KSampler в ComfyUI: какие настройки трогать, а какие оставить в покое

Когда картинка почти хорошая

Самый неприятный момент в ComfyUI наступает не тогда, когда всё сломалось. С поломкой хотя бы понятно: красная нода, ошибка в terminal, missing model, нет файла. Настоящая нервная зона начинается, когда картинка почти хорошая.

Лицо уже похоже. Свет красивый. Композиция держится. Но кожа стала пластиковой, фон поплыл, пальцы выглядят как плохой компромисс, а следующая генерация внезапно ушла в другую сторону. Рука тянется переписать prompt, добавить ещё деталей, поднять CFG, сменить sampler и заодно увеличить steps. Через десять минут уже никто не помнит, что именно помогло, а что добило кадр.

В таких случаях чаще всего нужно не больше магии, а больше порядка. KSampler — это место, где порядок особенно важен.

Если совсем коротко: KSampler берёт latent space, модель, положительный и отрицательный prompt, а затем шаг за шагом снимает шум. На выходе получается latent, который VAE превращает в обычное изображение. В официальной документации ComfyUI KSampler описан именно как нода многошагового denoising sampling: она использует модель, условия, алгоритм sampler, scheduler и силу denoise.

Что делает KSampler простыми словами

В ComfyUI картинка не появляется сразу как готовый JPEG. Сначала есть шум в latent space: внутреннем пространстве модели, где изображение ещё не похоже на экранную картинку. KSampler запускает процесс очистки этого шума. Он делает несколько шагов, каждый раз сверяется с prompt и negative prompt, смотрит на модель, учитывает CFG и двигается по траектории, которую задают sampler и scheduler.

Можно думать так: модель знает, как вообще выглядит мир; prompt говорит, куда смотреть; negative prompt напоминает, чего лучше избегать; seed задаёт стартовую случайность; sampler выбирает стиль движения; scheduler распределяет усилие по шагам; steps определяют длину пути; CFG усиливает или ослабляет голос prompt; denoise решает, насколько глубоко переписывать входной latent.

Главная ловушка в том, что все эти ручки влияют друг на друга. Один sampler может красиво работать на 24 steps и странно на 12. Один CFG делает кадр сочным на SDXL и пережаренным на FLUX. Один seed даёт прекрасную композицию, другой — почти ту же идею, но с лишней рукой в кадре.

Поэтому KSampler не стоит настраивать как эквалайзер на вечеринке, где каждый ползунок поднят «чтобы было мощнее». Он больше похож на лабораторный стол. Меняется один параметр, результат записывается, потом меняется следующий.

С чего начинать настройку

Первым фиксируйте seed. Это не делает картинку красивой, зато делает эксперимент честным. Пока seed прыгает, вы не сравниваете параметры. Вы сравниваете разные случайности.

После seed смотрите на steps. В большинстве обычных задач нет смысла сразу ставить 60-80 шагов. Часто картинка уже собирается на 24-35, а дальше вы покупаете не качество, а время и микроскопические отличия. Если на 30 шагах композиция плохая, 70 шагов редко превращают её в шедевр. Они просто дольше считают плохую композицию.

Третий параметр — CFG. В CFG Scale живёт знакомый соблазн: чем выше, тем «точнее». На практике слишком высокий CFG часто делает картинку жёсткой, пересвеченной, пластиковой, с буквальным выполнением prompt вместо живого кадра. Для SDXL многие стартуют примерно с 5-7. Для SD 1.5 часто встречается 6-8. Для FLUX логика другая: там значения могут быть заметно ниже.

Только после этого имеет смысл менять sampler и scheduler. Они отвечают не за одну очевидную «красоту», а за характер движения от шума к форме. Разница бывает тонкой: края, фактура, устойчивость лица, детализация фона, количество случайных артефактов.

Безопасный порядок диагностики

Если кадр испортился, не начинайте с новой модели и длинного prompt. Сделайте скучнее. Скука здесь работает.

1. Зафиксируйте seed.
2. Верните понятный размер и один checkpoint.
3. Оставьте один prompt и один negative prompt.
4. Проверьте steps.
5. Подберите CFG.
6. Потом меняйте sampler.
7. Потом scheduler.
8. Denoise трогайте отдельно, особенно если это img2img, inpainting или второй проход.

Эта последовательность кажется медленной только первые пять минут. Потом она экономит часы. Вы видите, что именно изменилось: CFG добавил жёсткости, sampler сделал кожу чище, scheduler убрал часть шума, steps уже не дают заметной разницы.

В ComfyUI это особенно удобно: workflow можно сохранить как JSON Workflow и назвать нормально, без final2_really_final.json. Например: sdxl-portrait-28steps-cfg6.json. Через неделю такое имя всё ещё что-то значит.

Стартовые настройки

Универсального пресета нет. Но есть спокойные стартовые зоны, с которых удобно начинать тест. Они не гарантируют красоту. Они дают точку, где workflow не ведёт себя как неизвестный механизм.

Для SD 1.5 можно начать с 20-25 steps, CFG 6-8, sampler dpmpp_2m и scheduler karras. Для SDXL часто удобны 25-35 steps, CFG 5-7, dpmpp_2m_sde и karras. Для FLUX стартовые значения обычно мягче по CFG: 1-3, sampler и workflow зависят от конкретной сборки.

