ZView Space2026-07-10 08:59:00

ComfyUI 7-노드 텍스트-투-이미지 그래프와 생성된 첫 초안 읽는 방법

The smallest ComfyUI text to image graph that is worth learning has seven nodes, and the skill that matters most after building it is reading the first…

게시: ZView Space 편집팀 · 최종 수정 2026-11-02 · 글 작성·검수 방식

ComfyUI텍스트-투-이미지초보자용 워크플로우첫 초안 품질 (First-pass quality)프롬프트 작성
ComfyUI 7-노드 텍스트-투-이미지 그래프와 생성된 첫 초안 읽는 방법

The smallest ComfyUI text-to-image graph that is worth learning has seven nodes, and the skill that matters most after building it is reading the first draft it produces. Most beginners rebuild the graph when a draft disappoints. In practice the fault is often somewhere else: the canvas shape, the prompt, or a word in the prompt that the model decided to draw. This article gives you the graph (as general guidance, since no ComfyUI graph or sampler settings were recorded for the images here) and then walks through eight first drafts, looking at what actually went right and wrong in each.

One honesty note up front. The eight images below were generated with Krea2 Turbo on 2026-07-10. The generation records contain the prompt and the model name and nothing else: no steps, no CFG, no sampler, no graph. Everything about node settings in this article is therefore general guidance (untested here). Everything about the images is something I saw when I opened the files.

The seven nodes and the one decision each one owns

A minimal text-to-image graph in ComfyUI is usually built like this. Thinking of each node as owning one decision makes debugging much easier.

| Node | 그 노드가 담당하는 결정 | |---|---| | Load Checkpoint | 어떤 모델을 사용할지 — 따라서 그 모델의 스타일 편향과 기본 해상도 | | CLIP Text Encode (positive) | 당신이 원한 것 | | CLIP Text Encode (negative) | 피하고자 하는 것 | | Empty Latent Image | 캔버스의 너비, 높이와 배치 크기 — 즉 구성(프레이밍) | | KSampler | 시드, steps, CFG, sampler, scheduler, denoise | | VAE Decode | 잠재공간(latent)을 픽셀로 변환 | | Save Image | 파일로 저장 |

For pure text-to-image the KSampler denoise stays at 1.0, because there is no input image to preserve. That part is standard ComfyUI behavior.

Settings: what I can and cannot give you

I cannot give you verified step, CFG or sampler numbers for these images, because none were recorded. General guidance (untested here):

  • Use the settings recommended on your checkpoint's model page. Turbo or distilled models typically want far fewer steps and lower guidance than classic SDXL-style checkpoints, so numbers copied from a tutorial for a different model family can make results worse.
  • Generate at the checkpoint's native size or one of its common aspect ratios rather than an arbitrary one. Common SDXL-class sizes are around 1024x1024, 832x1216 and 1216x832, but other model families differ.
  • Keep the seed fixed while you compare settings, and change one thing per run. Otherwise you cannot tell which change did anything.
  • Keep the negative prompt short, if your model uses one at all.

These are conventions, not measurements from this article.

Reading a first draft: eight images, one inspection routine

All eight images below are tall portrait-orientation frames, which matches the prompts' people-and-product framing. For each one I checked the same four things: the subject's structure, the hands or object edges, the background, and any text. I am showing six of the eight; the other two are covered in one line at the end of this section.

Start with the easy win: a single subject, one light, one place

The traveler prompt is a good example of a brief that asks for one scene:

A solo traveler in a dark green waterproof coat and textured wool scarf standing on a quiet alpine train platform, one leather duffel at their feet, cool breath in the air, looking slightly off camera, moody overcast light, mist rolling through pine-covered mountains, damp concrete reflections, cinematic wide composition, natural posture, layered travel wardrobe, subdued blue-green color palette, realistic atmospheric depth, fine fabric detail, Nikon Z8 look, 35mm f/2 documentary framing, restrained realism, sharp foreground subject against a soft distant landscape
A man in a dark green hooded rain jacket and grey woven scarf stands with hands in his pockets on a wet station platform, a brown leather duffel at his feet, railway tracks and misty pine slopes behind him
A man in a dark green hooded rain jacket and grey woven scarf stands with hands in his pockets on a wet station platform, a brown leather duffel at his feet, railway tracks and misty pine slopes behind him

