toobusy

toobusy · 너무바쁜베짱이

번거로운 여러 단계를 노드 하나로 접어버리는 ComfyUI 커스텀 노드 모음입니다.
여러 노드를 일일이 배선하기 귀찮은 사람을 위해, 한 노드가 체인 전체를 삼킵니다.

Fold the graph. — toobusy folds tedious multi-step ComfyUI workflows into single production nodes.

현재 문서는 v0.4.8 기준입니다.

Quick Start

cd ComfyUI/custom_nodes
git clone https://github.com/nicekriss/toobusy.git toobusy

업데이트:

cd ComfyUI/custom_nodes/toobusy
git pull

ComfyUI를 재시작하세요. 프런트엔드(JS) 변경을 받은 뒤에는 브라우저를 강력 새로고침(hard refresh) 하는 것을 권장합니다.

MiniMax H3 Single-Image Editing

toobusy MiniMax H3 Image Latent는 공식 H3 노드가 아직 만들지 못하는 T=1 영상+오디오 latent를 생성합니다. ComfyUI 코어 파일을 수정하거나 일반 Empty Latent Image를 연결하지 않고, MiniMax H3 Ref2V 모델과 MiniMax H3 Image VAE를 정지 이미지 편집에 사용할 수 있습니다.

width / height
-> toobusy MiniMax H3 Image Latent
-> SamplerCustomAdvanced
-> VAE Decode (MiniMax H3 Image VAE)

• H3의 MODEL, CONDITIONING, sampler, scheduler는 기존 ComfyUI 네이티브 노드를 그대로 사용합니다.
• 이 노드는 batch 1, 단일 프레임 전용입니다. 영상 생성에는 공식 Empty MiniMax H3 AV Latent를 사용하세요.
• 일반 Empty Latent Image는 H3가 요구하는 영상+오디오 NestedTensor가 아니므로 호환되지 않습니다.
• 검증 예제: minimax_h3_single_image_6edit.json

Wan Animate 2 Long Sampler

toobusy Wan Animate 2 Long Sampler는 긴 드라이빙 영상을 Wan의 유효한 4k+1 프레임 청크로 자동 분할하고, 각 청크를 1프레임씩 이어 붙인 뒤 요청한 총 프레임 수에 정확히 맞춰 마지막을 자릅니다.

final MODEL / positive / negative / SAMPLER / SIGMAS
+ reference image / driving video / VAE
-> toobusy Wan Animate 2 Long Sampler
-> Create Video

• total_frames에는 VHS loaded_frame_count처럼 실행 시 계산되는 INT를 연결할 수 있습니다.
• frames_per_sampler 시작값: 12GB는 33, 16GB는 49, 24GB는 81프레임.
• 모델 로더, LoRA, attention, 캐시와 컨디셔닝은 노드 밖에서 구성한 최종 소켓을 연결합니다.
• ComfyUI 코어의 실험적 WanAnimate2ToVideo 노드와 연속 생성 출력이 필요합니다.

FlashVSR v1.1 Full + BSA

긴 영상을 청크 단위로 처리하면서 모델을 단계별로 내리는 노드와 VRAM/해상도 프리셋을 제공합니다.

Get Video Components
-> toobusy FlashVSR VRAM & Resolution Preset
-> toobusy FlashVSR Loader
-> toobusy FlashVSR Long Sampler
-> toobusy FlashVSR Full Decoder
-> Create Video

• 검증 프리셋: 2x, 1024x576, chunk_frames=21, chunk_overlap=8, Full VAE tiled, BSA.
• 검증 환경: Windows, RTX 3090 24GB, Python 3.13, PyTorch 2.12.1+cu130.
• VRAM 프리셋: 12GB는 aggressive offload + Safe decode, 16GB는 standard offload + Balanced decode, 24GB+는 GPU resident + orientation-aware Fast decode를 사용합니다. 32GB aggressive는 고해상도 작업을 위해 aggressive offload + Balanced decode를 사용합니다.
• 해상도 프리셋은 최종 출력 크기를 표시하며 샘플러에는 2배 업스케일 전 기준 크기를 전달합니다. 고해상도 프리셋은 내부 128배수 크롭과 실제 출력값이 일치하도록 표기합니다.
• 샘플러가 DiT만 로드한 뒤 CPU latent를 만들고 해제하며, 디코더가 그 다음 VAE만 로드합니다. 실행 사이에 GPU 모델을 전역 캐시하지 않습니다.
• 모델 자동 다운로드는 하지 않습니다. 아래 파일을 직접 배치해야 합니다.

