용어 사전 (Glossary)¶

ComfyUI와 Stable Diffusion 생태계에서 자주 사용하는 용어를 모았습니다.

A - E¶

Auto Queue¶

Run 버튼의 Run options에 있는 자동 반복 설정입니다. Disabled는 자동 실행을 하지 않고, Instant는 생성이 끝나면 다시 큐에 넣고, On Change는 값이 바뀔 때 큐에 넣습니다.

BasicGuider¶

SamplerCustomAdvanced 구성에서 모델과 conditioning을 묶어 샘플러에 넘기는 노드입니다. KSampler와 달리 negative 입력 포트가 없습니다. ComfyUI 공식 FLUX.1 예제가 이 구성을 사용합니다.

Batch Count¶

Run 버튼 옆의 숫자입니다. 한 번 누를 때 같은 워크플로우를 큐에 몇 개 넣을지 정합니다. 한 장을 여러 번 생성하는 설정이며, 한 번의 생성에서 이미지를 몇 장 만들지 정하는 Batch Size와 다릅니다.

Batch Size (배치 크기)¶

한 번 실행할 때 만들 이미지 장수입니다. Empty Latent Image에서 지정하며, 늘리면 VRAM 사용량도 함께 늘어납니다.

버킷 (Bucket)¶

모델이 학습한 해상도 목록의 각 항목입니다. SDXL은 총 픽셀이 약 1메가픽셀인 여러 비율의 크기로 학습했고, 목록을 벗어난 크기에서는 구도가 왜곡되거나 같은 대상이 화면 안에서 반복됩니다. 전체 목록은 SDXL 해상도 최적화에 있습니다.

Bypass (바이패스)¶

선택한 노드의 계산을 건너뛰고 입력을 그대로 출력으로 넘기는 상태입니다. 단축키는 Ctrl + B(macOS ⌘ + B). 연결이 유지되므로 뒤쪽 노드는 계속 실행되고, 같은 키로 되돌립니다. 노드 하나를 뺀 결과를 비교할 때 사용합니다.

캔버스 (Canvas)¶

노드를 놓고 연결하는 ComfyUI의 작업 화면입니다. 빈 공간을 왼쪽 버튼으로 끌면 화면이 움직이고, 노드 위에서 끌면 그 노드가 움직입니다. 조작은 캔버스 다루기에 있습니다.

Cancel current run¶

실행 중인 작업을 멈추는 버튼입니다. 실행이 시작되면 실행 영역의 버튼이 이것으로 바뀌며 단축키는 Ctrl + Alt + Enter입니다. 멈춘 작업의 중간 결과는 저장되지 않습니다.

CFG (Classifier-Free Guidance)¶

프롬프트 조건을 얼마나 강하게 밀어붙일지 정하는 KSampler의 값입니다. 품질 점수가 아니라 조건을 강제하는 정도이며, 너무 높이면 대비가 과해지고 형태가 깨집니다. SD 1.5·SDXL은 7 전후에서 시작합니다. FLUX.1 dev는 예외로 cfg=1.0을 사용하고 대신 Guidance를 조절합니다.

Checkpoint (체크포인트)¶

학습이 끝난 AI 모델 파일 전체입니다. 확장자는 .safetensors 또는 .ckpt입니다. 안에 UNet(또는 DiT), VAE, CLIP이 함께 들어 있습니다.

Conditioning (조건)¶

프롬프트를 텍스트 인코더가 변환한 결과로, 모델이 생성 과정에서 참고하는 조건 데이터입니다. ComfyUI에서 CONDITIONING 타입으로 흐르며 KSampler의 positive·negative에 연결됩니다.

CLIP (Contrastive Language-Image Pre-training)¶

OpenAI가 만든 모델입니다. 텍스트와 이미지를 같은 의미 공간에 놓도록 학습해, 프롬프트를 모델이 다루는 숫자(Embedding)로 바꿉니다.

CLIP Vision¶

CLIP의 이미지 인코더 부분입니다. 참조 이미지를 임베딩으로 바꿔 IPAdapter나 Redux가 조건으로 사용할 수 있게 합니다. 텍스트를 처리하는 CLIP Text Encode와는 다른 경로입니다.

ComfyUI-Manager¶

커스텀 노드를 설치·갱신·제거·비활성화하는 확장입니다. Desktop 앱에는 기본으로 들어 있고 켜져 있으며, Portable과 수동 설치본에서는 ComfyUI 코어에 들어 있지만 따로 켜야 합니다. 워크플로우에 없는 노드가 있으면 찾아서 설치합니다.