보이는 것: 재킷에는 그럴듯한 솔기, 후드와 지퍼형 포켓이 있고; 스카프는 짜임새 있는 질감과 술(fringe)이 보이며; 두 부츠는 젖은 플랫폼 위에 놓여 있고 끈이 읽을 수 있다; 더플백에는 스트랩, 버클, 긁힌 가죽 질감이 있다; 선로는 합리적으로 수렴하고 소나무들은 안개 속으로 희미해진다. 그의 손이 주머니에 들어가 있어 인체 해부학에서 가장 어려운 부분을 조용히 피하고 있다. 프롬프트에 없었던 작은 요소 두 가지가 추가로 보이는데, 어깨에 멘 배낭 스트랩과 하늘을 가로지르는 전차선의 전선이다. 둘 다 오류는 아니지만 초안이 항목을 추가할 수 있다는 점을 상기시켜 준다.

이 예는 초보자에게 실용적인 조언과도 맞는다: 한 사람, 한 장소, 한 조명 아이디어는 모델이 모순을 만들 여지를 적게 둔다.

The pose choice decides how much hand risk you take on

A woman in an airy white button-up shirt, tan shorts, and leather sandals walking a vintage bicycle along a quiet seaside promenade at golden hour, relaxed smile, wind moving the shirt fabric and hair naturally, warm low sun creating long shadows, soft ocean haze in the distance, balanced full-body composition, refined resort lifestyle styling, sandy beige and faded blue palette, realistic bicycle details, textured concrete, Canon EOS R3 look, 35mm f/1.8 environmental portrait feel, natural motion, clean premium magazine finish
A woman in a sheer white linen shirt, tan shorts and brown buckle sandals walks a dark city bicycle along a sunlit seaside path, both hands on the handlebars, waves and sand behind her
A woman in a sheer white linen shirt, tan shorts and brown buckle sandals walks a dark city bicycle along a sunlit seaside path, both hands on the handlebars, waves and sand behind her

이 프롬프트는 자전거를 잡고 있는 전신 포즈를 요구했는데, 사람이 걱정하는 유형의 장면이다. 이 초안에서는 두 손이 핸들바 그립 위에 놓여 있고, 프레임, 체인링, 페달, 스포크, 램프가 모두 판독 가능하며 샌달의 버클도 읽을 수 있다. 리넨 셔츠는 반투명하고 바람에 날린 모습으로 프롬프트와 일치한다. 구조적 결함을 찾으려 했지만 이 프레임에서는 발견하지 못했다. 다만 이것은 단일 샘플이므로 손이 물체 위에 있는 포즈가 얼마나 자주 성공하는지를 말해 주지는 않는다; 포즈를 신뢰하기 전에 여러 시드를 돌려 보라.

반사 표면과 브랜드가 들어가는 물체에서 초안이 실패한 부분

제품 스타일 프롬프트 두 개가 가장 가르쳐주는 바가 큽니다. 두 경우 모두 스타일 큐로 카메라 브랜드와 렌즈를 덧붙였고, 두 이미지 모두 장면 안에 텍스트를 넣었습니다.

A premium stainless steel wristwatch with deep navy dial placed at a slight angle on a brushed metal tabletop, precision product composition, elegant reflected highlights along the case, sharp engraved bezel detail, softbox key light from upper left, subtle cool rim light defining silhouette, dark luxury studio background, clean shadow control, rich metallic texture, high-end advertising polish, restrained blue-silver color palette, Sony A7R V look, 90mm macro f/2.8 detail rendering, crisp typography on the dial, no clutter, premium commercial finish
A steel dive-style watch with a navy dial on a brushed metal table; the dial reads SONY 90 with a garbled number, and a line of illegible tiny text sits beside the seconds hand
A steel dive-style watch with a navy dial on a brushed metal table; the dial reads SONY 90 with a garbled number, and a line of illegible tiny text sits beside the seconds hand

케이스, 브레이슬릿, 버클, 브러시드 테이블과 그 부드러운 반사는 설득력 있습니다. 다이얼은 그렇지 않습니다: 다이얼에는 "SONY"라는 단어와 "90" 및 왜곡된 숫자 쌍이 찍혀 있는데, 이는 카메라 문구의 파편이고 두 번째 줄의 작은 텍스트는 판독 불가입니다. 베젤 숫자도 불규칙합니다. 프롬프트에는 "crisp typography on the dial"이 요청되어 있었는데, 이 때문에 텍스트를 생성하도록 압박이 가해졌을 수 있다고 추정합니다(이것은 제가 테스트한 결과가 아니라 제 추론입니다).

