# ComfyUI: genera 100 imágenes de producto en minutos con IA local

> Genera imágenes en lote con ComfyUI: un workflow de FLUX.1-schnell y un script de Python ponen en cola 100 fotos de producto. Lotes de 1, 4 y 8, medidos.

- Publicado: 2026-03-17
- Revisado: 2026-11-02
- Autor: Jacobo González Jaspe
- Idioma: es
- Etiquetas: ComfyUI, Tutorial, Generación de Imágenes, Workflow
- URL canónica: https://vorluxai.com/blog/tutorial-comfyui-generacion-imagenes-lote/
- Fuente: VORLUX AI (J4SGON S.L.), https://vorluxai.com/

---

Al terminar este artículo pondrás en cola toda tu lista de productos en ComfyUI con un script corto de Python, con FLUX.1-schnell a 1024×1024, y sabrás qué tamaño de lote usar. En nuestra DGX Spark salen unas diez imágenes por minuto: cien imágenes, unos diez minutos.

**Empieza aquí si aún no tienes ComfyUI funcionando:** [ComfyUI 2026: estudio local de fotos de producto](https://vorluxai.com/blog/comfyui-2026-local-image-generation-stack-guide-es/) explica la instalación, las carpetas de modelos y qué licencias permiten uso comercial. Este tutorial sigue donde termina esa guía.

> **TL;DR**
> - Un workflow de ComfyUI (FLUX.1-schnell, 4 pasos) y un script de 13 líneas que pone en cola un trabajo por producto, cada uno con su prompt, su semilla y su nombre de archivo.
> - El software y el modelo son gratis. Medimos entre 5,7 y 6,2 segundos por imagen en un GB10; una GPU más pequeña irá más lenta y no la hemos cronometrado.
> - Veredicto: lote de 4. En nuestra máquina es un 8 % más rápido que de una en una, y el lote de 8 no ganó nada mientras apretaba la memoria.

## Qué necesitas
- ComfyUI en local, como en la [guía del stack](https://vorluxai.com/blog/comfyui-2026-local-image-generation-stack-guide-es/). Nosotros usamos la 0.25.0.
- El archivo `flux1-schnell-fp8.safetensors` (17,2 GB en disco) de [Comfy-Org en Hugging Face](https://huggingface.co/Comfy-Org/Flux-1-Schnell/blob/main/flux1-schnell-fp8.safetensors), en `models/checkpoints/`. Trae el modelo de imagen, los dos codificadores de texto y el VAE en un solo archivo.
- La licencia: FLUX.1 [schnell] se publica bajo Apache 2.0 ([ficha del modelo](https://huggingface.co/black-forest-labs/FLUX.1-schnell), comprobada el 2-11-2026), así que puedes usar las imágenes en tu negocio.
- Python 3 sin paquetes extra y un archivo de texto con tus productos.

Si tu GPU tiene 12 GB o menos, el FLUX.2 [klein] 4B de la guía del stack es el primer modelo más seguro. El script de abajo funciona con cualquier workflow exportado en formato API.

## Paso 1: descarga el workflow
**[Descargar vorlux_flux_schnell_batch_api.json](https://vorluxai.com/assets/workflows/comfyui/vorlux_flux_schnell_batch_api.json)**. Es el grafo que usa nuestro propio servicio de imágenes en la Spark: cargador del checkpoint, dos codificadores de texto, un latente vacío de 1024×1024, un KSampler (4 pasos, CFG 1.0, `euler`, `simple`), el decodificador VAE y Save Image.

Arrástralo al canvas de ComfyUI para verlo; el frontend acepta archivos en formato API. El nodo que decide el lote es **EmptySD3LatentImage**: su `batch_size` está en 4. Schnell es un modelo destilado de 4 pasos ([ejemplos de ComfyUI](https://comfyanonymous.github.io/ComfyUI_examples/flux/)), así que más pasos cuestan tiempo sin una mejora clara.

Lánzalo una vez desde el navegador. Deben aparecer cuatro imágenes en `output/batch/`. Si el cargador muestra el nombre del modelo en rojo, el archivo no está en `models/checkpoints/`: muévelo y pulsa **R**.

