ComfyUI 애니 워크플로 다운로드｜SDXL·IL·Animagine 왕초보 사용법

ComfyUI 애니 워크플로를 내려받아 첫 그림을 만들고, 배경을 고치거나 얼굴을 다듬는 순서를 정리했습니다. 배포 이름은 SDXL / IL 애니 올인원 워크플로이며, SDXL Base·Illustrious·Animagine용 입문 파일과 기능별 예제를 함께 제공합니다.

처음부터 연결을 새로 만들 필요 없이 준비된 작업 파일을 열어 시작할 수 있습니다. 기본 그림 생성부터 추가 화풍 적용, 윤곽·포즈 제어, 부분 수정, 좌우 확장, 확대, 얼굴 보정까지 한 구성에 담았습니다. 처음에는 기본 생성만 사용하고, 익숙해지면 필요한 기능을 하나씩 켜면 됩니다.

노드는 모델을 읽거나 그림을 저장하는 등 한 가지 일을 맡는 화면 속 상자입니다. 이 상자들을 선으로 연결한 작업 구성이 워크플로이고, 그 구성을 파일로 보관하는 형식이 JSON입니다. 받은 JSON을 열면 연결된 상자들이 한꺼번에 나타납니다.

첫 목표는 기본 모델인 체크포인트 하나와 7개 노드 입문 파일로 그림 한 장을 만드는 것입니다. 그다음 추가 화풍을 더하는 LoRA와 윤곽·포즈를 참고시키는 ControlNet을 필요할 때 준비하세요. 모델 가중치는 아래 ZIP에 포함되어 있지 않습니다.

가이드는 2026년 10월 15일 배포본 기준입니다. ComfyUI 자체나 모든 모델의 최신 버전을 뜻하지 않습니다. 처음 설치한다면 ComfyUI Portable 설치 안내부터 확인하세요.

주요 기능을 먼저 살펴볼게요

올인원은 모든 기능을 동시에 켜야 한다는 뜻이 아닙니다. 예를 들어 이미 마음에 드는 얼굴에는 디테일러를 추가하지 않아도 됩니다. 기능을 켤 때마다 원본과 비교하면서 필요한 변화인지 살펴보세요.

다운로드: 처음에는 전체 가이드 ZIP 하나면 됩니다

처음이라면 첫 번째 ‘가이드와 워크플로 전체 받기’ 하나만 받으세요. 아래 네 ZIP은 서로 다른 필수품이 아니라 필요한 범위만 골라 받는 선택지입니다. 네 개를 모두 받을 필요는 없습니다.

가이드와 워크플로 전체 받기
HTML 설명·실제 결과 이미지·JSON 48개·입력 PNG를 포함한 전체 배포본. 첫 방문자용입니다. ZIP · 약 71.1MB

워크플로 전체 받기 · JSON 48개
일반 랜덤 6개 + 비교 고정 42개. 가이드 없이 작업 파일만 받고 싶을 때 고릅니다. ZIP · 약 4.5MB

일반 사용용 받기 · 랜덤 6개
SDXL·IL·Animagine의 입문 3개와 올인원 3개. 평소 새 그림을 만들 때 사용합니다. ZIP · 약 4.2MB

비교 실습용 받기 · 고정 42개
기본·입문·기능별 예제의 고정 파일. LoRA나 수정 강도를 한 조건씩 비교할 때 사용합니다. ZIP · 약 4.5MB

워크플로 ZIP 세 가지에는 해당 JSON 외에 입력 PNG 4개와 사용 안내가 들어 있습니다. 어떤 ZIP에도 모델 가중치는 들어 있지 않습니다.

모델별 일반 사용용 JSON 6개 선택하기

이 사이트의 JSON 첨부 제한으로 표의 버튼은 일반 사용용 ZIP으로 연결됩니다. 압축을 풀고 표에 표시된 JSON 하나를 고르세요.

시드(seed)는 그림을 시작하는 무늬의 번호입니다. 같은 조건을 비교할 때는 번호를 고정하고, 다른 그림을 이어 만들 때는 자동으로 바꿉니다. 일반 사용용은 파일명 끝이 -random.json이며 랜덤 시드입니다. 새 그림·전체 변형·인페인트·좌우 확장·재생성 확대·얼굴 보정의 seed 제어를 모두 randomize로 설정했습니다. 기본 7개 노드 입문 파일도 랜덤입니다.

