Sztuczna inteligencja AI - (OpenAI, ChatGPT, Midjourney, DALL-E) - Temat ogólny

[Camis 6 354]

Tutaj fotograf wypowiada się na temat Banana AI od Google.

 

Można testować za darmo na: https://aistudio.google.com/

 

 

 

 

[Wu70]

Do edycji Nano to jest TOP1 i na dodatek reszta sporo odstaje.

 

Trochę inaczej za to jest z generowaniem nowych obrazów, tu wyżej jest ..drugi model Googla Imagen a na szczycie teraz jakiś chińczyk

 

  

W dniu 24.09.2025 o 13:08, Kadajo napisał(a):

Za to muzykę można bekowa generować

2 dni temu wyszła nowa wersja Suno V5, TOP1 do muzyki

 

 

[LeBomB]

@Wu70 no przeskok z 3.5 na 5.0 słychać od razu. Gigantyczna różnica moim zdaniem.

[VRman]

Suno dobre bo za darmo. Nie za darmo - niedobre. 

 

PS. Są też już inne darmowe alternatywy, które radzą sobie całkiem nieźle. 

 

Jak ktoś chce raz na pół roku zrobić jakąś "piosenkę" dla jaj, to 2 wygenerowania na dobę to nie problem.

Ale przyznam, że bym chętnie sprawdził co te V5 potrafi. Tylko zawsze fajnie jest jak już piosenka jest gotowa... ale dużo mniej fajnie jest jak trzeba usiąść i wypracować tekst. Coprawda AI też potrafi, ale wtedy nie ma w tym już nic naszego, więc bez sensu. 

 

[Kadajo]

Przetestowałem Suno i jest spoko, ten v5 faktycznie lepsze i jest preview.

[Wu70]

Godzinę temu, VRman napisał(a):

ale dużo mniej fajnie jest jak trzeba usiąść i wypracować tekst

To wam się chce? Ja maks co od siebie dawałem to "piosenka o xyz" i dalej niech się AI martwi

[VRman]

No bez tego to gdzie frajda, że się coś fajnego zrobiło?

Zresztą to uzależnia. Jedna na każde 3-5 "piosenek" jakie napiszę, się udaje. A słyszenie żartu który się samemu wymyśliło, w formie piosenki to ogromna frajda. I potem zawsze czujesz chęć, żeby to się powtórzyło. Najczęściej im bardziej chcesz i im bardziej się starasz napisać coś np. zabawnego, tym bardziej nie wychodzi. Ale za to jak już wyjdzie (najczęściej przypadkiem) to bawi.  

 

Przypadkiem dla przykładu zrobiłem piosenkę, w której jak słucham to mam dosłownie ciary na plecach, tak się AI udało

Piosenka o sesjach co-op w StarCrafta w 1999r. po kablu null-modem jeszcze  Graliśmy "my vs. przeciwnicy sterowani przez komputer" bo jakoś rywalizacja przeciwko sobie nam nie podeszła wcale.

 

Raczej tylko na mnie to tak zadziała, bo pamiętam tą epicką akcję jak graliśmy razem i pamiętam jak potężnie "weszła" mi fabuła StarCrafta, więc to wszystko się sumuje no i.. no po prostu "działa":

 

https://suno.com/song/80db7aad-2405-49c1-aebf-20da9cbf5144

 

Miałem nawet dalszą część tekstu i plany aby zrobić tą piosenkę do końca, a nie tylko taki fragment, ale niestety jak zwykle - słomiany zapał i jak trzeba było usiąść do pracy na kilka godzin, aby to miało jakiś poziom, to wymiętkłem po pół godziny i po zawodach

Edytowane 26 Września 2025 przez VRman

[Kadajo]

A jaka tu może być frajda ze się cokolwiek zrobiło. Przecież utaj praktycznie wszytko robi AI.

Dlatego mnie to ani grzeje ani ziębi, od zabawa bez wielkiego wysiłku.

[LeBomB]

W wersji premier Suno ma obecnie studio, a to sporo zmienia

 

[Kadajo]

No tu już spoko, nie jestem muzykiem wiec ciężko mi się wypowiedzieć pod względem jakości tego wszystkiego, na pewno może to pomoc kreatywnie (ale i zaszkodzić jak kazde AI).

 

Natomiast jestem fotografem i dla mnie zastąpienie aparatu poprzez AI to już nie fotografia.

Tak samo stworzenie, nawet fajnej muzyki za pomocą AI nie uczyni z nas muzyka, kompozytora bo za pomocą AI nie poznamy nawet podstaw muzyki.

 

Niewątpliwe te wszystkie narzędzia są bardzo intrygujące i kusza aby poeksperymentować.

Na pewno fajnie byłby coś stworzyć za ich pomocą, może po prostu to ogólnie "nowy instrument".

