Serie Comfy-UI (XXIV): Inpainting SDXL para corregir escenas
- hace 2 minutos
- 16 min de lectura
Cuando generamos una imagen con IA, no siempre hace falta repetir todo el proceso desde cero. A veces la imagen funciona: la composición es buena, el personaje encaja, la iluminación tiene fuerza y el estilo general nos convence, pero hay un detalle que falla: una mano extrañam, una cara poco definida, un objeto que no termina de integrarse, una zona de fondo demasiado vacía, un efecto visual que podría mejorar la escena.
Para esos casos, el inpainting es una herramienta muy útil. La idea es sencilla: en lugar de regenerar toda la imagen, marcamos solo la zona que queremos modificar y dejamos que ComfyUI trabaje sobre esa parte.
En este artículo vamos a construir un workflow básico de inpainting para corregir escenas ya generadas. No buscamos rehacer una imagen completa, sino aprender a mejorar detalles concretos sin perder lo que ya funcionaba.
Qué problema resolvemos ahora
En los últimos artículos hemos trabajado con secuencias de imágenes y storyboards dentro de ComfyUI. Primero organizamos los prompts desde un CSV.Después sincronizamos cada escena con una pose concreta usando OpenPose y un contador maestro. Eso nos permitió generar imágenes más controladas.
Pero incluso con un workflow bien preparado, siempre puede aparecer algún fallo:
una mano mal resuelta;
una cara poco definida;
una zona vacía;
un objeto que no encaja;
un efecto visual que podría tener más fuerza.
El problema es que muchas veces la imagen no está mal, solo hay una parte que necesita mejorar. Ahí entra el inpainting: en lugar de descartar toda la imagen, podemos conservar lo que ya funciona y regenerar únicamente la zona marcada.
Este artículo trata precisamente de eso: usar ComfyUI como herramienta de corrección, no solo como herramienta de generación.
Qué es el inpainting
El inpainting es una técnica que permite modificar una parte concreta de una imagen. En lugar de pedirle al modelo que genere una imagen nueva desde cero, le damos una imagen ya existente y le indicamos qué zona queremos cambiar. Esa zona se define mediante una máscara.
La lógica es muy simple:
Elemento | Función |
Imagen original | La escena que queremos corregir |
Máscara | La zona que ComfyUI puede modificar |
Prompt | La descripción de lo que queremos generar en esa zona |
Denoise | Cuánta libertad tiene el modelo para cambiar la parte enmascarada |
La máscara funciona como una instrucción visual:
blanco = zona que se modifica
negro = zona que se conserva
Esto permite hacer cambios localizados sin perder la composición, el personaje o el estilo general de la imagen.
Por eso el inpainting es especialmente útil cuando una imagen está casi bien, pero necesita una corrección puntual.
🎯Qué vamos a construir
En este artículo vamos a construir un workflow sencillo de inpainting en ComfyUI. El objetivo será cargar una imagen ya generada, marcar una zona concreta y regenerar solo esa parte. No vamos a crear una escena desde cero, vamos a trabajar sobre una imagen existente para corregirla o mejorarla.
El workflow estará formado por estos bloques:
Bloque | Función |
Load original scene | Carga la imagen que queremos corregir |
Load mask | Carga la máscara que indica la zona editable |
Checkpoint SDXL | Modelo base para la generación |
LoRA | Ayuda a mantener el estilo, pero con fuerza muy baja |
Prompt positivo | Describe la corrección que queremos aplicar |
Prompt negativo | Evita errores comunes |
VAE Encode for Inpainting | Prepara imagen y máscara para el proceso |
KSampler | Regenera la zona marcada |
VAEDecode | Convierte el resultado en imagen |
Preview / Save | Permite revisar y guardar la imagen corregida |
La idea es mantener el workflow limpio y reutilizable.
Primero probaremos con un caso visual sencillo: añadir llamas y efectos de fuego alrededor del personaje. Es un buen ejemplo porque modifica el ambiente de la escena sin obligarnos a rehacer la pose, el rostro o la composición completa.
