Namorada de IA no ComfyUI: O Fluxo de Consistência Visual Que Realmente Funciona (2026)

Se voce ja passou algum tempo tentando construir uma namorada de IA no ComfyUI, ja conhece a frustração central. Voce gera uma imagem que parece perfeita. Ela tem o rosto certo, o cabelo certo, a vibe certa. Aí voce gera a próxima e ela é uma pessoa completamente diferente. Mesmo prompt, humano diferente.

Essa é a falha mais comum no trabalho de namorada de IA personalizada, e é o motivo pelo qual a maioria das pessoas desiste e volta para um serviço hospedado. Os serviços hospedados resolveram a consistência por voce. Quando voce monta a sua própria no ComfyUI, a consistência passa a ser problema seu.

Este guia é o fluxo que de fato mantém um personagem coeso ao longo de centenas de gerações. Não de forma perfeita. Nada aqui é perfeito. Mas perto o suficiente para que ela seja lida como a mesma pessoa todas as vezes.

Por Que a Consistência Quebra Logo de Início

O stable diffusion não tem um conceito de pessoa. Ele tem um conceito de pixels que tendem a aparecer juntos quando certas palavras estão presentes. Quando voce escreve no prompt "beautiful woman with brown hair", o modelo amostra a partir de um espaço enorme de possíveis mulheres de cabelo castanho. Cada seed cai em um lugar diferente desse espaço.

O prompt estreita o espaço. Ele não fixa um ponto. "Brown hair, green eyes, freckles, heart-shaped face" estreita mais, mas voce ainda está amostrando uma região, não uma pessoa. Dois seeds dentro dessa região ainda podem parecer irmãs em vez da mesma mulher.

Então todo o jogo da consistência de personagem consiste em encolher a região de amostragem até que cada seed caia efetivamente no mesmo rosto. Há quatro ferramentas para isso, e o fluxo empilha todas elas.

As Quatro Alavancas

As quatro alavancas, em ordem de quanto controle elas te dão:

1. Especificidade do prompt te dá uma região aproximada. Barata, rápida, fraca.
2. Travar a seed te dá um resultado repetível, mas apenas para uma pose e composição.
3. Condicionamento por referência (IPAdapter ou equivalente) puxa cada geração na direção de um rosto de referência. Forte.
4. Um LoRA treinado grava o personagem nos pesos do modelo. O mais forte, e o que dá mais trabalho.

A maioria das pessoas usa só as duas primeiras e se pergunta por que tudo desmorona no momento em que querem uma nova pose. O fluxo de verdade se apoia nas alavancas três e quatro.

Passo Um: Travar o Personagem Base

Antes de qualquer coisa, voce precisa de uma versão canônica do seu personagem. Uma imagem que seja a verdade fundamental. Tudo a jusante referencia essa imagem.

Gere com uma seed fixa e um prompt detalhado até obter um rosto com o qual voce esteja satisfeito. Anote a seed. Anote o prompt exato. Salve a imagem em resolução máxima. Essa é a sua placa de referência, e voce voltará a ela constantemente.

Não pule a parte de anotar. Daqui a seis semanas voce vai querer gerar uma nova imagem dela e não vai lembrar se a seed era 8847 ou 8874, e essas são duas mulheres diferentes.

Passo Dois: Construir o Grafo de Condicionamento por Referência

É aqui que o ComfyUI conquista sua reputação. O grafo de nós para geração condicionada por referência, em alto nível, fica assim:

O nó IPAdapter Apply tem um parâmetro de weight, e esse é o botão que mais importa. Com weight 1.0 o modelo se esforça muito para reproduzir o rosto de referência, às vezes tanto que copia a pose também. Com weight 0.5 ele toma o rosto como uma sugestão forte, mas permite novas poses e expressões. A maior parte do trabalho de personagem vive entre 0.6 e 0.8.

Voce quer o menor weight que ainda a mantenha reconhecível. Alto demais e toda imagem é o mesmo retrato congelado. Baixo demais e ela volta a virar uma estranha.