Tak samo chyba mówiono o syntezatorach czy gitarach elektrycznych jak wchodziły do muzyki.

 

Ja ogólnie tworząc coś za pomocą takich narzędzi nie czułbym się muzykiem, tak jak nie będę fotografem czy rysownikiem generując obrazki za pomocą AI.

[galakty]

W dniu 25.09.2025 o 22:34, Wu70 napisał(a):

Trochę inaczej za to jest z generowaniem nowych obrazów, tu wyżej jest ..drugi model Googla Imagen a na szczycie teraz jakiś chińczyk

Mówisz o online czy lokalnie? Bo lokalnie się sporo bawiłem ale dawno temu i już nie wiem co jest na topie  Chyba na Flux przestałem śledzić.

[Wu70]

4 godziny temu, galakty napisał(a):

Mówisz o online czy lokalnie?

Te rankingi są wspólne, zazwyczaj zamknięte modele są najwyżej, aktualnie:

 

1. Seedream 4.0

2. Imagen 4 Ultra

3. Gemini 2.5 (Nano-banana)

4. Imagen 4

5. GPT-image-1

 

(Nasz bot ma dostęp do całej topki jakby ktoś chciał porównać na własnym promptcie )

 

(W poszczególnych kategoriach, np. Fotorealizm, ranking może wyglądać inaczej)

 

https://huggingface.co/spaces/ArtificialAnalysis/Text-to-Image-Leaderboard

 

 

[VRman]

19 godzin temu, LeBomB napisał(a):

W wersji premier Suno ma obecnie studio, a to sporo zmienia

 

Coś ty mi uczynił tą wrzutką. Nie oglądam dalej niż poczętek, bo grozi wydaniem tych ponad 6 stów na roczną subskrypcję, tylko po to, aby potem się okazało, że albo nie miałem czasu, albo umiejętności aby z tego skorzystać, albo jak miałem to zapomniałem, że przecież jestem muzycznym beztalenciem i przecież i tak nic dobrego nie stworzę nigdy

 

[galakty]

Matko bosko ile się tego narobiło  

 

 

[VRman]

18 godzin temu, Kadajo napisał(a):

Tak samo stworzenie, nawet fajnej muzyki za pomocą AI nie uczyni z nas muzyka, kompozytora bo za pomocą AI nie poznamy nawet podstaw muzyki.

Ale takie beztalencia jak ja mają czasem nienajgorszy pomysł, tylko brak umiejętności.

Od dekady marzy mi się program, który byłby faktycznie rozumny i wykonywał niebezpośrednie rozkazy odnośnie muzyki, typu "tu zmień trochę nastrój" albo "oprzyj się o styl taki a taki widywany w latach takich a takich w takich a takich miejscach" czy "podmień instrumenty tak, aby uzyskać rezultat który bardziej będzie pasował do (tu wstaw atmosferę jaką chcesz uzyskać)

No i te nucenie, z których nie tylko AI mogłoby zrobić gotowe nuty czy rozkład "klocków" w trackerze/DAWie, ale i poprawić oczywiste fałsze tak jak wybitny muzyk zrozumiałby od razu co chciałem wynucić/wygwizdać, ale mi nie wyszło. I nawet dokleić do tego coś innego, co utrzyma klimat.

Wiele osób które ma jakieś tam szczątki talentu, ale jest leniwych, być może dzięki AI pozna radość stworzenia czegoś nienajgorszego i może przez to zacznie się szkolić i zostanie muzykami, którzy dadzą potem sporo radości graczom, słuchaczom czy kinomaniakom. 

Także widzę tu też plusy, choć o minusach nie ma co pisać, bo to wiadomo. Oczywiste.

 

 

W każdym razie

Z czymś takim to nawet beztalencia mogłyby się bawić tym przez całe lata bez znudzenia się, a wiele projektów i tak byłoby lepsze niż muzyka nie zrobiona przez AI, choćby z tego powodu, że w wielu stylach i brzmieniach po prostu nic się nie dzieje od dekad. Odchodzą do historii. Już wolę odtwórcze AI robiące muzę jaką uwielbiam (wczesne lata 90te) niż dobrą muzykę robioną przez prawdziwego muzyka, ale za to w stylu nowoczesnym, z dźwiękiem zwolnionego nagrania wiertarki i piskami jakichś lalek z chińskich bajek, miksowanych gdzie się da, ile się da, i jeszcze trochę.

Albo mialem pecha, albo nie wiem, plaga jakaś. Te piski czy "śpiew" na efekcie "chipmunk" są w pięciu z siedmiu gier jakie ogrywałem w ostatnich latach, w których zwróciłem uwagę na muzykę. W grach muzycznych to albo jakiś gówniany pop, albo własnie te gimbusiarskie gówno - chodzi mi o to, czego słuchają dzisiejsze nastolatki. Beznadzieja. I pisze to osoba, która zawsze lubiła eksperymenty i wszelkie niemuzyczne dźwięki. Nie jestem (akurat tutaj) zezgredziały i zamknięty na nowości. Po prostu ta nowa moda, jak i np. mumble rap, to dno.

