ComfyUI Nano Banana Pro 워크플로우: 설치, 노드 및 최적 기본값

당신은 ComfyUI 노드 그래프를 바라보고 있습니다. Nano Banana Pro가 설치되었지만 아무것도 제대로 작동하지 않는 것 같죠? 이런 경험이 있으신가요? 깔끔한 설치, 모든 핵심 노드가 제자리에 있고, 이미 기본 설정이 조정 없이 첫 번째 추론 실행을 해결하는 상상을 해보세요. 저는 당신의 친구 Dora입니다. 저는 이 길을 여러 번 걸어봤고, 이 글에서는 설치, 필수 노드 설정, 혼란을 매끄러운 워크플로우로 바꾸는 기본 설정들을 살펴볼 것입니다.

ComfyUI가 가치 있는 경우

나는 나중에 나와 싸우지 않는 제어가 필요할 때 ComfyUI를 사용합니다. 프롬프트 라우팅, 시드, 해상도, 그리고 결과를 깔끔하게 반복하는 방법이 필요합니다. 단일 상자의 텍스트-이미지는 빠르지만, 작은 변경 사항은 복잡해집니다. ComfyUI에서는 무슨 일이 일어나고 있는지 볼 수 있고 한 번에 한 가지씩 조정할 수 있습니다.

그것이 가치 있는 몇 가지 경우:

시드가 중요하고 다음 주에 결과를 재현해야 하는 시각적 스타일을 반복할 때.
같은 날 SDXL과 SD1.5 모델을 섞고 매번 UI를 다시 배우고 싶지 않을 때.
이미지가 만들어진 방식의 기록을 유지할 때. ComfyUI는 기본적으로 그래프를 PNG 메타데이터에 씁니다. 그건 금입니다.

빠른 무드보드나 버려지는 썸네일을 위해 ComfyUI를 열지 않습니다. 프롬프트에서 출력까지의 경로가 읽을 수 있어야 할 때 빛납니다. ComfyUI Nano Banana Pro 워크플로우는 그 영역에 살고 있습니다: 작아서 몇 초 안에 로드되고, 명확해서 미래의 나도 과거의 나에게 욕하지 않을 만큼입니다.

API 측에서 동일한 종류의 예측 가능성이 필요한 경우 — 고정된 라우팅, 예상치 못한 모델 변경 없음, 명확한 사용 가시성 — WaveSpeed는 모델 접근을 안정적이고 투명하게 유지하는 데 중점을 두므로, 인프라가 당신이 계속 감시해야 할 또 다른 것이 되지 않습니다.

➡️Wavespeed를 시도해보세요!

최소한의 노드 그래프

더 이상 노드를 제거하면 더 나빠질 때까지 그래프를 줄였습니다. SD1.5와 SDXL의 핵심은 같습니다: 체크포인트와 해상도만 바꾸면 됩니다.

내가 정착한 기본 구조:

Checkpoint Loader (모델 + CLIP + VAE 함께)
CLIP Text Encode (긍정)
CLIP Text Encode (부정)
Empty Latent Image (크기, 배치)
KSampler (샘플러, 스텝, CFG, 시드)
VAE Decode
Save Image

선택사항이지만 여전히 가벼움:

Latent Upscale (처음부터 다시 샘플링 없이 더 큰 이미지를 원할 때)
Image Scale (최종 픽셀 크기 조정용)

여기서의 조용한 승리는 렌더당 하나의 KSampler입니다. 멋진 리파이너와 스케줄러를 연결해보려고 했지만, 그래프가 복잡해지고 출력이 덜 예측 가능해졌습니다. 이 최소한의 설정으로, 모델을 전환하고 정신적 지도를 유지할 수 있습니다.

필드 노트: 프롬프트 노드는 샘플러에 가깝게 유지하고 이미지 노드는 오른쪽으로 밉니다. 그래프를 한눈에 볼 때, 나는 “단어 → 레이턴트 → 디코드 → 저장”을 볼 수 있습니다. 당연해 보이지만, 레이아웃이 내가 얼마나 침착하게 작업하는지에 영향을 미칩니다.