비교 실습용은 고정 42개 ZIP 또는 전체 가이드의 examples.html에서 고릅니다. 결과 그림에 연결된 42개 JSON은 fixed로 고정했습니다. example-으로 시작하는 기능 예제와 -random이 없는 기본·입문 파일이 비교용입니다. 전체 가이드에 포함된 결과 PNG 안의 워크플로도 고정 비교용입니다.

전체 가이드 ZIP의 압축을 완전히 푼 뒤 폴더 안의 index.html을 열면 한국어 가이드를 볼 수 있습니다. 가이드에는 기능별 사용법, 실제 결과, 그 결과를 만든 고정 비교용 워크플로 JSON이 함께 들어 있습니다.

JSON을 여는 것만으로 모델까지 설치되지는 않습니다. JSON에는 노드·연결·프롬프트·설정값과 사용할 파일명이 들어 있습니다. 모델은 아래 링크에서 별도로 받고, 편집 예제의 입력 PNG는 ZIP 안의 것을 사용합니다. JSON 자체는 ComfyUI/models로 옮길 필요 없이 ZIP을 풀어 둔 files 폴더에서 열면 됩니다.

ZIP에 따라 폴더 이름이 다릅니다. 전체 가이드 ZIP은 files에서 JSON·입력 PNG를 찾습니다. 워크플로 전용 ZIP은 일반 JSON이 general-random, 비교 JSON이 comparison-fixed, 입력 PNG가 input에 들어 있습니다. 아래 실습은 전체 가이드 ZIP의 files를 기준으로 쓰되, 일반용 ZIP만 받았다면 general-random에서 같은 이름의 JSON을 고르면 됩니다.

처음에는 모델 하나만 준비하세요

체크포인트는 그림을 그리는 기본 모델입니다. IL은 Illustrious의 줄임말로, SDXL 구조를 바탕으로 만든 일러스트 계열 모델입니다. 아래에서 사용할 모델 하나를 고르면 됩니다. Illustrious 제작자 설명

SDXL Base는 애니 전용 모델은 아니지만, 제공 프롬프트로 애니 표현을 생성한 예제를 넣었습니다. 이미 위 모델이 있다면 다시 받을 필요가 없습니다. 이 세 시작 파일은 체크포인트 안의 문장 해석 기능(CLIP)과 이미지 변환 기능(VAE)을 함께 사용하므로, 첫 실습은 표의 체크포인트 하나로 시작할 수 있습니다.

ComfyUI/models/checkpoints는 자신의 설치 폴더 안에서 찾는 경로입니다. Windows Portable이라면 보통 ComfyUI_windows_portable/ComfyUI 안에 models, input, output 폴더가 있습니다. Desktop 등 다른 설치 방식에서 별도 모델 폴더를 지정했다면 그 폴더 안의 같은 종류 폴더를 사용하세요.

목적지 폴더를 먼저 열어 두고 모델 파일을 복사해 넣으세요. 파일을 넣은 뒤 현재 작업 저장 → ComfyUI 브라우저 화면에서 F5 → 노드의 파일 선택 칸에서 선택 순서로 진행합니다. 목록에 여전히 없으면 ComfyUI 실행 프로그램을 종료했다가 다시 켜고 F5를 누릅니다. 탭만 닫았다 여는 것과 실행 프로그램 재시작은 다릅니다. 원래 확장자가 숨겨져 있으면 탐색기에서 파일 확장명 표시를 켜서 확인하세요.

왕초보 첫 실행은 7개 노드 입문 파일로

이 순서는 로컬 ComfyUI가 실행되는 상태에서 시작합니다. 설치 전이라면 ComfyUI 공식 설치 안내에서 자신의 환경에 맞는 설치 항목을 먼저 진행하세요.