 

Edytowane 27 Września 2025 przez VRman

[Mar_s]

@ITHardwareGPT nie wiem czy było, ale to się zmienia bardzo szybko, mógłbyś podrzucić listę modeli jakie jestem w stanie zainstalować lokalnie na swoim komputerze?

Sprzęt mam raczej mocny aczkolwiek zdaję sobie sprawę że generowanie potrwa dłużej.

Szczególnie zależy mi na tworzeniu oraz modyfikacji grafik, oraz na filmach i animacjach, zarówno realistycznych jak też i bardziej kreskówkowych.

[ITHardwareGPT]

@Mar_s jasne, szybki „snapshot” na dziś (lokalnie, Windows/Linux). Skupiłem się na tym, co realnie działa na domowym GPU. Daj znać potem, co masz za kartę (VRAM), to dopnę preset pod sprzęt.

1) UI/host (polecam)
- ComfyUI + Manager – modularnie, wideo/animacje/control nad wszystkim (github.com/comfyanonymous/ComfyUI, Manager: github.com/ltdrdata/ComfyUI-Manager).
- AUTOMATIC1111/Forge – klasyk od obrazów, masa wtyczek (github.com/AUTOMATIC1111/stable-diffusion-webui).

2) Obrazy: modele bazowe (text2img/img2img/inpaint)
- Stable Diffusion XL 1.0 (base + refiner) – fotoreal i uniwersal (base: https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0, refiner: https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0).
- SDXL Turbo / SDXL Lightning (distylacje – 2–8 kroków, szybkie szkice/proof) (Turbo: https://huggingface.co/stabilityai/sdxl-turbo, Lightning LoRA: https://huggingface.co/latent-consistency/lcm-lora-sdxl).
- Stable Diffusion 1.5 – pod LoRA/merges, anime/toon (https://huggingface.co/runwayml/stable-diffusion-v1-5).
- FLUX.1 (Schnell/dev) – nowoczesna jakość/styl, działa lokalnie; sprawdź licencję (https://huggingface.co/black-forest-labs/FLUX.1-schnell).
- Stable Cascade – lżejsze, szybkie szkice/koncepty (https://huggingface.co/stabilityai/stable-cascade).
- (Opcjonalnie) SD3 Medium – jeśli potrzebujesz i licencja pasuje (https://huggingface.co/stabilityai/stable-diffusion-3-medium-diffusers).

3) Style/„gotowce” na bazie SD/SDXL (fotoreal/toon/anime)
- Fotoreal SDXL: JuggernautXL, RealVisXL, EpicRealismXL (szukaj na Hugging Face/Civitai – merges).
- Uniwersalne/stylowe SDXL: DreamShaperXL, DynavisionXL.
- Anime/toon (SD1.5): Anything v4.5, AOM3, MeinaMix, ToonYou, Counterfeit.
Uwaga: to merges społeczności – zawsze sprawdzaj licencję i kartę modelu.

4) Edycja/sterowanie obrazem
- ControlNet (canny, depth, openpose, lineart, tile) (https://github.com/lllyasviel/ControlNet).
- T2I-Adapter (lżejsze „controlnety”) (https://github.com/TencentARC/T2I-Adapter).
- IP-Adapter / FaceID / InstantID – referencja stylu/twarzy, spójność postaci (IP-Adapter: https://github.com/tencent-ailab/IP-Adapter, InstantID: https://github.com/InstantID/InstantID).
- Segment Anything / Depth Anything – maski/depth pod dokładną edycję (SAM: https://github.com/facebookresearch/segment-anything, Depth Anything: https://github.com/LiheYoung/Depth-Anything).

5) Upscale/retusz
- Real-ESRGAN / 4x-Anime / realesr-general-x4 (https://github.com/xinntao/Real-ESRGAN).
- CodeFormer, GFPGAN – naprawa twarzy (https://github.com/sczhou/CodeFormer, https://github.com/TencentARC/GFPGAN).

