ComfyUIでSDXLワークフローのレンダリング時間を短縮する方法

ComfyUI SDXLワークフローでレンダリング時間を短縮する最も簡単な方法は、通常、低レベルの起動フラグを変更する前に拡散処理の量を減らすことです。適切なSDXL解像度でテストを行い、調整中はバッチサイズを1に保ち、品質が維持されている場合はサンプリングステップ数を減らし、リファイナー、ControlNetブランチ、アップスケールパス、プリプロセッサなどの高負荷な追加処理を一時的にバイパスします。その後で初めて、VRAM、アテンション、プレビュー、キャッシュの動作を調整します。

この順序が重要なのは、起動フラグでは、GPUに必要以上の作業を2倍または3倍要求するようなワークフローを補正できないためです。現在のComfyUIのドキュメントでは、生成が遅い場合はまず解像度またはバッチサイズを下げ、必要に応じてメモリとアテンションの最適化を行うことを推奨しています。以下のガイダンスは、2026年9月13日に現在のComfyUIおよびPyTorchのドキュメントに基づいて確認済みです。

ComfyUIでSDXLワークフローが遅くなる理由

SDXLレンダリングでは、モデルのウェイトの読み込みや移動、CLIPテキストのエンコード、KSampler内部でのノイズ除去の繰り返し、ControlNetなどのコンディショニング、VAEのデコード、アップスケーリング、およびセカンドパスやリファイナーステージなど、さまざまな処理に時間がかかる場合があります。VRAMが不足している場合は、CPUからGPUへのデータ転送によってさらにレイテンシが増加する可能性があります。

つまり、同じGPUを使用している2人のユーザーでも、レンダリング時間が大きく異なる可能性があるということです。基本的な1024クラスのテキストから画像へのグラフは、リファイナー、2つのControlNet、高解像度の2回目のパス、および大きなバッチ処理を追加したワークフローとは比較になりません。目標は、グラフのどの部分が高コストであるかを特定し、実際に重視する出力品質を犠牲にすることなく、その部分を削除または最適化することです。

1. 変更を加える前に、クリーンな基準値を測定してください。

固定プロンプト1つ、固定シード1つ、バッチサイズ1、出力解像度は同一に設定してください。ワークフローは少なくとも2回実行してください。最初の実行では、チェックポイントの読み込み、コンパイル、ディスクI/O、モデル転送などが含まれる場合があります。2回目以降の実行の方が、定常状態での生成速度をより正確に測定できます。

また、実際にGPUが処理を行っているかどうかも確認してください。NVIDIAシステムでは、nvidia-smiVRAM使用量とGPU使用率を表示できます。システムがデータの転送やモデルの読み込みを継続的に行っているにもかかわらずGPU使用率が低いままの場合、ボトルネックはサンプラー自体ではなく、メモリ負荷またはI/Oにある可能性があります。

2. 必要な結果が得られる最小のSDXLグラフから始めます。

複雑なワークフローを最適化する前に、チェックポイントの読み込み、プロンプトの調整、空の潜在イメージ、KSampler、VAEデコード、イメージの保存という最小限のパスと比較してください。ComfyUIの公式サンプルでは、​​SDXLベースチェックポイントを通常のチェックポイントと同様に使用できることが示されています。この基本グラフが高速なのに、実際の運用グラフが遅い場合は、余分な分岐が問題の原因です。

ドラフト作成時には、現在の決定に不可欠ではないコンポーネントを一時的にバイパスしてください。例としては、リファイナー、2回目のアップスケール処理、画像前処理、複数のControlNet、オプションのスタイル分岐などが挙げられます。ベース画像が許容範囲に達したら、それらを1つずつ再度有効にしてください。

3. 極端な速度設定を追求する前に、KSamplerのステップ数を減らしてください。

サンプリングステップは、ノイズ除去ステップが増えるほど処理量が増えるため、最も分かりやすい調整方法の一つです。ステップ数を高い値から低い値に減らすと、レンダリングのサンプリング部分は短くなりますが、モデルの読み込み、プロンプトのエンコード、VAEのデコード、その他のノードの処理に時間がかかるため、全体の実行時間は同じ割合で短縮されるわけではありません。