Passo Três: A Estratégia de Seed

Uma vez que o condicionamento por referência está no lugar, a seed passa a ter um papel diferente. Voce não depende mais da seed para reproduzir um rosto. A referência cuida disso. Agora a seed apenas escolhe a pose, a iluminação, as pequenas variações.

Isso significa que voce finalmente pode aleatorizar a seed e ainda obter a mesma pessoa em situações diferentes. É esse o ponto inteiro. Trave o rosto com o condicionamento por referência, libere a seed para explorar todo o resto.

Um loop prático fica assim:

1. Fixe a placa de referência e o prompt.
2. Defina o weight do IPAdapter em 0.7.
3. Gere em lote oito imagens com seeds aleatórios.
4. Mantenha as duas ou três que sejam claramente ela.
5. Descarte as que fugiram.

Voce vai jogar fora mais da metade. Isso é normal. As mantidas se somam em uma biblioteca dela em poses diferentes, e essa biblioteca se torna dados de treino para o próximo passo.

Passo Quatro: Treinar um LoRA para Consistência de Verdade

O condicionamento por referência te leva a talvez noventa por cento de consistência. Os últimos dez por cento, a parte em que ela é inequivocamente a mesma pessoa em cada imagem, vêm de um LoRA treinado.

Um LoRA é um pequeno conjunto de pesos que voce treina com um punhado de imagens de um único sujeito e depois carrega por cima do seu modelo base. Uma vez treinado, voce não precisa mais da imagem de referência. O personagem vive no LoRA. Voce a invoca pelo token do nome dela e ela aparece, de forma consistente, em qualquer pose que o modelo base consiga produzir.

O conjunto de treino é o gargalo. Voce precisa de quinze a trinta imagens do seu personagem, todas claramente a mesma pessoa, em poses e iluminações variadas. Isso é exatamente o que o loop de condicionamento por referência do passo três produz. As duas técnicas se encadeiam. O condicionamento por referência inicializa o conjunto de treino, depois o LoRA substitui o condicionamento por referência por completo.

Uma receita aproximada de treino:

Fique atento ao overfitting. Se toda geração sai na exata mesma pose de uma imagem de treino, seu rank está alto demais ou voce treinou por tempo demais. Reduza o rank para 16 e corte as épocas.

Juntando Tudo

O pipeline completo, do começo ao fim:

1. Gere e trave uma placa de referência canônica com uma seed conhecida.
2. Construa o grafo de referência do IPAdapter e ajuste o weight para algo em torno de 0.7.
3. Gere em lote com seeds aleatórios, mantendo apenas as correspondências claras.
4. Quando tiver de quinze a trinta mantidas, treine um LoRA com elas.
5. Largue o grafo de referência, carregue o LoRA e gere livremente.

Depois do passo cinco ela deixa de ser frágil. Ela está gravada em um arquivo que voce pode carregar a qualquer momento. Novas poses, novas roupas, novas cenas, a mesma mulher.

Quando Vale a Pena e Quando Não Vale

Isso é uma quantidade real de trabalho. Só o grafo de referência leva uma tarde para ser ligado corretamente da primeira vez. A rodada de treino do LoRA leva algumas horas e exige disposição para aprender as ferramentas. Se voce só quer conversar com um personagem consistente sem virar técnico de ComfyUI, uma experiência hospedada como a Lewdly já resolveu tudo isso e voce pode pular o pipeline inteiro.

Mas se voce quer controle total, geração local, sem restrições de conteúdo, e um personagem que é verdadeiramente seu até o nível dos pesos do modelo, este é o caminho. O trabalho fica concentrado no início. Uma vez que o LoRA existe, gerá-la é tão fácil quanto qualquer outro prompt, e ela será a mesma pessoa na imagem um e na imagem mil.

Essa consistência, conquistada uma vez e mantida para sempre, é o que falta em toda configuração casual.