ComfyUI là công cụ tạo ảnh bằng AI chạy ngay trên laptop, nhưng cách làm việc của nó khác hẳn những giao diện nhiều ô nhập quen thuộc: mọi bước từ nạp model, mã hoá câu lệnh đến giải mã ảnh đều hiện thành các khối node nối dây với nhau. Bài này tôi đi theo đúng trình tự một người mới cần: hiểu cấu trúc node, cài bản portable trên Windows, đặt model vào đúng thư mục, mở workflow mẫu, chạy SDXL hoặc Flux, rồi xử lý hai lỗi gặp nhiều nhất là thiếu custom node và tràn bộ nhớ.
ComfyUI vận hành theo đồ thị node khác gì giao diện WebUI
README chính thức mô tả đây là nền tảng tạo nội dung bằng AI xoay quanh giao diện đồ thị node, áp dụng cho ảnh, video, âm thanh lẫn mô hình 3D. Mỗi node đảm nhận một việc cụ thể: nạp checkpoint, mã hoá câu lệnh bằng text encoder, lấy mẫu trong không gian ẩn (latent), giải mã qua VAE rồi lưu file. Về bản chất, dây nối giữa các node là đường đi của dữ liệu, nên nhìn sơ đồ là tôi biết ảnh cuối cùng đi qua những bước nào và tham số nào đang tác động lên nó.
Giao diện AUTOMATIC1111 (thường gọi tắt là A1111) đi theo hướng khác: một trang web dựng bằng thư viện Gradio, chia tab txt2img, img2img với các ô nhập và thanh trượt cố định. Cách đó dễ làm quen, nhưng muốn chèn thêm một bước như phóng to ảnh giữa chừng hay ghép hai model thì phải nhờ tới tiện ích mở rộng. Ở đây, tôi chỉ việc kéo thêm node và nối dây, cấu trúc xử lý hiện rõ trên màn hình thay vì ẩn sau các menu.
Ưu thế thứ hai nằm ở cách thực thi. Theo phần ghi chú trong README, ComfyUI chỉ chạy lại những node có thay đổi so với lần trước, đổi câu lệnh thì bước nạp model đứng trước vẫn giữ kết quả cũ. Mỗi ảnh PNG xuất ra còn nhúng sẵn toàn bộ workflow kèm seed, kéo ảnh đó thả vào trình duyệt là tái tạo đúng sơ đồ đã dùng. Bảng phím tắt, danh sách model được hỗ trợ và lịch phát hành bản ổn định khoảng hai tuần một lần đều được ghi trong kho mã nguồn chính thức trên GitHub.
Cài ComfyUI bản portable trên laptop Windows qua từng bước cụ thể
Nhóm phát triển khuyến nghị người mới cài ứng dụng desktop cho Windows và macOS, còn bản portable được ghi rõ là không dành cho số đông. Tôi vẫn ưu tiên portable trên laptop vì nó gói sẵn Python và PyTorch trong một thư mục, không đụng tới Python đã cài trên hệ thống, xoá thư mục là gỡ sạch. Gói cho card NVIDIA hiện kèm Python 3.13 cùng PyTorch CUDA 13.0, hỗ trợ từ dòng RTX 20 trở lên; card đời GTX 10 phải lấy gói riêng dựng trên CUDA 12.6.
File tải về có đuôi .7z, giải nén bằng 7-Zip hoặc bằng trình quản lý file có sẵn trên các bản Windows gần đây. Bài 7-Zip hay WinRAR: Nên chọn phần mềm giải nén nào 2026? giải thích File Explorer từ Windows 11 23H2 đã tự mở được định dạng 7z, hữu ích khi bạn chưa muốn cài thêm phần mềm chỉ để bung gói cài đặt. Trường hợp giải nén báo lỗi, README hướng dẫn bấm chuột phải vào file, mở Properties và tích Unblock trước khi thử lại.
