Ein Prompt allein gibt wenig Kontrolle über Pose und Komposition. Eine 3D-Szene gibt sie ganz. In diesem Workflow posiere ich einen Charakter in Blender, baue aus Kisten eine grobe Szene und lasse Flux sie im Stil eines bestimmten Künstlers rendern, hier Albrecht Dürers Kupferstichen, über ein Stil-LoRA.
Der Stil stammt aus einem LoRA, das ich mit etwa zehn Kupferstichen von Dürer trainiert habe. Das Training wird Schritt für Schritt in so trainierst du ein LoRA auf den Stil eines beliebigen Künstlers behandelt, dieser Leitfaden beginnt also dort, wo jener endet: mit einer trainierten LoRA-Datei.
Kurz gefasst
- Pose: ein kostenloser Charakter und eine Animation von Mixamo, in Blender importiert.
- Szene: Würfel, Kugeln und Zylinder, mit Eevee gerendert.
- Struktur: Eine Depth-Anything-V2-Tiefenkarte steuert Flux Depth ControlNet v3, bei einer Stärke von etwa 0,7.
- Stil: ein Flux-LoRA, trainiert auf das Werk eines Künstlers, mit seinem Trigger-Wort am Anfang des Prompts.
- Qualität: Flux 1 dev, Guidance 3, 25 Schritte.
1. Einen posierten Charakter von Mixamo holen
Mixamo ist eine kostenlose Adobe-Bibliothek mit Charakteren und Animationen. Wähle einen Charakter und suche dann in den Animationen eine Pose, die zu deiner Idee passt. Ich habe nach „sword“ gesucht und Great Sword Crouching Block genutzt; jedes Frame einer Animation kann deine Pose sein.
Der Charakter braucht keine gute Anatomie. Depth-ControlNets arbeiten mit sehr groben Formen, sogar Strichmännchen. Lade die Animation als FBX mit den Standardeinstellungen herunter (meine war etwa 50 MB groß).
Ein Lizenzhinweis: Für die Charaktere, die ich verkaufe, habe ich eigene gebaut und gerigged, weil ich Mixamos Charaktere nicht kommerziell in einem Paket verwenden darf. Zum Posieren eigener Renders ist Mixamo der einfachste Einstieg.
2. Die Szene in Blender bauen
Nutze in Blender File → Import → FBX, blende das Armature aus und scrubbe durch die Timeline, um das Frame und den Winkel zu finden, die du willst.
Baue dann die Szene aus Primitiven. Ich habe einen Zylinder als Lichtschwert hinzugefügt (es ist eine statische Pose, er braucht also kein Parenting) und eine ganze Stadtlandschaft aus Kisten gemacht: vielfach dupliziert, gestreckt und verstreut. Platziere die Kamera, füge ein Licht hinzu und rendere mit Eevee, mit eingeschaltetem Raytracing.
Die Anatomie in meiner Pose ist hässlich, mit seltsamen Deformationen und den üblichen „KI-Händen“. Das ist egal: Mit der richtigen ControlNet-Stärke baut die KI sie neu auf.
3. Der ComfyUI-Workflow
Du brauchst diese Custom Nodes, alle über den ComfyUI Manager: comfyui_controlnet_aux (Depth Anything), x-flux-comfyui (Flux-ControlNet und Sampler), KJNodes (Set/Get-Nodes), rgthree (Image Comparer) und die WAS Node Suite (Image Save). Der fertige Workflow samt meinen drei Künstler-LoRAs liegt auf meinem Patreon.
Den Render laden und skalieren
Ein Load Image-Node bringt deinen Blender-Render herein. Ich nutze quadratische Renders: Bei 1024 × 1024 liefert Flux zuverlässig sehr gute Ergebnisse. Eine Notiz im Workflow listet weitere gute Flux-Auflösungen.
Ein ordentlicher Trick: Set- und Get-Nodes. Die Auflösung wird an mehreren Stellen gebraucht. Statt sie überall einzutippen oder lange Kabel durch den Graphen zu ziehen, lege ich Breite und Höhe in Integer-Nodes, speichere sie mit Set-Nodes (benannt width und height) und lese sie überall mit Get-Nodes aus. Ändere die Größe einmal, am Anfang, und jeder Node, der sie nutzt, aktualisiert sich.
Tiefenkarte und ControlNet
Der skalierte Render läuft durch Depth Anything V2. Ich nehme das größte Modell für die beste Qualität; kleinere gibt es, wenn dir der Speicher knapp ist, auch wenn Flux ohnehin einiges braucht. Auch seine Auflösung kommt vom Get-Node.