| 파일 | 저장 위치 | 다운로드 | |---|---|---| | diffusion_pytorch_model_streaming_dmd.safetensors | ComfyUI/models/FlashVSR/ | FlashVSR v1.1 DiT | | LQ_proj_in.ckpt | ComfyUI/models/FlashVSR/ | LQ projection | | posi_prompt.pth | ComfyUI/models/FlashVSR/ | prompt tensor | | Wan2.1_VAE.pth | ComfyUI/models/vae/ | Wan 2.1 VAE |

먼저 일반 Python 의존성을 설치합니다.

python -m pip install -r custom_nodes/toobusy/requirements_flashvsr.txt

그 다음 현재 Python/PyTorch/CUDA 조합과 정확히 맞는 block_sparse_attn wheel을 설치해야 합니다. 위 검증 환경 전용 wheel은 여기입니다. 다른 환경에는 이 wheel을 설치하면 안 됩니다. ComfyUI Desktop의 Torch 선택을 먼저 끝낸 뒤 BSA를 설치하세요.

디코더의 tile_preset은 safe, balanced, fast를 제공합니다. 큰 프리셋일수록 VRAM을 더 사용하는 대신 중복 타일 계산을 줄입니다. 12GB Safe는 0.8MP 약 5초 입력을 FHD로 처리하는 실측에서 596.23초, 피크 8.69GB로 완주했습니다. offload=true 경로는 VRAM을 크게 낮추지만 속도는 느려질 수 있습니다. 예제는 flashvsr_v11_full_bsa_long.json입니다.

처음 설치했다면 예제 워크플로우부터 여는 것이 가장 빠릅니다.

1. ComfyUI에서 docs/workflows/korean_scene_to_ideogram4.json을 드래그해 엽니다.
2. 워크플로우 안의 Note 노드에 적힌 모델 파일과 필요한 커스텀 노드를 준비합니다.
3. toobusy Ideogram Prompt Polish에 한국어 장면을 입력합니다.
4. 출력된 ideogram_json을 Ideogram Layout Builder의 Import polished로 가져옵니다.
5. 레이아웃을 확인하거나 수정한 뒤 toobusy Ideogram4 T2I로 이미지를 생성합니다.

핵심 흐름:

한국어 장면
-> Ideogram용 구조화 프롬프트
-> Layout Builder에서 구도 확인
-> Ideogram4 이미지 생성

Ideogram4 T2I는 웹 API가 아니라 로컬 Ideogram4 모델용 노드입니다. 해당 모델과 ComfyUI의 Ideogram4 지원 노드가 준비되어 있어야 합니다.

