ComfyUI: AI-продакшен у вас дома

ComfyUI: AI-продакшн
у вас дома
Запускайте нейросети локально и собирайте понятные схемы для генерации, ретуши, реставрации и автоматизации визуальных задач.

Онлайн
курс

онлайн
занятий

домашних
работ

недель доступа
к записям занятий

Превратите свой компьютер в AI-студию
для визуального продакшена

Научитесь работать с генеративным ИИ локально: без подписок, лимитов и зависимости от закрытых сервисов. На онлайн-курсе вы разберётесь в ComfyUI — мощной среде для сборки собственных нейросетевых workflow под реальные задачи: от первой генерации до реставрации фото, нейро-фотосессий, виртуальной примерки, каталогов для маркетплейсов и изображений для печати.

ComfyUI часто пугает обилием блоков, связей и технических терминов. Но на самом деле это визуальный конструктор: вы соединяете ноды в рабочий процесс и управляете тем, как модель получает данные, обрабатывает изображение и выдаёт результат. На курсе мы будем изучать не отдельные кнопки и временные интерфейсы, а саму логику работы с ComfyUI: как устроены модели, промпты, параметры генерации, LoRA, ControlNet, Inpaint, контекстное редактирование, апскейл и автоматизация.

Курс построен как интенсивный практический маршрут из десяти занятий. Вы начнёте с установки ComfyUI, Python, CUDA и Git, соберёте первый workflow на SDXL, а затем постепенно перейдёте к современным моделям 2026 года: Z-Image Turbo, Krea-2, Flux-2 Klein, Flux-2 Dev, Qwen, Qwen Image Edit и другим инструментам. На каждом этапе вы будете не просто смотреть демонстрацию, а собирать рабочие процессы своими руками, понимать их устройство и адаптировать под собственные задачи.

14.01 — 18.03

19:00 — 21:10

С. Ласмин

С 14 января по 18 марта

Занятия: Чт в 19:00

Осталось мест: 17

Преподаватель: С. Ласмин

Курс можно купить в рассрочку без переплат и документов

24900 руб.

Записаться

или забронировать место

^* Занятия проходят по вашему локальному времени (Москва, стандартное время)

подтверждение бронирования

ComfyUI: AI-продакшен у вас дома

дата:

с 14 января по 18 марта 2027 г.

время:

с 19:00 по 21:10

Преподаватель:

Стив Ласмин

Чтобы продолжить, Вам
нужно войти или зарегистрироваться

Бронь гарантирует место в группе до окончания срока оплаты. Стоимость обучения определяется на момент оплаты брони. Оплатить бронь нужно не позднее двух дней после старта обучения.

Вы уверены, что хотите отменить бронь на
«ComfyUI: AI-продакшен у вас дома»?

Преподаватель: Стив Ласмин

Фотограф, ретушёр, преподаватель и разработчик инструментов для ComfyUI. Более шести лет преподавал фотографию, Photoshop и обработку изображений, работал с коммерческими съёмками для Leroy Merlin, BenQ, Paul Mitchell, «Бронницкого Ювелира» и других клиентов.

Стив пришёл в AI из реального визуального продакшена, поэтому объясняет ComfyUI не как абстрактную технологию, а как рабочий инструмент для генерации, ретуши, реставрации, апскейла и автоматизации задач. Он активно работает с современными локальными моделями, ведёт YouTube-канал о ComfyUI и публикует собственные кастомные ноды в Comfy Registry. На занятиях делает акцент не на заучивании кнопок, а на понимании логики workflow: как устроена схема, как данные проходят через ноды и как адаптировать процесс под свою задачу.
Узнать подробнее...

Чему вы научитесь?

Устанавливать и настраивать ComfyUI, Python, CUDA, Git и необходимые компоненты для локальной работы с нейросетями.

Понимать логику нод, связей и workflow: как данные проходят от модели и промпта до финального изображения.

Собирать собственные workflow: от базовой генерации до многоступенчатых процессов под реальные задачи.

