Generare immagini con l'IA non richiede per forza un abbonamento a un servizio online. Con ComfyUI e i modelli Stable Diffusion puoi creare immagini gratis, direttamente sul tuo computer, senza limiti di generazioni e senza inviare nulla a server esterni: tutto resta in locale, un vantaggio enorme per la privacy e per chi vuole sperimentare liberamente.

Questa guida è pensata per chi ha un minimo di dimestichezza con il computer ma non è uno sviluppatore. È un tutorial di livello intermedio-avanzato: alla fine avrai ComfyUI installato e funzionante e saprai generare la tua prima immagine con un workflow di base.

A chi serve e cosa ti serve (prerequisiti reali)

ComfyUI è ideale per chi vuole controllo totale sulla generazione di immagini e non teme un'interfaccia a "nodi", che collega tra loro i vari passaggi come in uno schema di flusso. Rispetto ad alternative più semplici è meno immediato, ma molto più potente e flessibile.

Requisiti consigliati:

  • Sistema operativo: Windows 10/11, Linux o macOS.
  • Scheda grafica (GPU): una GPU Nvidia con almeno 6-8 GB di VRAM è l'ideale per i modelli Stable Diffusion 1.5, mentre per SDXL (qualità superiore) sono consigliati 8-12 GB. Funziona anche con GPU AMD (su Linux) e con i Mac Apple Silicon (M1/M2/M3/M4), seppur più lentamente.
  • Spazio su disco: almeno 10-15 GB liberi, tra programma e modelli.
  • Nessun account e nessun costo: sia ComfyUI sia i modelli di base sono gratuiti.

Se non hai una GPU dedicata, la generazione userà la CPU e sarà molto lenta (diversi minuti per immagine): in quel caso valuta un'alternativa nel cloud.

Passo 1: scaricare e installare ComfyUI

Il modo più semplice su Windows è scaricare la versione portable dalla pagina ufficiale del progetto su GitHub: è un archivio da estrarre, senza installazione. In alternativa, per chi usa Linux/Mac o preferisce l'installazione manuale, si procede da terminale.

Installazione manuale (richiede Python 3.11+ e Git):

# 1. Clona il repository
git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI

# 2. (Consigliato) crea un ambiente virtuale
python -m venv venv
source venv/bin/activate      # su Windows: venv\Scripts\activate

# 3. Installa PyTorch (versione per GPU Nvidia CUDA)
pip install torch torchvision torchaudio

# 4. Installa le dipendenze di ComfyUI
pip install -r requirements.txt

Su Mac Apple Silicon, PyTorch userà automaticamente l'accelerazione "MPS": non serve CUDA. Su AMD in Linux occorre invece la versione di PyTorch per ROCm, indicata nella documentazione ufficiale.

Passo 2: scaricare un modello e metterlo al posto giusto

ComfyUI da solo non "sa" disegnare: ha bisogno di un modello (chiamato checkpoint). I checkpoint di Stable Diffusion si scaricano gratuitamente da Hugging Face. Per iniziare con qualità elevata puoi usare un modello della famiglia SDXL; se hai poca VRAM, parti da un modello Stable Diffusion 1.5, più leggero.

Scarica il file del modello (di solito con estensione .safetensors) e copialo in questa cartella:

ComfyUI/models/checkpoints/

Puoi anche farlo da terminale con lo strumento ufficiale di Hugging Face:

pip install -U "huggingface_hub[cli]"
hf download stabilityai/stable-diffusion-xl-base-1.0 \
  sd_xl_base_1.0.safetensors --local-dir ComfyUI/models/checkpoints/

Passo 3: avviare ComfyUI e capire il workflow di base

Avvia il programma:

python main.py

ComfyUI aprirà un indirizzo locale, di solito http://127.0.0.1:8188, da visitare nel browser. Al primo avvio trovi già un workflow di esempio. I nodi essenziali per generare un'immagine sono:

  1. Load Checkpoint: carica il modello che hai messo nella cartella.
  2. CLIP Text Encode (Prompt): qui scrivi il prompt positivo (cosa vuoi) e quello negativo (cosa non vuoi).
  3. KSampler: il cuore della generazione, dove si impostano passi (steps), metodo di campionamento e "cfg" (quanto il modello segue il prompt).
  4. VAE Decode: trasforma il risultato in un'immagine visibile.
  5. Save Image: salva il file nella cartella ComfyUI/output/.

Per generare, scrivi il prompt e premi il pulsante "Queue" (Coda). La prima immagine richiederà qualche secondo in più perché il modello viene caricato in memoria.