지금 중심 기능

| 구분 | 노드 | 한 줄 설명 | |---|---|---| | 영상 | toobusy Wan SCAIL Extend Sampler | Wan 2.1 SCAIL-2 생성 + 익스텐드 체인을 1노드로 접습니다. | | 레퍼런스 | toobusy Reference Board | 이미지/오디오/텍스트/LoRA 카드를 한 보드에 모아 하나의 TOOBUSY_BUNDLE로 묶습니다. 카드에 얼굴 지우기 / 얼굴만 남기기 / 배경 제거 모듈을 붙이고, 프리셋·호버 확대·드래그아웃·이미지 교체를 지원합니다. | | 레퍼런스 | toobusy Flux2 Klein Prompt Director | Bundle을 받아 버튼만으로 최종 프롬프트를 조립합니다. 연결된 보드의 등록 카드만 버튼으로 뜨고, FaceSwap / Product Swap / Character Swap을 켤 수 있습니다. | | 레퍼런스 | toobusy Bundle Unpack / Bundle Get | Bundle에서 역할별 이미지·오디오·프롬프트·LoRA를 꺼냅니다. (Bundle Get은 연결 보드 기준 역할 드롭다운) | | 이미지 | toobusy Flux2 Klein | Flux2 Klein 9B 레퍼런스 생성 그래프를 1노드로 접습니다. TOOBUSY_BUNDLE을 직접 받아 빈 레퍼런스 슬롯·LoRA를 채우고, 스왑 순서를 auto로 따라갑니다. | | 이미지 | toobusy Background Remove / Face Mask | rembg 배경 제거 / 얼굴 erase·keep 마스킹 노드(선택 의존성). 마스킹은 YOLO→mediapipe→opencv 순으로 검출합니다. | | 토킹헤드 | toobusy DreamID-Omni Loader/Talker | 설치된 DreamID-Omni 노드에 위임하는 토킹헤드 골격(선택 의존성). | | 이미지 | toobusy Z-Image Turbo | Z-Image Turbo t2i/img2img/latent-in 그래프를 1노드로 접습니다. | | 이미지 | toobusy MiniMax H3 Image Latent | H3 Ref2V를 T=1 이미지 VAE와 사용하는 네이티브 AV latent를 만듭니다. | | 보정 루프 | toobusy Hires Upscale | 업스케일 + 리샘플 + VAE Encode를 하이레즈 픽스용 1노드로 접습니다. | | 컨트롤 | toobusy ZIT ControlNet | Z-Image Turbo 앞에 depth/canny/pose 컨트롤을 모듈처럼 붙입니다. | | 기획 | toobusy Keyframe Maker | 아이디어와 참조 이미지를 샷 비트/키프레임 프롬프트로 정리합니다. | | 기획 | toobusy Storyboard Board | ComfyUI 안에서 이미지 보드와 키프레임 마킹을 처리합니다. | | 기획 | toobusy Paint Canvas | 그래프 앞단에서 러프 페인팅과 마스크를 만들고 바로 생성 노드로 보냅니다. | | 텍스트 인코더 | toobusy Load CLIP | safetensors/.gguf 텍스트 인코더를 한 노드로 로드합니다. | | Ideogram | toobusy Ideogram Prompt Polish / Layout Builder / Ideogram4 T2I | 한국어 장면 → 구조화 프롬프트 → 레이아웃 → 로컬 Ideogram4 생성 흐름입니다. Prompt Polish는 image+비전 모델(Gemma 4) 연결 시 이미지 1장을 분석해 레이아웃 JSON 초안도 만들고, Layout Builder의 ⟳ Pull from input으로 캔버스에 올립니다. release_clip_after_run은 프롬프트 생성 뒤 해당 CLIP만 VRAM에서 내려 대형 생성 모델과의 병목을 줄입니다. T2I의 공식 품질 프리셋은 권장 sampler/CFG/스케줄 값을 함께 적용하며, KJNodes가 있으면 SageAttention을 노드 안에서 켤 수 있습니다. | | Ideogram | toobusy Layout Text Overlay | 생성된 이미지 위에 실제 한글 텍스트를 인터랙티브하게(드래그·편집·폰트크기) 얹어, Ideogram이 못 그리는 한글을 크리스피하게 렌더합니다(layout_json 자동 시드). | | LTX | toobusy LTX2.3 3종 | LTX2.3 AV 프롬프트, 빈 latent, 샘플러 블록을 컴팩트하게 만듭니다. |

노드는 카테고리로 접혀 있습니다.

• toobusy/Plan — 기획·연출·프롬프트·스토리보드·Reference Board·Director·Bundle 작업을 접습니다.
• toobusy/Make — 이미지/영상 생성 파이프라인을 접습니다.
• toobusy/Image — 배경 제거·얼굴 마스킹 같은 이미지 전처리 노드.
• toobusy/DreamID — DreamID-Omni 토킹헤드 노드.

v0.3.0 / v0.3.1에서 특히 달라진 점

레퍼런스 기반 제작 생태계(Reference Board → Prompt Director → Flux2 Klein)를 처음으로 공개했습니다.