Управлять ключевыми параметрами генерации: Seed, Steps, CFG, Sampler, Scheduler, Latent и VAE.

Работать с LoRA, кастомными нодами, GGUF-моделями и квантованием под возможности своей видеокарты.

Редактировать изображения через Inpaint и управлять композицией через ControlNet.

Использовать современные модели и инструменты: Z-Image Turbo, Krea-2, Flux-2, Qwen, Qwen Image Edit и другие.

Делать виртуальную примерку, Head Swap, нейро-фотосессии, пакетную реставрацию и подготовку изображений для печати.

Автоматизировать рутину: пакетную обработку, удаление фона, сборку ракурсов и управление памятью ПК.

Читать, разбирать и адаптировать готовые workflow под свои задачи.

Для кого курс?

Курс подойдёт фотографам, ретушёрам, дизайнерам, видеомонтажёрам, моушн-специалистам и всем, кто хочет использовать ComfyUI для визуального продакшена: генерации изображений, ретуши, реставрации, нейро-фотосессий, виртуальной примерки, апскейла и подготовки материалов для коммерческих задач.

Также курс будет особенно полезен владельцам мощных домашних ПК и игровых компьютеров с видеокартами Nvidia, которые хотят запускать современные нейросети локально и меньше зависеть от подписочных сервисов.

Что вам понадобится?

Компьютер на Windows 10/11 x64. Курс ориентирован прежде всего на пользователей Windows.

Видеокарта Nvidia. Минимум — от 8 GB VRAM, комфортно — от 12 GB VRAM, оптимально — 16 GB VRAM и выше.

Оперативная память от 32 GB. Для стабильной работы желательно 64 GB RAM.

Свободное место на SSD. Желательно от 250 GB для установки ComfyUI, моделей и рабочих файлов.

Базовая компьютерная грамотность. Нужно уверенно устанавливать программы, работать с папками, скачивать файлы и следовать пошаговым инструкциям.

Что вы получите?

Возможность посещать живые онлайн-занятия с преподавателем.

Записи всех занятий для повторения в течение всего онлайн-курса плюс 2 недели после его окончания. После истечения стандартного срока доступа вы сможете продлить его ещё на 2 недели и делать это неоднократно.

Конспекты всех занятий бессрочно. Рабочие файлы курса.

Домашние задания по практике для закрепления материала.

Сертификат об успешном окончании курса при выполнении всех заданий и рейтинге 75 % и выше.

Обзорное занятие курса

Смотрите первое занятие

Рекомендуем вам посмотреть

Занитие 1. Знакомство с принципами работы модульного интерфейса ComfyUI, установка рабочей среды и первая генерация

Цель занятия: Познакомить студентов с философией и принципами работы модульного интерфейса ComfyUI. Развеять миф о его сложности: наглядно показать, что при грамотном подходе сборка рабочего процесса — это быстрый, увлекательный и несложный процесс. Пройти все тонкости правильной установки программы, заложив надежный фундамент для дальнейшего обучения.

Почему ComfyUI — лучший выбор для работы с нейросетями

Модульная структура интерфейса: что такое «узлы» (ноды) и как они соединяются друг с другом, образуя единый конвейер (рабочий процесс)

Точка начала (загрузка модели) и точка конца (сохранение картинки) — как течет данных внутри интерфейса

Демонстрация возможностей ComfyUI

Пошаговая установка необходимого софта:

Git (система для удобного скачивания и обновления программ),

Python (базовый язык, на котором написан ComfyUI; пугаться не нужно — программировать мы не будем, но без этой среды программа просто не запустится),

Nvidia CUDA Toolkit (набор инструментов, позволяющий видеокарте общаться с нейросетями на максимальной скорости),

GPU-Z (бесплатная утилита, чтобы видеть, как сильно нагружается ваша видеокарта).

Выбор и самостоятельное построение базового рабочего процесса на примере SDXL: мы не просто загружаем чужой шаблон, а своими руками соединяем первые узлы друг с другом, как детали конструктора, чтобы увидеть, как из текста рождается изображение.