Cuándo merece la pena usar inpainting
El inpainting funciona especialmente bien cuando queremos hacer modificaciones pequeñas o localizadas.
No es la herramienta ideal para cambiar por completo una imagen, pero sí puede ser muy útil cuando ya tenemos una escena que funciona y solo queremos ajustar una parte.
Algunos casos habituales son:
Caso | Qué podemos corregir |
Cara | Ojos, expresión, definición o pequeños defectos |
Manos | Dedos, agarre, postura o deformaciones |
Ropa | Detalles de armadura, telas, guantes o accesorios |
Objetos | Pequeñas armas, símbolos, botones, piezas o adornos |
Fondo | Luces, humo, chispas, señales o zonas vacías |
Efectos | Fuego, energía, niebla, partículas o resplandores |
La clave está en que el cambio tenga sentido dentro de la imagen original.
Si queremos añadir unas llamas alrededor del personaje, mejorar un brillo o reforzar un detalle de la escena, el modelo tiene contexto suficiente para integrarlo. En cambio, si intentamos cambiar la pose completa o añadir un objeto grande desde cero, el resultado puede ser mucho menos predecible.
Se usa el inpainting como una herramienta de retoque y mejora, no como una herramienta para rehacer toda la composición.
Cuándo no es la mejor herramienta
El inpainting es muy útil, pero tiene límites. Funciona mejor cuando la imagen original ya tiene una buena base y solo queremos modificar una zona concreta.
Cuando intentamos usarlo para cambios demasiado grandes, el resultado suele ser más impredecible.
Por ejemplo, puede fallar si queremos:
Cambio | Por qué puede fallar |
Cambiar una pose completa | La estructura del cuerpo ya está definida en la imagen original |
Añadir un objeto grande desde cero | El modelo puede no integrarlo bien con la mano, la perspectiva o el espacio |
Meter otro personaje | Requiere coherencia de escala, iluminación, pose y composición |
Modificar media imagen | Deja de ser una corrección local y se parece más a una generación nueva |
Generar texto exacto | SDXL no suele producir letras precisas y legibles de forma fiable |
Esto no significa que sea imposible. Significa que, cuanto más ambicioso sea el cambio, más difícil será que el resultado encaje bien con el resto de la imagen.
En esos casos puede ser mejor generar una nueva versión de la escena, usar ControlNet para planificar mejor la composición o hacer una edición externa antes de volver a pasar por ComfyUI.
El ejemplo del artículo: añadir llamas alrededor del personaje
Para probar este workflow vamos a utilizar un caso sencillo y visual: añadir llamas alrededor de un personaje ya generado.
La imagen original funciona bien, pero queremos reforzar el ambiente de la escena. No vamos a cambiar la pose. No vamos a rehacer el personaje. No vamos a modificar toda la composición. Solo vamos a intervenir en una zona concreta: el entorno alrededor del personaje.
Este tipo de modificación encaja muy bien con el inpainting, porque el modelo ya tiene mucho contexto visual:
sabe dónde está el personaje;
entiende la iluminación general;
mantiene la composición;
solo tiene que completar una zona concreta con fuego, humo y partículas.
Para esta prueba podemos usar un prompt como este:
powerful flames, burning fire surrounding the scene, glowing embers, sparks, smoke, dramatic cinematic fire, intense orange glow, consistent with the original lighting, dark industrial fantasy atmosphere, high detail
Y como prompt negativo:
blurry, low quality, bad anatomy, deformed character, extra limbs, distorted face, unrealistic fire, flat flames, text, watermark, logo
La máscara deberá cubrir principalmente las zonas exteriores donde queremos que aparezcan las llamas, evitando tapar demasiado el cuerpo del personaje si no queremos modificarlo. El objetivo es que el fuego se integre en la escena sin destruir lo que ya funcionaba en la imagen original.
La máscara: blanco modifica, negro conserva
En un workflow de inpainting, la máscara es la que indica qué parte de la imagen puede cambiar y qué parte debe mantenerse intacta.