Thư mục sau khi giải nén gồm ComfyUI, python_embeded, update cùng các file khởi động run_nvidia_gpu.bat và run_cpu.bat. Nhấp đúp file .bat hợp với phần cứng, chờ cửa sổ dòng lệnh in địa chỉ http://127.0.0.1:8188 rồi mở địa chỉ đó bằng trình duyệt; tài liệu chính thức khuyên dùng Chrome từ bản 143 để tránh lỗi hiển thị. Khi run_nvidia_gpu.bat không khởi động nổi, README yêu cầu cập nhật driver NVIDIA trước tiên, thao tác này có trong bài Cách Update Driver đồ họa trong Windows 10 và 11.
Đặt model đúng thư mục và nạp workflow mẫu đầu tiên
Bản cài không kèm sẵn model tạo ảnh, lõi chương trình chạy hoàn toàn ngoại tuyến và không tự tải gì khi bạn chưa yêu cầu. Model gói trọn trong một file như SDXL chỉ cần chép file .safetensors vào thư mục models\checkpoints. Các model lớn hơn thường tách thành nhiều file gồm phần khuếch tán, text encoder và VAE, mỗi file phải nằm đúng thư mục con; đặt nhầm chỗ là node nạp model không liệt kê được file đó.
| Loại file | Thư mục con trong models | Ví dụ tên file |
|---|---|---|
| Checkpoint gộp | checkpoints | sd_xl_base_1.0.safetensors |
| Model khuếch tán tách rời | diffusion_models | flux1-dev.safetensors |
| Text encoder | text_encoders | clip_l.safetensors, t5xxl_fp8_e4m3fn.safetensors |
| VAE | vae | ae.safetensors |
| Model lượng tử hoá GGUF | unet | flux1-dev-Q4_0.gguf |
| LoRA | loras | File LoRA đuôi .safetensors |
Workflow là file JSON mô tả toàn bộ đồ thị node, từ node nạp model tới node lưu ảnh. Cách nhanh nhất để có workflow đúng chuẩn là mở bộ mẫu (template) tích hợp trong giao diện rồi chọn mẫu văn bản sang ảnh của dòng model đã tải. Kho mẫu trên trang comfy.org cũng do đội ngũ phát triển duy trì, gồm các mẫu chạy sẵn cho từng dòng model được hỗ trợ chính thức.
Mở mẫu xong, tôi kiểm tra từng node nạp model xem tên file đã khớp với file trong thư mục hay chưa, vì mẫu thường ghi sẵn tên gốc do nhà phát triển đặt. Tiếp theo là nhập câu lệnh vào node mã hoá văn bản rồi bấm Ctrl + Enter để đưa đồ thị vào hàng đợi. Muốn lưu cấu hình đã chỉnh, Ctrl + S xuất workflow ra file JSON, lần sau Ctrl + O mở lại đúng trạng thái đó.
Chạy SDXL và Flux trên laptop RTX lẫn cấu hình không GPU rời
Hai dòng model ảnh tôi thấy hợp để bắt đầu trên laptop là SDXL và Flux.1. SDXL base đóng gói trong một checkpoint 6,94 GB, nạp bằng node Load Checkpoint quen thuộc. Flux.1 dev bản gốc riêng phần khuếch tán đã nặng 23,8 GB, cộng thêm hai text encoder và VAE; tài liệu chính thức chỉ khuyên dùng text encoder T5 bản fp16 khi bộ nhớ đồ họa trên 32 GB, còn lại nên chọn bản fp8. Flux.1 schnell chỉ cần 4 bước lấy mẫu nên nhẹ gánh hơn bản dev.
