เทคนิคงานกราฟิก — กล่องเครื่องมือ ของทีมภาพ
แก้ภาพ · คุมองค์ประกอบ · ใส่สไตล์ · ขยายความละเอียด · สร้างวิดีโอ — ทุกเทคนิคต่อยอดจากโครง 6-node ในบทที่ 3 (ขอให้แม่นบท 3–4 ก่อน)
5.1
Image-to-Image — สร้างภาพจากภาพต้นแบบ
แทนที่จะเริ่มจากผ้าใบเปล่า เราเริ่มจากภาพจริงแล้วให้ AI วาดทับตาม prompt — workflow เปลี่ยนจากบทที่ 3 แค่จุดเดียว
เปลี่ยนจากผ้าใบเปล่า → เริ่มจากภาพจริงที่ถูกบีบเป็น latent — ที่เหลือเหมือนบทที่ 3 ทุกประการ
ต้นแบบ 45% · ใหม่ 55%กุญแจจากบทที่ 4 กลับมาทำงานจริง: ต่ำ = เหมือนต้นฉบับ · สูง = เปลี่ยนเยอะ — โซนใช้บ่อยของ img2img คือ 0.4–0.7
ใช้ทำ: เปลี่ยนสไตล์ภาพ · ปรับโทน · sketch → ภาพจริง · ภาพถ่าย → การ์ตูน
5.2 · ใช้บ่อยที่สุด
Inpainting — แก้เฉพาะบางส่วนของภาพ
แก้เฉพาะพื้นที่ที่ระบาย mask ไว้ ส่วนที่เหลือคงเดิม — เครื่องมือทำงานจริงที่ทีมกราฟิกใช้บ่อยที่สุด: ลบ/เปลี่ยนวัตถุ เปลี่ยนพื้นหลัง แก้มือเพี้ยน
🖌️ ลากเมาส์ระบาย พื้นที่ที่อยากแก้ — เหมือนใช้ MaskEditor ของจริง
ใน ComfyUI จริง: คลิกขวาที่ภาพใน Load Image → Open in MaskEditor → ระบายแบบเดียวกันนี้
แล้วต่อผ่าน VAE Encode (for Inpainting) — prompt = สิ่งที่อยากให้ปรากฏในพื้นที่ mask · ส่วนนอก mask คงเดิม 100%
💡 เคล็ดลับความเนียน: ขยายขอบ mask เล็กน้อยด้วย grow_mask_by และใช้ denoise ~0.7–0.9 ในพื้นที่ inpaint — ขั้นกว่า: เสริม ControlNet คุมโครงสร้างเดิม (หัวข้อถัดไป)
5.3
ControlNet — คุมองค์ประกอบ / ท่าทาง / เส้นโครง
บังคับโครงสร้างของภาพด้วยภาพอ้างอิง (ท่าทาง เส้นขอบ ความลึก) ขณะที่ prompt ยังคุมเนื้อหา/สไตล์ — ภาพชุดที่ pose เหมือนกันเป๊ะเกิดจากตัวนี้
คุมอะไร
ท่าทาง / โครงกระดูกคน
Use case
จัดท่านางแบบ, คุม pose ตัวละคร
input — โครงกระดูก OpenPose
output — ตัวละครยืนท่าเดียวกันเป๊ะ
ภาพจากคลาส SalmonRK
🔗 เส้นทางข้อมูล: ภาพอ้างอิง → Preprocessor (แปลงเป็นโครง) → Apply ControlNet แทรกเข้าไปใน CONDITIONING ก่อนถึง KSampler — และเสียบหลายตัวพร้อมกันได้ (เช่น Pose + Depth) โดยต่อ Apply ControlNet ซ้อนกัน
5.4
LoRA — ฉีดสไตล์ / ตัวละคร / แบรนด์
ไฟล์เสริมเล็ก ๆ ที่เสียบเพิ่มความสามารถให้โมเดลหลัก — สไตล์ประจำองค์กร มาสคอต สินค้าเฉพาะรุ่น · ปี 2026 เทรน LoRA ได้ในตัว ComfyUI แล้ว (Z-Image, Flux, SDXL, Wan)
สไตล์เข้ม 80%ปกติใช้ 0.6–1.0 · ซ้อนหลายตัวได้แต่ระวังตีกัน · LoRA ต้องตรงตระกูลโมเดล (SDXL↔SDXL, Flux↔Flux)
LoRA มี 3 ประเภท
จำอะไร
จำ “ตัวตน” เฉพาะ — หน้าคน มาสคอต ตัวละคร ให้เรียกกลับมาได้ทุกภาพ
ตัวอย่างการใช้
เทรนหน้าพรีเซนเตอร์/มาสคอตแบรนด์ครั้งเดียว → สร้างภาพคนเดิมในฉากไหนก็ได้ หน้าตรงกันทุกภาพ