6) Wideo i animacje (lokalnie)
- Image-to-Video: Stable Video Diffusion (SVD, SVD‑XT) – najlepszy start do ruchu 2–4 s, 576–768p (SVD: https://huggingface.co/stabilityai/stable-video-diffusion-img2vid, XT: https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xt).
- Text-to-Video:
- CogVideoX (2B/5B) – otwarte wagi, lepsze T2V niż stare ModelScope (https://huggingface.co/THUDM/CogVideoX-5b).
- VideoCrafter2 – pipeline T2V/I2V (https://github.com/AILab-CVC/VideoCrafter).
- ModelScope T2V (legacy, ale lekkie, dobre na start) (https://huggingface.co/damo-vilab/text-to-video-ms-1.7b).
- LTX-Video – wydajne T2V/I2V, sprawdź wymagania (https://huggingface.co/TencentARC/LTX-Video).
- Animacja z SD (styl, kreskówka, spójna postać):
- AnimateDiff (i „Evolved”) – motion modules dla SD/SDXL, działa świetnie w ComfyUI (https://github.com/guoyww/AnimateDiff, ComfyUI: https://github.com/Kosinkadink/ComfyUI-AnimateDiff-Evolved).
- Deforum (A1111) – kamera/seed travel (https://github.com/deforum-art/deforum-for-automatic1111-webui).
- Consistency: OpenPose/Depth jako ControlNet, IP-Adapter/InstantID dla twarzy; ComfyUI ma gotowe workflowy.
- Edycja wideo:
- LivePortrait / SadTalker – mowa/talking head (https://github.com/KwaiVGI/LivePortrait, https://github.com/Winfredy/SadTalker).
- Wav2Lip – lip‑sync (https://github.com/Rudrabha/Wav2Lip).
- Płynność/jakość:
- RIFE / FILM – interpolacja klatek (https://github.com/hzwer/Practical-RIFE, https://github.com/google/film).
- Upscale na klipach: Real-ESRGAN + dehalo/dedither w edytorze (DaVinci/FFmpeg filtry).

7) Wymagania orientacyjne (VRAM, żeby nie było zonka)
- SD1.5: 6–8 GB OK (1024p z trikami).
- SDXL: komfortowo 12–16 GB (1024p); 8 GB da się, ale wolniej i z offloadem.
- FLUX.1 Schnell: celuj w 12–16 GB (zmienne per pipeline).
- AnimateDiff/SVD: 12–24 GB zalecane; 8 GB z offloadem, ale szybko spada FPS/rozdzielczość.
- T2V (CogVideoX/VideoCrafter): im więcej tym lepiej – 16–24 GB minimum do sensownej rozdzielczości/czasu.

8) Starter pack (propozycja)
- ComfyUI portable + Manager.
- Modele: SDXL base+refiner, SDXL Lightning LoRA, SD1.5 (uni), FLUX.1 Schnell.
- Nody: AnimateDiff‑Evolved, ControlNet, IP‑Adapter, InstantID, SVD, Depth‑Anything, SAM, RIFE.
- Workflows:
- „SDXL inpaint + IP‑Adapter” (pod retusz/zmiany),
- „SDXL + AnimateDiff (OpenPose+Depth)” (animacja postaci),
- „I2V SVD‑XT 576p → upscale do 1080p Real‑ESRGAN” (ruch z jednego kadru).

Chcesz, żebym złożył gotową paczkę workflowów pod Twój GPU i use‑case (fotoreal vs anime, edycja vs generacja od zera)? Daj:
- GPU/VRAM i OS,
- czy wolisz ComfyUI czy A1111,
- target: obrazy, edycja, czy T2V/I2V.

gpt-5-2025-08-07

[Mar_s]

@ITHardwareGPT Aktualnie posiadam RTX 4080, 64GB tam oraz Ryzena 9, ale karta będzie prawdopodobnie zmieniona na minimum RTX 5080.

Używam Windows 11, ale znam Linuksa na tyle że jeżeli będzie to uzasadnione mogę go zainstalować jako drugi system.

Nie używam żadnego z więc nie mogę zdecydować czy wolę ComfyUI czy to drugie, wybiorę z czasem.

Prawdopodobnie zarówno tworzenie na podstawie opisu tekstowego jak i edycja istniejących, najlepiej żeby było to elastyczne.

Dzięki za wyczerpujące omówienie, skopiuję to później jak usiądę na komputerze, na razie siedzę na tablecie.

[ITHardwareGPT]

@Mar_s spoko, 4080 + 64 GB to już „domowe studio”. Zrób tak:

1) Na start – platforma
- Weź ComfyUI (większa elastyczność do edycji/animacji) + Manager: github.com/comfyanonymous/ComfyUI, menedżer: github.com/ltdrdata/ComfyUI-Manager.
- Na szybkie „fire and forget” trzymaj też A1111/Forge, ale główną robotę i tak zrobisz w ComfyUI.
- Windows 11 wystarczy. Linux daje zwykle 2–8% więcej VRAM i trochę stabilniejsze dłuższe joby – sens przy długich renderach/T2V. Jak nie chcesz dual‑boota, ComfyUI na Win działa świetnie.

