2026年最新版 ComfyUIのインストールから使い方まで徹底解説【初心者向け】

ComfyUIとは？ 2026年における進化と魅力

ComfyUIは、Stable Diffusionをはじめとする画像生成AIを、ノードベースの直感的なインターフェースで操作できる強力なツールです。2026年4月現在、その進化は目覚ましく、初期のバージョンと比較して推論速度の向上、ワークフローの柔軟性の強化、そして安定性の飛躍的な改善が図られています。複雑な画像生成パイプラインを視覚的に構築できるため、初心者から上級者まで幅広いユーザーに支持されています。

特に、以下のような点がComfyUIの大きな魅力となっています。

• 高いカスタマイズ性: 各処理がノードとして独立しているため、ユーザーは自由に組み合わせて独自のワークフローを作成できます。
• 効率的なリソース利用: GPUメモリを効率的に使用し、より大規模なモデルや複雑な処理もスムーズに実行可能です。
• 透明性と再現性: ワークフローが視覚化されているため、処理の流れが分かりやすく、また同じ設定で簡単に再現できます。
• 活発なコミュニティ: 多数のカスタムノードやワークフローがコミュニティで共有されており、常に新しい機能や利用方法が生まれています。

2026年のアップデートでは、特にバックエンドの最適化が進み、同等のハードウェア環境であれば、従来のWebUIと比較して最大で20%程度の高速化がベンチマークテストで確認されています。また、ワークフローの共有がより簡単になる「ComfyShare 2.0」のような新機能も統合され、ユーザー体験が向上しています。

ComfyUIのインストール手順（2026年4月版）

ComfyUIを始めるためのインストール手順は、以前よりも簡略化されていますが、いくつかの準備が必要です。ここではWindows環境を前提に解説します。

1. 必要なソフトウェアの準備

まず、以下のソフトウェアをインストールしてください。

• Python: ComfyUIはPythonで動作します。2026年4月時点では、Python 3.10.x または 3.11.xの64ビット版を推奨します。インストール時に「Add Python to PATH」にチェックを入れるのを忘れないでください。
• Git: ComfyUI本体をGitHubからクローンするために必要です。公式サイトからダウンロードし、インストールしてください。

💡 ポイント: Pythonのバージョン管理にはpyenvやAnacondaも有効ですが、初心者の場合はまず単一バージョンでのインストールをおすすめします。

2. ComfyUI本体のダウンロード

Gitがインストールされていれば、コマンドプロンプト（またはPowerShell）を開き、ComfyUIをインストールしたいディレクトリに移動して以下のコマンドを実行します。

cd C:\Your\Preferred\Directory # 例: cd C:\AI\ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git

これにより、指定したディレクトリにComfyUIというフォルダが作成され、本体ファイルがダウンロードされます。初期ダウンロードサイズは約500MBです。

3. 依存関係のインストール

ComfyUIフォルダ内に移動し、必要なPythonライブラリをインストールします。

cd ComfyUI
pip install -r requirements.txt

⚠️ 注意: GPUを使用する場合、PyTorchのCUDA対応版が必要になります。requirements.txtにはCPU版が含まれることがあるため、NVIDIA GPUユーザーは以下のコマンドで手動インストールすることをおすすめします。

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

上記はCUDA 12.1対応版の例です。ご自身のCUDAバージョンに合わせてcu121の部分を調整してください。推奨VRAMは16GB以上、GPUはNVIDIA GeForce RTX 4080以上が快適な動作のために望ましいです。

4. モデルファイルの配置

ComfyUIで画像生成を行うには、Stable Diffusionモデル（Checkpointファイル）が必要です。CivitaiやHugging Faceなどからダウンロードし、ComfyUI/models/checkpointsフォルダに配置してください。

• SDXLのCheckpointモデル: 1つあたり約7GB〜8GB
• LoRAモデル: 数十MB〜数百MB

これらのモデルは、生成したい画像のスタイルや品質に大きく影響します。

ComfyUIの基本的な使い方とワークフロー構築

インストールが完了したら、いよいよComfyUIを起動して画像生成を始めましょう。

1. ComfyUIの起動

ComfyUIフォルダ内で、以下のコマンドを実行します。

python main.py --cuda-device 0

--cuda-device 0は、複数のGPUがある場合にどのGPUを使用するかを指定します（通常は0で問題ありません）。 ブラウザが自動的に起動し、ComfyUIのインターフェースが表示されます。

2. UIの概要と基本操作

ComfyUIのUIは、中央の大きなキャンバスにノードを配置し、それらを線で接続してワークフローを構築します。

• ノードの追加: キャンバス上で右クリックし、「Add Node」から必要なノードを選択します。
• ノードの接続: 各ノードの入力（左側）と出力（右側）のドットをドラッグして接続します。
• プロンプト入力: CLIPTextEncodeノードに正のプロンプト（何を生成したいか）と負のプロンプト（何を生成したくないか）を入力します。
• モデル選択: CheckpointLoaderSimpleノードで、ダウンロードしたCheckpointモデルを選択します。
• 画像生成: ワークフローを構築したら、右側のサイドバーにある「Queue Prompt」ボタンをクリックします。

3. 初めての画像生成ワークフロー（例）

最も基本的な画像生成ワークフローは以下のノードで構成されます。

1. CheckpointLoaderSimple: 使用するStable Diffusionモデルをロードします。
2. CLIPTextEncode (Positive): 生成したい内容をテキストで入力します。
3. CLIPTextEncode (Negative): 生成したくない内容をテキストで入力します。
4. KSampler: 画像生成の核となるサンプリング処理を行います。ステップ数、CFGスケール、シード値などを設定します。
5. VAEDecode: サンプラーが出力した潜在空間の画像を、人間が見える形式の画像にデコードします。
6. SaveImage: 生成された画像を保存します。

これらのノードを以下の接続イメージで構築します。

• CheckpointLoaderSimpleのMODELをKSamplerのMODELへ
• CheckpointLoaderSimpleのCLIPをCLIPTextEncode (Positive)とCLIPTextEncode (Negative)のCLIPへ
• CLIPTextEncode (Positive)のCONDITIONINGをKSamplerのpositiveへ
• CLIPTextEncode (Negative)のCONDITIONINGをKSamplerのnegativeへ
• CheckpointLoaderSimpleのVAEをVAEDecodeのVAEへ
• KSamplerのLATENTをVAEDecodeのLATENTへ
• VAEDecodeのIMAGEをSaveImageのIMAGESへ

この基本的なワークフローから始めて、LoRAの適用、ControlNetの統合、アップスケールなど、様々なカスタムノードを追加して機能を拡張していくことができます。

💡 ポイント: ComfyUIでは、他のユーザーが作成したワークフローJSONファイルをロードして、すぐに複雑な処理を試すことができます。Civitaiなどのサイトで、画像と一緒にワークフローJSONが共有されていることが多いので活用しましょう。

4. GPUとメモリの最適化

ComfyUIはGPUを最大限に活用しますが、VRAMが不足するとエラーが発生したり、非常に遅くなったりします。

--lowvramオプションを使用すると、ComfyUIはVRAM消費を抑えるために、一部の処理をCPUにオフロードしたり、より小さなバッチサイズで処理したりします。これにより、生成速度は低下しますが、VRAMが少ない環境でも動作させることが可能になります。