ControlNet¶

이미지의 구조(윤곽선, 포즈, 깊이 등)를 제어하기 위한 보조 모델입니다. 텍스트 프롬프트만으로는 설명하기 힘든 구체적인 형태를 지정할 때 사용합니다.

control_after_generate¶

KSampler의 seed 아래에 있는 위젯입니다. 한 장을 생성한 뒤 seed를 어떻게 바꿀지 정합니다. fixed로 두면 seed가 유지되므로 다른 값 하나만 바꿔 결과를 비교할 수 있습니다.

Denoising (노이즈 제거)¶

확산(Diffusion) 모델의 핵심 작동 원리입니다. 무작위 노이즈에서 시작하여 점차 의미 있는 이미지로 다듬어가는 과정을 말합니다.

Denoise (디노이즈 강도)¶

KSampler의 설정값으로, 전체 샘플링 구간 중 어느 정도를 사용할지 정합니다. 텍스트로 새 이미지를 만들 때는 1.0, 기존 이미지를 부분 수정할 때는 1.0보다 낮춥니다. 0.5가 "픽셀의 절반이 바뀐다"는 뜻은 아닙니다.

Differential Diffusion¶

마스크의 밝기에 따라 픽셀마다 denoise 강도를 다르게 적용하는 기법입니다. 검정은 유지, 흰색은 교체, 회색은 그 중간입니다. 마스크 안팎을 이분해 처리하는 일반 인페인팅과 이 점이 다릅니다.

EmptySD3LatentImage¶

Flux·SD3 계열에서 빈 Latent를 만드는 노드입니다. SD 1.5·SDXL이 사용하는 Empty Latent Image와 채널 구성이 달라 서로 바꿔 사용하지 않습니다. width, height, batch_size를 지정합니다.

Embedding (임베딩)¶

텍스트나 이미지를 AI가 처리할 수 있도록 숫자의 나열(벡터)로 변환한 데이터입니다.

F - J¶

Fit View¶

선택한 노드가 없으면 워크플로우 전체가, 선택한 노드가 있으면 그 노드가 화면에 들어오도록 시야를 조정하는 기능입니다. 단축키는 .이고 화면 오른쪽 아래에 같은 기능의 버튼이 있습니다.

Flux¶

Black Forest Labs가 만든 이미지 생성 모델 계열입니다. Stable Diffusion의 UNet 대신 Transformer(DiT) 구조를 사용하고, 텍스트 인코더로 CLIP-L과 T5를 함께 사용합니다.

FluxGuidance¶

프롬프트를 인코딩한 CONDITIONING에 guidance 값을 얹어 FLUX.1 dev에 넘기는 노드입니다. KSampler를 사용하는 공식 기본 구성은 cfg=1.0을 두고 이 노드로 조건 강도를 정합니다. SamplerCustomAdvanced 구성에는 cfg 위젯 자체가 없습니다. 넣는 값의 의미는 Guidance (FLUX.1 dev) 항목에 있습니다.

FP8 / FP16¶

모델 가중치를 저장하는 숫자 정밀도입니다. FP16은 16비트, FP8은 8비트를 사용합니다. 비트 수가 작으면 파일 크기와 VRAM 사용량이 줄어듭니다. 이 학습서는 FLUX.1 dev 기준으로 FP8 최소 12GB, FP16 권장 24GB를 적습니다.

GGUF¶

양자화한 모델을 담는 파일 형식입니다. Q6, Q5처럼 단계가 나뉘고 단계를 낮출수록 VRAM 사용량이 줄어듭니다. ComfyUI에서 GGUF 파일은 diffusion_models/가 아니라 unet/ 폴더에 둡니다.

Group (그룹)¶

노드 여러 개를 테두리로 묶는 기능입니다. 캔버스 우클릭 Add Group으로 빈 그룹을 만들거나, 노드를 선택하고 Add Group For Selected Nodes로 만듭니다. 그룹 제목을 끌면 안의 노드가 함께 움직입니다.

Guidance (FLUX.1 dev)¶

FLUX.1 dev가 프롬프트 조건을 얼마나 참고할지 나타내는 값으로, FluxGuidance 노드에서 지정합니다. 공식 예제의 출발점은 3.5입니다. KSampler의 CFG와는 다른 값이므로 혼동하지 않습니다.

Inference (추론)¶

학습된 AI 모델을 사용하여 실제로 결과물(이미지)을 만들어내는 과정입니다.

Inpainting (인페인팅)¶

이미지의 일부 영역을 마스크로 지정해 그 부분만 다시 생성하는 작업입니다.

Outpainting (아웃페인팅)¶

원본 이미지 바깥으로 화면을 넓혀 없던 영역을 새로 생성하는 작업입니다. Inpainting과 같은 노드 구성을 사용하되 마스크가 원본 바깥쪽에 놓입니다.

