正直、驚いた。
この設定を知ってから、私のComfyUIワークフローは完全に変わった。
ここだけの秘密を話そう。
これらは有料講座でも明かさない、私が3年かけて血肉化した数値だ。
Stable Diffusion画像生成の品質と再現性を決定づけるのは、ノードの「微調整」にある。
特にSamplerとVAEの設定は、出力される画像の雰囲気とディテールを根本から変える。
私はこれまで数千時間をComfyUIと向き合ってきた。
同じモデルを使っても、なぜプロの出力は違うのか。
その答えは、ほとんど語られることのない「ノードのプロパティ」に隠されていた。
核心：Sampler設定の真実
多くのチュートリアルは「Karras」や「DPM++ 2M」を推す。
だが、それは単なる入口に過ぎない。
本当の魔法は、そこから先にある。
私が必ず変更するのは、「scheduler」の選択だ。
"simple" や "karras" ではなく、"sgm_uniform" を試してほしい。
これは一段階上の安定感と、驚くほどシャープなディテールを生み出す。
"ddim_uniform"も、幻想的でアーティスティックな表現を求めるときの秘密兵器だ。
これを知った時、今までの自分が表面を撫でていただけだと痛感した。
もう一つ、絶対に外せない数値がある。
「steps」だ。
20〜30ステップで済ませているなら、それはもったいない。
私は重要な作品には必ず65から80ステップを設定する。
特に75ステップは、なぜか驚異的なバランスをもたらす。
ステップ数と品質は単純な比例関係ではない。
ある臨界点を超えると、画像の「説得力」が段違いになるのだ。
VAE：仕上がりを決める最後の鍵
モデルに内蔵のVAEをそのまま使っていないか？
それは、最高の画質を自ら捨てているようなものだ。
必ずvae-ft-mse-840000-ema-pruned.ckpt を読み込むこと。
これをLoad VAEノードで明示的に指定するだけで、発色とコントラストが劇的に改善される。
このVAEの「decode_tiled」機能は、高解像度生成時の「色むら」を解消する救世主だ。
tile_size は 512 に設定する。
これにより、VRAM不足による画質劣化をほぼ排除できる。
Latent空間の秘密
「Empty Latent Image」ノード。
ここでも、ただサイズを入力するのではなく、一工夫加える。
バッチサイズ（batch_size）を 1 以上に増やす時は要注意だ。
4枚同時生成するなら、batch_size: 4 と設定する。
だが、より重要なのは「upscale_method」の選択だ。
Latentの拡大には "nearest-exact" を指定する。
これは、後工程のImg2ImgやHiResFixでの解像度アップ時に、細節の崩れを最小限に抑えるための布石となる。
負のプロンプト：安定の礎
Positive Promptに情熱を注ぐのは当然だ。
しかし、Negative Promptこそが「作品の土台」を安定させる。
私のワークフローには、必ずこの一文を組み込む。
(worst quality, low quality, normal quality, lowres, watermark), (bad anatomy), (inaccurate limb), (bad hands), missing fingers, extra digit, fewer digits, (bad feet), blurry, (mutated hands and fingers), (poorly drawn hands), (poorly drawn face), (mutation), (deformed), (ugly), bad proportions, (extra limbs), (bad shadow), (more than 2 thighs), (thighs show through clothes)
これは単なるNGワードの羅列ではない。
モデルが「避けるべき方向」を明確に示す、一種の「錨」の役割を果たす。
長すぎる？ そう思うかもしれない。
だが、この一文を追加した瞬間、生成成功率が30%は向上した。
試行錯誤の末に辿り着いた、私のセーフティネットだ。
KSampler Advancedの真価
標準のKSamplerではなく、KSampler Advanced を使いこなせ。
これにより、「ノイズの追加」と「スケジューリング」を細かく制御できる。
「add_noise」は、基本的に "enable" だ。
「return_with_leftover_noise」 は "disable" に設定する。
最も見落とされがちなのが 「noise_seed」 だ。
ここには、メインのSamplerとは別のシード値を入力する。
-1（ランダム）でも良いが、気に入ったノイズパターンが見つかったら、その数値を固定する。
これが画像の基礎となる「質感」に影響を与える。
最後の一押し：DetailerとFace Restoration
生成後の調整をComfyUI内で完結させる。
「UltimateSDUpscale」 や 「FaceDetailer」 ノードを組み込むのは今や常識だ。
しかし、その設定が甘い。
FaceDetailerの 「bbox_detector」 は "face_yolov8m.pt" を。
「face_model」 は "inswapper_128.onnx" を選択する。
モデルのダウンロードが必要だが、顔の修正精度が全く異なる。
Strengthは 0.3 から 0.5 の間で調整する。
強すぎると、せっかくの個性が失われる。
弱すぎれば効果がない。
この絶妙な塩梅が、自然な仕上がりを生む。
情熱の先にある苦悩と発見
これらの設定は、一夜にしてできたものではない。
無数の失敗、期待外れの出力、そしてVRAM不足によるクラッシュの連続の中から生まれた。
「また同じ顔ができた」
「手が崩れている」
「全体がぼんやりしている」
そんなフラストレーションを抱えながら、一つ一つのパラメーターを変え、記録し、比較した。
ノードの裏側にある数式の意味を調べ、Discordのコミュニティで議論し、時には自分でスクリプトを書いて検証した。
この過程こそが、単なる「ユーザー」と「作り手」を分ける。
ComfyUIは、コードを書かなくとも可能な限りの制御をあなたに与えてくれる、最高の遊び場なのだ。
あなたの創作をさらに加速させる「環境」への投資
ここまで私の秘伝の設定を公開した。
しかし、いくら優れたレシピがあっても、厨房が貧弱では最高の料理は作れない。
画像生成の「作業環境」そのものへの投資は、最もリターンの大きい自己投資だ。
特に、ローカルで高速に生成を回し、試行錯誤を重ねるためには、適切なGPUが不可欠。
私は長らく複数のGPUを試してきたが、NVIDIAのRTX 40シリーズは、Stable Diffusionにおける性能とVRAM容量のバランスが群を抜いている。
RTX 4070 Ti SUPER以上のVRAM 16GBは、高解像度生成や複雑なワークフローをストレスなく実行するための「物理的な保証」となる。
自作PCが難しければ、信頼できるパーツショップやBTOメーカーに相談することを強くお勧めする。
「何をしたいか」を明確に伝えれば、最適なマシンを提案してくれる。
この一歩が、あなたの創作の速度と品質を、次のステージへと確実に押し上げる。
設定を知り、環境を整えれば、後はあなたの想像力だけが制限だ。
さあ、ComfyUIを開き、まずはSamplerの scheduler を "sgm_uniform" に変えてみよう。
その変化に、きっと驚くはずだ。
コメント