1. 선택한 ZIP 하나를 완전히 압축 해제합니다. ZIP 자체를 ComfyUI로 끌어 넣지 마세요. 준비한 모델과 짝이 맞는 입문 JSON 하나를 고릅니다.
2. ComfyUI에서 현재 작업이 있다면 저장하고, Ctrl+O로 해당 JSON을 엽니다. JSON 파일을 캔버스 빈 곳에 끌어 놓아도 됩니다.
3. 01 체크포인트 상자의 파일 선택 칸(영문 ckpt_name)에서 실제로 받은 모델 파일명을 선택합니다. 01·04 같은 숫자는 파일에서 노드를 찾기 쉽도록 붙인 제목입니다.
4. 04 원하는 그림과 05 피할 표현은 처음에는 그대로 둡니다. 이 글에서 말하는 프롬프트는 그림을 설명하는 문장이나 키워드입니다. 04는 원하는 모습(positive), 05는 피하고 싶은 모습(negative)을 적는 칸입니다.
5. 06 새 그림 크기는 1024×1024, batch_size는 1로 둡니다. batch_size는 한 번에 만드는 그림 장수입니다.
6. 07 새 그림 생성의 값은 제공값을 유지하고 상단 실행을 한 번 누릅니다.
7. 24 최종 저장에 그림이 나타나면 첫 생성 완료입니다. 실제 파일도 ComfyUI/output/anime-aio에 저장됩니다.
8. 두 번째 그림은 같은 작업에서 실행을 한 번 더 누르세요. randomize가 다음 seed를 자동으로 고릅니다. JSON을 매번 다시 열지 않습니다. LoRA나 강도만 비교하려면 아래의 고정 비교용 파일을 사용합니다. 마음에 들면 왼쪽 위 ComfyUI 로고의 파일 → 다른 이름으로 저장으로 작업을 보관합니다. PC에 JSON 파일을 받으려면 파일 → 내보내기를 사용합니다. 이 글에서는 API 형식이 아닌 일반 워크플로 JSON을 사용합니다.

입문 파일은 기본 노드 7개만 사용하며 추가 커스텀 노드는 필요하지 않습니다. 아래에서 설명할 A~E 선택 상자는 입문 파일에 없으며, 확장 팩과 추가 기능은 첫 장을 만든 뒤 준비해도 됩니다.

입문 기본값은 IL·SDXL Base가 28 steps, CFG 5.5, dpmpp_2m / karras이며, Animagine은 28 steps, CFG 5, euler_ancestral / normal입니다. 제공 예제의 값이며 다른 체크포인트의 공통 정답은 아닙니다.

실제 기본 생성 예제

위 두 그림은 배포 가이드의 고정 예제 결과이며, 일반 랜덤 파일로 새로 만든 결과라고 제시한 것이 아닙니다. IL은 anime-aio-illustrious.json, Animagine은 anime-aio-animagine.json에 대응합니다. 일반용은 대응 고정 파일의 생성 설정과 연결을 유지하고 시드 제어·출력 접두어를 바꾼 파일입니다.

랜덤으로 만들 때와 고정해서 비교할 때

일반용은 새 그림의 07뿐 아니라 전체 변형 09, 인페인트 10, 아웃페인트 12, 하이레스 재생성 19, 얼굴 디테일러 23까지 랜덤입니다. control_after_generate(생성 후 제어)를 보면 randomize인지 fixed인지 알 수 있습니다. 환경 설정에 따라 생성 전 제어로 표시될 수도 있습니다.

확인한 버전에서는 JSON을 새로 연 첫 실행은 저장된 seed로 시작하고, 열린 작업에서 실행을 이어갈 때 자동 변경됩니다. 파일을 매번 다시 열면 첫 장이 반복될 수 있습니다. A=5·D=2·E=1처럼 모델 확대만 하는 경로는 새 노이즈를 쓰지 않으므로 같은 확대 결과가 나올 수 있습니다.

LoRA·denoise 효과를 비교할 때는 ZIP의 고정 예제 JSON을 열고 한 값씩 바꾸세요. 일반용에서 직접 비교한다면 실행할 생성 단계의 제어 칸을 모두 fixed로 바꿉니다. 인페인트+디테일러는 10과 23 두 곳을 모두 고정해야 합니다. 같은 seed만으로 모든 환경에서 같은 픽셀이 보장되지는 않습니다.

마음에 든 그림은 output 폴더의 원본 PNG도 보관하세요. 작업을 저장한 뒤 그 PNG를 ComfyUI에 끌어 열면 그 결과의 설정을 다시 불러올 수 있습니다. 같은 설정으로 계속 쓰려면 사용할 생성 단계들을 fixed로 바꿔 JSON으로 내보냅니다. 생성 후 제어에서는 화면에 이미 다음 seed가 표시될 수 있습니다.

올인원 사용법: 확장 팩 두 개를 준비한 뒤 A~E를 모두 1로

모델과 커스텀 노드는 서로 다른 준비물입니다

커스텀 노드는 ComfyUI에 기능을 추가하는 프로그램 코드입니다. 모델 파일과는 다릅니다. 이 올인원에는 아래 두 팩이 필요합니다.