IPAdapter¶

참조 이미지를 CLIP Vision으로 인코딩해 MODEL을 수정하는 제어 기법입니다. conditioning이 아니라 MODEL 라인에서 동작합니다. 미리 학습해 두는 LoRA와 달리 참조 이미지를 그 자리에서 분석합니다.

K - O¶

KSampler¶

ComfyUI에서 노이즈 제거 과정(Denoising)을 실행하는 핵심 노드입니다. Steps, CFG, Sampler Name 등을 정해 이미지를 만듭니다.

KSamplerAdvanced¶

KSampler와 같은 샘플링을 사용하면서 add_noise, start_at_step, end_at_step, return_with_leftover_noise를 직접 지정하는 노드입니다. 샘플링을 두 단계로 나눠 중간에 모델이나 conditioning을 바꿀 때 사용합니다.

Latent Image (잠재 이미지)¶

이미지 정보를 고도로 압축한 데이터 형태입니다. AI는 픽셀 단위의 큰 이미지를 직접 다루는 대신, 이 Latent 공간에서 연산을 수행하여 속도와 효율을 높입니다.

LoRA (Low-Rank Adaptation)¶

거대 모델을 효율적으로 미세조정(Fine-tuning)하는 기술, 또는 그 결과물 파일입니다. 용량이 작으며(수십~수백 MB), 특정 화풍, 캐릭터, 개념을 기존 모델에 추가할 때 사용합니다.

미니맵 (Minimap)¶

워크플로우 전체를 축소해 표시하는 작은 지도입니다. 화면 오른쪽 아래 아이콘으로 켜고 끕니다. 노드가 많아 전체 보기로는 글자가 안 보일 때 위치를 잡는 데 사용합니다.

Mask Editor (마스크 편집기)¶

ComfyUI 안에서 이미지 위에 마스크를 그리는 편집기입니다. Load Image 노드를 선택한 뒤 선택 툴박스의 마스크 아이콘, 이미지 미리보기의 Edit or mask image, 노드 우클릭 메뉴의 Open in Mask Editor 세 가지로 엽니다. Save를 누르면 그 노드에 마스크가 적용됩니다.

ModelSamplingFlux¶

FLUX.1 워크플로우에서 MODEL 라인에 넣는 노드입니다. 해상도에 따라 sigma 스케줄을 조정하며 max_shift, base_shift, width, height 위젯을 가집니다. 공식 Redux 예제의 시작값은 max_shift 1.15, base_shift 0.5이고, width·height는 EmptySD3LatentImage와 같은 값을 사용합니다.

Mute (뮤트)¶

선택한 노드가 출력을 내보내지 않는 상태입니다. 단축키는 Ctrl + M(macOS ⌘ + M). 뒤쪽 노드는 입력을 받지 못해 실행되지 않습니다. 입력을 넘기는 Bypass와 다릅니다.

노드 (Node)¶

ComfyUI에서 하나의 작업을 맡는 상자입니다. 왼쪽에 입력 포트, 오른쪽에 출력 포트가 있고, 상자 안에서 직접 값을 넣는 칸을 위젯이라고 부릅니다. 캔버스를 더블클릭하거나 우클릭해 추가합니다.

Note¶

캔버스에 글을 적어 두는 노드입니다. 입력·출력 포트가 없고 실행에 참여하지 않으므로 결과를 바꾸지 않으며, 적은 내용은 워크플로우 .json에 함께 저장됩니다. 마크다운 표기를 사용하는 MarkdownNote도 같은 자리에서 추가합니다.

OOM (Out of Memory)¶

그래픽카드 메모리(VRAM)가 부족해 생성이 중단되는 오류입니다. 해상도와 배치 크기를 줄이는 것이 첫 조치입니다.

P - T¶

전처리기 (Preprocessor)¶

입력 이미지를 ControlNet이 받는 형식으로 바꾸는 노드입니다. OpenPose Pose, Depth Anything, Scribble Lines 등이 있습니다. 대부분 ComfyUI 기본 노드가 아니라 따로 설치해야 노드 검색 목록에 나옵니다.

Prompt (프롬프트)¶

AI에게 어떤 이미지를 만들지 지시하는 텍스트 명령어입니다. - Positive Prompt: 생성하고 싶은 요소 - Negative Prompt: 생성하지 말아야 할 요소

patch (패치)¶

Transformer 계열 모델이 이미지를 다룰 때 나누는 정사각형 조각입니다. 픽셀 하나씩이 아니라 패치 단위로 계산하고, 모든 패치가 서로를 참조합니다. UNet이 주변 픽셀 위주로 계산하는 것과 이 지점이 다릅니다.

