роль «переводчика» с человеческого языка на язык цифр. И самое интересное, что этого переводчика можно менять прямо на лету! Мы сравним два популярных движка:
Qwen 3 — это «родной» и очень строгий переводчик. Он создан для точности. Если вы напишете длинный промпт с кучей условий («красная чашка на деревянном столе слева, а за окном дождь»), Qwen 3 поймет всё идеально. Он лучше работает со сложными, детальными описаниями и выдает чистый, предсказуемый результат.
Mistral 3 — это художественный интерпретатор. Он воспринимает слова иначе, обращая больше внимания на атмосферу и свет. С ним модель часто выдает более «живую», кинематографичную картинку, отлично понимая короткие емкие фразы. Но если промпт перегружен мелкими деталями, Mistral может ими пренебречь ради общей гармонии.
Математика размеров: почему размер референсного изображения напрямую влияет на качество генерации. Как рассчитывать правильные пропорции, чтобы модель не «ломала» картинку.
Вайб-кодинг для новичков: как использовать нейросети (например, ChatGPT), чтобы они написали для вас код на Python. Мы создадим простейшую ноду-калькулятор для расчета размеров изображений и запустим её прямо в ComfyUI.
Логика построения сложных процессов под свои нужды: как переходить от чужих шаблонов к собственным архитектурам (входы и выходы ноды).

Практика:
Установка и запуск Flux-2 Dev (включая GGUF-версии для домашних ПК).
Эксперимент с текстовыми движками: генерируем одно и то же изображение с Qwen 3 и Mistral 3, сравниваем, как меняется строгость и атмосфера кадра.
Сравнение качества: Flux-2 Dev в нативном разрешении 2048px против Flux-2 Klein + SEEDVR2 (апскейл до 2048px). Ищем баланс между скоростью и качеством.
Вайб-кодинг на практике: просим ИИ написать код простой ноды, сохраняем её в папку ComfyUI, перезапускаем программу и проверяем работоспособность.

Домашнее задание:
Взять готовый рабочий процесс и сгенерировать изображение, используя сразу 4 референса (лицо, одежда, поза, фон) на модели Flux-2 Dev или Flux-2 Klein. Можно использовать любые LoRA.
Доп. задание: Сгенерировать изображение по 1 одинаковому референсу (на выбор: лицо, одежда, поза или фон) на Flux-2 Dev и на Flux-2 Klein. Сравнить результаты и написать свое мнение: стоит ли тяжелая модель потраченного времени и ресурсов ПК.

Занятие 9. Профессиональное редактирование Qwen Image: мастерская маркетплейсов и генерация ракурсов из одной фотографии
Цель занятия: Познакомить студентов с профессиональными возможностями локальной модели Qwen Image Edit от Alibaba. Освоить генерацию разных ракурсов из одного исходника, изучить визуальное управление камерой и автоматизацию создания консистентных наборов изображений (Character Sheet) для коммерции и обучения LoRA.

Темы занятия:
Qwen Image Edit от Alibaba: почему она называется «мастером маркетплейсов». Как она понимает пространство лучше других и сохраняет консистентность (узнаваемость) лица или товара при изменении ракурса на 180 градусов.
Текстовое управление камерой: логика написания промптов для поворота (front view, side profile, back view) и изменения перспективы. Как попросить нейросеть показать товар со спины или сбоку, не потеряв его уникальные черты.
Визуальное управление камерой (QwenMultiangleCameraNode): как отказаться от ручного написания промптов. Используем красивый интерфейс с ползунками (азимут, высота камеры) для задания точного угла обзора. Вы просто крутите ползунок, а нода сама переводит ваш выбор в идеальный промпт.
Ускорение генерации: использование Lightning LoRA для Qwen Image Edit. Зачем ждать 50 шагов, если можно получить потрясающий коммерческий результат всего за 4-6 шагов?
Автоматизация постобработки (Робот-ассистент для сборки Character Sheet):
Умное удаление фона (RemBgUltra) для каждого сгенерированного ракурса — больше не нужно делать это вручную в Photoshop.
Автоматическая обрезка по силуэту (CropByMask V2) с равными отступами, чтобы все кадры на листе выглядели единообразно.
Склейка изображений (ImageConcanate) в один ровный лист для удобного просмотра, презентации клиенту или формирования датасета.
Особенности текстового движка Qwen (qwen_2.5_vl_7b) и её восприятие сложных коммерческих инструкций.