## Paso 2: escribe la lista de productos
Una línea por producto: el nombre de archivo que quieres y las palabras que lo describen.

```text
taza-blanca;white ceramic mug on a light oak table, soft window light, product photo
cartera-marron;brown leather wallet, top view, white background, product photo
lampara-laton;brass desk lamp on a walnut desk, warm evening light, product photo
```

Dejamos los prompts en inglés porque así los medimos; no hemos comparado la calidad con prompts en español. Mantén iguales las palabras de la escena en toda una gama (mesa, luz, fondo): así el modelo cambia el producto y no el decorado.

## Paso 3: pon la lista en cola con un script
```mermaid
flowchart LR
    A["productos.txt\nuna línea\npor producto"] --> B["queue_batch.py\nprompt, semilla\ny nombre"]
    B --> C["POST /prompt\nun trabajo\npor producto"]
    C --> D["Cola de ComfyUI\nen orden"]
    D --> E["KSampler\nFLUX.1-schnell\n4 pasos, lote 4"]
    E --> F["VAE Decode"]
    F --> G["output/catalogo/\nnombre_00001_.png\n..."]

    style A fill:#FEF3C7,stroke:#F5A623,color:#000
    style B fill:#FEF3C7,stroke:#F5A623,color:#000
    style C fill:#DBEAFE,stroke:#2563EB,color:#000
    style D fill:#DBEAFE,stroke:#2563EB,color:#000
    style E fill:#D1FAE5,stroke:#059669,color:#000
    style F fill:#D1FAE5,stroke:#059669,color:#000
    style G fill:#D1FAE5,stroke:#059669,color:#000
```

Guarda esto como `queue_batch.py` junto al workflow:

```python
import json, sys, urllib.request

wf = json.load(open("vorlux_flux_schnell_batch_api.json"))
for n, line in enumerate(open(sys.argv[1], encoding="utf-8")):
    name, prompt = line.strip().split(";", 1)
    wf["6"]["inputs"]["text"] = prompt
    wf["3"]["inputs"]["seed"] = 1000 + n            # fija por producto: repetir = mismas imágenes
    wf["5"]["inputs"]["batch_size"] = 4             # cuatro variantes por producto
    wf["9"]["inputs"]["filename_prefix"] = f"catalogo/{name}"
    req = urllib.request.Request("http://127.0.0.1:8188/prompt",
                                 data=json.dumps({"prompt": wf}).encode(),
                                 headers={"Content-Type": "application/json"})
    print(name, json.load(urllib.request.urlopen(req))["prompt_id"])
```

Ejecuta `python3 queue_batch.py productos.txt`. Cada línea es un trabajo en la cola; ComfyUI los procesa en orden y puedes cerrar la terminal. Veinticinco productos con lote de 4 son cien imágenes en `output/catalogo/`.

**Si falla:** `Connection refused` significa que el servidor no está en el puerto 8188. Una respuesta `400` cita el nodo que falló, casi siempre un nombre de modelo que no coincide con el tuyo.

La semilla importa más de lo que parece. Lo comprobamos: la misma semilla da imágenes idénticas píxel a píxel con lote de 4 y con lote de 8 (las cuatro primeras de las ocho). Puedes previsualizar con un lote pequeño, lanzar luego uno mayor y recuperar las que te gustaron.

![Cuatro imágenes de FLUX.1-schnell de un trabajo con lote de 4, semilla 42, generadas en nuestra DGX Spark](https://vorluxai.com/assets/blog/comfyui-flux-schnell-batch-4-seed-42.webp)

## Qué medimos
**Medido el 2-11-2026 en nuestra NVIDIA DGX Spark (GB10, 128 GB de memoria unificada, driver 580.173.02, CUDA 13.0), ComfyUI 0.25.0, PyTorch 2.12.1+cu130.** FLUX.1-schnell fp8, 1024×1024, 4 pasos, CFG 1.0, un mismo prompt, semillas 42 a 44. Primero, una imagen de calentamiento descartada. El tiempo es la marca de inicio y fin que registra ComfyUI para cada trabajo (`/history/<prompt_id>`).