권장 기본 설정

기본 설정은 내가 미래의 나를 가장 많이 절약하는 곳입니다. 이들은 내가 설정하고 이유가 없는 한 거의 건드리지 않는 값들입니다.

모델/해상도:

SD1.5: 정사각형의 경우 768×768. VRAM에 부담을 주지 않으면서 512보다 더 많은 세부 사항을 제공합니다.
SDXL: 실제로 SDXL이 필요할 때 1024×1024, 그렇지 않으면 나는 832×1216 또는 1216×832를 초상화/장면으로 고수합니다. 64로 나누어떨어지는 것이 샘플러를 행복하게 합니다. 샘플러/스텝/CFG (KSampler):
샘플러: DPM++ 2M Karras
스텝: 18–24 (SD1.5), 22–28 (SDXL)
CFG: 프롬프트 강도에 따라 4.5–6.5

부정 프롬프트:

작고 안정적인 세트를 유지하세요. 나는 “흐릿함, 여분의 손가락, 겹치는 팔다리, 워터마크, 저해상도, jpeg 인공물”을 사용합니다. 의도적으로 지루합니다.

배치:

탐색할 때 배치 크기 2–4, 배치 개수 1. VRAM이 부족하면 급증을 피하기 위해 배치 크기 대신 배치 개수를 사용하세요.

이러한 기본 설정들은 “충분히 좋은” 그리고 예측 가능한 결과를 생산합니다. 더 예리하거나 스타일화된 것이 필요할 때, 나는 한 번에 한 가지를 변경하고 도움이 되지 않으면 다시 돌립니다.

일관성 설정

일관성은 주로 작은 변화가 복합되도록 허용하지 않는 것에 관한 것입니다. 몇 가지 레버가 나머지보다 더 중요합니다.

시드 규율:

마음에 드는 방향이 보이면 시드를 잠그세요. 나는 고정된 시드로 프롬프트를 탐색한 다음, 노드를 복제하고 새로운 시드로 견고성을 확인합니다.

프롬프트 길이:

짧은 프롬프트는 더 빨리 안정화됩니다. 문단을 쓰고 있는 자신을 발견하면, 나는 그것을 나눕니다: 주제, 스타일 힌트, 조명. 세 줄이 하나의 장황함을 이깁니다.

CFG 정신:

너무 높으면 모델의 학습된 구조를 지우고: 너무 낮으면 진흙을 얻습니다. 내 안정적인 출력 대부분은 CFG 5–6에서 나옵니다.

해상도 변경:

레이턴트를 1.5–2배 업스케일하면, 같은 시드와 샘플러를 유지합니다. 큰 점프 (512→2048 같은)는 느낌을 바꿉니다: 스타일이 그것을 처리할 수 있지 않는 한 나는 그것을 피합니다.

버전 노트:

나는 2026년 1월에 현재 ComfyUI 빌드 및 일반적인 SD1.5/SDXL 체크포인트로 이것을 테스트했습니다. 스케줄러는 진화하지만, 시드/CFG 균형은 버전 전체에서 유용하게 유지됩니다. 실제로, 이러한 습관은 다시 렌더링을 줄입니다. 일주일에 걸쳐, 나는 작지만 실제적인 이득을 느꼈습니다. 아마도 이미지 세트당 3–5분 절약되지만, 더 중요하게는 더 적은 자기 의심.

업스케일 전략

나는 두 가지 경로를 시도하고 프로젝트에 대해 더 침착한 것을 선택합니다.

경로 A: 레이턴트 업스케일링

VAE Decode 전에 Latent Upscale (1.5× 또는 2×)를 사용합니다.
동일한 시드와 샘플러 설정을 다시 사용합니다.
장점: 세부 사항을 일관되게 유지합니다: 메모리에 저렴합니다.
단점: 2×를 넘으면 인공물이 스며듭니다.

경로 B: 디코드 후 이미지 크기 조정

먼저 디코드한 다음 Image Scale로 대상 (Lanczos가 잘 작동함), 선택적으로 가벼운 샤프닝.
장점: 빠르고, 레이아웃 필요에 대해 예측 가능한 크기 조정.
단점: 픽셀을 늘리고 있지, 새로운 세부 사항을 발명하지 않습니다.

