Odcinek kanału YouTube
Od pomysłu do grafiki: ComfyUI w Twoim homelabie | #6
26.10.2025Generowanie grafik bez opłat i bez chmury na własnym sprzęcie? Instalujemy ComfyUI na Dockerze, łączymy go z Open WebUI i sprawdzamy, co potrafi CPU.
YouTube
Film ładuje się dopiero po kliknięciu — bez ciasteczek YouTube przed odtworzeniem.
Notatki do odcinka
Streszczenie i rozwinięcie filmu — dla osób, które wolą najpierw przeskanować temat, zamiast oglądać całość.
W tym odcinku sprawdzam, jak uruchomić ComfyUI na samym CPU i wykorzystać go do tworzenia miniaturek oraz innych grafik. Nie zaczynam od gotowego środowiska z mocną kartą graficzną. Interesuje mnie pełny przepływ: wybór modeli, konfiguracja Dockera, workflow w ComfyUI oraz połączenie z Open WebUI.
Pokazuję, gdzie szukać modeli na Hugging Face i jak pobierać je skryptem korzystającym z manifestu. W rozmowie pojawiają się checkpointy, VAE i LoRA, ale najważniejszy jest praktyczny podział pracy między elementami workflow. Następnie uruchamiam obraz ComfyUI CPU-only, lokalnie wystawiam usługę i sprawdzam przykładowe generowanie.
Druga część dotyczy integracji z Open WebUI w trybie „image”. Zapisuję workflow przez Dev Mode i „Save API Format”, mapuję node’y oraz omawiam ograniczenie API do sześciu wejść. Na końcu porównuję szybki szkic z LCM i generowanie w trybie Classic, a także pokazuję pułapkę automatycznego generowania promptu.
Co zobaczysz
Najpierw wyjaśniam kontekst użycia. ComfyUI ma pomóc w przygotowaniu miniaturek i grafik, więc ważne jest nie tylko to, czy pojedynczy obraz da się wygenerować, ale również czy cały proces można powtarzać. Interfejs oparty na node’ach pozwala zobaczyć, z jakich kroków składa się workflow i gdzie podmienia się model albo ustawienia.
Potem przechodzę przez modele text-to-image. Omawiam checkpointy, VAE i LoRA oraz pokazuję, jak szukać odpowiednich plików. W praktyce korzystam z Hugging Face i prostego skryptu pobierającego modele na podstawie manifestu. Jako przykład pojawia się DreamShaper 7, a wśród materiałów są też odnośniki do ReV_Animated, EpiCRealism i Dreamlike Photoreal 2.0.
Kolejny rozdział to konfiguracja ComfyUI w Docker Compose w wariancie CPU-only. Pokazuję porty, argumenty i lokalne wystawienie usługi, a potem uruchamiam kontener. Po otwarciu ComfyUI w przeglądarce można przejść przez workflow i zobaczyć przykładowe wyniki modeli bez dokładania GPU do tego środowiska.
Najwięcej uwagi poświęcam integracji. W Dev Mode zapisuję workflow w formacie API JSON, a później wyjaśniam, które node’y trzeba zmapować. To ważne, bo Open WebUI nie otrzymuje całego graficznego edytora; korzysta z ograniczonego interfejsu wejściowego. W odcinku wskazuję limit sześciu wejść i pokazuję dwa sposoby używania modelu text-to-image w WebUI.
Na końcu porównuję dwa podejścia do generowania na CPU. LCM ma służyć jako szybki szkic przy 6–8 krokach i niskim CFG. Classic jest wolniejszy, ale nadaje się do finałowego obrazu. W rozdziale podsumowującym pada porównanie czasu: Classic trwa około 2–3 albo 7–10 minut, zależnie od wariantu opisanego w materiale.
Kluczowe wnioski
Najważniejsza lekcja z pracy bez GPU jest praktyczna: trzeba dobierać workflow do sprzętu. Sam fakt, że ComfyUI się uruchamia, nie oznacza jeszcze wygodnego procesu. Dlatego rozdzielam szybki szkic LCM od końcowego generowania Classic i pokazuję, gdzie CPU będzie ograniczeniem.
Drugi wniosek dotyczy modeli. Checkpoint, VAE i LoRA pełnią różne role, więc nie wystarczy pobrać przypadkowy plik i oczekiwać takiego samego rezultatu. Manifest i skrypt porządkują pobieranie, a karty modeli oraz README pomagają sprawdzić, z czym pracuję.
Workflow jest ważniejszy niż pojedynczy prompt. ComfyUI zapisuje zależności między node’ami, a format API pozwala wykorzystać je poza graficznym interfejsem. Jednocześnie integracja z Open WebUI ma granice: trzeba zmapować wejścia, a opisany interfejs obsługuje ich sześć.
Warto też uważać na warstwę promptu. Open WebUI może pomóc w generowaniu promptu, ale w materiale pokazuję, że ten mechanizm może stać się pułapką. Dodatkowa automatyzacja nie zawsze poprawia kontrolę nad wynikiem, dlatego workflow powinien pozostać zrozumiały i możliwy do sprawdzenia.
Jak to odtworzyć
Zacznij od repozytorium z konfiguracją i przygotuj Docker Compose dla obrazu ComfyUI CPU-only. Wybierz model na Hugging Face, dodaj go do manifestu i użyj skryptu do pobrania. W przykładzie występuje DreamShaper 7. Uruchom kontener, wystaw usługę lokalnie i otwórz ComfyUI w przeglądarce.
Zbuduj albo wczytaj workflow, a następnie włącz Dev Mode i użyj „Save API Format”. Zapisany JSON potraktuj jako podstawę integracji z Open WebUI. Zmapuj node’y, uwzględniając limit sześciu wejść, i skonfiguruj tryb „image”. Sprawdź oba sposoby używania text-to-image, a do szybkich szkiców wybierz LCM z 6–8 krokami i niskim CFG.
Najczęstsze pytania
Czy ComfyUI wymaga GPU? Nie w tym odcinku. Pokazuję wariant CPU-only i omawiam jego ograniczenia czasowe.
Jakie elementy modelu są omawiane? Checkpointy, VAE i LoRA. Przykładem checkpointu jest DreamShaper 7.
Czy każdy workflow można bezpośrednio podłączyć do Open WebUI? Nie. Trzeba zapisać format API, zmapować node’y i uwzględnić ograniczenie sześciu wejść.