ComfyUI
Nutzen Sie Atlas Cloud Modelle in ComfyUI mit einsatzfertigen Nodes. Keine lokale GPU nötig — Seedance, Kling, Wan, Veo, Nano Banana, Seedream, FLUX und mehr.
Mit den Atlas Cloud ComfyUI-Nodes rufen Sie gehostete Modelle aus einem ComfyUI-Graphen auf. Die Generierung läuft auf Atlas Cloud, sodass Sie große Video- und Bildmodelle ohne lokale GPU verwenden — und sie mit den lokalen Nodes kombinieren können, die Sie bereits haben.
GitHub-Repository: AtlasCloudAI/atlascloud_comfyui
Voraussetzungen
- ComfyUI (Desktop-App oder Quellinstallation)
- Python 3.10 oder neuer
- Ein Atlas Cloud API-Schlüssel — erstellen Sie einen unter console/api-keys
Installation
cd ~/Documents/ComfyUI/custom_nodes
git clone https://github.com/AtlasCloudAI/atlascloud_comfyui.git
cd atlascloud_comfyui
~/Documents/ComfyUI/.venv/bin/python -m pip install -r requirements.txtBeenden Sie ComfyUI anschließend vollständig und öffnen Sie es erneut.
Die Abhängigkeiten sind schlank — requests, numpy und pillow.
Installieren Sie die Abhängigkeiten in derselben Python-Umgebung, in der ComfyUI läuft. Ein anderer Interpreter ist die häufigste Ursache für „module not found" nach der Installation.
Nach dem Neustart erscheinen die Nodes unter Node Library → AtlasCloud.
API-Schlüssel konfigurieren
Der Schlüssel wird nicht aus einer Umgebungsvariablen gelesen. Fügen Sie Ihrem Graphen einen AtlasCloud Client-Node hinzu und fügen Sie den Schlüssel dort ein — dieser Node hält die Zugangsdaten und die Basis-URL, und jeder andere Atlas Cloud Node bezieht seine Verbindung von dort.
Eine gespeicherte Workflow-JSON kann alles enthalten, was Sie in den Client-Node eingetippt haben. Leeren Sie das Feld, bevor Sie eine Workflow-Datei öffentlich teilen.
Schnellstart
Installieren Sie die Nodes und starten Sie ComfyUI neu.
Ziehen Sie examples/01-text-to-image.json aus dem geklonten Repository auf die Canvas.
Wählen Sie den AtlasCloud Client-Node aus und fügen Sie Ihren API-Schlüssel ein.
Führen Sie den Graphen aus.
Beispiel-Workflows
Das Repository liefert lauffähige Graphen in examples/:
| Datei | Was sie tut |
|---|---|
01-text-to-image.json | Text-zu-Bild, 3 Nodes |
02-image-to-video.json | Bild-zu-Video, 5 Nodes |
03-multi-reference-video.json | Referenzgesteuertes Video mit bis zu 8 Referenzbildern, 7 Nodes |
parallel_video/3x_parallel_t2v.workflow.json | Drei parallel laufende Text-zu-Video-Aufgaben |
Verfügbare Modelle
Der Node-Satz folgt dem Atlas Cloud Katalog und deckt die wichtigsten Familien ab:
- Video — Seedance, Kling, Wan, Veo, Hailuo, Vidu, PixVerse, LTX
- Bild — Nano Banana, Seedream, GPT Image, FLUX, Qwen Image, Grok Imagine
- Studio-Workflows — gebündelte mehrstufige Pipelines wie Produktvisualisierungen und virtuelle Anprobe
Zu den häufig genutzten Utility-Nodes gehören Image Previewer und Video Previewer, mit denen Sie Ergebnisse direkt im Graphen betrachten.
Den vollständigen Katalog finden Sie in der Modellbibliothek.
Optionale Umgebungsvariablen
| Variable | Zweck |
|---|---|
ATLAS_ALLOW_DEPRECATED_MODELS | Auf 1 setzen, damit veraltete Nodes nach der Abschaltung eines Modells sichtbar bleiben und alte Workflows weiterhin laden |
ATLASCLOUD_HISTORY_DIR | Überschreibt, wo der Generierungsverlauf lokal gespeichert wird. Standard ist ein Application-Support-Verzeichnis in Ihrem Benutzerprofil |
Fehlerbehebung
Verwandte Themen
Last updated on