Die Tiefenkarte geht in Apply Flux ControlNet mit Flux Depth ControlNet v3 (aus dem Model Manager). Die Stärke ist die Einstellung, die zählt:
- Nahe 1,0: Das Ergebnis wird sehr hässlich.
- Unter 0,5: zu kreativ; die Pose geht verloren.
- 0,6 bis 0,9 ist der nutzbare Bereich. Ich nehme 0,7, weil es Flux genug Freiheit lässt, die Anatomie zu korrigieren.
Diese Freiheit ist der Punkt. Ich habe einen weiblichen Mixamo-Charakter posiert, und das Ergebnis ist eine männliche Figur in voller Rüstung mit glaubwürdiger Anatomie.
Modell und LoRA
Load Diffusion Model lädt Flux 1 dev (etwa 12 GB; der Download über den Model Manager friert ComfyUI ein, bis er fertig ist). Es speist einen Load LoRA-Node mit dem Stil-LoRA, hier mein Dürer-LoRA, das die Gewichte des Modells in Richtung dieses Looks verschiebt. Ich lasse die LoRA-Stärke auf Maximum; senke sie, wenn du nur einen Hauch des Stils willst.
Das Empty Latent Image erhält dieselbe Breite und Höhe von den Get-Nodes.
Prompt
Der DualCLIPLoader lädt Flux’ zwei Text-Encoder, CLIP-L und T5 XXL (beide im Model Manager). Sie verwandeln jeden Teil deines Prompts in eine Richtung für das Bild.
Beginne den positiven Prompt mit dem Trigger-Wort deines LoRA und füge dann Kontext hinzu. Flux ist für Prompts in natürlicher Sprache gemacht und nutzt eigentlich keine negativen Prompts, also beschreibe, was du willst, nicht, was du nicht willst. Flux Guidance bei 3; deutlich höher, und das Bild verbrennt, mit hartem Kontrast.
Sampeln, dekodieren, vergleichen, speichern
Der XLabs Sampler führt alles zusammen: Modell, Prompts, Latent und ControlNet.
- Seed auf increment, damit Bilder der Reihe nach nummeriert werden und du jedes reproduzieren kannst, indem du seinen Seed und seine Einstellungen wiederverwendest.
- Schritte: 25. Manche gehen bis 50, aber ich bekomme bei 25 gute Ergebnisse; alles darüber ist übertrieben.
VAE Decode wandelt das Ergebnis mit dem Flux-VAE (etwa 300 MB) in Pixel um. Ein rgthree Image Comparer zeigt den Blender-Render und das Ergebnis nebeneinander, und ein WAS-Node Image Save schreibt die Datei mit deinem Ordner und Präfix.
Die Hände sind ordentlich geworden. Führe es zehnmal aus, und du bekommst eine nahezu perfekte.
Fehlersuche
Wenn ein Durchlauf stockt (meiner blieb bei 81 % beim Berechnen der Tiefenkarte hängen), starte ComfyUI neu. Ich habe 24 GB VRAM, und selbst die reichen nicht immer, wenn andere Programme die Karte nutzen. Wenn deine GPU kleiner ist, ist eine gemietete der einfachere Weg; meine Einführung in RunPod erklärt, wie.
Wenn du RunPod ausprobierst, gibt mein Empfehlungslink neuen Konten, die sich mit Google anmelden, nach ihren ersten 10 $ ein Guthaben von 5–500 $, und ich bekomme eine kleine Provision.
Die Videoversion ansehen (21:40)
Alles oben steht auch im Video, falls du lieber am Bildschirm mitmachst. Das Video ist auf Englisch.
Häufige Fragen
Brauche ich dafür ein detailliertes 3D-Modell?
Nein. Ein Depth-ControlNet funktioniert mit sehr grober Geometrie; sogar Strichmännchen können funktionieren. Meine Szene bestand aus Würfeln, Kugeln und Zylindern um einen kostenlosen Mixamo-Charakter.
Welche ControlNet-Stärke sollte ich nutzen?
Zwischen 0,6 und 0,9. Normalerweise nehme ich 0,7: Das hält Pose und Komposition, gibt Flux aber genug Freiheit, schlechte Anatomie zu korrigieren.
Kann die KI den Körper des Charakters verändern?
Ja, wenn die ControlNet-Stärke ihr Spielraum lässt. Ich habe einen weiblichen Mixamo-Charakter posiert, und das Ergebnis ist eine männliche Figur in Rüstung mit korrigierter Anatomie.
Anton Tenitsky ist 3D-Artist mit mehr als 15 Jahren Erfahrung in der Computergrafik, tätig für Nickelodeon, Gameloft, Marvel Rivals und viele weitere Kunden. Mehr über mich