2) Paczka modeli (obrazy: generacja + edycja)
- SDXL base 1.0 + refiner (fotoreal/uniwersal): base (https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0), refiner (https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0).
- FLUX.1‑schnell (nowoczesny look, szybki szkic; sprawdź licencję): https://huggingface.co/black-forest-labs/FLUX.1-schnell
- SD 1.5 (pod starsze LoRA/animacje/anime): https://huggingface.co/runwayml/stable-diffusion-v1-5
- Przyspieszacze:
- SDXL Lightning/LCM LoRA (2–8 kroków szkicu): https://huggingface.co/latent-consistency/lcm-lora-sdxl
- Style „gotowce” (SDXL): DreamShaperXL, JuggernautXL, RealVisXL, EpicRealismXL (Hugging Face/Civitai – sprawdzaj licencje).
- Anime/toon (SD1.5): Anything v4.5, MeinaMix, ToonYou, Counterfeit.

3) Edycja obrazu (precyzyjne narzędzia)
- ControlNet (canny, depth, lineart, openpose, tile): github.com/lllyasviel/ControlNet
- IP‑Adapter + FaceID/InstantID (referencja stylu/twarzy, spójność postaci):
- IP‑Adapter: github.com/tencent-ailab/IP-Adapter
- InstantID: github.com/InstantID/InstantID
- SAM/Depth‑Anything (maski i głębia): SAM (github.com/facebookresearch/segment-anything), Depth Anything (github.com/LiheYoung/Depth-Anything)

4) Wideo/animacje lokalnie
- I2V: Stable Video Diffusion (SVD, SVD‑XT):
- https://huggingface.co/stabilityai/stable-video-diffusion-img2vid
- https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xt
- T2V:
- CogVideoX‑5B/2B: https://huggingface.co/THUDM/CogVideoX-5b
- VideoCrafter2: https://github.com/AILab-CVC/VideoCrafter
- LTX‑Video (wydajny, ale wymagający): https://huggingface.co/TencentARC/LTX-Video
- Animacja w SD/SDXL:
- AnimateDiff (i Evolved) – ruch dla SD/SDXL: https://github.com/Kosinkadink/ComfyUI-AnimateDiff-Evolved
- Deforum (A1111) – kamera/seed travel: https://github.com/deforum-art/deforum-for-automatic1111-webui
- Płynność/jakość:
- RIFE (interpolacja): https://github.com/hzwer/Practical-RIFE
- Upscale: Real‑ESRGAN: https://github.com/xinntao/Real-ESRGAN

5) Presety pod Twój sprzęt (RTX 4080 16 GB; 5080 najpewniej podobnie VRAM)
- SDXL 1024x1024:
- 15–25 kroków, DPM++ 2M Karras, CFG 4.5–6.5, VAE w fp16, xFormers/Flash‑Attention ON.
- VRAM ~8–10 GB (base). Z refinerem dodaj ~2 GB i kilka sekund na pass.
- FLUX‑schnell 1024: 6–12 kroków, CFG 3–5, VRAM ~9–11 GB.
- Inpaint SDXL: 1024, mask blur 4–8 px, samplery j.w., ControlNet depth/lineart dla zgodności.
- AnimateDiff (SD1.5): 512–768p, 16–24 kl./s, 2–4 s klip – VRAM 12–14 GB. Potem RIFE + upscale.
- SVD I2V:
- 576p → ~10–12 GB VRAM, 48–72 klatek w 1–3 min na 4080.
- 768p → ~14–16 GB VRAM, wolniej; lepiej 576p → upscale 2x.
- Tiled Diffusion/VAE (ComfyUI nody) → 2–4K obraz na 16 GB, bez OOM.

6) Instalacja i wydajność (skrót)
- Weź ComfyUI portable (Windows) + Manager → z GUI doinstalujesz wtyczki i modele.
- PyTorch 2.2+ z CUDA 12.x, xFormers/Flash‑Attention (Manager to załatwi). W ustawieniach Comfy:
- half‑precision: ON, channels‑last: ON.
- ENV: PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True (zapobiega fragmentacji VRAM).
- Windows vs Linux:
- Zostaw Windows na start (sterowniki, łatwe GUI). Linux da ci minimalnie lepszą stabilność/VRAM w długich jobach (T2V/training).

7) Workflowy na start (ComfyUI)
- SDXL inpaint + IP‑Adapter (retusz/zmiana elementów przy zachowaniu stylu).
- SDXL + ControlNet (depth/openpose) dla precyzyjnego układu i oświetlenia.
- SDXL → AnimateDiff (Motion Module 512) → RIFE → Real‑ESRGAN (anime/toon i proste ruchy).
- Jedno ujęcie I2V: SDXL (klatka) → SVD‑XT 576p → Real‑ESRGAN 2x → (opcjonalnie) lekkie denoise.

8) Co dalej (opcjonalnie)
- Trening własnej postaci/stylu (LoRA) – Kohya‑ss (Windows GUI): https://github.com/bmaltais/kohya_ss
- Referencja wielopostaciowa: IP‑Adapter FaceID + InstantID w Comfy.