• ComfyUI Impact Pack: 작업 선택과 얼굴 디테일러 등에 사용합니다.
• ComfyUI Impact Subpack: 얼굴 위치를 찾는 검출기 연결에 사용합니다.

이미 설치되어 있다면 반복 설치하지 않습니다. 없다면 Manager의 확장 프로그램 관리에서 ComfyUI Impact Pack과 ComfyUI Impact Subpack을 각각 검색해 위 제작자 저장소의 항목을 설치하세요. 설치 후 ComfyUI 실행 프로그램을 재시작하고 브라우저를 새로고침합니다. Manager가 없다면 공식 Manager 설치 안내에서 자신의 설치 방식에 맞는 절차를 사용하세요.

두 팩을 준비한 뒤 ZIP의 files 폴더에서 아래 올인원 파일 하나를 엽니다. 앞서 만든 입문 파일의 노드를 직접 늘릴 필요는 없습니다.

A~E 선택 상자에서 기능 켜기

처음에는 아래 값을 모두 1로 둡니다. 이것은 새 그림 생성만 켜고 나머지 선택 기능을 끈 상태입니다.

A 작업 = 1
B LoRA = 1
C 제어 = 1
D 확대 = 1
E 얼굴 = 1

그룹은 관련 노드를 둘러싼 제목 있는 색 상자입니다. 초록색 00 여기서 시작 그룹에서 각 value 숫자를 더블클릭하고 입력한 뒤 Enter로 확정합니다. 01에서 체크포인트를 고르고 실행하면 기본 그림 한 장이 나옵니다. 필요한 경우 캔버스 빈 곳을 클릭한 뒤 보기 맞춤(.)으로 전체 노드를 찾고 휠로 확대하세요.

선택 기능을 꺼도 JSON에 들어 있는 두 확장 팩의 노드 코드는 필요합니다. LoRA·ControlNet·확대·얼굴 검출 모델 파일은 해당 기능을 켤 때 준비하면 됩니다.

추가 모델은 쓸 기능만 골라 받으세요

첫 그림만 만들 때는 이 표의 파일이 없어도 됩니다. 선택 노드에서는 다운로드 열의 정확한 파일명을 고릅니다. 포즈 모델은 바꾼 이름을, 얼굴 검출기는 폴더가 붙은 이름을 선택하는 예외가 있습니다. 각 파일은 아래 폴더에 넣고, 해당 기능의 노드에서 직접 선택합니다. 없는 하위 폴더는 만들어 주세요.

control-lora-canny-rank256.safetensors는 이름에 LoRA가 있어도 controlnet 폴더에 넣습니다. 얼굴 검출 모델은 얼굴 위치를 찾는 역할이고, 실제 얼굴을 그리는 모델은 01에서 선택한 체크포인트입니다.

포즈 파일만 안내한 이름으로 바꾸고, 나머지 아홉 모델은 표의 이름 그대로 보관하면 됩니다. 예를 들어 얼굴 검출 파일은 models/ultralytics/bbox 안에 face_yolov8m.pt로 넣으며, 노드 목록에서만 bbox/face_yolov8m.pt처럼 표시됩니다. D=3 재생성 확대는 기존 체크포인트를 쓰므로 RealESRGAN 파일이 필요하지 않습니다.

포즈 예제는 ZIP에 들어 있는 포즈 지도를 사용하므로 별도 포즈 추출 모델은 필요하지 않습니다. 자신의 사진에서 새 포즈 지도를 만들고 싶다면 별도의 추출 과정이 필요합니다.

LoRA는 무엇이고, 네 칸은 어떻게 쓰나요?

첫 칸 하나부터 적용하기

LoRA(로라)는 기본 모델에 인물·의상·화풍 같은 특징을 더하는 추가 학습 파일입니다. 예를 들어 애니 체크포인트로 기본 그림을 만든 다음, 원하는 화풍 LoRA를 더해 선과 채색의 변화를 볼 수 있습니다. LoRA 하나만으로 기본 체크포인트를 대신할 수는 없습니다. ComfyUI 공식 LoRA 설명

다음은 올인원 JSON에서 진행합니다. IL 작업에서는 기본 칸에 적힌 SDXL 예제 LoRA를 바로 켜지 말고, IL용으로 준비한 파일을 먼저 선택하세요.