양자화 (Quantization)¶

모델 가중치를 더 적은 비트로 바꿔 저장하는 것입니다. 파일 크기와 VRAM 요구가 줄고 품질이 조금씩 떨어집니다. Flux에서는 GGUF 형식의 Q8·Q6·Q5·Q4 단계로 유통되며, 단계를 낮출수록 형태가 무너지고 이미지 안의 글자가 깨집니다.

큐 (Queue)¶

실행을 기다리는 작업 목록입니다. Run을 누르면 작업이 이 목록 끝에 들어가고, 앞에서부터 하나씩 실행됩니다. Q로 사이드바를 열어 대기 목록과 실행 기록을 봅니다.

Queue Prompt¶

Run 버튼의 예전 이름입니다. 바깥 자료에서 이 이름을 보면 Run (실행) 항목을 보세요.

Run (실행)¶

현재 워크플로우를 큐에 넣는 버튼입니다. 화면 우측 상단에 있으며 단축키는 Ctrl + Enter입니다. 누르면 ComfyUI가 출력 노드에서 거꾸로 필요한 노드만 골라 실행하고, 출력이 어디에도 사용되지 않는 노드는 건너뜁니다. 예전 이름은 Queue Prompt입니다.

포트 (Port)¶

노드끼리 선으로 잇는 자리입니다. 왼쪽이 입력, 오른쪽이 출력이며 같은 데이터 타입끼리만 연결됩니다. 노드 안에서 값을 직접 넣는 위젯과 다릅니다.

Redux¶

FLUX.1 dev와 FLUX.1 schnell을 이미지로 조건화하는 어댑터입니다. 참조 이미지를 CLIP Vision으로 인코딩한 뒤 StyleModelApply에서 텍스트 conditioning과 합칩니다.

Refiner (리파이너)¶

1단계 샘플링을 중간에 끊고, 남은 구간을 다른 모델이나 다른 conditioning으로 이어 마무리하는 구성입니다. SDXL이 Base와 Refiner 두 체크포인트를 짝으로 배포하면서 널리 사용됐습니다. ComfyUI에서는 KSamplerAdvanced의 start_at_step·end_at_step으로 구간을 나눕니다.

Sampler (샘플러)¶

각 단계에서 Latent를 다음 상태로 갱신하는 계산 방법입니다. ComfyUI에서는 sampler_name으로 지정하며 euler, dpmpp_2m 등이 있습니다. Scheduler와는 별개 항목입니다.

SamplerCustomAdvanced¶

noise, guider, sampler, sigmas, latent_image 다섯 입력을 각각 다른 노드에서 받는 샘플러 노드입니다. Seed·CFG·sampler 이름을 직접 넣는 위젯이 없습니다. 하나라도 연결이 비면 실행되지 않습니다.

Reroute (리라우트)¶

연결선의 경유점 역할만 하는 노드입니다. 데이터를 바꾸지 않고 선이 다른 노드 위를 지나가지 않도록 우회시킬 때 사용합니다.

safetensors¶

모델 파일 형식입니다. 체크포인트·LoRA·VAE·텍스트 인코더가 모두 이 확장자를 사용하기 때문에, 확장자만으로는 종류를 구분할 수 없습니다. 내려받은 페이지에 적힌 종류를 확인하고 알맞은 폴더에 넣어야 합니다.

Scheduler (스케줄러)¶

전체 Steps에 노이즈 수준(sigma)을 어떻게 배분할지 정하는 시간표입니다. normal, karras, simple 등이 있습니다. 다른 도구의 DPM++ 2M Karras 같은 표기는 ComfyUI에서 Sampler(dpmpp_2m)와 Scheduler(karras)로 나뉩니다.

Seed (시드)¶

난수 생성의 기준이 되는 숫자입니다. 같은 모델·설정·Seed와 동일한 실행 환경에서는 대체로 같은 결과를 재현할 수 있습니다. GPU, 연산 정밀도, 라이브러리·ComfyUI 버전이 달라지면 차이가 생길 수 있습니다.

seq_len¶

텍스트 인코더가 프롬프트를 토큰으로 나눴을 때의 토큰 개수입니다. T5XXL의 출력 크기 [seq_len × 4096]에서 앞자리에 해당하며, 프롬프트가 길어지면 이 값이 커집니다.

sigma¶

각 denoising 단계에서 남아 있는 노이즈의 크기를 나타내는 값입니다. Scheduler가 이 값을 단계별로 배치하고 Sampler가 그 순서대로 latent를 갱신합니다.

