Ver todos los artículos
ComfyUITutorialGeneración de ImágenesWorkflow

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

JG
Jacobo González Jaspe
|

Revisado:

Ilustración abstracta: capas de papel cortado en ondas, azul marino con bordes ámbar. Creadores
Ilustración generada con IA en nuestra máquina.
Este artículo también está en inglés:ComfyUI Batch Image Generation: 100 Product Images in Minutes

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 explica la instalación, las carpetas de modelos y qué licencias permiten uso comercial. Este tutorial sigue donde termina esa guía.

Qué necesitas

  • ComfyUI en local, como en la guía del stack. Nosotros usamos la 0.25.0.
  • El archivo flux1-schnell-fp8.safetensors (17,2 GB en disco) de Comfy-Org en Hugging Face, 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, 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. 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), 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.

texto
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

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
Diagrama

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

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 loteSegundos por imagen (mediana)RangoSegundos por trabajoImágenes por minutoEjecuciones
16,186,17 a 6,376,29,73
45,705,68 a 6,4322,810,53
86,095,97 a 6,2248,89,82

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.

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.
  • 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


Fuentes: ficha de FLUX.1 [schnell] · ejemplos de Flux en ComfyUI · ComfyUI en GitHub

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 o mira cómo trabajamos en consultoría.

Diagrama
Compartir: LinkedIn X
Veredicto semanal

Recibe las guías nuevas antes que nadie

Suscríbete y te avisamos cuando publiquemos guías, plantillas y workflows nuevos. Un correo a la semana, sin spam.

Ya publicados: 101 guías y 25 plantillas. Todo gratis y sin registro.

Bonus: el kit de inicio de IA local en PDF al suscribirte
1x por semana Sin spam Cancela cuando quieras

Ver qué recibes