Скачивание первой модели (чекпоинта) с соблюдением правильной структуры папок.

Генерация первого изображения на вашем ПК.

Практика и домашнее задание

Установка всех необходимых программ на свой компьютер.

Запуск ComfyUI и самостоятельное построение базовой схемы для SDXL.

Скачивание первой модели.

Самостоятельная генерация первых 5 изображений.

Сохранение своего первого рабочего процесса (чтобы им можно было поделиться или использовать в будущем).

Занятие 2. Базовая архитектура Workflow: модели, промпты, математика генерации (Sampler, Scheduler, CFG) и Latent-пространство

Цель занятия: Объяснить базовую архитектуру работы генеративных нейросетей. Показать студентам, как работают ключевые параметры генерации (Шаги, CFG, Сэмплеры) и научить осознанно управлять готовым рабочим процессом. Также познакомиться с ComfyUI Manager — главным инструментом для расширения возможностей программы.

Базовые определения

Разница между понятиями «модель» и «чекпоинт» (Checkpoint). Разбираемся, что именно мы скачиваем из интернета

Латентное пространство (Latent) — секретный язык нейросети

Текстовые движки (Text Encoders) — как нейросеть переводит ваши слова в цифры и понимает, что от неё хотят

Промпты и негативные промпты: как правильно формулировать запросы, что работает, а что нет, и зачем тестировать разные варианты

Математика генерации без формул:

Seed (зерно) — начальная точка отсчета случайного шума

Steps (шаги) — количество итераций «проявления» картинки из шума

CFG Scale — насколько строго нейросеть должна следовать вашему тексту (и почему слишком много — это плохо)

Sampler (алгоритм очистки от шума) и Scheduler (планировщик темпа) — стиль и скорость, с которыми нейросеть убирает шум из изображения

VAE (Вариационный автоэнкодер) — та самая «фотолаборатория», которая проявляет скрытый цифровой набросок в полноценную картинку, видимую нашими глазами

ComfyUI Manager: что это такое, зачем нужно и как устанавливать

Разбор рабочего процесса

Практика

Установка ComfyUI Manager прямо на уроке

Наглядная демонстрация того, как меняется картинка при изменении каждого из параметров (Steps, CFG, Sampler, Scheduler)

Домашнее задание

Убедиться, что ComfyUI Manager установлен и работает

Взять за основу рабочий процесс из первого занятия на базе SDXL. Используя один и тот же промпт и фиксированное зерно (Seed), сгенерировать серию изображений, меняя только параметры сэмплера, планировщика, CFG и количества шагов

Написать свои наблюдения: как именно каждый параметр повлиял на результат

Занятие 3. Быстрая генерация изображений на базе Z-Image-Turbo в ComfyUI

Цель занятия: Разбираем работу с современной ускоренной моделью Z-Image-Turbo

Особенности модели Z-Image-Turbo

Разбор структуры рабочего процесса (Workflow)

Временное отключение (Bypass) нод и закрепление (Pin) нод. Объединение нод в группы (Group nodes)

Что такое «обычные» сжатые/квантованные GGUF модели на примере Z-Image-Turbo

Загрузка и переключение моделей (Normal vs GGUF)

Формирование промпта и поддержка LoRA

Параметры генерации и сэмплинг

Продвинутая концепция: Сабграфы (Subgraphs)

Практика

Использование ComfyUI Manager для скачивания и установки specialized-узлов: GGUF Loader (загрузчик сжатых моделей) и GPU-Clip Loader.

Сборка базового рабочего процесса для Z-Image Turbo.

Сравнение результатов генерации обычной и сжатой (GGUF) модели: ищем баланс между скоростью, качеством и свободной памятью.

Добавление в процесс узла работы с LoRA: настраиваем триггерные слова и подбираем оптимальную силу воздействия.

