이 워크플로는 깊이 맵으로 Stable Diffusion 3.5를 가이드해, 생성 결과가 레퍼런스 이미지의 구조와 원근을 따르도록 만드는 방법을 안내합니다. CheckpointLoaderSimple로 SD 3.5 Large 체크포인트(sd3.5_large_fp8_scaled.safetensors)와 고품질 VAE(vae-ft-mse-840000-ema-pruned.safetensors)를 로드합니다. 텍스트 프롬프트는 CLIPTextEncode로 인코딩되며, KSampler가 EmptySD3LatentImage로 정의된 잠재 데이터 캔버스를 사용해 확산을 처리하므로 정확한 출력 크기를 설정할 수 있습니다. VAEDecode, PreviewImage, SaveImage로 결과를 확인하고 내보내는 흐름을 완성합니다.
깊이 가이드는 ControlNet을 통해 제공됩니다. ControlNetLoader는 sd3.5_large_controlnet_depth.safetensors를 로드하고, ControlNetApplyAdvanced는 조절 가능한 강도 및 시작/종료 퍼센트로 깊이 조건화를 프롬프트에 연결합니다. 레퍼런스 이미지는 LoadImage로 가져오며, 필요 시 ImageScaleToTotalPixels로 리사이즈한 다음 포함된 depth 전처리 노드(6b0ed7ac-f476-44c9-9dad-b3f23ef985f8로 식별되는 커스텀 노드)가 lotus-depth-d-v1-1.safetensors 모델을 사용해 깊이 맵으로 변환합니다. 이미지-투-이미지 변형의 경우 VAEEncode가 레퍼런스 이미지 잠재 데이터를 KSampler에 시드로 제공할 수 있으며, 깊이 가이드 기반의 순수 텍스트에서 이미지로에서는 EmptySD3LatentImage를 사용합니다. 네거티브 프롬프트를 비우고 싶다면 ConditioningZeroOut을 사용할 수 있습니다. 이 조합으로 장면 레이아웃은 유지하면서 프롬프트로 스타일, 조명, 디테일을 자유롭게 변경하기 쉽습니다.
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 "SD3.5 대형 깊이" (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("sd3.5_large_depth_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("45", "image", asset); // LoadImage
wf.setInput("57", "text", "your prompt here"); // CLIPTextEncode
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