• toobusy Reference Board 추가: 이미지/오디오/텍스트/LoRA 카드를 한 보드에서 구성해 하나의 TOOBUSY_BUNDLE로 묶습니다.
  • 카드 부착 모듈: Erase Face(몸의 얼굴 제거) / Keep Face Only(얼굴만 남기기) / Remove Background(배경 제거) — 카드 이미지에 서버측에서 적용됩니다.
  • 텍스트 카드(Goal/Style/Negative/Custom)와 레퍼런스 이름 삽입 칩, 독립 LoRA 카드 및 Face 카드 FaceSwap LoRA 드롭다운.
  • 카드 호버 확대 미리보기, 드래그아웃(다른 앱/브라우저로 이미지·오디오 끌어다 놓기), 카드 이미지 클릭/드롭 교체(설정 유지), 이름 충돌 없는 프리셋 저장/로드.
• toobusy Flux2 Klein Prompt Director 추가: Bundle을 받아 버튼 패널로 최종 프롬프트를 조립합니다. 연결된 Reference Board의 등록 카드만 버튼으로 동적 표시되고, FaceSwap / Product Swap / Character Swap 플래그와 Camera/Lighting/Style 프리셋 칩을 제공합니다.
• toobusy Bundle Unpack / Bundle Get 추가: Bundle에서 역할별 이미지·오디오·프롬프트·LoRA를 꺼냅니다.
• toobusy Background Remove(rembg) / Face Mask(YOLO→mediapipe→opencv) 추가(선택 의존성): 배경 제거 및 얼굴 erase/keep 마스킹.
• toobusy DreamID-Omni Loader/Talker 추가(선택 의존성): 설치된 DreamID-Omni 노드에 위임하는 토킹헤드 골격.
• toobusy Flux2 Klein 강화: TOOBUSY_BUNDLE을 직접 받아 빈 레퍼런스 슬롯을 채우고 번들 LoRA를 적용합니다. bundle_reference_order에 auto(기본, Director 스왑 플래그를 따름)·product_swap·character_swap이 추가됐습니다.

핵심 흐름:

Reference Board (이미지/오디오/텍스트/LoRA 카드 + 모듈)
-> TOOBUSY_BUNDLE
-> Prompt Director (버튼으로 프롬프트 조립 + 스왑 플래그)
-> Flux2 Klein (레퍼런스 생성)

v0.2.11에서 특히 달라진 점

• toobusy Wan SCAIL Extend Sampler 프레임 계획 추가: frame_mode를 target total로 두면 원하는 총 프레임만 입력하고, 노드가 base/extend 청크를 자동 분할합니다. 기존 +/- 방식은 manual segments로 그대로 쓸 수 있습니다.
• SCAIL color_match 조절 강화: color_match_strength와 color_sample이 추가되어, 클로즈업/와이드샷 전환에서 다음 청크가 한 색으로 물드는 상황을 줄이기 쉬워졌습니다.
• SCAIL-2 예제 워크플로우 교체: docs/workflows/wan21_scail2.json을 최신 SCAIL 노드 중심 예제로 갱신했습니다.

v0.2.10에서 특히 달라진 점

• toobusy Flux2 Klein 추가: Flux2 Klein 9B 레퍼런스 그래프를 1노드로 접었습니다. 레퍼런스 슬롯은 최대 5개, LoRA 슬롯도 최대 5개까지 쓸 수 있습니다.
• toobusy Load CLIP 추가: safetensors와 .gguf 텍스트 인코더를 한 노드로 로드합니다. 토큰 수가 늘어난 커스텀/파인튜닝 LLM도 임베딩 크기를 맞춰 로드할 수 있습니다.
• toobusy Z-Image Turbo 강화: positive_override / negative_override / latent_override / zit_control 입력과 model / model_clean / clip / vae / positive / negative passthrough 출력이 추가되어, 외부 샘플러 없이 하이레즈 루프를 닫기 쉬워졌습니다.
• toobusy Hires Upscale 추가: 4x 업스케일 모델 → 리샘플 → VAE Encode를 한 노드로 묶었습니다.
• toobusy ZIT ControlNet 추가: depth/canny/pose 컨트롤을 Z-Image Turbo에 모듈처럼 연결합니다.
• toobusy Wan SCAIL Extend Sampler 개선: 익스텐드 청크 색 드리프트를 줄이기 위해 color_anchor 옵션이 추가되었습니다.