Домашнее задание

Настроить рабочий процесс для Z-Image Turbo на своей машине. Выбрать обычную или GGUF-модель (в зависимости от мощности вашей видеокарты)

Добавить одну или несколько LoRA, сгенерировать серию изображений с использованием триггерных слов

Сравнить эстетику и скорость Z-Image Turbo с SDXL из предыдущих занятий и поделиться впечатлениями

Занятие 4. Редактирование и управляемая генерация в Z-Image-Turbo (Inpainting и ControlNet)

Цель занятия: Освоить точечное редактирование изображений через Inpaint и научиться управлять композицией через ControlNet с помощью различных препроцессоров. Дополнительно — максимально повысить производительность системы за счет установки модулей ускорения и оптимизации памяти.

Inpaint (перерисовка) – внутренняя покраска

ControlNet – «глаза» для нейросети: как заставить модель повторять позу, глубину или контуры с референсного изображения, а не придумывать их случайно

Установка модуля расширенных возможностей (Z-Image-Fun-Union) для модели Z-Image Turbo, который включает поддержку ControlNet.

Основные препроцессоры (инструкции для модели): Depth (карта глубины), Pose/DWPose (поза человека), Canny (контуры) и Grey (раскрашивание ч/б).

Тюнинг двигателя ComfyUI – ускорение и оптимизация

Тройка ускорения без потерь

Triton-Windows и Sage Attention 2

Patch Torch Model FP16

Практика

Пошаговая установка модулей Triton-Windows и Sage Attention 2 под вашу конкретную видеокарту.

Добавление нод Sage Attention и Patch FP16 в рабочий процесс на базе Z-Image Turbo и замер прироста производительности.

Практика Inpaint «Удаление объекта»: загружаем готовое изображение, выделяем область маской, стираем лишнее.

Практика Inpaint «Замена объекта»: меняем исходный элемент на совершенно другой (бесшовно, как дорогой ИИ-сервис).

Установка Z-Image-Fun-Union. Подключение нод препроцессоров (Depth, Pose, Canny, Grey).

Практика ControlNet: генерация с сохранением позы или контуров, а также тестовое раскрашивание ЧБ-фотографии.

Домашнее задание:

Установить модули ускорения на свой ПК и интегрировать: Triton-windows, Sage Attention и Patch FP16 в рабочий процесс.

Взять готовое изображение и с помощью Inpaint удалить один лишний объект, а второй — заменить на новый.

Расширить рабочий процесс: добавить ноды загрузки референсного изображения и ноды препроцессоров. Сгенерировать 3 изображения по разным референсам (на выбор: Pose/DWPose, Canny, Depth, Grey). Оценить влияние дополнительного промпта при раскрашивании ч/б. Поделиться результатами.

Занятие 5. Продвинутая генерация и редактирование изображений на базе Krea 2, LLM-усиления и 4K Upscale (SeedVR2)

Цель занятия: Освоить архитектуру генеративной модели Krea 2 (Krea-2-Turbo), механизмы работы с текстово-визуальным кодировщиком Qwen3-VL-4B, методы автоматического улучшения промптов с помощью LLM Text Processor, а также научиться использовать кастомные ноды сообщества (ComfyUI-Krea2Edit) и специализированные LoRA для редактирования изображений (Grounded Edit, Head/Body Swap) и масштабирования до 4K с помощью SeedVR2.

Архитектура Krea 2 и сравнение с аналогами

Krea-2 – почему она называется одной из самых эстетичных моделей на данный момент

Как Krea-2 Edit (Lora) понимает инструкции

Разрешение входных изображений (референсов) и его влияние на качество редактирования

Как применять знания по ускорению (Sage Attention) и LoRA из прошлых занятий вместе с Krea-2 для максимальной эффективности

Krea-2 Image Generation & LLM Prompt Processing

Разбор ноды LLM Text Processor

Обход системных ограничений и фильтров

Масштабирование 4K с SeedVR2

Krea 2 Edit и кастомные ноды сообщества

Как работает нода Krea2 Edit (grounded encode) и что такое grounding_px

Дополнительный стек LoRA для редактирования

Практика

Установка Krea-2 и необходимых нод (через наш любимый ComfyUI Manager).