他人が提示する普遍的な「最適」なステップ数をそのまま真似しないでください。適切なステップ数は、チェックポイント、サンプラー、スケジューラー、プロンプト、CFG、および品質目標によって異なります。実用的な方法は、シード値を固定し、小さなステップ数を段階的にテストすることです。例えば、現在の設定値から始めて、少しずつ減らし、さらに減らしていくといった具合です。テクスチャ、解剖学的構造、タイポグラフィ、またはプロンプトの忠実度が許容範囲を超えて劣化したら、そこでテストを中止してください。

4. テストの解像度とバッチサイズを適切に管理する

SDXLの場合、ComfyUIの公式SDXLサンプルでは、​​最適な基本モデル動作のために、1024×1024、または896×1152や1536×640など、ほぼ同じピクセル数を持つ他のアスペクト比を推奨しています。このピクセル数を大幅に超えると、潜在的なサイズが増加し、計算量とメモリ使用量が増加します。

プロンプトとワークフローの調整中は、batch_sizeスループットテストが特に必要な場合を除き、1に設定してください。バッチ4は、パイプラインに1回の実行で4枚の画像を生成するように要求します。これは一部の設定ではスループットを向上させる可能性がありますが、最初の画像が生成されるまでの時間を最小限に抑える方法ではなく、メモリ要件も増加します。

最終成果物がSDXLの標準解像度を超える必要がある場合は、「構図テスト」を最終的な高解像度処理とは別に行うことを検討してください。まずプロンプト、シード、コンディショニング、構図を正しく設定し、その後、選定した候補に対してのみ、高額なアップスケール処理や2回目の処理を実施します。

5. サンプラーとスケジューラーのベンチマークを行い、どちらかが常に最速であると仮定しない。

ComfyUIはKSamplerにおいて、複数のサンプラーとスケジューラーの選択肢を提供しています。これらの組み合わせによって、許容できる品質に達するまでのステップ数は異なるため、「最速」とは、単に最短の実行時間ではなく、必要な品質で最速であることを意味します。

比較する際は、同じチェックポイント、プロンプト、シード、解像度、およびCFGを使用してください。サンプラーまたはスケジューラーのみを変更し、レンダリング時間と表示品質の両方を比較してください。チェックポイントに必要なステップ数が大幅に少なく、かつ目的の結果が維持される場合は、速度面で大きなメリットとなります。詳細を復元するために追加のステップが必要な場合は、見かけ上の利点は失われる可能性があります。

6. 不要なグラフ処理を削除し、ComfyUIの実行モデルを有効活用する

ComfyUIは、実行が必要なグラフの部分のみを実行するように設計されています。プロジェクトのドキュメントには、変更されていない部分は実行間で再利用できると記載されており、現在のバックエンドには設定可能なノード結果のキャッシュ機能が含まれています。これは、ワークフロー全体を再構築するのではなく、下流の値のみを変更する場合に便利です。

ローダーノードと高負荷なアップストリーム処理は、可能な限り安定した状態に保つようにしてください。チェックポイントを頻繁に切り替えたり、大きな画像を繰り返しリサイズしたり、アップストリームノードを無効化したりすると、キャッシュされた処理のメリットが失われます。

ComfyUIには、選択した出力ノードに必要なワークフローの一部のみを実行できる部分実行機能も搭載されています。ダウンストリームブランチをテストする場合や、大規模なグラフ内のすべての出力を再生成する必要がない場合にこの機能を使用してください。

7. グラフが効率的になった後で、プレビュー、キャッシュ、VRAM モード、およびアテンションを調整する。

現在のComfyUIコマンドラインオプションには、いくつかのパフォーマンス制御機能が用意されています。これらの効果はハードウェアと利用可能なメモリに依存するため、必須のスイッチではなく、ベンチマーク候補として扱うようにしてください。

現在のCLIでは非同期ウェイトオフロードも利用可能で、ヘルプテキストにはNVIDIAではデフォルトで有効になっていると記載されています。つまり、フラグを追加しても自動的に最適化されるわけではないため、まずは現在の起動コマンドとログを確認してください。