💼 เทรนเองได้ — ของจริงจากธุรกิจจริง
ใช้ภาพถ่ายจริงไม่กี่สิบรูปเทรน LoRA ของตัวเอง → ได้ “โมเดลที่รู้จักของของเรา” เอาไปสร้างภาพโฆษณา/คอนเทนต์ได้ไม่จำกัด
สินค้า — รถยนต์แบรนด์
Feature
เทรนจากภาพรถจริง → ทำช็อตโฆษณาฉากใหม่ ๆ (พรีเซนเตอร์ ริมทะเล) โดยรถยังถูกต้องทุกเส้นสาย
แฟชั่น — กางเกงลายช้าง
Feature
จากภาพถ่ายสินค้าจริง → นางแบบใส่จริงในไลฟ์สไตล์ช็อต ลายผ้าคงเดิม
ตัวละคร — หน้าคนจริง
Character
เทรนหน้าคนจริงครั้งเดียว → แปลงเป็นคาแรกเตอร์/คอสตูมไหนก็ได้ หน้ายังเป็นคนเดิม
อาหาร — ไก่ย่างแบรนด์
Feature
จากภาพหน้าเตาจริง → ภาพโฆษณาจัดจานพร้อมโลโก้แบรนด์บนเตา
ภาพจากคลาส SalmonRK
กฎเหล็ก
MODEL ต่างตระกูล ใช้ร่วมกันไม่ได้
Checkpoint / LoRA / ControlNet / VAE / Embedding เป็น “ชุด” ของตระกูลใครตระกูลมัน — จุดพลาดอันดับ 1 ของมือใหม่คือผสมข้ามตระกูลแล้วได้ ภาพมั่วหรือ error เงียบ ๆ โดยไม่รู้ว่าผิดตรงไหน
ตระกูล SD1.5
ตระกูล SDXL
⚠️ กฎนี้ใช้กับ ทุกชิ้นส่วน: ControlNet / VAE / Embedding ก็ต้องตรงตระกูลเช่นกัน · แม้ใน SDXL เองยังแตกสายย่อย (1.0 / LCM / Turbo / Lightning / Pony) — LoRA ที่เทรนกับ Pony อาจเข้ากับ SDXL base ได้ไม่สนิท · ตระกูลใหม่ ๆ (Flux, Qwen, Z-Image) ก็มีชุดของตัวเองแยกอีก — ดูหน้า download ของไฟล์เสมอว่า “for SDXL” หรือ “for SD1.5”
5.5
IPAdapter — ใช้ “ภาพ” เป็น prompt
ส่งภาพอ้างอิงแทนการพิมพ์บรรยาย — ผลลัพธ์ได้สไตล์/องค์ประกอบ/ใบหน้าคล้ายภาพนั้น (image prompt)
🎨
Style transfer
ลุค/โทนคงที่ตาม reference — คุมมู้ดทั้งแคมเปญด้วยภาพเดียว
🧑
FaceID
ถ่ายทอดใบหน้าเฉพาะคน — ใช้ Insightface ที่เราลงไว้แล้วในบทที่ 2
🔄
Multi-angle
สร้างภาพหลายมุมของตัวละคร/สินค้าเดียวกันให้หน้าตาคงเส้นคงวา
5.6
Upscaling — ขยายความละเอียดระดับใช้งานจริง
มี 2 แนวทางหลัก และมักใช้ร่วมกัน — กดสลับดูทั้งสองสาย
ขยายด้วยโมเดล AI เฉพาะทาง — คมขึ้นโดยไม่เปลี่ยนเนื้อหา ตรงไปตรงมาและเร็ว
💡 สองแนวทางมักใช้ร่วมกัน · ภาพใหญ่มากใช้ Ultimate SD Upscale (แบ่ง tile) กัน VRAM ระเบิด · use case: เตรียมภาพพิมพ์/โฆษณา, asset ความละเอียดสูง
5.7
เลือกโมเดลให้ถูกงาน (2025–2026)
ComfyUI รองรับโมเดลใหม่ Day-0 — คำถามจริงคือ “งานนี้ควรใช้ตัวไหน”
จุดเด่น
คุณภาพสูง photorealistic ดีมาก เขียนตัวอักษรในภาพได้ดี
เหมาะกับ
งานคุณภาพสูง, ภาพคน/ฉาก
💡 งานที่มีตัวหนังสือไทย/อังกฤษในภาพ (โปสเตอร์ ป้าย) → กลุ่ม Flux/Qwen เก่ง text rendering · เปิด Templates ในแอป (หมวด Image/Video/Audio/3D/LLM) มี workflow สำเร็จให้เริ่มทุกตัว — โปรไฟล์เต็มของแต่ละโมเดลดูได้ที่ Showcase บทที่ 1
