TL;DR — ComfyUI の基本は、Load Checkpoint → CLIP Text Encode（ポジ/ネガ）→ KSampler → VAE Decode → Save Image という最小の text2img ワークフローを組めるかどうかで決まります。ノードは「箱」、端子をつなぐ「線」がデータの流れです。同じ色・同じ型の端子だけがつながる、という1点を押さえれば初心者の詰まりはほぼ解消します。環境構築でつまずきたくない人は、ComfyUI のワークフローをブラウザで実行できる ComfyStudio が近道です（標準の文章→画像は1枚2クレジット=約2円、登録で無料100クレジット・カード不要）。
ComfyUI を開いて最初に感じるのは、「ノードが多すぎて、どこから線をつなげばいいのか分からない」という戸惑いです。実は覚えるべき土台はたった6ノード。この記事では、最小の text2img（文章から画像）ワークフローをノード単位で分解し、それぞれが何をしていて、どの端子をどこにつなぐのかを、初心者がそのまま真似できる形で解説します。ここが分かると、複雑に見える他人のワークフローも同じ文法で読めるようになります。
ComfyUI とは何か？ノードベースの仕組み
ComfyUI は、画像生成 AI（Stable Diffusion など）をノード（箱）を線でつないで動かすオープンソースのツールです。1つの「生成ボタン」の裏で実際に何が起きているかを、モデル読み込み・プロンプト変換・サンプリング・画像化…と工程ごとに分けて可視化できるのが最大の特徴です。
- ノード = 1つの処理を担う箱（例: モデルを読み込む、プロンプトを数値に変換する）
- 端子（ポート） = ノードの入出力口。左側が入力、右側が出力
- 線（エッジ） = 端子と端子をつなぐデータの通り道
ポイントは、線を流れるデータには「型」があることです。ComfyUI は端子を色で示していて、同じ色・同じ名前の端子どうししかつながりません。この「型が合うものだけつながる」ルールを理解すると、配線ミスが一気に減ります。ComfyUI 自体の概要をもっと知りたい人は ComfyUIとは？特徴と何ができるか も参照してください。
最小の text2img ワークフロー：6つのノード
文章から画像を作る最小構成は、次の6ノードです。左から右へデータが流れていくイメージで並べます。
| 順番 | ノード名 | 役割 | 主な出力 |
|---|---|---|---|
| 1 | Load Checkpoint | モデル（.safetensors）を読み込む | MODEL / CLIP / VAE |
| 2 | CLIP Text Encode（ポジ） | 描きたい内容を数値に変換 | CONDITIONING |
| 3 | CLIP Text Encode（ネガ） | 描きたくない内容を数値に変換 | CONDITIONING |
| 4 | Empty Latent Image | 生成する画像サイズの土台を作る | LATENT |
| 5 | KSampler | ノイズから絵を描き起こす（中核） | LATENT |
| 6 | VAE Decode → Save Image | latent を画像に変換して保存 | IMAGE |
この6ノードが「文章→画像」の最短ルートです。以下で1つずつ、何をしていて、どの端子をつなぐのかを見ていきます。
ノード①：Load Checkpoint（モデルを読み込む）
すべての起点です。使いたいモデルファイル（.safetensors / .ckpt）をプルダウンから選びます。このノードは3種類の出力を吐き出します。
- MODEL（紫） … 実際にノイズを除去する本体。KSampler へ渡す
- CLIP（黄） … プロンプトを数値化するための部品。2つの CLIP Text Encode へ渡す
- VAE（赤） … latent と画像を相互変換する部品。VAE Decode へ渡す
初心者がまず戸惑うのが「1つのノードから3本も線が出る」点ですが、これは正常です。1枚のモデルファイルの中に、絵を描く本体・言葉を読む部品・画像化する部品が同梱されている、と考えると腑に落ちます。
ノード②③：CLIP Text Encode（プロンプトを変換する）
ここに描きたい内容（ポジティブ）と描きたくない内容（ネガティブ）を書きます。同じノードを2つ置くのがコツで、片方をポジ、片方をネガに使います。
- 入力: Load Checkpoint の CLIP（黄） を両方につなぐ
- 出力: CONDITIONING（オレンジ） を KSampler の positive / negative へそれぞれつなぐ
たとえばポジ側に 1girl, blue sky, anime style、ネガ側に lowres, bad hands, blurry のように書きます。プロンプトの書き方そのものを深掘りしたい人は アニメAIイラストのプロンプト書き方 が実例付きで参考になります。ここでの初心者のつまずきは CLIP を1つのノードにしかつながないミス。ポジ・ネガ両方に CLIP を刺すのを忘れないでください。
ノード④：Empty Latent Image（サイズの土台）
生成する画像の「大きさ」を決める空のキャンバスです。幅・高さ・バッチ枚数を指定します。SDXL 系なら 1024×1024、SD1.5 系なら 512×512 が基準です。
- 出力: LATENT（ピンク） を KSampler の latent_image へつなぐ
latent（潜在空間）とは、画像を圧縮した数値表現のこと。ComfyUI は最後まで latent のまま計算し、いちばん最後に画像へ戻します。ここでサイズを間違えると崩れやすくなるので、使うモデルの推奨解像度に合わせるのが安全です。
ノード⑤：KSampler（生成の中核）
ワークフローの心臓部です。ノイズだらけの latent を、プロンプトに沿って少しずつ「絵」に近づけていきます。入力端子が多いので、ここが最大の配線ポイントです。
| 入力端子 | つなぐ相手 |
|---|---|
| model（紫） | Load Checkpoint の MODEL |
| positive（オレンジ） | ポジ側 CLIP Text Encode |