| Phiên bản model | Tên file | Dung lượng file | Ghi chú theo tài liệu |
|---|---|---|---|
| SDXL base 1.0 | sd_xl_base_1.0.safetensors | 6,94 GB | Checkpoint gộp, nạp một file |
| Flux.1 dev gốc | flux1-dev.safetensors | 23,8 GB | Chưa gồm text encoder và VAE |
| Flux.1 dev fp8 gộp | flux1-dev-fp8.safetensors | 17,25 GB | Một file, chất lượng giảm nhẹ so với bản đầy đủ |
| Flux.1 dev GGUF Q8_0 | flux1-dev-Q8_0.gguf | 12,71 GB | Cần gói mở rộng GGUF |
| Flux.1 dev GGUF Q4_0 | flux1-dev-Q4_0.gguf | 6,79 GB | Cần gói mở rộng GGUF |
Trên laptop RTX, file run_nvidia_gpu.bat là lựa chọn mặc định. ComfyUI tự điều phối bộ nhớ: model dùng xong được chuyển về RAM hệ thống thay vì chiếm chỗ trên GPU, và trên card NVIDIA cơ chế nạp trọng số bất đồng bộ (async offload) được kích hoạt sẵn. Nhờ khả năng đẩy bớt model sang RAM, một laptop RTX phổ thông vẫn có thể nạp model nặng hơn bộ nhớ đồ họa, đổi lại hiệu năng suy giảm khi dữ liệu phải chuyển qua lại.
Laptop chỉ có đồ họa tích hợp vẫn khởi chạy ComfyUI qua file run_cpu.bat, toàn bộ phép tính khi đó dồn cho CPU và tài liệu chính thức ghi rõ chế độ này chậm. Với cấu hình như vậy, tôi ưu tiên SDXL hoặc Flux.1 schnell ở độ phân giải vừa phải để trải nghiệm quy trình trước. Bản portable riêng cho GPU AMD và Intel cũng đã có, song mức hỗ trợ đồ họa tích hợp phụ thuộc driver lẫn phiên bản PyTorch nên cần xác minh trên chính laptop của bạn.
Xử lý lỗi thiếu custom node và lỗi tràn bộ nhớ đồ họa
Tải workflow của người khác về rồi thấy vài node hiện viền đỏ là tình huống gặp thường xuyên nhất. Thực chất, nguyên nhân gần như luôn là workflow đó cần custom node, tức gói node mở rộng do cộng đồng viết, mà bản cài của bạn chưa có. Tài liệu xử lý sự cố chính thức cũng xác nhận phần lớn lỗi được báo cáo có liên quan tới custom node chứ không nằm ở lõi chương trình.
Công cụ giải quyết là ComfyUI-Manager. Theo README bản hiện hành, cách kích hoạt là cài thư viện đi kèm bằng lệnh pip install -r manager_requirements.txt (bản portable chạy lệnh này qua python_embeded\python.exe) rồi thêm cờ –enable-manager vào lệnh khởi động nếu trình quản lý chưa hiện trong giao diện. Trình quản lý có nút Install Missing Custom Nodes, bấm vào sẽ liệt kê những gói custom node chứa đúng các node đang thiếu trong workflow. Cài xong cần khởi động lại chương trình để gói mới được nạp.
Lỗi thứ hai là tràn bộ nhớ, thường hiện dòng out of memory hoặc làm laptop đứng hình giữa chừng. Tài liệu đề xuất giảm độ phân giải hoặc số ảnh mỗi lượt (batch size), đóng bớt ứng dụng đang chiếm RAM, rồi mới tới các cờ khởi động tiết kiệm bộ nhớ. Khi một gói mở rộng mới cài làm chương trình không mở nổi, cờ –disable-all-custom-nodes giúp khởi động ở trạng thái sạch để khoanh vùng gói gây lỗi, các bước cụ thể nằm trên trang hướng dẫn xử lý sự cố chính thức.