A chilled glass bottle of sparkling citrus beverage with visible condensation placed on a warm stone terrace table, sliced blood oranges and fresh mint arranged naturally nearby, golden sunset backlight passing through the bottle, controlled bounce fill preserving label readability, crisp droplets, premium commercial composition, soft distant sea view, terracotta and amber palette, tactile glass texture, realistic liquid transparency, Fujifilm GFX100 II look, 120mm f/4 macro clarity, polished advertising image with fresh Mediterranean atmosphere
A condensation-covered glass bottle with an orange-slice label on a stone table in front of a sunset sea, blood orange halves and mint beside it; the label text reads a garbled Fujifkne and 1254
A condensation-covered glass bottle with an orange-slice label on a stone table in front of a sunset sea, blood orange halves and mint beside it; the label text reads a garbled Fujifkne and 1254

유리, 물방울, 액체 색감, 오렌지 조각과 민트는 이미지에서 가장 잘 표현된 요소입니다. 약한 부분은 라벨입니다: 큰 단어는 대략 "Fujifkne"로 보이고 "1254"와 두 줄의 의미 없는 글자가 있습니다. 역시 프롬프트에 있던 카메라 브랜드를 떠올리게 하며, "label readability"가 요청되어 있었습니다. 라벨이 정확해야 하는 제품이면 실제 라벨을 나중에 합성하거나 프롬프트에서 라벨 영역을 비워 두는 계획을 세우세요.

같은 습관은 로비 이미지에서도 나타납니다:

A hotel lounge with walnut wall paneling, cream boucle lounge chairs, round bronze coffee tables, a console with ceramic vases and two lamps; the magazine on the front table has a garbled masthead
A hotel lounge with walnut wall paneling, cream boucle lounge chairs, round bronze coffee tables, a console with ceramic vases and two lamps; the magazine on the front table has a garbled masthead

월넛 결, 부클 원단 소파, 트래버틴 바닥, 둥근 브론즈 테이블, 도자기 화병과 램프들은 각각 분리되어 일관성 있게 표현되었고, 원근감도 괜찮습니다. 앞 테이블 위 잡지의 머리글은 대략 "HASENE"로 읽히는데, 이는 해당 프롬프트의 카메라 이름("Hasselblad X2D 100C look")의 왜곡된 변종입니다. 잡지는 요청하지 않았음에도 모델이 그것을 만들어서 누출된 텍스트로 제목을 채운 것입니다. 이 점은 이러한 이미지들에 대한 관찰로 받아들이되, 브랜드 이름이 항상 유출된다는 증거로 일반화하지는 마세요.

글로우가 스티커 테두리가 될 때

네온 거리 초상은 "magenta and cyan neon rim light tracing the jacket edges"를 요청했습니다.

A young man in a black bomber jacket over a cream knit polo in a rainy Japanese-style side street; a thin magenta and cyan outline traces his whole silhouette like a cut-out, with bicycles and glowing signs behind
A young man in a black bomber jacket over a cream knit polo in a rainy Japanese-style side street; a thin magenta and cyan outline traces his whole silhouette like a cut-out, with bicycles and glowing signs behind

자켓, 지퍼 포켓, 니트 질감, 젖은 거리와 자전거들은 잘 형성되었고 얼굴도 깨끗합니다. 그러나 림 라이트는 좌측의 분홍과 우측의 청록이 얇게 균일하게 둘러싼 하나의 연속된 윤곽선으로 나타났고, 머리·팔·바지까지 전부 감싸고 있습니다. 실제 림 라이트는 강도가 변화하고 광원에서 멀어진 면에서는 비치지 않아야 하기 때문에, 이 효과는 가장자리에서 빛이 떨어지는 것이라기보다 컷아웃 테두리처럼 보입니다. 뒤의 간판들은 일본어처럼 보이는 글자들을 담고 있지만 실존하는 단어로 읽을 수 없으므로 표지판의 내용을 신뢰하지 마세요. 글로우가 붙여진 것처럼 보이면 색상 지시를 단순화하거나 우선 단일 색상의 엣지 라이트만 요청해 보세요.

