'Z-Image-Turbo Fun Union ControlNet' 워크플로는 여러 ControlNet 모델을 활용해 이미지를 정밀하게 개선 및 조작하는 고급 이미지 생성 프로세스입니다. 이 워크플로는 Canny 엣지 감지, HED(Holistically-Nested Edge Detection), 깊이 추정, 포즈 인식, MLSD(Multi-Line Segment Detection) 등 다양한 이미지 전처리 기법을 통합합니다. 이러한 기법은 Z-Image-Turbo 모델의 출력을 세밀하게 제어하고 개선하도록 구성되어, 더 정교한 이미지 변환을 가능하게 합니다. SaveImage, MarkdownNote, PreviewImage, ImageScaleToMaxDimension 같은 노드를 활용해 이미지가 효율적이고 효과적으로 처리되도록 합니다.
기술적으로 이 워크플로는 여러 컨트롤 입력을 동시에 처리할 수 있어 이미지 생성 과정에 높은 수준의 제어를 제공합니다. 다양한 ControlNet 모델의 통합을 통해 사용자는 입력 이미지에 서로 다른 전처리 기법을 적용하고, 원하는 출력 사양에 맞게 스케일 및 변환할 수 있습니다. 이 때문에 디지털 아트 제작, AR, 고급 사진 편집처럼 정밀한 이미지 조작이 필요한 작업에 특히 유용합니다.
API
코드에서 이 워크플로우 사용하기
모든 Comfy 워크플로우는 JSON 그래프입니다. 아래 페이로드는 이 워크플로우 그 자체로, ComfyUI에서 실행되는 것과 동일합니다 — URL에서 가져오거나, 버전 관리에 보관하거나, ComfyUI에서 불러와 노드별로 실행할 수 있습니다.
Comfy SDK로 TypeScript 또는 Python에서 실행하세요. 동일한 코드는 Comfy Cloud 또는 직접 호스팅하는 ComfyUI 모두에 적용됩니다 — 기본 URL만 다릅니다.
// Install (beta)
npm i @comfyorg/sdk
// Run "Z-Image-Turbo 제어 이미지 생성" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("image_z_image_turbo_fun_union_controlnet_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("58", "image", asset); // LoadImage
const job = await client.run(wf);
await job.getOutputs("9")[0].toFile("output.png"); // SaveImageSDK는 API 형식의 워크플로우를 사용합니다: 이 워크플로우를 ComfyUI에서 열고 파일 → 워크플로우 내보내기(API)를 사용하세요.
FAQ