Chcesz, żebym przygotował gotowy zestaw: listę dokładnych katalogów Comfy (checkpoints/loras/controlnet/ipadapter), plus 2–3 workflow JSON pod:
- fotoreal SDXL (generacja + inpaint),
- anime SD1.5 + AnimateDiff,
- I2V SVD 576p → upscale?
Jak dasz znać, wrzucę gotowce z opisem, co gdzie skopiować.

gpt-5-2025-08-07

[Mar_s]

@ITHardwareGPT dzięki, tak, chętnie, każda pomoc się przyda na początku.

[ITHardwareGPT]

@Mar_s no to lecimy z gotowcami. Masz 4080, więc będzie komfortowo. Poniżej:
- co zainstalować,
- gdzie wrzucić pliki,
- 2 gotowe workflowy (ComfyUI) w JSON: SDXL generacja+refiner i SDXL inpaint,
- plus checklisty do wideo/animacji.

1) Instalacja i ustawienia
- ComfyUI portable + Manager
- https://github.com/comfyanonymous/ComfyUI
- https://github.com/ltdrdata/ComfyUI-Manager
- W Managerze doinstaluj:
- AnimateDiff Evolved (animacje w SD/SDXL): https://github.com/Kosinkadink/ComfyUI-AnimateDiff-Evolved
- VideoHelperSuite (I/O wideo, przydatne pod SVD): https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite
- ControlNet (oficjalne nody): https://github.com/lllyasviel/ControlNet
- IP-Adapter: https://github.com/tencent-ailab/IP-Adapter
- InstantID: https://github.com/InstantID/InstantID
- Real-ESRGAN (upscale): https://github.com/sczhou/CodeFormer + https://github.com/xinntao/Real-ESRGAN
- PyTorch/CUDA i VRAM:
- PyTorch 2.2+ (CUDA 12.x), xFormers/Flash-Attn włączone w ustawieniach Comfy.
- Zmienna środowiskowa (Windows): setx PYTORCH_CUDA_ALLOC_CONF "expandable_segments:True"

2) Struktura katalogów (ComfyUI)
- ComfyUI/models/checkpoints → modele bazowe (SDXL base/refiner, SD1.5, FLUX)
- ComfyUI/models/controlnet → pliki ControlNet
- ComfyUI/models/vae → dodatkowe VAE (gdy potrzebne)
- ComfyUI/models/ipadapter → IP-Adapter
- ComfyUI/custom_nodes → wtyczki (AnimateDiff, VideoHelperSuite itd.)

3) Modele do pobrania
- SDXL base: https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
- SDXL refiner: https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0
- SD 1.5 (pod anime/LoRA): https://huggingface.co/runwayml/stable-diffusion-v1-5
- FLUX.1‑schnell (opcjonalnie): https://huggingface.co/black-forest-labs/FLUX.1-schnell
- SVD (I2V): https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xt

4) Workflow 1 – SDXL: generacja + refiner (1024x1024)
- Użyj SDXL base do wygenerowania obrazu, potem SDXL refiner z niskim denoise (0.25) dla detalu.
- Wklej JSON (Workflows → Open → Paste from clipboard):

{
"last_node_id": 15,
"last_link_id": 22,
"nodes": [
{ "id": 1, "type": "CheckpointLoaderSimple", "pos": [20, 20], "size": [320, 130],
"widgets_values": ["sd_xl_base_1.0.safetensors"],
"outputs": [
{"name":"MODEL","type":"MODEL","links":[1]},
{"name":"CLIP","type":"CLIP","links":[2,3]},
{"name":"VAE","type":"VAE","links":[4]}
]
},
{ "id": 2, "type": "CLIPTextEncode", "pos": [360, 20], "size": [330, 120],
"inputs":[{"name":"clip","type":"CLIP","link":2}],
"widgets_values": ["ultra detailed, realistic, 50mm, soft light, sharp focus, high quality"]
},
{ "id": 3, "type": "CLIPTextEncode", "pos": [360, 140], "size": [330, 120],
"inputs":[{"name":"clip","type":"CLIP","link":3}],
"widgets_values": ["blurry, low quality, artifacts, overexposed, extra fingers, deformed"]
},
{ "id": 4, "type": "EmptyLatentImage", "pos": [360, 270], "size": [250, 120],
"widgets_values": [1024, 1024, 1]
},
{ "id": 5, "type": "KSampler", "pos": [630, 220], "size": [310, 260],
"inputs": [
{"name":"model","type":"MODEL","link":1},
{"name":"positive","type":"CONDITIONING","link":5},
{"name":"negative","type":"CONDITIONING","link":6},
{"name":"latent_image","type":"LATENT","link":7}
],
"widgets_values": [123456, 24, 6.0, "dpmpp_2m","karras",1.0]
},
{ "id": 6, "type": "VAEDecode", "pos": [960, 280], "size": [210, 100],
"inputs":[{"name":"samples","type":"LATENT","link":8},{"name":"vae","type":"VAE","link":4}],
"outputs":[{"name":"IMAGE","type":"IMAGE","links":[9]}]
},
{ "id": 7, "type": "SaveImage", "pos": [1190, 280], "size": [210, 80],
"inputs":[{"name":"images","type":"IMAGE","link":9}],
"widgets_values": ["SDXL_base"]
},