대표 데모

1. Wan SCAIL-2 — 영상 생성/익스텐드 그래프 접기

<p align="center"> <a href="docs/workflows/wan21_scail2_sample.mp4"> <img src="docs/workflows/wan21_scail2_sample.jpg" width="100%" alt="toobusy Wan SCAIL-2 result preview"> </a> </p> <p align="center">_{↑ SCAIL-2 결과 영상 미리보기 — 클릭하면 mp4. 워크플로우: <a href="docs/workflows/wan21_scail2.json">wan21_scail2.json</a>}</p>

2. Flux2 Klein — 레퍼런스 이미지 기반 생성 그래프 접기

<p align="center"> <a href="docs/workflows/toobusy_flux2klein.json"> <img src="docs/workflows/toobusy_flux2klein.svg" width="100%" alt="toobusy Flux2 Klein 워크플로우 — Load Image + Toobusy Flux2 Klein + Save Image"> </a> </p> <p align="center">_{↑ Load Image → toobusy Flux2 Klein → Save Image. 워크플로우: <a href="docs/workflows/toobusy_flux2klein.json">toobusy_flux2klein.json</a>}</p>

toobusy Flux2 Klein은 레퍼런스 이미지를 받아 Flux2 Klein 9B 생성 체인을 한 노드로 접습니다. 이 예제는 9:16, 1MP, Euler, 4 steps 기준이며, 레퍼런스의 인물과 의상 특징을 유지한 전신 세로 이미지를 만드는 흐름입니다.

model_name : FLUX2\flux-2-klein-9b-kv-fp8.safetensors
clip_name  : flux2\qwen38BFluxKlein9BTE_38b.safetensors
vae_name   : flux2-vae.safetensors

3. Ideogram4 — 한국어 장면에서 레이아웃과 이미지까지

<p align="center"> <a href="docs/workflows/korean_scene_to_ideogram4.json"> <img src="docs/workflows/korean_scene_to_ideogram4.png" width="100%" alt="toobusy 워크플로우 — 한국어 장면을 Prompt Polish → Layout Builder → Ideogram4 T2I로 접는 그래프"> </a> </p> <p align="center">_{↑ Prompt Polish → Layout Builder → Ideogram4 T2I. 워크플로우: <a href="docs/workflows/korean_scene_to_ideogram4.json">korean_scene_to_ideogram4.json</a>}</p> <table> <tr> <td align="center" width="25%"><a href="docs/workflows/sample1.jpg"><img src="docs/workflows/sample1.jpg" height="150" alt="Ideogram4 sample result 1"></a></td> <td align="center" width="25%"><a href="docs/workflows/sample2.jpg"><img src="docs/workflows/sample2.jpg" height="150" alt="Ideogram4 sample result 2"></a></td> <td align="center" width="25%"><a href="docs/workflows/sample3.jpg"><img src="docs/workflows/sample3.jpg" height="150" alt="Ideogram4 sample result 3"></a></td> <td align="center" width="25%"><a href="docs/workflows/sample4.jpg"><img src="docs/workflows/sample4.jpg" height="150" alt="Ideogram4 sample result 4"></a></td> </tr> </table> <p align="center">_{↑ toobusy Ideogram 계열 노드로 만든 결과 — 클릭하면 원본.}</p>