La lógica es sencilla:
Color de la máscara | Qué hace ComfyUI |
Blanco | Zona que se puede modificar |
Negro | Zona que se conserva |
Esto permite trabajar de forma muy controlada. Si queremos añadir llamas alrededor del personaje, la máscara debe cubrir principalmente las zonas donde queremos que aparezca el fuego.
No hace falta enmascarar toda la imagen. De hecho, cuanto mejor definida esté la máscara, más fácil será que el resultado se integre con la escena original.
🎭 Máscara externa o máscara desde ComfyUI
Podemos preparar la máscara de dos formas:
Método | Ventaja |
Máscara externa | Más control si la hacemos en Photoshop, GIMP, Krita o similar |
Máscara desde ComfyUI | Más rápido para pruebas y correcciones sencillas. Una vez cargada la imagen en el nodo, botón derecho y "Open in a Mask Editor" |
En nuestro workflow usamos un nodo Load mask para cargar la máscara como archivo separado.
Después usamos MaskToImage y un nodo de previsualización para comprobar visualmente qué zona estamos modificando.
Esto es importante: antes de generar, conviene mirar siempre la máscara. Si la máscara está mal, el resultado también lo estará.
🔎 Canal de la máscara
El nodo Load mask permite elegir el canal que se usará como máscara.
Si usamos una máscara en blanco y negro normal, podemos usar un canal de color como red.
Si la máscara viene de una imagen con transparencia, podemos usar alpha.
En nuestro caso, al trabajar con una máscara generada desde el editor de ComfyUI, usamos el canal alpha. Lo importante no es el canal en sí, sino comprobar en el preview que la zona blanca corresponde exactamente a la parte que queremos regenerar.
El problema del tamaño de la máscara
Una de las cosas más importantes en inpainting es decidir cuánto espacio vamos a enmascarar.
Si la máscara es demasiado pequeña, el modelo tiene muy poco margen para crear algo nuevo.
Si la máscara es demasiado grande, puede modificar más partes de la imagen de las que queríamos tocar.
Por eso no existe una máscara perfecta para todos los casos.
Depende del tipo de corrección que queramos hacer.
Tipo de cambio | Tamaño de máscara recomendado |
Corregir un ojo, dedo o pequeño detalle | Máscara pequeña y precisa |
Mejorar una mano completa | Máscara media, incluyendo algo de margen |
Añadir fuego, humo o energía | Máscara más amplia alrededor del efecto |
Cambiar una zona del fondo | Máscara amplia pero alejada del personaje |
Añadir un objeto nuevo | Más complicado; suele necesitar más espacio y varios intentos |
En nuestro ejemplo, como queremos añadir llamas alrededor del personaje, conviene enmascarar las zonas exteriores donde queremos que aparezca el fuego, pero evitando cubrir demasiado el cuerpo.
La máscara debe darle espacio al modelo para generar el efecto, pero sin obligarle a reinterpretar todo el personaje.
Una regla práctica es esta:
enmascara un poco más de lo que quieres cambiar,pero no tanto como para que el modelo tenga que reconstruir media imagen.
Si el resultado queda pobre, podemos ampliar ligeramente la máscara.
Si cambia demasiado la escena, la reducimos.
El inpainting es un proceso de ajuste: máscara, prompt y denoise tienen que trabajar juntos.
El prompt en inpainting
En un workflow normal de generación de imágenes, el prompt suele describir toda la escena. En inpainting, el enfoque cambia. No necesitamos volver a describir toda la imagen, porque ya partimos de una escena existente. Lo que necesitamos es explicar qué queremos generar o corregir dentro de la zona enmascarada.
Por eso, el prompt debe ser más concreto.
En nuestro ejemplo no escribimos simplemente:
dark fantasy warrior
Eso sería demasiado general. Lo que queremos es modificar el ambiente alrededor del personaje, así que usamos un prompt centrado en el efecto:
powerful flames, burning fire surrounding the scene, glowing embers, sparks, smoke, dramatic cinematic fire, intense orange glow, consistent with the original lighting, dark industrial fantasy atmosphere, high detail
La clave está en describir:
qué queremos añadir;
cómo debe integrarse;
qué iluminación debe respetar;
qué estilo visual debe mantener.
