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

ComfyUIは、Stable Diffusionなどの画像生成AIをノードベースで操作できるパワフルなツールです。従来のWebUI（Automatic1111など）と比較して、より詳細な制御が可能で、特に複雑なワークフローやリソース効率を重視するユーザーに2026年6月時点でも広く利用されています。本記事では、初心者がComfyUIを導入し、基本的な画像生成を行うまでの手順をステップバイステップで解説します。

ComfyUIのインストール方法（2026年6月時点）

ComfyUIのインストールは、GitとPythonを利用した方法が最も推奨されます。これにより、最新のアップデートを容易に適用できます。

1. 必要な環境の準備

まず、以下のソフトウェアがPCにインストールされていることを確認してください。

• Python: v3.10.x または v3.11.x を推奨します。古いバージョンでは互換性の問題が発生する可能性があります。Python公式サイトからインストーラーをダウンロードし、「Add Python to PATH」にチェックを入れてインストールしてください。
• Git: ソースコードのクローンと更新に必要です。Git公式サイトからダウンロードしてインストールしてください。

⚠️ 注意: Pythonのインストール時には、「Add Python to PATH」のチェックを忘れないでください。これがないとコマンドプロンプトからPythonコマンドが使えません。

2. ComfyUI本体のダウンロード

任意の場所にComfyUIをインストールするためのフォルダを作成し、そのフォルダ内でコマンドプロンプトまたはPowerShellを開きます。

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

3. 依存関係のインストール

ComfyUIフォルダに移動したら、必要なライブラリをインストールします。GPUの種類（NVIDIAまたはAMD）によってコマンドが異なります。

• NVIDIA GPUの場合 (CUDA):

  pip install -r requirements.txt --extra-index-url https://download.pytorch.org/whl/cu121
  

  💡 ポイント: cu121 はCUDAバージョン12.1用です。お使いのNVIDIAドライバーとCUDA Toolkitのバージョンに合わせて適宜変更してください。例えば、CUDA 11.8の場合はcu118とします。

• AMD GPUの場合 (ROCm):

  pip install -r requirements.txt --extra-index-url https://download.pytorch.org/whl/rocm5.6
  

• Apple Silicon (macOS) の場合:

  pip install -r requirements.txt --extra-index-url https://download.pytorch.org/whl/cpu
  

  または、Mチップ最適化版を使用するために追加のコマンドが必要な場合があります。

4. モデルファイルの配置

ComfyUIで画像生成を行うには、Stable Diffusionのモデルファイル（Checkpoint）が必要です。

1. Hugging FaceやCivitaiなどのサイトから、*.safetensors 形式のモデルファイル（例: sd_xl_base_1.0.safetensors）をダウンロードします。
2. ダウンロードしたモデルファイルを、ComfyUI/models/checkpoints フォルダ内に配置します。
   • SDXLモデルの場合、baseとrefinerの両方を配置するのが一般的です。baseモデルは通常6GB以上のファイルサイズがあります。

💡 ポイント: LoRAモデルは ComfyUI/models/loras フォルダに、VAEモデルは ComfyUI/models/vae フォルダにそれぞれ配置します。

推奨動作環境（2026年6月時点）

快適にComfyUIを使用するための推奨スペックは以下の通りです。

⚠️ 注意: GPUのVRAMは非常に重要です。特にSDXLモデルや高解像度画像を生成する場合、12GB以上のVRAMを強く推奨します。VRAMが不足すると、「OutOfMemory (OOM) エラー」が発生しやすくなります。

ComfyUIの基本的な使い方

インストールが完了したら、ComfyUIを起動して画像生成を始めましょう。

1. ComfyUIの起動

ComfyUIフォルダ内でコマンドプロンプトまたはPowerShellを開き、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を搭載している場合に特定のGPU（ここでは0番）を指定するオプションです。通常は不要ですが、エラーが発生する場合に試してください。

起動に成功すると、ブラウザが自動的に開くか、http://127.0.0.1:8188 のようなURLが表示されます。このURLにアクセスするとComfyUIのWebインターフェースが表示されます。

2. UIの概要とノードの操作

ComfyUIのインターフェースは、ノードと呼ばれるブロックを接続してワークフローを構築する形式です。

• ノードの追加: ワークフロー画面の空いている場所で右クリックし、「Add Node」から必要なノードを選択します。または、検索窓にノード名を入力して探すこともできます。
• ノードの接続: ノードの出力ポート（右側）から入力ポート（左側）へドラッグ＆ドロップで線を引き、接続します。
• ノードの設定: 各ノードには設定項目があり、テキスト入力やドロップダウンメニューで値を変更できます。