Tham số khởi động và độ phân giải giúp laptop chạy nhẹ hơn
Các cờ khởi động được thêm vào cuối dòng lệnh trong file .bat, mở bằng Notepad là chỉnh ngay. Tôi chỉ thêm từng cờ một rồi chạy thử để xác minh, vì mỗi cờ đánh đổi tốc độ lấy bộ nhớ theo một nguyên lý khác nhau. Bảng dưới tổng hợp những cờ liên quan tới laptop, phần mô tả lấy từ file cli_args.py trong mã nguồn và trang xử lý sự cố chính thức.
| Cờ khởi động | Tác dụng theo mã nguồn | Khi nào nên thử |
|---|---|---|
| –lowvram | Chạy text encoder trên CPU, không có tác dụng khi cơ chế dynamic VRAM đang bật | Card ít bộ nhớ đồ họa báo tràn |
| –novram | Mức tiết kiệm sâu hơn khi –lowvram chưa đủ | Vẫn tràn sau khi đã thử –lowvram |
| –reserve-vram 2 | Chừa 2 GB bộ nhớ đồ họa cho hệ điều hành và phần mềm khác | Vừa tạo ảnh vừa mở nhiều ứng dụng |
| –cache-none | Giảm RAM và bộ nhớ đồ họa, đổi lại mọi node chạy lại mỗi lượt | Laptop 16 GB RAM hay đầy bộ nhớ |
| –preview-method none | Tắt ảnh xem trước trong lúc lấy mẫu | Cần dồn tài nguyên cho ảnh cuối |
| –cpu | Toàn bộ phép tính chạy trên CPU, rất chậm | Phương án cuối khi không có GPU phù hợp |
Độ phân giải là thông số có tác động lớn mà dễ tối ưu nhất. Số điểm ảnh tăng theo bình phương cạnh, nên hạ từ 1024×1024 xuống 768×768 là bớt khoảng 44% lượng pixel cần xử lý. SDXL được huấn luyện quanh mức 1024×1024 nên kéo xuống quá thấp thì chất lượng bố cục dễ giảm; tôi thường tạo ở kích thước gốc với batch size bằng 1, sau đó mới phóng to bằng node upscale khi cần ảnh lớn.
Phương án cuối là chọn phiên bản model lượng tử hoá. README của gói ComfyUI-GGUF giải thích model dạng transformer như Flux ít bị ảnh hưởng bởi lượng tử hoá hơn UNET dùng tích chập, nhờ đó chạy được ở số bit thấp hơn nhiều trên GPU cấu hình khiêm tốn. Cách áp dụng là đặt file .gguf vào models\unet rồi thay node Load Diffusion Model bằng Unet Loader (GGUF) trong đồ thị, các node còn lại giữ nguyên.
Câu hỏi thường gặp về ComfyUI
Công cụ này có miễn phí và chạy ngoại tuyến không?
Có. Bản cài trên laptop miễn phí, mã nguồn công khai trên GitHub, và lõi chương trình không tải gì về nếu bạn không yêu cầu. Nhóm node API trả phí chỉ là tuỳ chọn, cờ –disable-api-nodes tắt hẳn nhóm này để mọi xử lý ở lại trên laptop. Comfy Cloud là dịch vụ đám mây trả phí riêng cho ai không có phần cứng đáp ứng.
Nên cập nhật bản portable bằng file nào để tránh lỗi gói mở rộng?
Thư mục update của bản portable có update_comfyui.bat lấy bản mới nhất và update_comfyui_stable.bat lấy bản ổn định. README cảnh báo các commit nằm ngoài mốc phát hành ổn định có thể làm hỏng nhiều custom node, nên tôi ưu tiên file stable, nhất là khi workflow đang phụ thuộc nhiều gói mở rộng.
Có thể chia sẻ thư mục model với A1111 không?
Có thể. Thư mục ComfyUI của bản portable kèm file extra_model_paths.yaml.example; đổi tên thành extra_model_paths.yaml rồi khai báo đường dẫn thư mục model của giao diện kia, chương trình sẽ tự tìm thấy, tiết kiệm dung lượng SSD của laptop vì khỏi chép trùng hàng chục GB.
MacBook chip Apple có cài được công cụ này không?
Có. ComfyUI hỗ trợ Apple Silicon từ M1 đến M4 qua Metal, cách nhanh nhất là cài ứng dụng desktop bản macOS. Bản portable trong bài chỉ dành cho Windows, còn cài thủ công trên macOS cần PyTorch bản nightly theo hướng dẫn của Apple.
Để lại một bình luận