В img2img и inpainting главным параметром внезапно становится Denoising Strength. При denoise 1.0 модель почти полностью переписывает latent. При 0.35-0.55 она ещё держится за исходник. Поэтому для редактирования картинки нельзя мыслить только steps и CFG: denoise там главный рычаг.

Как читать результат

KSampler редко говорит прямо: «проблема в sampler». Он говорит через картинку.

Если кадр слишком буквальный, жёсткий, с пережаренными деталями, проверьте CFG. Если композиция каждый раз уезжает, фиксируйте seed и смотрите prompt. Если лицо держится, но фактура шумит, сравните sampler и scheduler на тех же steps. Если img2img не меняет исходник, поднимайте denoise. Если исходник исчезает, denoise слишком высок.

Полезный приём — делать мини-сетку. Один seed, один prompt, один размер. В первой строке меняется CFG: 4, 5.5, 7, 9. Во второй — steps: 20, 28, 36. В третьей — sampler. Это быстрее, чем бесконечно «чуть-чуть улучшать» один кадр и терять причинно-следственную связь.

В продакшене такой подход особенно приятен. Когда клиент просит «оставить позу, но сделать свет мягче», вы не начинаете заново. Вы знаете, что композиция держится seed и latent, свет может жить в prompt, CFG и sampler, а denoise лучше не трогать без причины.

С чем KSampler часто путают

• KSampler и модель — KSampler не содержит знания о мире. Он управляет процессом sampling, а знание приходит из checkpoint.
• KSampler и VAE — KSampler выдаёт latent. VAE Decode превращает этот latent в пиксели. Если картинка серая или странная по цвету, виноват не всегда KSampler.
• Sampler и scheduler — sampler задаёт алгоритм движения, scheduler распределяет шум по шагам. Они связаны, но это разные ручки.
• Steps и качество — больше steps не всегда лучше. Иногда это просто дольше.
• CFG и детализация — CFG не добавляет детали из воздуха. Он усиливает следование prompt и может испортить естественность.
• Seed и стиль — seed задаёт стартовую случайность, но не заменяет модель, LoRA, prompt и параметры.

Частые ошибки

Крутить всё сразу. Самая дорогая ошибка. Через десять генераций уже невозможно понять, почему третий кадр был лучше шестого.

Слишком высокий CFG. Кадр становится послушным, но мёртвым: меньше воздуха, больше пластика, сильнее артефакты.

Гнаться за большим steps. Если модель не поняла задачу, лишние шаги не научат её. Сначала prompt, модель и композиция, потом тонкая доводка.

Менять sampler на каждом прогоне. Так можно найти красивую случайность, но трудно построить стабильный workflow.

Забывать про denoise. В text-to-image он обычно 1.0. В img2img это главный регулятор уважения к исходнику.

Сравнивать разные seed. Это как тестировать объектив, каждый раз меняя сцену, свет и расстояние.

Мини-чек-лист перед публикацией кадра

1. Seed зафиксирован.
2. Prompt и negative prompt не меняются во время сравнения параметров.
3. Steps находятся в разумной зоне, а не поставлены «на всякий случай».
4. CFG не пережигает картинку.
5. Sampler и scheduler записаны в названии теста или workflow.
6. Denoise проверен отдельно, если есть исходное изображение.
7. VAE Decode получает правильный VAE.

Этот чек-лист выглядит сухо, зато спасает от классического «вчера было красиво, сегодня не могу повторить».

Частые вопросы

Какой sampler выбрать в ComfyUI? Начинайте с того, который рекомендован для вашей модели или workflow. Для SDXL часто встречается dpmpp_2m_sde с karras, для SD 1.5 — dpmpp_2m с karras. Но финальный выбор лучше делать на одном seed и одном prompt.

Сколько steps ставить? Для обычного text-to-image чаще всего разумно начинать с 20-35. Если после этого картинка не собирается, проблема обычно не только в количестве шагов.

Почему высокий CFG портит картинку? Потому что модель слишком сильно тянется к prompt и теряет естественность. Контуры могут стать жёстче, текстуры — пластиковыми, а композиция — менее живой.

Можно ли копировать настройки с Civitai или из чужого workflow? Можно, но как старт, не как закон. У автора могли быть другая модель, VAE, LoRA, версия нод и даже другой scheduler.

Почему при тех же настройках результат другой? Проверьте seed, модель, LoRA, VAE, размер, версию workflow и случайные настройки вроде batch. Воспроизводимость требует одинаковых условий.

Источники

• Официальная документация ComfyUI: KSampler — параметры ноды, входы, выходы и описание denoising sampling.
• Официальная документация ComfyUI: First Generation — базовый workflow, модели и папки установки.
• Репозиторий ComfyUI на GitHub — актуальный код, релизы и устройство проекта.

Главное

KSampler — не загадочная коробка, а пульт управления sampling в ComfyUI. Он становится понятным, если работать спокойно: зафиксировать seed, подобрать steps, настроить CFG, затем сравнить sampler и scheduler, а denoise трогать отдельно для img2img и inpainting. Самое важное правило простое: один параметр за запуск. Так генерация перестаёт быть лотереей и превращается в управляемый процесс.