Qwen-Image
release 2025-08-04MMDiT foundation model · 20B parameters- 🔤วาดตัวหนังสือแม่นมาก — ทั้งอังกฤษและจีน (ป้าย โปสเตอร์ โลโก้)
- 🧩เทรน LoRA ของตัวเองได้ — สินค้า/ตัวละคร/สไตล์แบรนด์
- 🎛️มี ecosystem เครื่องมือเสริมครบ เช่น ControlNet
- 🌐Opensource — โหลดมารันใน ComfyUI ได้เลย
- 📊 กราฟขวา: จำนวนพารามิเตอร์โต 20 เท่าจากยุค SD1.5 (~0.9B) → Qwen-Image (20B) — โมเดลใหญ่ขึ้น = เข้าใจภาษามนุษย์/ตัวหนังสือดีขึ้น แต่ก็กิน VRAM มากขึ้นตาม
พารามิเตอร์ (ล้าน): SD1.5 → SDXL → SD3 → FLUX.1 → QWEN 20B
ตัวหนังสืออังกฤษบนป้าย/ปกหนังสือ — คมทุกตัวอักษร
ภาษาโลโกกราฟิก (จีน) หลายบรรทัดบนกระดาน — ยังแม่น
ภาพจากคลาส SalmonRK
Qwen-Image-Edit
release 2025-08-19ต่อยอดจาก Qwen-Image 20B — จูนมาเพื่อ “แก้ไขภาพ” โดยเฉพาะ
Novel View Synthesis — ส่งภาพเข้าไปแล้วสั่ง “ขอดูด้านซ้าย / ด้านหลัง” ได้เลย โดยตัวแบบยังเป็นตัวเดิม รักษาความสอดคล้องทางภาพโดยรวม
ภาพจากคลาส SalmonRK
✍️ อยากเขียน prompt แก้ภาพให้เก่ง (REMOVE / REPLACE / CHANGE / TURN …) → ไปต่อที่หมวด Prompt 101 บทที่ 4 — Prompt แก้ภาพ & วิดีโอ
5.8
Video Generation — สร้างวิดีโอ
เทคนิคยอดนิยม Start/End Frame: กำหนดเฟรมเริ่ม+จบ แล้วให้โมเดลสร้างเฟรมระหว่างกลาง — ลองเองได้เลย
Start frame
เฟรม 1 / 33 — โมเดลสร้างให้End frame
เรากำหนดแค่ เฟรมเริ่ม + เฟรมจบ — Wan 2.2 สร้างเฟรมระหว่างกลางให้เป็นแอนิเมชันลื่น ๆ · เหมาะกับ transition, เปลี่ยนฉาก, animate ภาพนิ่ง, กำหนด pose
⚠️ วิดีโอกิน VRAM และเวลามาก — เริ่มจากความละเอียด/ความยาวต่ำก่อน แล้วค่อยขยาย
Wan 2.1 / 2.2
T2V + I2V คุณภาพ/การควบคุมสูง — โมเดลวิดีโอยอดนิยมปี 2026
HunyuanVideo
text-to-video คุณภาพสูง
LTX-2 / 2.3
open สายเร็ว real-time — 2.3 (22B) สร้างเสียงซิงก์ในตัว · ดูวิธีใช้ใน 5.9
5.9
ใช้งาน LTX-2.3 — วิดีโอ + เสียงในตัว
โมเดลวิดีโอ open ของ Lightricks ที่สร้างเสียงซิงก์กับภาพได้ในตัว — วิธีเขียน prompt 3 ส่วน + ลิงก์โหลดโมเดลสำหรับรันเอง
LTX-2.3 Prompting Tips
🤗 Lightricks/LTX-2.3 ↗GitHub · LTX-2 ↗1Core Actions
บรรยายเหตุการณ์และแอ็กชัน “ตามลำดับเวลา” — เกิดอะไรขึ้นก่อน-หลังในคลิป
“a chef tosses vegetables in a wok, flames rise, then he plates the dish”
2Visual Details
บรรยายรายละเอียดภาพทุกอย่างที่อยากให้ปรากฏ — ฉาก แสง เสื้อผ้า มุมกล้อง
“steam fills a neon-lit kitchen, close-up shot, shallow depth of field”
3Audio
บรรยายเสียงและบทพูดที่ต้องการ — LTX-2.3 สร้างเสียงซิงก์กับภาพในตัว
“sizzling sounds, upbeat jazz, the chef says “dinner is ready!””