Практика:
Установка Qwen Image Edit, текстового энкодера и VAE.
Установка Lightning LoRA для мгновенного ускорения генерации.
Практика 1 (Текстовый ракурс): сборка процесса, где по одной фотографии генерируются 4 ракурса (спереди, слева, справа, сзади) с помощью текстовых промптов.
Практика 2 (Визуальный ракурс): подключение ноды QwenMultiangleCameraNode. Настраиваем углы камеры через ползунки и генерируем нестандартные ракурсы (например, вид сверху или сбоку под углом 45 градусов), словно управляем реальной съемкой.
Практика 3 (Автоматизация): добавление нод удаления фона, обрезки и склейки. Получение готового, красивого Character Sheet на выходе без единого ручного клика в графическом редакторе.

Домашнее задание: Подготовка к сдаче финального проекта. Взять 1 фотографию персонажа или товара, сгенерировать для него 4-6 разных ракурсов. Собрать их в один Character Sheet (с удаленным фоном и ровной обрезкой). Оценить, насколько хорошо модель сохраняет сходство при поворотах.

Занятие 10. Финальная защита проектов: ваш пропуск в профессиональное ИИ-сообщество.
Цель занятия: Подвести итоги обучения. Помочь студентам оформить свои навыки в готовый проект (кейс) или подтвердить теоретические знания, получить обратную связь и наметить пути для монетизации или дальнейшего развития.
Защита практического проекта: представление собственного рабочего процесса.
Демонстрация итогового результата (изображения или серии кадров), если выбран практический проект.
Живой профессиональный диалог (Q&A): преподаватель задает вопросы по построению вашего рабочего процесса или по теории курса (в зависимости от выбранного формата). Вопросы от других студентов также горячо приветствуются! Почему выбрана именно эта модель? Как работает ваша связка нод? Что произойдет, если изменить этот параметр? Это ваш шанс доказать, что вы не просто скопировали чужую схему, а глубоко понимаете, как течет информация от загрузчика до финальной картинки.
Анализ удачных решений и обсуждение того, что можно было бы улучшить.

Чему вы научитесь?

• Устанавливать и настраивать ComfyUI, Python, CUDA, Git и необходимые компоненты для локальной работы с нейросетями.
• Понимать логику нод, связей и workflow: как данные проходят от модели и промпта до финального изображения.
• Собирать собственные workflow: от базовой генерации до многоступенчатых процессов под реальные задачи.
• Управлять ключевыми параметрами генерации: Seed, Steps, CFG, Sampler, Scheduler, Latent и VAE.
• Работать с LoRA, кастомными нодами, GGUF-моделями и квантованием под возможности своей видеокарты.
• Редактировать изображения через Inpaint и управлять композицией через ControlNet.
• Использовать современные модели и инструменты: Z-Image Turbo, Krea-2, Flux-2, Qwen, Qwen Image Edit и другие.
• Делать виртуальную примерку, Head Swap, нейро-фотосессии, пакетную реставрацию и подготовку изображений для печати.
• Автоматизировать рутину: пакетную обработку, удаление фона, сборку ракурсов и управление памятью ПК.
• Читать, разбирать и адаптировать готовые workflow под свои задачи

Для кого курс?
Курс подойдёт фотографам, ретушёрам, дизайнерам, видеомонтажёрам, моушн-специалистам и всем, кто хочет использовать ComfyUI для визуального продакшена: генерации изображений, ретуши, реставрации, нейро-фотосессий, виртуальной примерки, апскейла и подготовки материалов для коммерческих задач.
Также курс будет особенно полезен владельцам мощных домашних ПК и игровых компьютеров с видеокартами Nvidia, которые хотят запускать современные нейросети локально и меньше зависеть от подписочных сервисов.

Преподаватель: Стив Ласмин
Фотограф, ретушёр, преподаватель и разработчик инструментов для ComfyUI. Более шести лет преподавал фотографию, Photoshop и обработку изображений, работал с коммерческими съёмками для Leroy Merlin, BenQ, Paul Mitchell, «Бронницкого Ювелира» и других клиентов.

10 сентября — 12 ноября

Цена: 17430 руб.
Скрытая ссылка