El prompt negativo también debe adaptarse a la corrección. En este caso, nos interesa evitar fuego poco realista, deformaciones del personaje o elementos que no queremos que aparezcan:
blurry, low quality, bad anatomy, deformed character, extra limbs, distorted face, unrealistic fire, flat flames, text, watermark, logo
En resumen:
en inpainting, el prompt no dirige toda la imagen; dirige la zona que hemos decidido corregir.
El papel del LoRA en este workflow
En este workflow hemos mantenido un LoRA, pero con una fuerza muy baja.
La razón es sencilla: el LoRA puede ayudar a que la zona corregida mantenga el mismo estilo visual que la imagen original.
Por ejemplo, si la escena tiene una estética muy marcada —fantasía oscura, cyberpunk, ilustración épica o ciencia ficción industrial—, el LoRA puede ayudar a que el parche generado no parezca sacado de otra imagen.
Pero en inpainting hay que usarlo con cuidado. No queremos que el LoRA reinterprete toda la zona enmascarada ni que introduzca detalles que no necesitamos.
En nuestro workflow lo dejamos prácticamente al mínimo:
Parámetro | Valor |
LoRA model strength | 0.01 |
LoRA clip strength | 0.01 |
Esto permite tenerlo dentro del workflow sin que domine el resultado.
Si la imagen original tiene un estilo muy concreto, podemos subirlo ligeramente.
Si estamos haciendo una corrección pequeña o muy realista, probablemente sea mejor dejarlo bajo o incluso desactivarlo.
La idea importante es esta:
en inpainting, el LoRA no es el protagonista; es solo una ayuda para mantener coherencia visual.
Por eso lo incluimos en el workflow, pero no dependemos de él para que la corrección funcione.
Limitación importante: texto y letras en SDXL
Durante las pruebas también vimos un caso interesante: usar inpainting para modificar un cartel dentro de la imagen. Sobre el papel parece un ejemplo perfecto. El cartel ya existe, la zona está bien delimitada y solo queremos cambiar su contenido. Pero aquí aparece una limitación importante:
SDXL no suele generar texto preciso y legible de forma fiable.
Esto significa que, aunque podemos pedirle que escriba una frase concreta en un cartel, el resultado puede salir con:
letras deformadas;
palabras incompletas;
símbolos extraños;
texto visualmente creíble, pero ilegible;
errores en frases sencillas.
Por eso, el inpainting puede servir para cambiar el aspecto general de un cartel, convertirlo en una señal metálica, hacerlo más oscuro o integrarlo mejor en la escena.
Pero si necesitamos un texto exacto, lo más recomendable es añadirlo después con una herramienta externa de edición.
En resumen:
Objetivo | Recomendación |
Cambiar el estilo de un cartel | Inpainting puede funcionar bien |
Sugerir texto o símbolos | Inpainting puede ser suficiente |
Generar una frase exacta y legible | Mejor editar el texto fuera |
Mantener tipografía y mensaje preciso | Mejor postproducción externa |
Esta limitación no invalida el uso del inpainting. Simplemente nos recuerda que cada herramienta tiene su terreno natural, y en el caso de SDXL, el texto exacto todavía no es su punto más fuerte.
⚙️El workflow: estructura general
El workflow tiene una estructura bastante sencilla. Podemos entenderlo como tres bloques principales:
Bloque | Función |
Imagen y máscara | Define qué imagen corregimos y qué zona se puede modificar |
Modelo, LoRA y prompts | Indica cómo debe generarse la corrección |
Inpainting y salida final | Regenera la zona enmascarada y guarda el resultado |
La parte más importante del workflow es el nodo VAE Encode for Inpainting.
Este nodo recibe:
la imagen original;
la máscara;
el VAE del modelo.
Con esos tres elementos prepara el latent que después utilizará el KSampler para generar la corrección.
El flujo general sería:
Imagen original + máscara
↓
VAE Encode for Inpainting
↓
KSampler
↓
VAE Decode
↓
Imagen corregida
En paralelo, el modelo SDXL, el LoRA y los prompts preparan las instrucciones visuales de la corrección.