4. Z-Image Turbo — t2i/img2img/latent-in 그래프를 한 노드로

<p align="center"> <a href="docs/workflows/z_image_turbo.json"> <img src="docs/workflows/z_image_turbo.png" width="100%" alt="toobusy Z-Image Turbo 워크플로우 — Load Image + 한 노드 + Save Image"> </a> </p> <p align="center">_{↑ Z-Image Turbo 예제 워크플로우. 결과 예시: <a href="docs/workflows/z_image_turbo_sample.png">z_image_turbo_sample.png</a>}</p>

왜 “접기”인가 — Before → After

설치하면 기존 그래프가 짧아집니다. 그게 toobusy의 약속입니다.

| 노드 | Before | After | |---|---|---| | Wan SCAIL Extend Sampler | SCAIL-2 생성 + 익스텐드 + 오버랩 트림 + 색보정 체인 | 1 노드 | | Flux2 Klein | Flux2 Klein 9B 레퍼런스 그래프 + KV cache + reference latent 체인 | 1 노드 | | Z-Image Turbo | UNET/CLIP/VAE 로더 + LoRA + 인코딩 + 샘플러 + 디코드 | 1 노드 | | ZIT ControlNet | depth/canny/pose 전처리 + Fun-ControlNet-Union 패치 체인 | 1 노드 | | Hires Upscale | 업스케일 모델 로드 + 업스케일 + 리샘플 + VAE Encode | 1 노드 | | Ideogram4 T2I | 로컬 Ideogram4 로더/컨디셔닝/스케줄러/샘플러/디코드 체인 | 1 노드 | | LTX2.3 Compact AV Sampler | LTX2.3 AV 샘플링 블록 | 1 노드 | | Keyframe Maker | 브리프 → 샷 비트 → 비주얼 앵커 → 키프레임 → 스토리 | 1 노드 | | Storyboard Board | 외부 보드 앱 + 캡처 + 임포트 | 노드 안에서 바로 | | Paint Canvas | 외부 페인팅 앱 + 저장 + Load Image 왕복 | 노드 안에서 바로 |

새 노드 추가 기준도 동일합니다: “이게 귀찮은 여러 단계를 하나로 접나?” — Yes만 들어옵니다.

필요한 것 & 제약

완벽한 척보다 “이 조건에서 검증됨” 을 적습니다. 접기 노드는 내부에서 여러 ComfyUI 노드/모델을 호출하므로, 전제가 갖춰져야 동작합니다.

| 노드 | 필요한 것 | 제약 / 검증 조건 | |---|---|---| | Wan SCAIL Extend Sampler | 외부 model/clip/vae 로더 + reference_image + pose_video + 최신 ComfyUI SCAIL-2 코어 | 코어 WanSCAILToVideo에 SCAIL-2 확장 입력이 필요합니다. SAM3/KJNodes/VHS는 예제 워크플로우 재현에 필요합니다. | | Flux2 Klein | Flux2 Klein 9B 모델 + Qwen3 계열 Flux2 텍스트 인코더 + Flux2 VAE | 레퍼런스 #1은 기본적으로 출력 크기 기준이 됩니다. size_mode로 ratio/manual 강제가 가능합니다. | | Z-Image Turbo | Z-Image Turbo 디퓨전 모델 + lumina2 텍스트 인코더 + VAE | 모델 파일이 ComfyUI 모델 폴더에 있어야 합니다. | | ZIT ControlNet | Z-Image-Turbo-Fun-Controlnet-Union 모델 패치 + 선택적 controlnet_aux | depth/pose 전처리는 comfyui_controlnet_aux가 필요합니다. Canny는 코어 노드로 폴백합니다. | | Ideogram4 T2I | 로컬 Ideogram4 모델 + ComfyUI Ideogram4 지원 노드 + UNET 2개(model/uncond) + ideogram4 CLIP | 웹 API가 아닙니다. Ideogram4 미지원 빌드에서는 실행 시점에 실패합니다. | | Keyframe Maker | clip에 텍스트 생성 가능한 모델 + ComfyUI TextGenerate 노드 | 출력 품질은 연결한 LLM에 좌우됩니다. | | LTX2.3 | ComfyUI에 LTX 2.3 노드셋(LTXV*) + LTX 모델/VAE/텍스트 인코더 | LTX 지원이 없는 환경에서는 실행 시점에 실패합니다. | | Storyboard Board / Paint Canvas | Pillow·numpy·torch | 이미지와 레이어 데이터는 워크플로우에 임베드되므로, 너무 많이 넣으면 JSON이 커질 수 있습니다. | | Load CLIP | safetensors 또는 .gguf 텍스트 인코더 | .gguf는 ComfyUI-GGUF가 설치돼 있어야 로드됩니다. Text Generate용 프롬프트 인핸서에는 Gemma 계열이 안전합니다. | | Reference Board / Director / Bundle | (코어 의존성 없음) | Director는 clip에 텍스트 생성 가능한 모델이 필요합니다. 카드 모듈을 쓰면 아래 선택 의존성이 필요합니다. | | Background Remove | rembg + onnxruntime (선택) | pip install -r custom_nodes/toobusy/requirements_rembg.txt. 모델은 최초 실행 시 다운로드됩니다(GPU는 onnxruntime-gpu). | | Face Mask / 카드 얼굴 모듈 | opencv-python 필수 + mediapipe·ultralytics YOLO face 모델(선택) | pip install -r custom_nodes/toobusy/requirements_facemask.txt. YOLO face 모델(Face Detailer 모델)이 있으면 자동 사용, 없으면 opencv로 폴백합니다. | | DreamID-Omni | 설치된 benjiyaya/ComfyUI_Dreamid-Omni 노드 + 해당 모델 | pip install -r custom_nodes/toobusy/requirements_dreamid_omni.txt. toobusy 노드는 upstream에 위임하므로 그쪽 모델/의존성이 있어야 합니다. |