Демонстрация генерации с нуля: оцениваем эстетику и послушность модели по сравнению с Z-Image Turbo и SDXL.

Эксперимент с разрешением: генерируем изображение в формате 4K (например, 3840x2160 или 4096x2048) и оцениваем детализацию без использования дополнительных нод увеличения.

Сборка процесса для Krea-2 Edit: загружаем готовое изображение и с помощью текстового промпта меняем фон, одежду и атмосферу без использования масок.

Сравнение подходов: когда проще использовать Inpaint (из 4-го занятия), а когда — контекстное редактирование Krea-2 Edit.

Домашнее задание

Настроить рабочий процесс с Krea-2. Сгенерировать 3 изображения: одно в стандартном квадрате 2048x2048, другое в панорамном или 4K-разрешении (чтобы прочувствовать нативную детализацию).

Взять 1 свою фотографию или сгенерированную ранее картинку и с помощью Krea-2 Edit изменить в ней окружение и ключевые детали (например, поменять дневной свет на ночной, или заменить одежду). Сравнить удобство этого процесса с классическим Inpaint.

Занятие 6. Генерация и мульти-референсное редактирование изображений на базе Flux 2 Klein 9B, Advanced Samplers и SeedVR2

Цель занятия: Изучить архитектуру дистиллированной модели Flux 2 Klein 9B, механизмы кастомного сэмплинга (SamplerCustomAdvanced, Flux2Scheduler, RandomNoise), продвинутое мульти-референсное объединение сцен с помощью ReferenceLatent, освоить правила составления текстовых промптов для Qwen3-кодировщика и техники передачи переменных через узлы SetNode / GetNode.

Архитектура Flux 2 Klein 9B

Основные компоненты и их отличия

Оптимизация производительности и VRAM

Ключевые специализированные ноды ComfyUI

SamplerCustomAdvanced vs. KSampler

Flux2Scheduler vs. Обычные планировщики (Normal, Karras, Exponential)

RandomNoise vs. Встроенное значение Seed

ReferenceLatent (Set Reference Latent)

Связка SetNode и GetNode

Практическое руководство по промптингу для Flux 2 Klein

Генерация T2I (Text-to-Image)

Мульти-референсное редактирование (Edit & Composite Prompting)

Правила построения управляющих промптов

Практика

Разбор рабочего процесса 1: Flux-2 Klein Generation Course

Разбор рабочего процесса 2: F2K Edit (Мульти-референсное редактирование)

Домашнее задание

Сделать 3 успешные виртуальные примерки одежды (подобрать фото людей и фото вещей).

Сделать 3 успешные пересадки лиц (использовать разные исходники).

Пакетно отреставрировать 3 старые фотографии. Поделиться результатами и наблюдениями за тем, как система справляется с нагрузкой.

Занятие 7. Универсальный комбайн Qwen-Image2.1: нативное 2K, работа с альфа-каналом, инструкционное редактирование и мульти-референс

Цель занятия: Познакомиться с архитектурой единого мультимодального чекпоинта Qwen-Image2.1 (7B MMDiT). Освоить методики прямой T2I-генерации в нативном 2K-разрешении (2048×2048), генерации элементов с прозрачным альфа-каналом (RGBA) без сторонних нод сегментации, инструкционного текстового и маркерного редактирования, а также сборки сложных коммерческих композиций на основе пакета из 10 референсных изображений

Архитектура Qwen-Image2.1 (7B MMDiT)

Основные компоненты и их назначение

Ключевые архитектурные преимущества

Детальный разбор ключевых нод воркфлоу

Глубокий анализ макрологики рабочих процессов

Сквозная архитектура конвейера

Прямая генерация (T2I / RGBA)

Редактирование и Мульти-референс (I2I / Edit)

Практическое руководство по промптингу и режимам Qwen-Image2.1

Генерация клипарта с альфа-каналом (RGBA Transparent Output)

Инструкционное редактирование (Instruction-based Edit)

Мульти-референсный синтез (до 10 изображений)

Практика

Разбор рабочего процесса 1: Qwen_image_2_1_t2i_Course (Прямая генерация)

Разбор рабочего процесса 2: Qwen_image_2_1_i2i_Course_Edit (Инструкционное редактирование и Мульти-референс)

Сравнительный анализ архитектур: Flux 2 Klein 9B vs. Qwen-Image2.1

Домашнее задание

Сгенерировать 3 независимых 2K-клипарта на прозрачном фоне без использования нод удаления фона.