| Tamaño de lote | Segundos por imagen (mediana) | Rango | Segundos por trabajo | Imágenes por minuto | Ejecuciones |
|---|---|---|---|---|---|
| 1 | 6,18 | 6,17 a 6,37 | 6,2 | 9,7 | 3 |
| 4 | 5,70 | 5,68 a 6,43 | 22,8 | 10,5 | 3 |
| 8 | 6,09 | 5,97 a 6,22 | 48,8 | 9,8 | 2 |

La primera imagen tras descargar el modelo tardó 13,7 s, porque ese trabajo también carga el checkpoint de 17,2 GB. Deja el servidor encendido entre lotes.

El script es `scripts/bench/comfyui_flux_batch.py` y todas las lecturas, con las instantáneas de memoria, están en [comfyui-flux-batch-2026-11-02.json](https://vorluxai.com/data/measurements/comfyui-flux-batch-2026-11-02.json).

## Qué dicen los números
En esta máquina la velocidad no sale del lote. Pasar de una imagen a cuatro por trabajo ahorró medio segundo por imagen, un 8 %. Pasar a ocho no ahorró nada.

El límite real es la memoria. El lote de 4 pidió unos 7 GB más que el de 1 (`free -g`, memoria disponible de 57 GB a 50 GB). El primer trabajo con lote de 4 y los dos de lote 8 obligaron al sistema a liberar caché y lo frenaron entre 1,6 y 4 segundos (`/proc/pressure/memory`). En un equipo de escritorio que comparte memoria con la GPU, esas pausas pueden notarse como tirones del ratón; en esta prueba no lo comprobamos. Por eso nuestro script paró el lote de 8 en dos ejecuciones.

La costumbre buena: lote de 4, muchos trabajos en cola y un servidor que no se apaga.

## Cuándo no hacerlo
- **Una sola imagen principal.** Usa el navegador y cambia la semilla a mano; un script sobra.
- **Escenas con personas, manos o texto legible.** Schnell es rápido porque da 4 pasos. Revisa cada imagen antes de ponerla en la tienda.
- **Ángulos iguales en toda una gama.** Con prompts solos, la composición se mueve. Añade el paso guiado por bordes de [nuestro tutorial de ControlNet](https://vorluxai.com/blog/tutorial-comfyui-controlnet-generacion-guiada/).
- **GPU pequeña y lote grande.** Solo medimos el GB10. Con una tarjeta de 12 GB empieza con lote de 1, vigila la memoria y súbelo después.

## Siguientes pasos
- Instala y elige un modelo con uso comercial: [ComfyUI 2026, la guía del stack](https://vorluxai.com/blog/comfyui-2026-local-image-generation-stack-guide-es/).
- Mantén la misma composición en toda una gama: [tutorial de ComfyUI ControlNet](https://vorluxai.com/blog/tutorial-comfyui-controlnet-generacion-guiada/).
- Mide tu propia máquina como lo hacemos nosotros: [mide un modelo local en 30 minutos](https://vorluxai.com/blog/benchmark-modelo-local-tu-ordenador-30-minutos-es/).
- Pon voz al vídeo en el que van estas imágenes, en la misma máquina: [locuciones con texto a voz local y abierto](https://vorluxai.com/blog/local-voiceovers-your-videos-with-open-source-text-to-speech-es/).

---

*Fuentes: [ficha de FLUX.1 [schnell]](https://huggingface.co/black-forest-labs/FLUX.1-schnell) · [ejemplos de Flux en ComfyUI](https://comfyanonymous.github.io/ComfyUI_examples/flux/) · [ComfyUI en GitHub](https://github.com/Comfy-Org/ComfyUI)*

## Trabaja con nosotros
Podemos hacer este análisis con tus datos reales antes de recomendar hardware. Una llamada gratuita de 15 minutos basta para saber si tiene sentido en tu caso: [reserva la llamada](https://vorluxai.com/contact/) o mira [cómo trabajamos en consultoría](https://vorluxai.com/consulting/).