| negative（オレンジ） | ネガ側 CLIP Text Encode |
| latent_image（ピンク） | Empty Latent Image |
主要な設定値も押さえておきましょう。
- seed（シード） … 乱数の初期値。固定すると同じ絵を再現できる
- steps … 描き込みの回数。20〜30 が標準。多いほど時間もかかる
- cfg … プロンプトへの忠実度。7 前後が無難。高すぎると崩れる
- sampler / scheduler … ノイズ除去のアルゴリズム。
euler+normalが定番
出力は LATENT で、これを次の VAE Decode に渡します。
ノード⑥：VAE Decode → Save Image（画像にして保存）
KSampler が出した latent はまだ数値の塊なので、人間が見られる画像へ戻します。
- VAE Decode: 入力に KSampler の LATENT と Load Checkpoint の VAE をつなぐ。出力は IMAGE
- Save Image: VAE Decode の IMAGE をつなぐと、生成画像が保存される
ここまでの線がすべて正しくつながっていれば、生成ボタンを押すと右下（または各ノード）に処理が流れ、Save Image に絵が表示されます。おつかれさまでした。これが ComfyUI の「基本文法」です。
初心者がつまずく5つのポイント
最小ワークフローを組むとき、多くの人が同じ場所で詰まります。先回りして対策をまとめます。
| 症状 | 原因 | 対処 |
|---|---|---|
| 線がつながらない | 端子の色（型）が違う | 同じ色・同じ名前どうしを結ぶ |
| 生成ボタンで何も起きない | 入力端子が余っている（未接続） | 各ノードの入力に線が刺さっているか確認 |
| 画像が真っ黒/崩れる | VAE 未接続、解像度ミスマッチ | VAE Decode に VAE を接続、推奨解像度に合わせる |
| 毎回まったく違う絵になる | seed がランダムのまま | KSampler の seed を固定（control_after_generate を fixed に） |
| モデルが選べない | フォルダにモデル未配置 | models/checkpoints に .safetensors を置き直す |
とくに多いのが**「線が1本つながっていないだけ」**のトラブルです。生成されないときは、まず KSampler と VAE Decode の入力端子をすべて目視で確認しましょう。
クラウドとローカル、どちらで始める？
ComfyUI を自分で使うには、大きく2つの道があります。
- ローカル構築: 自分の PC（できれば高性能 GPU 搭載）に Python・ComfyUI・モデルを入れて動かす。自由度が高い反面、環境構築とトラブル対応に時間がかかる
- クラウド実行: サーバー上の ComfyUI をブラウザから使う。環境構築が不要で、GPU がない PC でも動く
どちらが向いているかは使い方次第です。毎日何時間も回すなら手元 GPU が有利になる場面もありますが、「まず基本を覚えたい」「環境構築でつまずきたくない」段階ではクラウドが圧倒的に手軽です。費用や手間の比較は ComfyUI クラウド vs ローカル で詳しく整理しています。
環境構築なしで ComfyUI のワークフローを試すには？
「ノードの理屈は分かったけど、まず1枚出してみたい」という人に向いているのが、ComfyUI のワークフローをブラウザだけで実行できるクラウド SaaS です。
ComfyStudio は、環境構築ゼロ・GPU 不要で ComfyUI 系のワークフローを実行できる日本発のサービスです。この記事で解説した text2img は、標準の文章→画像ワークフロー（official_text_v1）としてそのまま用意されています。
- 環境構築不要（アカウント作成は数十秒・クレジットカード不要）
- GPU 不要（クラウド側で実行）
- 1クレジット = 1円の透明な従量課金。標準の文章→画像は1枚2クレジット=約2円
- 新規登録で無料100クレジット = 標準画像なら約50枚試せる
- FLUX schnell / FLUX.2[dev] / SDXL Lightning / Illustrious XL などのモデルを用途別に選べる
- 全プラン商用利用OK（SFW）
まずノードの組み方を頭で理解し、実際の生成はブラウザで、という使い分けが初心者には効率的です。無料枠の具体的な使い切り方は 無料100クレジット活用ガイド にまとめています。
よくある質問
Q. ComfyUI のワークフローはどこから始めればいいですか？ A. まずは最小構成の text2img（Load Checkpoint → CLIP Text Encode ×2 → KSampler → VAE Decode → Save Image）を自分で組んでみるのが近道です。この6ノードの「線のつながり」を理解すれば、以降の応用ワークフローも同じ考え方で読めるようになります。
Q. ノード同士の線がうまくつながりません。 A. ComfyUI は端子の色と型が一致するものだけつながります。紫の MODEL 同士、赤の VAE 同士、オレンジの CONDITIONING 同士のように、同じ色・同じ名前の端子を結ぶのが基本です。色が違う端子には接続できないので、線が刺さらないときは端子の種類を見直してください。
Q. 生成ボタンを押しても画像が出ません。 A. 多くは KSampler や VAE Decode に latent / 画像が渡っていない配線ミスか、Load Checkpoint でモデルが選ばれていないケースです。各ノードの入力端子がすべて線でつながっているか、Checkpoint のプルダウンにモデル名が入っているかを確認しましょう。
Q. ComfyUI の環境構築が難しいです。ブラウザだけで試せませんか？ A. できます。ComfyStudio は ComfyUI のワークフローをブラウザだけで実行できるクラウド SaaS で、GPU も環境構築も不要です。登録だけで100クレジット無料（カード不要）、標準の文章→画像は1枚2クレジット=約2円なので、無料枠だけで約50枚試せます。まずは 無料でアカウントを作る ところから始めましょう。