Взять готовое фото, обвести маркером объект и заменить его по текстовой инструкции.

Собрать итоговый коммерческий кадр (каталог одежды или виртуальная примерка), объединив минимум 4 референсных изображения.

Занятие 8. Флагманский Flux.3 [klein]: архитектура нового поколения, мульти-референсное редактирование и апскейлинг промптов через Qwen 3.5

Цель занятия: Освоить работу с новейшей открытой мультимодальной моделью Flux.3 [klein] (5.6B) от Black Forest Labs. Понять ключевые архитектурные отличия линейки Flux.3 от предыдущих версий, изучить принципы работы с шаговым дистиллированным чекпоинтом (4–16 шагов), освоить пайплайн мульти-референсного редактирования с поддержкой до 10 входящих изображений и настроить глубокую интеграцию текстового апскейлера Qwen 3.5.

Архитектура Flux.3 `[klein]` (5.6B)

Основные компоненты системы

Diffusion Model (flux3-image-klein-int8-convrot.safetensors):

Text Encoder / VLM (qwen3vl_4b_int8_convrot.safetensors)

Prompt Upsampler (qwen3.5_9b_flux3_prompt_upsampler_w4a8.safetensors)

Decoder VAE (flux2-vae.safetensors):

Ключевые преимущества Flux.3 [klein]:

Единый конвейер T2I и Editосуществляются на базе одной весовой структуры

Шаговая дистилляция

Мульти-референс нового уровня – поддержка подключения до 10 входящих изображений с жестким сохранением айдентики персонажей, стилистики и объектов

Разбор ключевых нод воркфлоу Flux.3 [klein]

UNETLoader & CLIPLoader & VAELoader – базовые загрузчики весов

TextGenerate (Prompt Upsampler) – интеллектуальный расширитель промптов

ReferenceMultiLatent – центр управления мульти-референсным редактированием

Flux3LayoutPrompt & CreateBoundingBoxes – инструменты пространственного контроля и разметки

KSampler & ComfySwitchNode – управление процессом генерации

Архитектурная макрологика: Как устроены рабочие процессы Flux.3 [klein]

Макрологика воркфлоу T2I (Text-to-Image)

Инициализация параметров

Интеллектуальный апскейл промпта

Генерация и декодирование

Макрологика воркфлоу Image Edit (Мульти-референс)

Загрузка исходных ассетов – ноды LoadImage и узел ReferenceMultiLatent

Формирование инструкции

Синтез и аудит

Практическое руководство по промптингу для Flux.3 [klein]

Практика

Тест дистиллированного пайплайна

Референсный редактор

Мульти-референсный редактор

Анализ работы Prompt Upsampler

Пространственный промптинг

Домашнее задание

Скоростной тест дистиллированного пайплайна: Настроить воркфлоу T2I и сгенерировать 3 серии кадров, меняя количество шагов сэмплинга (4, 8, 12, 16 шагов). Оценить прирост детализации и зафиксировать время рендера.

Локальное редактирование через Bounding Boxes: Загрузить базовый кадр в ноду Create Bounding Boxes, выделить 2–3 разных участка на одном изображении (, ) и перегенерировать детали по инструкции через Ideogram4PromptBuilderKJ.

Создание коммерческого коллажа (Мульти-референс): Загрузить от 2 до 5 референсов (персонаж, одежда, аксессуар, фон) в ReferenceMultiLatent. Сформировать промпт с использованием тегов ... и сгенерировать рекламную композицию с полным сохранением деталей.