PyTorchのスケーリングされたドット積アテンションは、入力とハードウェアが許せば、FlashAttentionなどの最適化されたCUDA実装やメモリ効率の良いアテンションを自動的に選択できます。これが、最新のアテンションパスが重要になる理由ですが、具体的な効果はハードウェアに依存します。SDXLワークフローに当てはまるかのように、一般的なパーセンテージを引用することは避けてください。

8. キューとバッチの動作を目標に沿わせる

フィードバックループを最速にすることが最優先事項であれば、調整中は一度に1枚の画像をキューに追加してください。キューの数やバッチ数を増やすことは、設定が既に分かっていてスループットを向上させたい場合に有効ですが、最初の画像が届くまでの時間を短縮するわけではありません。

ワークフローが確定したら、スループットを個別にベンチマークできます。その時点で、VRAMに余裕があり、1分あたりの画像総数が画像ごとのレイテンシよりも重要であれば、より大きなバッチサイズが有効な場合があります。

最適化が実際に効果があったかどうかを確認する方法

処理速度を速くすることは、画像が目標を満たしている場合にのみ有効です。同じシードとプロンプトを使用して、処理前と処理後を比較してください。設定が厳しすぎる場合に最初に失敗する箇所（小さな文字、手や顔、繰り返しパターン、細かい素材、エッジのディテール、プロンプト固有の属性への準拠など）を確認してください。

各テストについて、少なくとも以下の4項目を記録してください。合計実行時間、サンプリングステップ数、解像度、およびモデルのロードが発生したかどうか。最初の実行に30秒かかり、2回目の実行に12秒かかった場合でも、サンプラーの変更を自動的に評価しないでください。最初の実行では、チェックポイントのロードコストが支払われただけかもしれません。

実用的な最適化順序

1. ウォームアップ済みの実行結果をベンチマークします。シード値、プロンプト値、解像度、バッチサイズは固定してください。
2. 不要な分岐を削除します。リファイナー、ControlNet、アップスケール、またはオプションのプリプロセッサを使用せずに、基本となるSDXLパスをテストします。
3. 手順を減らしましょう。品質基準を満たしつつ、最小限の手順数を見つけてください。
4. 解像度は適切な範囲に抑えましょう。高解像度仕上げを行う前に、SDXLの1024ピクセルクラスのピクセル予算に合わせて調整してください。
5. 反復処理中はバッチサイズを1に維持してください。ワークフローが安定してからスループットを最適化してください。
6. サンプラー／スケジューラーの選択肢を比較検討する。同等の許容品質における速度を評価する。
7. キャッシュと部分実行を活用する。変更のない上流処理を再実行することは避ける。
8. 次に、ベンチマーク起動フラグを設定します。プレビュー、VRAM、キャッシュ、アテンションの変更を一つずつテストします。

最適化を強めるのではなく、戦略を変更すべき時

これらの変更後もSDXLワークフローの処理時間が長すぎる場合は、ジョブが実際に何を実行しているのかを調べてください。複数のControlNet、リファイナー、アップスケールを含むプロダクショングラフは、設計上、計算負荷が高い可能性があります。その場合、最終画像のレンダリング時間が長くなることを許容するか、反復処理にはよりシンプルなドラフトワークフローを使用するか、ワークロードをより高速なハードウェアに移行するかの3つの選択肢があります。

同様に、VRAMが常に不足している場合、「より高速な」GPU常駐モードを強制的に有効にするのは間違った解決策です。デフォルトの動的メモリ管理または低VRAM構成での安定した実行は、メモリ不足によるエラーが繰り返されるよりも優れています。メモリ節約設定はレンダリング時間を長くする可能性がありますが、レンダリングが遅くても成功する方が、すぐにクラッシュするよりははるかに有用です。

公式資料

現在の動作とフラグについては、ComfyUI のトラブルシューティングとパフォーマンスに関するガイダンス、現在のComfyUI コマンドライン引数のソース、および公式の ComfyUI SDXL サンプルを参照してください。グラフレベルの最適化については、ComfyUI の部分実行とComfyUI プロジェクトのドキュメントを参照してください。アテンションの動作については、PyTorch のスケーリングされたドット積アテンションのドキュメントを参照してください。