Stable Diffusion (SD)¶

Stability AI에서 공개한 오픈소스 이미지 생성 모델 시리즈입니다. (SD 1.5, SDXL 등)

Steps (스텝)¶

디노이징을 반복하는 횟수입니다. 20~30에서 시작하며, 무작정 늘려도 어느 지점부터는 눈에 띄는 개선 없이 시간만 늘어납니다.

Subgraph (서브그래프)¶

노드 여러 개를 노드 하나로 접는 기능입니다. 노드를 선택하고 Convert to Subgraph로 만들고, 더블클릭해 안으로 들어가며 Exit Subgraph로 나옵니다. Unpack Subgraph로 원래 노드들로 되돌립니다. 프론트엔드 1.24.3 이상에서 동작합니다.

strength_type¶

StyleModelApply의 위젯입니다. multiply는 참조 이미지 조건 전체에 strength를 곱하고, attn_bias는 attention 단계에서 편향으로 더합니다. 기본값은 multiply이며, 비교 실험에서는 strength와 이 값을 동시에 바꾸지 않습니다.

StyleModelApply¶

conditioning, style_model, clip_vision_output 세 입력을 받아 새 CONDITIONING을 만드는 노드입니다. style_model에는 Redux 같은 스타일 모델을 로더로 불러 연결합니다. strength와 strength_type 위젯으로 참조 이미지를 얼마나 반영할지 정합니다.

T5XXL¶

FLUX.1이 사용하는 텍스트 인코더입니다. 프롬프트 문장을 [seq_len × 4096] 크기의 임베딩으로 바꿉니다. ComfyUI에서는 text_encoders/ 폴더에 두고 Dual CLIP Loader로 CLIP과 함께 불러옵니다.

timestep¶

모델을 학습할 때 노이즈 수준을 가리키는 시간 좌표입니다. 연속으로 정의될 수도 있고 이산 단계로 정의될 수도 있습니다. 이미지를 만들 때 지정하는 ComfyUI의 Steps와는 다른 값입니다.

Trigger Word (트리거 워드)¶

일부 LoRA가 학습 때 함께 사용한 단어입니다. 이 단어를 프롬프트에 적어야 해당 화풍이나 캐릭터가 제대로 나타납니다. 내려받은 페이지의 설명란에 적혀 있습니다.

Transformer / DiT¶

Flux 모델의 기반 아키텍처입니다. SD의 UNet이 주변 픽셀 위주로 계산하는 것과 달리, 이미지를 패치로 나눠 모든 패치가 서로 참조합니다.

U - Z¶

Upscale (업스케일)¶

생성된 이미지를 더 큰 해상도로 확대하는 작업입니다. 확대만 하는 방법과, 확대한 뒤 낮은 Denoise로 다시 샘플링해 디테일을 채우는 방법이 있습니다.

UNet¶

Stable Diffusion(v1.5, XL) 모델의 핵심 아키텍처입니다. 이미지의 노이즈를 예측하고 없애는 역할을 합니다.

VAE (Variational AutoEncoder)¶

이미지(Pixel 공간)와 Latent(압축 공간) 사이를 변환하는 도구입니다. - Encode: 이미지 → Latent (압축) - Decode: Latent → 이미지 (복원)

Vector Space와 Latent Space¶

텍스트 인코더가 만드는 공간(Vector Space)과 VAE가 만드는 이미지 압축 공간(Latent Space)은 서로 다릅니다. 텍스트 벡터는 Latent로 변환되지 않고, Latent가 만들어지는 방향을 안내할 뿐입니다.

워크플로우 (Workflow)¶

노드와 연결, 각 노드의 설정값을 합친 하나의 구성입니다. .json으로 저장하고 다시 열 수 있으며, Save Image로 저장한 PNG에도 메타데이터로 함께 기록됩니다. 저장과 재현은 워크플로우 저장과 재현에 있습니다.

노드 상자 안에서 값을 직접 넣거나 고르는 칸입니다. 선으로 연결하는 포트와 다릅니다. KSampler의 seed·steps·cfg가 위젯이고, model·positive는 포트입니다. 일부 위젯은 우클릭해 포트로 바꿀 수 있습니다.

VRAM¶

그래픽카드에 달린 메모리입니다. 모델 크기, 해상도, 배치 크기가 여기에 들어갈 수 있어야 생성이 진행됩니다. 부족하면 OOM 오류가 납니다.

더 볼 곳¶

워크플로우 이해하기 — KSampler와 CLIP 설정값의 의미
문제 해결 — 오류 메시지에서 출발하는 진단
문서 지도 — 목적별 문서 찾기