1. 선택한 체크포인트 계열에 맞는 LoRA를 ComfyUI/models/loras에 넣습니다.
2. 02 LoRA 1의 lora_name에서 받은 파일을 고릅니다.
3. 제작자가 지정한 트리거가 있다면 04 원하는 그림에 넣습니다. 트리거는 학습한 특징을 부르는 단어입니다.
4. strength_model과 strength_clip을 제작자 안내에 맞추고 B=2로 실행합니다.
5. 변화가 지나치면 model 강도를 0.1씩 낮춰 비교해 봅니다. ZIP의 고정 비교용 example-lora.json은 SDXL Pixel Art, example-il-character-lora-04.json은 IL 캐릭터 실습입니다. 모델에 맞는 파일에서 입력 그림·seed·문장을 유지하고 강도만 바꿉니다. 랜덤 일반용 그대로 비교하면 seed 차이도 섞입니다.

strength_model은 그림 모델에 반영하는 강도, strength_clip은 문장을 해석하는 부분에 반영하는 강도입니다. CLIP 학습 정보가 없는 LoRA에서는 clip 강도를 바꿔도 그 효과가 생기지 않습니다. 숫자 0.6은 결과가 정확히 60% 바뀐다는 뜻도 아닙니다.

4칸 선택과 model·CLIP 강도 구분

두 번째 칸은 03 / B=3, 세 번째는 03a / B=4, 네 번째는 03b / B=5입니다. B=4는 앞의 세 개, B=5가 네 개입니다. 3·4번째 칸은 기본 강도가 0이므로 파일을 고른 뒤 사용할 강도로 올려 주세요.

전부 끄려면 B=1로 돌립니다. 특정 LoRA 하나만 쓸 때는 첫 칸에 넣고 B=2로 쓰는 편이 쉽습니다. 예를 들어 3·4칸만 쓰려면 B=5로 놓고 1·2칸의 model·clip 강도를 모두 0으로, 3·4칸은 사용할 강도로 정합니다. B가 포함하는 네 칸에는 모두 설치된 유효한 파일명을 골라 두어야 합니다. 꺼 둘 칸에는 이미 받은 같은 계열 LoRA를 선택해 두어도 되므로 네 종류를 새로 받을 필요는 없습니다.

기본 문장 입력란에 <lora:파일명:0.8>만 적는 것으로 이 워크플로의 LoRA 노드가 켜지지는 않습니다. 파일 선택과 B 설정을 함께 바꿔 주세요.

예제 강도는 체크포인트와 함께 봅니다

SDXL·Animagine용 제공 예제의 Pixel Art LoRA는 model 0.6 / CLIP 1.0, Offset LoRA는 model 0.3 / CLIP 1.0입니다. 이 값은 배포 예제의 출발점이지 모든 LoRA의 권장값이 아닙니다. 다른 파일은 제작자가 안내한 강도로 시작하세요.

IL 캐릭터 비교는 example-il-character-lora-04.json을 사용합니다. 제공 실습은 model 0.4 / CLIP 1.0이며, 인물 트리거 kaguya_shinomiya와 의상 트리거 kaguya_school_uniform이 문장에 들어 있습니다. 이 파일은 제작자가 배포한 팬 제작 LoRA이고, 학습 기반은 waiIllustriousSDXL v17입니다. 제작자 권장 강도는 해당 기반에서 0.8이지만, 이 가이드의 IL v1.0 실습은 model 0.4 / CLIP 1.0으로 구분했습니다. 여기서는 IL v1.0으로 확인했으므로 모든 IL 모델에 같은 강도를 적용하는 기준으로 삼지는 마세요. 0.6·0.8에서 의상 변화가 커진 결과는 가이드의 별도 주의 비교에 넣었습니다.

Civitai·Hugging Face에서 체크포인트와 LoRA 바꾸기

네. 이 워크플로는 배포 예제의 모델만 사용하도록 잠긴 구성이 아닙니다. Civitai Models나 제작자의 Hugging Face 페이지에서 원하는 체크포인트·LoRA를 받아 바꿀 수 있습니다.

