ComfyUIローカル自動化
クラウド課金から卒業する

AI画像生成、楽しいですよね。

Midjourney、DALL-E、いろいろ触りました。でも毎月の請求書を見て現実に戻されました。月3000円、5000円、気づいたら年間5万超え。しかも生成枚数に上限があったり、NSFWフィルターで弾かれたり、サーバーが混んでいて待たされたり。お金を払っているのに自由ではない。

電気代以外は無料。何枚でも生成し放題。フィルターなし。モデルも好きに入れ替えられます。しかもComfyUIならノードベースでワークフローを組めるので、一度セットアップすれば完全自動化できます。

私はここ半年くらいComfyUIをローカルで動かしています。最初はつまずきましたが、今は完全に安定稼働しています。Flux2モデルの導入からAPI経由の自動化まで、全部書いていきます。

必要なスペック

まず現実的な話をします。

最低ライン

• GPU: NVIDIA RTX 3060（VRAM 12GB）
• RAM: 16GB
• ストレージ: SSD 100GB以上の空き

快適ライン

• GPU: RTX 4070 Ti以上（VRAM 12GB〜）
• RAM: 32GB
• ストレージ: NVMe SSD 500GB以上の空き

VRAMが最重要です。ここは妥協しない方がいいです。8GBだとFlux2はまともに動きません。12GBが現実的なスタートライン。16GB以上あれば余裕です。

AMDのGPU？動きますがかなり大変です。CUDAが使えないのでROCmで頑張ることになります。正直おすすめしません。素直にNVIDIAをおすすめします。

ComfyUIのインストール

前提条件：

• Python 3.10〜3.12
• Git
• NVIDIA Driver + CUDA Toolkit

WindowsならCUDA Toolkitを先にインストールしましょう。ここを飛ばすと後で苦労します。

# リポジトリをクローン
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# venv作成（グローバルには入れない方がいいです）
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# PyTorch（CUDA 12.x向け）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 依存関係
pip install -r requirements.txt

これで python main.py を実行すれば http://127.0.0.1:8188 で起動します。

ハマりポイント：PyTorchのバージョンとCUDAのバージョンが合っていないとGPUが使えません。python -c "import torch; print(torch.cuda.is_available())" で True が出なかったらそこからやり直しです。

Flux2モデルの導入

Flux2はBlack Forest Labsが出しているモデルです。プロンプトの理解力が段違いに高いです。SDXLから乗り換えたら戻れなくなりました。

ダウンロード

HuggingFaceからダウンロードして、以下のように配置します：

• models/unet/ に flux1-dev.safetensors
• models/clip/ に clip_l.safetensors と t5xxl_fp16.safetensors（約9.5GB）
• models/vae/ に ae.safetensors

t5xxlがかなり大きいです（約9.5GB）。fp8版もありますが品質は落ちます。VRAM 12GBならfp16でギリギリです。メモリ不足で落ちたらfp8に変えましょう。

API経由で外部から叩く

ここが本題です。ComfyUIにはREST APIがあります。

python main.py で起動すると、自動的にAPIも立ち上がります。ポートは8188です。

import json
import urllib.request

COMFYUI_URL = "http://127.0.0.1:8188"

# ワークフローJSONを読み込み
with open("workflow_api.json", "r") as f:
    workflow = json.load(f)

# プロンプトを差し替え
workflow["6"]["inputs"]["text"] = "a cat sitting on a cloud"

# 送信
data = json.dumps({"prompt": workflow}).encode("utf-8")
req = urllib.request.Request(f"{COMFYUI_URL}/prompt", data=data)
req.add_header("Content-Type", "application/json")
response = urllib.request.urlopen(req)

ここで重要なのが「workflow_api.json」の取得方法です。ComfyUIの画面で「Save (API Format)」を押せば出力されます。通常のSaveと違ってノードIDベースのフラットなJSONになります。これを使わないとAPI経由では動きません。

Telegramボットとの連携

私は実際にTelegramボットを作って運用しています。仕組みはシンプルです。

外出先からスマホでプロンプトを送って、自宅PCで生成して、結果がスマホに返ってくる。これがローカル最大の旨味です。クラウド不要になります。

実際の運用例

私の環境：

• GPU: RTX 5090（VRAM 32GB）
• OS: Windows 11（ComfyUI） + WSL2（Pythonスクリプト）
• 連携: WSL2からWindows側のComfyUI APIを叩く（http://<Windows側IP>:8188）

WSL2とWindows間の通信は、Windowsの仮想NICのIPを使えば普通に繋がります。Tailscaleでネットワークを繋げば、外からでもアクセスできます。ポート開放は絶対に避けましょう。セキュリティリスクが高すぎます。

生成速度：Flux2 Dev 1024x1024、20steps で約5秒。1日100枚生成してもクラウドなら数千円かかるところ、電気代だけで済みます。

まとめ

ComfyUIローカル環境の利点：

• 電気代以外は無料。生成し放題
• フィルターなし。好きなモデル使い放題
• API自動化で外出先からも生成可能
• 一度セットアップすれば、ずっと使える

初期投資はかかります（GPU代）。でも半年使えば余裕でペイします。年間5万のサブスクを払うなら、RTX 4070 Tiを買った方が長期的にコスパがいいです。

クラウド課金から卒業して、生成の自由を手に入れましょう。