모델 파일은 저장소에 포함하지 않습니다. 각 모델은 ComfyUI의 해당 폴더(diffusion_models/text_encoders/vae/loras/model_patches)에 직접 두세요.

예제 워크플로우

docs/workflows/에 “열면 돌아가는” 워크플로우를 둡니다.

• wan21_scail2.json — Wan 2.1 SCAIL-2 모션 트랜스퍼 예제(36노드). 레퍼런스 이미지 + 댄스 영상 → toobusy Wan SCAIL Extend Sampler 중심 구성으로 베이스 생성 + 익스텐드 흐름을 확인합니다. 결과: wan21_scail2_sample.mp4.
• toobusy_flux2klein.json — toobusy Flux2 Klein 한 노드로 레퍼런스 이미지 기반 생성 그래프를 접는 예제. Load Image → Flux2 Klein → Save Image 구성입니다.
• korean_scene_to_ideogram4.json — 한국어 장면 → Prompt Polish → Layout Builder → Ideogram4 T2I. 처음 사용자는 이 워크플로우를 먼저 열어 전체 흐름을 확인하는 것을 권장합니다.
• z_image_turbo.json — toobusy Z-Image Turbo 한 노드로 t2i/img2img 기본 그래프를 접는 예제. image 입력에 Load Image를 연결하면 자동으로 img2img로 전환됩니다.

추천 조합

Wan SCAIL-2 모션 트랜스퍼 / 익스텐드

reference_image + pose_video
-> Wan SCAIL Extend Sampler
-> video / preview frames

SCAIL-2 예제는 여러 전처리와 익스텐드 단계를 하나로 접는 흐름을 보여줍니다. 세그먼트/마스크/비디오 저장 쪽 커스텀 노드는 예제 워크플로우 안의 Note를 확인하세요.

Reference Board → Director → Flux2 Klein (레퍼런스 제작 흐름)

Reference Board (캐릭터/얼굴/의상/제품/배경 카드 + 모듈)
-> toobusy_bundle
-> Prompt Director (버튼으로 프롬프트 조립 + FaceSwap/ProductSwap/CharacterSwap)
-> Flux2 Klein (bundle_reference_order = auto)
-> image

캐릭터 스왑 예: Reference Board에 Character A(유지할 장면/포즈)와 Character B(넣을 인물)를 등록하고, Director에서 Character Swap 버튼 + 두 카드를 선택한 뒤 Goal 텍스트 카드에 의도를 적습니다. Flux2 Klein은 auto로 스왑 순서를 따라갑니다. 페이스 스왑은 몸 카드에 Erase Face, 얼굴 소스 카드에 Keep Face Only 모듈을 붙이면 더 깔끔합니다.