1. 기본 화풍을 바꾸려면 Checkpoint, 추가 특징을 더하려면 LoRA를 찾습니다.
2. 모델 페이지에서 사용할 버전을 선택하고 Base Model과 권장 기반 모델을 확인합니다. IL에는 Illustrious용으로 안내된 LoRA와 권장 버전을 먼저 맞춥니다.
3. Hugging Face에서는 Model card의 사용법·호환 모델을 읽고 Files and versions에서 원하는 버전의 정확한 파일을 고릅니다. Civitai에서는 선택한 버전의 Type·Base Model·트리거·권장 강도·이용 조건을 함께 확인합니다. 해당 버전의 일반 ComfyUI용 .safetensors 파일을 받습니다. 같은 확장자라도 체크포인트와 LoRA는 서로 다른 파일입니다. 이 파일의 01 체크포인트는 일반 체크포인트용이므로, Diffusers 폴더 전체·GGUF·UNet 전용 파일을 같은 자리에 넣는 방식은 사용하지 않습니다.
4. 체크포인트는 ComfyUI/models/checkpoints, LoRA는 ComfyUI/models/loras에 넣습니다.
5. 목록을 새로고침한 뒤 01 체크포인트 또는 해당 LoRA 칸에서 파일을 고릅니다. 제작자의 트리거·강도·샘플링 안내도 함께 반영합니다.

새 체크포인트는 입문 파일에서 먼저 시험하세요. 올인원으로 시험한다면 A~E를 모두 1로 두고 기본 그림부터 만들어 보세요. SD 1.5·Flux용 파일은 이 SDXL/IL 구성의 교체 대상으로 쓰지 않습니다. Pony·NoobAI 등 다른 계열과 특수한 v-pred·Turbo·Lightning 버전도 전용 설정과 호환 설명을 먼저 확인하세요.

로그인이나 다운로드 제공 여부는 모델별로 다를 수 있습니다. 모델 이용 조건은 해당 제작자 페이지를 확인하세요. 이 ZIP에는 타 제작자의 모델 가중치를 포함하지 않습니다.

첫 그림 다음에는 배경 수정과 얼굴 보정을 해 보세요

배경만 수정한 뒤 얼굴 보정 추가하기

편집 예제의 원본은 ZIP의 files/aio-anime-input.png입니다. 배경 마스크가 들어 있는 짝 파일은 aio-anime-mask.png입니다. 마스크는 수정할 영역을 표시하는 정보이며, 이 파일에서는 배경을 선택해 두었습니다.

aio-anime-mask.png는 원본 그림과 수정 영역 정보가 함께 있는 PNG입니다. 이 파일의 투명한 부분이 수정 영역이며 일부가 비어 보이는 것은 정상입니다. 일반 흑백 마스크 그림만 08에 올리는 방식과는 다릅니다.

편집·제어 실습에 사용할 입력 PNG는 ComfyUI/input에 넣거나 해당 이미지 노드의 업로드 버튼으로 선택합니다. 준비된 포즈와 윤곽 예제까지 사용할 때는 aio-pose-map.png와 aio-pose-reference.png도 같은 폴더에 넣으세요. 입력 PNG는 models 폴더에 넣지 않습니다.

1. 가이드의 examples.html에서 사용할 모델의 예제를 찾습니다. IL이라면 example-il-inpaint.json, Animagine이라면 example-animagine-inpaint.json, SDXL Base라면 example-inpaint.json을 엽니다. 세 파일은 고정 시드 비교용이며 모두 ZIP의 files 폴더에도 있습니다. 01에서 해당 체크포인트 파일을 선택합니다.
2. 08 편집 입력에서 aio-anime-mask.png를 선택합니다. A=3, B·C·D·E=1 상태로 배경 수정부터 실행합니다.
3. 10 인페인트의 denoise가 부분 수정 강도입니다. 제공 IL·Animagine 배경 예제는 0.85, SDXL 배경 예제는 1.00을 사용합니다. 04·05에는 이미 배경 수정 문장이 들어 있으므로 첫 실행은 그대로 둡니다. A=3에서는 07 새 그림 생성 값을 바꿔도 인페인트 강도가 바뀌지 않습니다.
4. 배경이 원하는 방향으로 바뀌었는지 확인한 뒤 얼굴도 수정하고 싶을 때만 E=2를 켭니다. 20 얼굴 검출에서 bbox/face_yolov8m.pt를 선택하고 23 얼굴 디테일러의 denoise 0.30에서 실행합니다. 얼굴을 설명하는 문장은 21 얼굴 묘사·22 얼굴 피할 표현에 따로 있습니다. 제공 입력을 쓸 때는 그대로 두고, 자신의 인물로 바꿀 때는 머리·눈 색·표정과 필요한 LoRA 트리거도 맞춥니다.
5. 배경이 과하게 변했다면 10을, 얼굴이 너무 달라졌다면 23을 조절합니다. 두 강도를 동시에 바꾸지 않으면 어느 단계의 영향인지 알기 쉽습니다.