De esta forma, el workflow separa muy bien las responsabilidades:
la imagen original aporta el contexto;
la máscara indica dónde actuar;
el prompt explica qué generar;
el denoise decide cuánto puede cambiar;
el KSampler produce la nueva versión.
Es un workflow pequeño, pero muy útil como herramienta de postproducción dentro de ComfyUI.
🧱Entendiendo el workflow paso a paso
Aunque el workflow es sencillo, conviene entender qué hace cada bloque.
La primera parte carga la imagen original. Ahí colocamos la escena que queremos corregir. En nuestro caso, una imagen ya generada sobre la que vamos a añadir llamas alrededor del personaje.
Después cargamos la máscara. La máscara indica dónde puede trabajar el modelo. Para comprobarla mejor, la convertimos con MaskToImage y la enviamos a un nodo de previsualización.
Esto nos permite revisar visualmente la zona que vamos a modificar antes de lanzar la generación.
1. Modelo y LoRA
El workflow carga un modelo SDXL como base de generación. Después pasa por un LoraLoader.
En este caso el LoRA está configurado con una fuerza muy baja, porque no queremos transformar el estilo completo de la imagen.
Solo queremos que, si aporta algo, ayude a mantener cierta coherencia visual en la zona corregida.
2. Prompts de corrección
El prompt positivo describe el efecto que queremos generar en la zona enmascarada.
En nuestro ejemplo:
powerful flames, burning fire surrounding the scene, glowing embers, sparks, smoke, dramatic cinematic fire, intense orange glow, consistent with the original lighting, dark industrial fantasy atmosphere, high detail
El prompt negativo evita errores habituales:
blurry, low quality, bad anatomy, deformed character, extra limbs, distorted face, unrealistic fire, flat flames, text, watermark, logo
La idea es que ambos prompts estén centrados en la corrección, no en describir toda la imagen desde cero.
3. VAE Encode for Inpainting
Este es el nodo central del workflow. Recibe tres elementos:
Entrada | Función |
Imagen original | Aporta el contexto visual |
Máscara | Indica la zona modificable |
VAE | Prepara la imagen para trabajar en latent space |
A partir de ahí genera el latent que se enviará al KSampler.
4. KSampler
El KSampler es quien realiza la regeneración de la zona enmascarada.
En este workflow usamos:
Parámetro | Valor |
Steps | 30 |
CFG | 7 |
Sampler | euler |
Scheduler | normal |
Denoise | 0.99 |
Ese denoise alto da mucha libertad al modelo dentro de la máscara, algo útil cuando queremos añadir efectos visibles como fuego, humo o chispas. Para correcciones más sutiles, convendría bajarlo.
5. Salida final
El resultado del KSampler pasa por VAEDecode, que convierte el latent en imagen visible.
Después lo enviamos a:
Preview corrected image, para revisar el resultado;
Save corrected scene, para guardar la imagen corregida.
Con esto tenemos un workflow pequeño, limpio y fácil de reutilizar.
Ajustes clave: CFG y denoise
En este workflow hay dos parámetros que conviene vigilar especialmente: CFG y denoise. No son los únicos ajustes importantes, pero sí los que más se notan cuando hacemos inpainting.
Denoise
El denoise controla cuánta libertad tiene el modelo para modificar la zona enmascarada.
Denoise | Resultado habitual |
0.20 – 0.35 | Corrección muy suave |
0.40 – 0.60 | Cambio moderado |
0.65 – 0.85 | Cambio fuerte |
0.90 – 1.00 | Reinterpretación casi completa de la zona |
En nuestro ejemplo usamos un valor alto:
0.99
Esto tiene sentido porque queremos añadir un efecto visible alrededor del personaje: llamas, humo, chispas y resplandor.
Para corregir una cara, una mano o un pequeño detalle, probablemente usaríamos un valor más bajo.
CFG
El CFG indica cuánto peso tiene el prompt sobre la generación.
En este workflow usamos:
CFG 7
Es un valor bastante equilibrado. Permite que el modelo siga el prompt sin forzarlo demasiado.