Flux2 Klein 레퍼런스 생성

Load Image
-> reference_1_image
-> Flux2 Klein
-> image / latent / model / model_clean / clip / vae / positive

레퍼런스 슬롯은 최대 5개까지 확장할 수 있습니다. 기본 size_mode는 from reference라서 reference #1의 크기를 따릅니다. 세로 숏을 강제하고 싶으면 예제처럼 size_mode를 ratio + megapixels, ratio_preset을 9:16으로 둡니다.

Z-Image Turbo 하이레즈 루프

Z-Image Turbo
-> Hires Upscale
-> Z-Image Turbo(latent_override)

첫 번째 Z-Image Turbo의 image / latent / vae / positive / negative 출력을 재사용하면, 외부 로더나 CLIPTextEncode를 반복해서 깔지 않고 2차 패스를 구성할 수 있습니다.

Z-Image Turbo + ControlNet

Paint Canvas 또는 Load Image
-> ZIT ControlNet(depth/canny/pose)
-> Z-Image Turbo(zit_control)

ZIT ControlNet을 연결하지 않으면 기존 Z-Image Turbo 동작과 동일합니다.

Storyboard → 영상 기획

Storyboard Board에서 이미지 카드 배치
-> K로 키프레임 마킹
-> keyframes 출력
-> 영상 생성/기획 노드로 연결

이미지 보드가 단순 메모장이 아니라, 실제 IMAGE 배치 출력으로 이어지는 키프레임 허브가 됩니다.

FAQ / Troubleshooting

Ideogram4 T2I가 왜 안 돌아가나요?

이 노드는 웹 Ideogram API 호출 노드가 아닙니다. 로컬 Ideogram4 모델과 ComfyUI의 Ideogram4 지원 노드가 필요합니다.

Z-Image Turbo에서 모델이 이상하게 잡힙니다.

v0.2.10부터 파일명 퍼지 스캔으로 Z-Image 모델/텍스트 인코더/VAE를 자동 감지합니다. 그래도 엉뚱한 파일이 잡히면 model_name / clip_name / vae_name을 직접 지정하세요.

Z-Image Turbo 2차 패스에서 어떤 model 출력을 써야 하나요?

같은 해상도와 같은 컨트롤 조건을 이어갈 때는 model을 써도 됩니다. 다른 해상도 2차 패스나 LoRA를 바꿔 끼우는 흐름이라면 model_clean이 더 안전합니다.

Flux2 Klein에서 전신 세로샷이 잘리면?

프롬프트에 full-length, head to toe, entire body visible, standing upright, both feet on the ground처럼 구도 제약을 명확히 넣고, ratio + megapixels에서 9:16 세로 비율을 먼저 고정하세요.

Load CLIP으로 Llama/Dolphin GGUF를 로드했는데 Text Generate가 안 됩니다.

로드 자체와 generate() 지원은 다릅니다. ComfyUI 래퍼상 Text Generate 프롬프트 인핸서로는 Gemma 계열이 가장 안전합니다.

워크플로우 JSON이 너무 커집니다.

Storyboard Board와 Paint Canvas는 이미지를 board_data / canvas_data에 임베드합니다. 이미지나 레이어가 많을수록 워크플로우 JSON이 커집니다.

로드맵

단기 계획:

1. Reference Board 카드용 마스크 에디터(수동) + 의상 교체 마스킹(캐릭터=의상 제거, 의상 이미지=의상만 남기기).
2. 고품질 페이스 스왑을 위한 insightface 옵션 검토.
3. 레퍼런스 제작 흐름 예제 워크플로우 추가, 노드별 상세는 docs/로 분리.

라이선스

이 저장소의 라이선스는 LICENSE를 확인하세요.