เคล็ดลับ: เขียนทั้ง 3 ส่วนรวมเป็น prompt เดียว — แอ็กชันตามเวลา → รายละเอียดภาพ → เสียง/บทพูด ยิ่งบรรยายเป็นลำดับเหตุการณ์ชัด ผลลัพธ์ยิ่งตรง
Model Downloads — สำหรับรันบนเครื่องตัวเอง
วางไฟล์ตามโฟลเดอร์ใน ComfyUI/models/ ให้ตรงตามนี้ — กดชื่อไฟล์เพื่อดาวน์โหลดเลย หรือกด ⧉ เพื่อคัดลอกลิงก์
📂 ComfyUI / 📂 models
├── 📂 checkpoints/
├── 📂 loras/
├── 📂 latent_upscale_models/
⚠️ อัปเดต ComfyUI ให้เป็นเวอร์ชันล่าสุดก่อนใช้ (คู่มืออัปเดต) — Desktop/Cloud ตามรอบ stable release โมเดลที่เพิ่งรองรับใน nightly อาจยังใช้ไม่ได้
5.10 · รวมร่าง
เทมเพลตจริง: pipeline งานสินค้า
พลังจริงของ ComfyUI คือรวมหลายเทคนิคใน workflow เดียว — ตัวอย่าง “ปรับภาพสินค้าให้พร้อมใช้” ใช้ของจากทั้งบทนี้
ภาพสินค้าถ่ายเอง
จาก บท 3
mask รอบสินค้า + ControlNet (Canny) คงรูปทรง
จาก 5.2 + 5.3
โทนภาพประจำองค์กร strength ~0.8
จาก 5.4
model upscale + KSampler รอบสอง denoise 0.35
จาก 5.6
พร้อมใช้ — และทำซ้ำกับสินค้า 100 ชิ้นได้
จาก → บท 6
🔁 สร้างครั้งเดียว ทำซ้ำกับสินค้า 100 ชิ้นได้ — ต่อยอดเป็น automation เต็มรูปแบบในบทที่ 6
✅ สรุปบทที่ 5
- • img2img/denoise = สร้างภาพจากภาพ · inpaint = แก้เฉพาะ mask (ใช้บ่อยสุด)
- • ControlNet คุมโครงสร้าง/ท่าทาง · LoRA ฉีดสไตล์/ตัวละคร · IPAdapter ใช้ภาพเป็น prompt
- • LoRA มี 3 ประเภท (Character / Style / Feature) และเทรนเองจากภาพสินค้า/หน้าคนจริงได้ — แต่ MODEL ต่างตระกูลใช้ร่วมกันไม่ได้ (SD1.5 ↔ SDXL) — จุดพลาดอันดับ 1 ของมือใหม่
- • Upscale 2 แนวทาง (model / latent+KSampler) — ภาพใหญ่ใช้ tile กัน VRAM ระเบิด
- • โมเดลยุคใหม่: Flux/Qwen เก่ง text · Wan 2.2 วิดีโอ — มี Templates ให้เริ่ม
- • พลังจริงคือ รวมหลายเทคนิคใน workflow เดียวแล้วทำซ้ำได้