Si el resultado ignora la corrección, podemos subirlo ligeramente. Si el resultado se vuelve artificial o demasiado agresivo, podemos bajarlo.
Regla práctica
Objetivo | Denoise recomendado | CFG recomendado |
Corregir un pequeño defecto | 0.30 – 0.50 | 5.5 – 7 |
Mejorar una mano o rostro | 0.45 – 0.65 | 6 – 7.5 |
Añadir fuego, humo o energía | 0.70 – 1.00 | 6.5 – 8 |
Cambiar bastante una zona | 0.80 – 1.00 | 7 – 8 |
Lo importante es ajustar con intención.
Si queremos una corrección sutil, bajamos el denoise.
Si queremos que el modelo cree algo nuevo dentro de la máscara, lo subimos.
En inpainting, muchas veces el resultado no depende solo del prompt, sino de encontrar el equilibrio correcto entre máscara, denoise y CFG.
Errores típicos y cómo corregirlos
Aunque el workflow es pequeño, hay varios puntos que pueden afectar mucho al resultado. La mayoría de problemas aparecen por una combinación de máscara, prompt, denoise y expectativas demasiado ambiciosas.
Problema | Posible causa | Qué probar |
No cambia nada en la imagen | La máscara no está entrando bien o el denoise es demasiado bajo | Revisar el preview de la máscara y subir el denoise |
Cambia demasiado la escena | La máscara es demasiado grande o el denoise está muy alto | Reducir la máscara o bajar el denoise |
El efecto no aparece | El prompt es poco concreto o la zona enmascarada no tiene espacio suficiente | Hacer el prompt más directo y ampliar ligeramente la máscara |
El resultado no encaja con la imagen original | El modelo reinterpreta demasiado la zona | Bajar denoise, ajustar CFG o reducir la máscara |
El personaje se deforma | La máscara invade demasiado el cuerpo o la cara | Enmascarar más lejos del personaje o reducir la zona blanca |
El LoRA contamina el resultado | El LoRA tiene demasiada fuerza para una corrección local | Bajar el peso del LoRA o desactivarlo |
El fuego, humo o energía quedan pobres | Denoise demasiado bajo o prompt poco específico | Subir denoise y describir mejor el efecto |
Las letras salen mal | SDXL no genera texto preciso de forma fiable | Usar inpainting solo para el aspecto del cartel y añadir el texto después fuera de ComfyUI |
La máscara parece correcta, pero actúa al revés | Blanco y negro están invertidos | Invertir la máscara o revisar cómo se ha exportado |
La zona corregida queda con borde raro | La máscara está demasiado dura o no tiene margen | Ampliar un poco la zona y suavizar el borde si es posible |
La comprobación más importante es siempre la misma:
imagen original → máscara → prompt → denoise
Si la máscara no define bien la zona, el prompt no puede arreglarlo todo.
Si el denoise no tiene el valor adecuado, el modelo puede quedarse corto o cambiar demasiado.
Y si el cambio que pedimos es demasiado grande, quizá el problema no sea el workflow, sino la herramienta elegida.
El inpainting funciona mejor cuando lo usamos como una herramienta de corrección local, no como una forma de reconstruir toda la imagen.
Qué puedes probar a continuación
Una vez que el workflow funciona, podemos reutilizarlo para muchos tipos de correcciones.
La estructura es siempre la misma: cargar una imagen, preparar una máscara, escribir un prompt específico y ajustar el denoise según el cambio que queramos hacer.
Algunas pruebas interesantes serían:
Prueba | Qué permite comprobar |
Añadir humo o niebla | Modificar el ambiente sin tocar al personaje |
Cambiar el color de una luz | Ajustar la iluminación de una escena concreta |
Reforzar una explosión o energía | Mejorar efectos visuales ya presentes |
Corregir una mano | Arreglar dedos, agarre o deformaciones |
Mejorar una cara | Afinar ojos, expresión o definición |
Modificar una pieza de ropa | Cambiar detalles de armadura, guantes o accesorios |
Retocar el fondo | Añadir profundidad, partículas o elementos menores |
Preparar una imagen para upscale | Corregir fallos antes de aumentar resolución |
También puede ser interesante probar el mismo workflow con diferentes niveles de denoise. Una misma máscara puede producir resultados muy distintos si trabajamos con 0.45, 0.70 o 0.95. Eso ayuda a entender mejor hasta dónde podemos empujar una corrección antes de que el modelo empiece a reinterpretar demasiado la imagen.