{ "id": 8, "type": "CheckpointLoaderSimple", "pos": [20, 420], "size": [320, 130],
"widgets_values": ["sd_xl_refiner_1.0.safetensors"],
"outputs": [
{"name":"MODEL","type":"MODEL","links":[10]},
{"name":"CLIP","type":"CLIP","links":[11,12]},
{"name":"VAE","type":"VAE","links":[13,15]}
]
},
{ "id": 9, "type": "CLIPTextEncode", "pos": [360, 420], "size": [330, 120],
"inputs":[{"name":"clip","type":"CLIP","link":11}],
"widgets_values": ["same as above, emphasize micro detail and natural skin texture"]
},
{ "id": 10, "type": "CLIPTextEncode", "pos": [360, 540], "size": [330, 120],
"inputs":[{"name":"clip","type":"CLIP","link":12}],
"widgets_values": ["over-smooth, waxy skin, artifacts, halo"]
},
{ "id": 11, "type": "VAEEncode", "pos": [360, 670], "size": [310, 140],
"inputs":[{"name":"pixels","type":"IMAGE","link":9},{"name":"vae","type":"VAE","link":13}],
"outputs":[{"name":"LATENT","type":"LATENT","links":[14]}]
},
{ "id": 12, "type": "KSampler", "pos": [680, 640], "size": [310, 260],
"inputs": [
{"name":"model","type":"MODEL","link":10},
{"name":"positive","type":"CONDITIONING","link":16},
{"name":"negative","type":"CONDITIONING","link":17},
{"name":"latent_image","type":"LATENT","link":14}
],
"widgets_values": [123456, 10, 5.0, "dpmpp_2m","karras",0.25]
},
{ "id": 13, "type": "VAEDecode", "pos": [1000, 700], "size": [210, 100],
"inputs":[{"name":"samples","type":"LATENT","link":18},{"name":"vae","type":"VAE","link":15}],
"outputs":[{"name":"IMAGE","type":"IMAGE","links":[19]}]
},
{ "id": 14, "type": "SaveImage", "pos": [1230, 700], "size": [210, 80],
"inputs":[{"name":"images","type":"IMAGE","link":19}],
"widgets_values": ["SDXL_refined"]
}
],
"links": [
[1,1,0,5,0],[2,1,1,2,0],[3,1,1,3,0],[4,1,2,6,1],
[5,2,0,5,1],[6,3,0,5,2],[7,4,0,5,3],[8,5,0,6,0],[9,6,0,7,0],
[10,8,0,12,0],[11,8,1,9,0],[12,8,1,10,0],[13,8,2,11,1],[14,11,0,12,3],
[15,8,2,13,1],[16,9,0,12,1],[17,10,0,12,2],[18,12,0,13,0],[19,13,0,14,0]
],
"groups": []
}

Szybkie tipy:
- CFG 5–7, steps 20–28 (base), 8–12 (refiner), sampler DPM++ 2M Karras.
- 4080 uciągnie 1024p na luzie; do 2K użyj Tiled Diffusion/VAE.

5) Workflow 2 – SDXL Inpaint (maskowane poprawki)
- Wczytaj obraz i maskę, model inpaint (albo zwykły SDXL + VAEEncodeForInpaint).
- Deniose w KSampler na 1.0 (dla ścieżki z VAEEncodeForInpaint).
- Wklej JSON:

{
"last_node_id": 8,
"last_link_id": 12,
"nodes": [
{ "id": 1, "type": "CheckpointLoaderSimple", "pos": [20, 20], "size": [315, 130],
"widgets_values": ["sd_xl_base_1.0.safetensors"],
"outputs": [
{"name":"MODEL","type":"MODEL","links":[1]},
{"name":"CLIP","type":"CLIP","links":[2,3]},
{"name":"VAE","type":"VAE","links":[4,11]}
]
},
{ "id": 2, "type": "LoadImage", "pos": [20, 200], "size": [210, 260],
"outputs": [
{"name":"IMAGE","type":"IMAGE","links":[5]},
{"name":"MASK","type":"MASK","links":[6]}
],
"widgets_values": ["ComfyUI/input/your_image.png","image"]
},
{ "id": 3, "type": "VAEEncodeForInpaint", "pos": [360, 240], "size": [310, 180],
"inputs": [
{"name":"pixels","type":"IMAGE","link":5},
{"name":"vae","type":"VAE","link":4},
{"name":"mask","type":"MASK","link":6}
],
"outputs":[{"name":"LATENT","type":"LATENT","links":[9]}],
"widgets_values": [6]
},
{ "id": 4, "type": "CLIPTextEncode", "pos": [360, 20], "size": [330, 120],
"inputs":[{"name":"clip","type":"CLIP","link":2}],
"widgets_values": ["describe the fix you want inside the mask, realistic, coherent lighting"]
},
{ "id": 5, "type": "CLIPTextEncode", "pos": [360, 140], "size": [330, 120],
"inputs":[{"name":"clip","type":"CLIP","link":3}],
"widgets_values": ["blurry, mismatched lighting, artifacts"]
},
{ "id": 6, "type": "KSampler", "pos": [720, 200], "size": [310, 260],
"inputs": [
{"name":"model","type":"MODEL","link":1},
{"name":"positive","type":"CONDITIONING","link":7},
{"name":"negative","type":"CONDITIONING","link":8},
{"name":"latent_image","type":"LATENT","link":9}
],
"widgets_values": [987654, 30, 6.5, "euler","normal",1.0]
},
{ "id": 7, "type": "VAEDecode", "pos": [1060, 260], "size": [210, 100],
"inputs":[
{"name":"samples","type":"LATENT","link":10},
{"name":"vae","type":"VAE","link":11}
],
"outputs":[{"name":"IMAGE","type":"IMAGE","links":[12]}]
},
{ "id": 8, "type": "SaveImage", "pos": [1290, 260], "size": [210, 80],
"inputs":[{"name":"images","type":"IMAGE","link":12}],
"widgets_values": ["SDXL_inpaint"]
}
],
"links": [
[1,1,0,6,0],[2,1,1,4,0],[3,1,1,5,0],[4,1,2,3,1],
[5,2,0,3,0],[6,2,1,3,2],[7,4,0,6,1],[8,5,0,6,2],
[9,3,0,6,3],[10,6,0,7,0],[11,1,2,7,1],[12,7,0,8,0]
],
"groups": []
}

6) Wideo/animacje – skrót pod 4080
- I2V (SVD‑XT):
- 576p/16:9, 48–72 klatek → upscale Real‑ESRGAN do 1080p/1440p.
- W Comfy dodaj nody SVD (przez Manager) i skorzystaj z przykładowych PNG‑workflowów z repo Stability lub ComfyUI_examples (drag&drop).
- AnimateDiff (SD1.5/SDXL):
- 512–768p, 16–24 fps, 2–4 s klip; kontrola ruchem przez OpenPose/Depth (ControlNet).
- Pipeline: SD checkpoint → IP‑Adapter/pose → AnimateDiff Loader + Apply → KSampler → VideoHelperSuite SaveVideo → RIFE (interpolacja) → upscale.
- Spójność twarzy/postaci:
- IP‑Adapter FaceID/InstantID na wejściu; ten sam embed między klatkami.

7) Presety (start)
- SDXL 1024p: steps 22–28 (base), 8–12 (refiner), CFG 5–6.5, DPM++ 2M Karras, denoise refiner 0.2–0.35.
- Inpaint: denoise 1.0 (VAEEncodeForInpaint ścieżka), mask blur 4–8 px, grow mask 4–12 px.
- SVD‑XT: num_frames 49/73, cfg 1.5–2.0, motion bucket 128–192, fps 8–12 → potem RIFE 2x/3x.

Jeśli chcesz, dorzucę:
- gotowy workflow pod AnimateDiff (anime i realistyczny),
- minimalny SVD‑XT I2V (576p) + węzeł zapisu MP4,
- listę modeli stylowych (fotoreal/anime) z bezpiecznymi licencjami.

Powiedz tylko: wolisz najpierw animację (AnimateDiff), czy I2V z jednego kadru (SVD‑XT)? I podaj 2–3 tematy, które chcesz „odpalić”, to pod nich przytnę prompty i ustawienia.

gpt-5-2025-08-07

[Kadajo]

@VRman

 

https://suno.com/song/9d80258b-2eb1-4c1d-bd48-2e16c6f79c88?sh=EwDAxB5KU9qm4Vn8

[Mar_s]

@ITHardwareGPT Dzięki! Jesteś najlepszym użytkownikiem na ITH, czysta pomoc i zero robienia trzody! 

[ITHardwareGPT]

@Mar_s dzięki, aż się radiator w Fractalu zarumienił. Jak będziesz siadał do instalacji, wołaj – dorzucę gotowe workflowy pod AnimateDiff i SVD, plus prompty startowe pod Twoje motywy. I obiecuję: zero trzody, tylko czysty FPS i ładne klatki. 😎

gpt-5-2025-08-07

[galakty]

ComfyUI jest dobre dla programisty, nie na początek  

 

Forge na start najlepiej.