Passo 4: due prompt da provare subito

Prompt positivo per un ritratto fotografico:

ritratto fotografico di una donna anziana sorridente, luce naturale morbida, sfondo sfocato di un mercato, dettagli della pelle realistici, 50mm, alta qualità

Prompt negativo (da inserire nel nodo dedicato) per ridurre i difetti:

sfocato, deformato, mani deformi, testo, filigrana, bassa qualità, artefatti

Risultato atteso: un ritratto realistico e ben illuminato. Modifica il "seed" nel KSampler per ottenere varianti diverse dello stesso prompt, oppure alza gli steps (per esempio da 20 a 30) per un risultato più rifinito, al costo di qualche secondo in più.

Errori comuni e come risolverli

  • "CUDA out of memory": la VRAM non basta. Riduci la risoluzione (per esempio da 1024 a 768 pixel), passa a un modello 1.5 più leggero, oppure avvia ComfyUI con l'opzione a basso consumo di memoria (python main.py --lowvram).
  • "Prompt outputs failed" o nodo mancante: stai usando un workflow che richiede nodi non installati. Installa ComfyUI Manager, che permette di aggiungere con un clic i nodi personalizzati mancanti.
  • Immagine tutta nera: spesso è un problema del VAE con alcuni modelli. Prova a scaricare un file VAE dedicato e a collegarlo, oppure usa un checkpoint che include già il VAE.
  • Generazione lentissima: probabilmente stai usando la CPU. Verifica che PyTorch riconosca la GPU; su Nvidia serve la versione CUDA corretta.

Varianti e passi successivi

Una volta padroneggiato il flusso di base, puoi ampliare le possibilità: aggiungere le LoRA (piccoli file che specializzano lo stile o un soggetto), usare ControlNet per guidare la composizione a partire da una posa o da uno schizzo, o passare a modelli più recenti. ComfyUI Manager resta lo strumento chiave per installare estensioni e modelli senza smanettare tra le cartelle.

Se l'interfaccia a nodi ti sembra troppo complessa, esistono alternative più guidate: Fooocus e Automatic1111 offrono un'esperienza più simile a un normale programma, mentre applicazioni come LM Studio servono per i modelli testuali, non per le immagini. Ma se cerchi il massimo controllo — e vuoi capire davvero come funziona la generazione di immagini — ComfyUI è oggi lo standard di riferimento, gratuito e completamente in locale.

Velocizzare la generazione e organizzare i modelli

Con qualche accorgimento puoi ridurre i tempi di attesa e tenere in ordine la tua installazione. Sul fronte velocita', il numero di passi (steps) e' il parametro che incide di piu': per le prove rapide bastano 15-20 passi, mentre 30 o piu' hanno senso solo per l'immagine finale. Anche la risoluzione conta molto: generare a 768 pixel e poi ingrandire l'immagine con un nodo di upscale e' spesso piu' veloce che partire subito da 1024 pixel. Se la tua GPU lo supporta, i modelli in versione "fp16" occupano meta' della memoria rispetto a quelli a piena precisione, senza differenze visibili di qualita'.

Per l'organizzazione, ComfyUI usa cartelle dedicate dentro models/: i checkpoint in checkpoints/, le LoRA in loras/, i file VAE in vae/ e i modelli per l'upscale in upscale_models/. Tenere ogni file al suo posto evita che il programma non trovi i modelli. Un'ultima abitudine utile: ComfyUI salva l'intero workflow dentro i metadati di ogni immagine PNG che genera. Trascinando una vecchia immagine nella finestra del programma, ricarichi automaticamente tutti i nodi e le impostazioni con cui l'hai creata. E' il modo piu' semplice per riprodurre un risultato o per condividere una "ricetta" con altri.

Quando conviene il cloud invece del locale

Il locale e' imbattibile per privacy, costi a lungo termine e liberta' di sperimentazione. Ma non e' sempre la scelta migliore. Se non hai una GPU adeguata, se ti serve generare centinaia di immagini in fretta, o se lavori da un portatile leggero, un servizio nel cloud puo' avere senso: si paga a consumo ma si evita l'investimento in hardware. Molte piattaforme permettono di eseguire proprio ComfyUI su server remoti con GPU potenti, mantenendo la stessa interfaccia a nodi che hai imparato qui. In sintesi: impara il flusso di lavoro in locale, dove puoi sbagliare senza costi, e valuta il cloud solo quando le esigenze di volume o di velocita' superano le possibilita' del tuo computer.