나머지 두 초안(크림 블라우스 차림의 창가 인물과 애니메 스타일 옥상 장면)은 제 검토에서 구조적으로 깔끔하게 나왔습니다. 저는 그것들을 보여주지 않으니 더 이상의 주장은 하지 않겠습니다.

여덟 개 초안이 어디에 노력을 들여야 하는지 알려주는 점

이 파일들을 보고 얻은 결론(노드 설정에 대한 A/B 테스트 결과가 아닙니다):

1. 깔끔하게 성공한 경우들은 한 주제, 한 장소, 텍스트가 들어갈 표면이 없는 프롬프트였습니다(여행자, 자전거 장면). 2. 텍스트를 담을 수 있는 표면(시계 다이얼, 병 라벨, 잡지 표지)이 있는 모든 이미지는 의미 없는 글자가 생성되었고, 그중 세 장에서는 글자들이 프롬프트에 있던 카메라 브랜드를 닮았습니다. 3. 이 페이지의 어떤 것도 스텝 수, CFG 또는 sampler를 바꾸면 그 라벨들이 고쳐졌을지 알려주지 않습니다. 그 실험은 실행되지 않았습니다.

이로부터 초안 작업의 간단한 우선순위를 제시할 수 있습니다. 먼저 캔버스 비율과 프롬프트 범위를 고정하세요. 그런 다음 장면에 라벨, 간판, 다이얼, 표지 등이 들어갈 가능성이 있다면 브랜드와 비슷한 단어들을 프롬프트에서 제거하세요. 그다음에야 고정된 seed로 KSampler 값을 한 번에 하나씩 조정하기 시작하세요.

추천할 다음 실험(미검증): 같은 seed로 시계 프롬프트를 다시 돌리되 "Sony A7R V look" 문구를 macro close-up with shallow depth of field와 같은 순수 광학적 설명으로 대체하고 다이얼을 비교해 보세요.

간단한 점검 절차

  • 먼저 썸네일을 확인하세요: 피사체가 식별되나요?
  • 손, 스트랩, 신발 가장자리 및 제품 모서리를 확대해서 보세요.
  • 이미지에 있는 모든 텍스트를 소리 내어 읽으세요. 요청하지 않은 텍스트가 있으면 정보 유출을 의심하세요.
  • 빛의 방향성이 하나인지, 아니면 윤곽선처럼 보이는지 확인하세요.

초안이 통과하면 [Upscaler](/upscaler/en)로 확대할 수 있고, 문구를 반복해서 다듬으려면 [Prompt Lab](/promptlab/en)을 사용하거나 [image generator](/create/en)에서 프롬프트를 시도해 보세요. 현실적인 초상화에서 문구 스타일을 비교하려면 AI 느낌을 줄이는 관련 ComfyUI 기사를 참조하세요.

자주 묻는 질문

DPM++ 2M Karras가 적절한 샘플러인가요? SDXL-class 체크포인트에서 널리 사용되는 기본값이지만, 이 이미지들에 대한 샘플러 데이터는 없습니다. 사용 중인 체크포인트에서 권장하는 샘플러로 시작하세요.

왜 이 그래프에 ControlNet이나 LoRAs를 추가하지 않나요? 노드가 7개인 그래프는 원인과 결과를 관찰하기 쉽기 때문입니다. 초안이 왜 실패했는지 설명할 수 있게 되면 추가 노드를 넣으세요.

> 이 글의 근거. 모델: Krea2 Turbo, 2026-07-10에 생성된 이미지 8장. 저는 여덟 장 모두를 열어 검사했습니다(여섯 장은 보여주고, 두 장은 한 줄로 설명함). 생성 기록에는 프롬프트와 모델 이름만 남아 있습니다; ComfyUI 그래프, steps, CFG, sampler 또는 seed는 기록되지 않았으므로 노드와 설정에 대한 조언은 일반적인 지침(미검증)입니다.