인페인트 0.85와 얼굴 0.30은 다른 단계의 값입니다

denoise는 해당 단계에서 기존 그림을 다시 그리는 강도입니다. 예를 들어 10의 값을 낮추면 마스크로 고른 배경의 변화가 줄고, 23의 값을 낮추면 다시 그리는 얼굴의 변화가 줄어드는 방향입니다. 얼굴을 더 보존하려면 23에서 0.20을 비교해 볼 수 있습니다. 두 값은 합산하는 비율이 아니며, 낮춘다고 모든 세부가 완전히 보존되는 것은 아닙니다.

아래 편집 후 그림의 파일은 example-il-inpaint-detailer.json입니다. 이 파일을 바로 열면 배경 0.85·얼굴 0.30·E=2가 설정되어 있습니다. 처음 배우는 순서에서는 위처럼 배경만 먼저 보고 얼굴 보정을 추가하면 두 단계의 차이를 알기 쉽습니다.

자신의 그림을 수정할 때는 08의 업로드 버튼으로 그 그림을 올리고, 노드를 오른쪽 클릭해 마스크 편집기에서 열기 / Open in Mask Editor로 수정할 곳을 칠한 뒤 저장합니다. 제공 인물용 마스크를 다른 그림에 그대로 쓰지 마세요. 마스크 경계는 넓히고 부드럽게 처리하므로 가는 머리카락 같은 경계 부분도 달라질 수 있습니다.

이 배경 실습에서는 D=1을 유지합니다. D=3 재생성 확대는 04·05의 문장으로 전체 그림을 다시 그리므로, 배경만 설명한 문장을 그대로 쓰면 인물도 의도와 다르게 변할 수 있습니다. 재생성 확대를 추가할 때는 전체 인물·장면 문장부터 맞춥니다.

윤곽·포즈 제어는 새 그림에서 사용하기

ControlNet은 이 구성의 A=1 새 그림에서 사용합니다. C=2는 윤곽, C=3은 포즈, C=4는 두 제어를 함께 쓰는 값입니다. C=3·4의 포즈 입력에는 일반 사람 사진 대신 준비된 색 선 포즈 지도를 넣습니다. 두 제어를 함께 쓸 때는 서로 어울리는 자세의 자료를 사용하세요. A=2~5의 편집·입력 경로에서는 C=1을 유지합니다.

막혔을 때는 이 부분부터 확인하세요

어디까지 확인한 배포본인가요?

2026년 10월 15일 연속 실행 확인 범위: 일반용 6개와 대응 고정용 6개를 각각 두 번, 총 24회 UI에서 실행한 결과입니다. 기본 생성 경로(올인원 A~E=1)에서 일반용은 실제 제출 seed와 RGB 결과가 바뀌었고, 고정용은 같았습니다. 고정 반복은 동일 계산을 캐시에서 재사용했으므로 24회 모두 처음부터 새로 계산한 것은 아닙니다. 모든 편집·후처리 조합의 연속 실행 검증이나 다른 PC·GPU에서의 동일 결과 보장은 아닙니다.

배포 기준 환경은 ComfyUI 0.34.0, 프런트엔드 1.49.6, Impact Pack 8.28.3, Impact Subpack 1.3.5입니다. 설치 환경·버전에 따라 메뉴와 결과가 다를 수 있습니다.

예제는 실제 ComfyUI 실행 결과와 해당 JSON을 함께 제공합니다. SDXL Base와 Animagine의 기능별 예제, IL의 기본 생성·LoRA·부분 수정·얼굴 보정·윤곽·포즈·두 제어를 확인했습니다. IL의 전체 변형·좌우 확장·재생성 확대는 별도 실행 확인 범위에 포함하지 않았습니다.

노드 연결이나 마스크 작업을 더 천천히 익히고 싶다면 ComfyUI 29장 기초 가이드와 마스크 부분 수정 안내를 함께 참고하세요.

처음에는 모델 하나 → 입문 파일로 한 장 → 올인원 기본 실행 → 원하는 기능 하나 추가 순서로 진행해 보세요. 자세한 설정과 비교 결과는 첨부 ZIP의 한국어 가이드에서 이어서 볼 수 있습니다.