Анализ работы Prompt Upsampler: Провести сравнение: сгенерировать кадр по короткому запросу (3–4 слова) напрямую, а затем включить тумблер switch на ComfySwitchNode для пропуска через TextGenerate (Qwen 3.5 9B). Зафиксировать разницу в сведении света и глубине сцены.

Пространственный промптинг по референсу: Используя ноду Ideogram 4 Prompt Builder KJ и выбранный референс, собрать промпт и создать 2–3 его вариации без изменения исходной геометрической композиции.

Занятие 9. Профессиональная мастерская Qwen-Image2.1: виртуальная камера, ControlNet Union и интеллектуальный Outpainting

Виртуальная камера и точное позиционирование ракурсов (Multi-Angle Workflow)

Архитектура управления пространством – разбор принципов сохранения идентичности объекта при изменении азимута, угла возвышения (elevation) и зума виртуальной камеры.

Инструментарий ComfyUI – работа с нодой QwenMultiangleCameraNode и векторным транслятором QwenMultiangleCameraTranslateNode

Создание серии согласованных видов объекта из одной исходной фотографии с сохранением материалов, текстур и шрифтовых элементов

Мульти-управляемый синтез через ControlNet Union (QwenImage21UnionApply)

Концепция ControlNet Union для Qwen-Image-2.1

Гибкость режимов управления

Автоматизация препроцессинга – использование AIO_Preprocessor (DWPreprocessor) для извлечения скелетов поз и пакетная обработка кадров (BatchImagesNode) с условной логикой сравнения (easy compare / easy ifElse)

Интеллектуальный поворот, кадрирование и Outpainting (AusBoss Pipeline)

Проблема классического инпейнтинга

Роль специализированных LoRA

Пошаговый пайплайн AusBoss

Crop + Rotate + Pad (AUSBOSS_NODES_ImageCropRotatePad)

Автоматический промптинг через VLM

Сэмплирование и обратная сборка

Практика

Динамическое изменение угла обзора и азимута через виртуальную камеру

Исправление и расширение кадра с наклоном

Управляемая генерация по позе

Домашнее задание

Задание 1 (Virtual Camera & Angles): Взять портрет или объект, с помощью модуля QwenMultiangleCamera сгенерировать 3 альтернативных ракурса (профиль, три четверти, вид сверху), добившись стабильности текстур и черт.

Задание 2 (ControlNet Union Pipeline): Подключить ноду QwenImage21UnionApply с вектором позы (Pose) к модели Qwen-Image-2.1 и перенести персонажа из одного сеттинга в другой, сохранив позу, попробовать работу с другими препроцессорами.

Задание 3 (Complex Outpainting & Rotation): Взять обрезанное или слегка наклоненное фото продукта или человека, применить AusBoss-пайплайн с заполнением серым фоном и Outpaint LoRA v2, выдать 2 примера.

Занятие 10. Финальная защита проектов: ваш пропуск в профессиональное ИИ-сообщество.

Цель занятия: Подвести итоги обучения. Помочь студентам оформить свои навыки в готовый проект (кейс) или подтвердить теоретические знания, получить обратную связь и наметить пути для монетизации или дальнейшего развития.

Защита практического проекта: представление собственного рабочего процесса.

Демонстрация итогового результата (изображения или серии кадров), если выбран практический проект.

Живой профессиональный диалог (Q&A): преподаватель задает вопросы по построению вашего рабочего процесса или по теории курса (в зависимости от выбранного формата). Вопросы от других студентов также горячо приветствуются! Почему выбрана именно эта модель? Как работает ваша связка нод? Что произойдет, если изменить этот параметр? Это ваш шанс доказать, что вы не просто скопировали чужую схему, а глубоко понимаете, как течет информация от загрузчика до финальной картинки.

Анализ удачных решений и обсуждение того, что можно было бы улучшить.

Компании обучают своих сотрудников у нас