3. 初めての画像生成ワークフロー

最も基本的な画像生成ワークフローは以下の手順で構築します。

1. Load Checkpoint:

   • 右クリック > Add Node > Loaders > Load Checkpoint を追加します。
   • ckpt_name ドロップダウンから、先ほど配置したモデルファイル（例: sd_xl_base_1.0.safetensors）を選択します。
   • このノードは、MODEL、CLIP、VAE の3つの出力を持ちます。

2. CLIP Text Encode (Positive):

   • 右クリック > Add Node > Conditioning > CLIP Text Encode を追加します。
   • CLIP 入力ポートを Load Checkpoint の CLIP 出力に接続します。
   • text フィールドに、生成したい画像のポジティブプロンプト（例: masterpiece, 1girl, white dress, beautiful scenery, detailed, high quality）を入力します。
   • このノードは CONDITIONING 出力を持っています。

3. CLIP Text Encode (Negative):

   • もう一つ CLIP Text Encode ノードを追加し、同様に Load Checkpoint の CLIP 出力に接続します。
   • text フィールドに、生成したくない画像のネガティブプロンプト（例: ugly, deformed, bad anatomy, low quality, blurry）を入力します。
   • このノードも CONDITIONING 出力を持っています。

4. KSampler:

   • 右クリック > Add Node > Samplers > KSampler を追加します。
   • model 入力ポートを Load Checkpoint の MODEL 出力に接続します。
   • positive 入力ポートを Positiveプロンプトの CONDITIONING 出力に接続します。
   • negative 入力ポートを Negativeプロンプトの CONDITIONING 出力に接続します。
   • latent_image 入力ポートは、後述するEmpty Latent Imageノードから接続します。
   • seed (乱数シード)、steps (サンプリングステップ数、例: 25)、cfg (Guidance Scale、例: 7.0)、sampler_name (サンプラー、例: dpmpp_2m_sde)、scheduler (スケジューラー、例: karras) などの設定を行います。

5. Empty Latent Image:

   • 右クリック > Add Node > Latent > Empty Latent Image を追加します。
   • width と height で生成する画像のサイズ（例: 1024 x 1024 for SDXL）を設定します。
   • このノードの LATENT 出力を KSampler の latent_image 入力に接続します。

6. VAE Decode:

   • 右クリック > Add Node > Latent > VAE Decode を追加します。
   • vae 入力ポートを Load Checkpoint の VAE 出力に接続します。
   • samples 入力ポートを KSampler の LATENT 出力に接続します。
   • このノードは IMAGE 出力を持っています。

7. Save Image:

   • 右クリック > Add Node > Image > Save Image を追加します。
   • images 入力ポートを VAE Decode の IMAGE 出力に接続します。

4. 画像生成の実行

すべてのノードを接続し終えたら、右側のパネルにある「Queue Prompt」ボタンをクリックします。ワークフローが実行され、画像が生成されます。生成された画像はSave Imageノードの下に表示され、ComfyUI/output フォルダに保存されます。

初心者向けワークフローとトラブルシューティング

ComfyUIの魅力は、既存のワークフローを読み込んで学ぶことができる点です。

1. ワークフローの読み込みと保存

• ワークフローの読み込み: 生成された画像には、その生成に使われたワークフロー情報が含まれています。画像をComfyUIのワークフロー画面にドラッグ＆ドロップするだけで、そのワークフローを再現できます。Civitaiなどのサイトで共有されているワークフロー（JSONファイル）も同様にドラッグ＆ドロップで読み込めます。
• ワークフローの保存: 自分の作成したワークフローは、右側のパネルにある「Save」ボタンからJSON形式で保存できます。

2. ComfyUI Managerの導入

ComfyUIの拡張機能やCustom Nodesの管理を簡単にするために、ComfyUI Manager の導入を強く推奨します。

1. ComfyUIフォルダ内で以下のコマンドを実行します。

   git clone https://github.com/ltdrdata/ComfyUI-Manager.git custom_nodes/ComfyUI-Manager
   

2. ComfyUIを再起動します。右側のパネルに「Manager」ボタンが表示されます。
3. Managerから「Install Custom Nodes」や「Install Models」を利用して、人気のあるCustom Nodesやモデルを簡単に導入・管理できます。2026年6月時点では、Managerのバージョンはv1.5.0を超え、安定性と機能が大幅に向上しています。

3. よくあるトラブルと対処法

ComfyUIは奥が深く、様々なノードやCustom Nodesを組み合わせることで無限の可能性を秘めています。本記事を参考に、まずは基本的なワークフローから始めて、少しずつ複雑な表現に挑戦してみてください。