🗺️Conclusión
El inpainting no convierte una imagen mala en una imagen perfecta de forma automática. Su verdadero valor está en otra parte: permite trabajar sobre imágenes que ya funcionan y corregir solo aquello que necesita mejorar.
En este artículo hemos construido un workflow sencillo para cargar una escena, aplicar una máscara y regenerar una zona concreta sin rehacer toda la imagen. Durante las pruebas vimos algo importante: el inpainting funciona especialmente bien con cambios locales.
Añadir fuego, humo, energía, corregir una mano, mejorar una cara o ajustar un detalle del fondo son usos muy razonables. En cambio, cuando intentamos pedirle cambios demasiado grandes, como añadir un objeto complejo desde cero o modificar la composición completa, el resultado se vuelve mucho menos predecible.
Por eso conviene entender esta herramienta como una fase de postproducción dentro de ComfyUI.
Primero generamos la imagen. Después revisamos qué funciona y qué falla. Y finalmente usamos inpainting para pulir zonas concretas.
La idea clave es sencilla:
no siempre hay que volver a empezar;a veces basta con corregir bien una parte.
Ese es el valor de este workflow: convertir una imagen casi buena en una imagen mucho más aprovechable.
🌐 Recursos útiles
🌍 Hugging Face: uno de los mayores repositorios de IA del mundo, donde encontrarás miles de modelos —incluidos los compatibles con Stable Diffusion y ComfyUI— listos para descargar y usar.
🎨CivitAI: plataforma comunitaria donde los usuarios comparten modelos, estilos, LoRAs y nodos específicos para ComfyUI, clasificados por categoría, versión y nivel de complejidad.
🧠 En Lozkorp:
Descubre el artículo previo donde introdujimos ComfyUI dentro del ciclo “Generación de imágenes con IA en local (IV)”:🔗 Generación de imágenes con IA en local (IV) — ComfyUI
Serie ComfyUI (V) -- Generar imágenes a partir de prompts guardados en un archivo de texto
Serie ComfyUI (VI) — Extraer prompts desde una carpeta de imágenes (WD14 Tagger)
Serie ComfyUI (VII) — Img2Img simple: mejorar o modificar una imagen en local
Serie ComfyUI (VIII) — Upscale de imágenes: qué es, cómo funciona y workflow comparativo
Serie ComfyUI (IX) — Upscale y normalización automática de imágenes
Serie ComfyUI (XI) — Introducción a ControlNet: control real sobre la forma
Serie ComfyUI (XII) — ¿Qué es un LoRA y cómo usarlo en Stable Diffusion?
Serie ComfyUI (XIII) — Multi-LoRA: cómo combinar estilos sin romper la imagen
Serie Comfy-UI (XIV): ControlNet + LoRA: control total de forma y estilo
Serie ComfyUI (XV) — ControlNet + LoRA en FLUX: nuevas opciones para control de forma y estilo
Serie ComfyUI (XVI) — Multi-ControlNet: combinando varios controles en un mismo workflow
Serie ComfyUI (XVII) — Multi-ControlNet para personajes: controlando pose y detalle
Serie ComfyUI (XVIII) — FLUX Turbo: generación rápida y nuevos workflows
Serie ComfyUI (XIX) — FLUX + Multi-LoRA: combinando estilos con Power Lora Loader
Serie ComfyUI (XX) — Consistencia de personajes con ControlNet, LoRA y prompts
Serie ComfyUI (XXI) - Consistencia de personajes con IPAdapter
Archivo JSON de este ejemplo
📁 wf_ComfyUI_XXIV_Inpainting_CorrectScenes_SDXL_LoRA.json
Comentarios