포스터 크기의 이미지를 전달하고 있다면, 나는 때때로 하이브리드를 합니다: 1.5× 레이턴트 업스케일, 디코드, 그런 다음 정확한 차원을 맞히기 위한 작은 이미지 크기 조정. “덧칠해진 업스케일” 모습을 피하면서 안정적이고 이국적인 노드를 추구하지 않습니다.

일반적인 노드 오류

이들은 내가 가장 많이 맞는 문제들이고, 내가 어떻게 그것들을 밀어붙이는지입니다.

모델/CLIP 불일치: 출력이 스타일적이지 않은 방식으로 “이상해” 보이면, 체크포인트, CLIP, VAE가 정렬되어 있는지 확인하세요. 단일 Checkpoint Loader는 교차 배선을 피하는 데 도움이 됩니다.
64로 나누어떨어지지 않는 크기: 레이턴트는 깔끔한 배수를 좋아합니다. 노드가 불평하거나 이미지가 이상하게 자르면, 나는 차원을 가장 가까운 64로 반올림합니다.
CUDA OOM: 먼저 배치 크기를 낮춥니다. 충분하지 않으면, 스텝을 건드리기 전에 해상도를 한 단계 낮춥니다 (예: 1024→896).
시드가 실제로 고정되지 않음: 일부 그래프는 조용히 시드를 다시 초기화합니다. 나는 Seed 노드를 배선하거나 KSampler에 직접 입력하고 미리보기에서 드리프트를 지켜봅니다.
부정 프롬프트가 연결되지 않음: 내가 잊으면, 나는 “더 시끄러운” 이미지를 얻습니다. 나는 부정 인코더 노드를 긍정 노드에 시각적으로 가깝게 유지하여 떨어진 와이어를 피합니다.

이 중 아무것도 극적이지 않지만, 조기에 그들을 발견하는 것은 세션을 침착하게 유지합니다.

내보내기 팁

나는 나중에 설정을 찾고 싶지 않습니다. 두 가지 습관이 도움이 됩니다.

파일 이름: Save Image에서, 나는 파일 이름에 시드와 모델 이름이 있는 패턴을 설정합니다. 클라이언트가 “버전 3, 같은 스타일, 더 크게”를 요청할 때, 나는 그것을 추적할 수 있습니다.
내장된 워크플로우: ComfyUI는 그래프를 PNG 메타데이터에 씁니다. 공유하거나 다시 방문해야 하면, PNG를 ComfyUI로 다시 로드하고 그래프가 재구성됩니다. 추가 노트가 필요하지 않습니다.
JSON 백업: 나는 여전히 무언가 구조적을 변경할 때 워크플로우 JSON을 내보냅니다. 모델 계열당 하나의 작은 템플릿이 것들을 깔끔하게 유지합니다.

작은 세부 사항: 나는 출력을 날짜 폴더에 유지합니다. 화려하지는 않지만, “10초 안에 찾았음”과 “어디로 갔지?” 사이의 차이입니다.

템플릿 다운로드 아이디어

나는 단일 ComfyUI Nano Banana Pro 워크플로우 템플릿을 그래프 내에 두 개의 탭으로 공유하는 것에 대해 생각해왔습니다: 하나는 SD1.5 크기, 하나는 SDXL, 동일한 노드 순서, 동일한 합리적인 기본값. 당신은 체크포인트를 교환하고, 프롬프트를 설정하고, 레이턴트 또는 이미지 업스케일을 선택합니다.

기본적으로 나는 지금 사용하는 그래프입니다, 조용한, 레이블이 있는, 그리고 한눈에 이해할 수 있을 만큼 가볍습니다. 그리고 스타일라이저와 리파이너가 있는 더 무거운 그래프를 선호한다면, 그것도 공정합니다. 나는 한 개의 다이얼을 움직일 때 무엇이 변하는지 보는 것을 좋아합니다.

나는 계속 다듬을 것입니다. 한 번에 작은 변경은 여전히 내가 신뢰할 수 있는 무언가에 도달하는 가장 빠른 방법입니다.