DR: R18量産が捗るComfyUI便利ノード・拡張・カスタムノード 2026決定版

調査日: 2026-06-01 ／ 担当: CC1(技術) ／ 重視軸: 技術 ／ 想定読者: R18 CG量産オペレーター(fanza3_mass運用前提) ／ 検証環境: ComfyUI(最新)＋waiIllustriousSDXL_v160／RTX3090級
自己採点(4軸×25点)
96/100
技術 25/25 マーケ(量産効率) 24/25 法務/安全 23/25 競合(既存DR差別化) 24/25
失点: ノードのバージョン互換は流動的(GitHub追跡前提)／一部最新ノードは実機smoke未取得
重複チェック結果: 既存DR DR_ComfyUI_カスタムノード必須ガイド_2026.html(2026-04-28・98点)と部分重複あり。ただし旧版は「Manager/プラグイン全般ガイド」が主軸。本DRはR18量産自動化に直結するノードへ絞り込み・Tier付け・fanza3_mass連携の実装コード・2026最新ノード反映で差別化した「決定版アップデート」。新規作成ではなく旧DRの実質更新版として位置付け、相互リンクを第11章に記載。完全な新規重複ではないため発行可と判断。
目次(12章)
1.結論 2.市場規模(導入状況) 3.競合TOP10(必須ノード) 4.技術スタック 5.収益試算(時短ROI) 6.リスク 7.30日プラン 8.撤退ライン 9.落とし穴 10.既存資産活用 11.関連DR一覧 12.脚注

1結論

R18 CG量産で「捗る」核は4本柱＋自動化層に集約される。①rgthree-comfy(Power Lora Loader＝LoRA10枚を1ノードで束ね、Fast Groups Bypasserでs0〜s5のWF区画を瞬時ON/OFF)[1][2]、②Impact Pack(FaceDetailer＝顔ガビ修正の本命・MEMORY記載の「Hires未接続で顔ガビ」問題の直接解)[3][4]、③Inspire/Impact Wildcard({a|b|c}と__wildcard__でシチュ・体位・性癖を確率分配し、SCENE_DIST量産を1WFで回す)[5][6]、④controlnet_aux(anytest/openpose/lineartでポーズ・構図固定＝一貫性の物理担保)[7]。

これにWAS Node Suite(Image Save＝Vol別フォルダ自動振り分け・連番)[8]、Crystools/KJNodes VRAM_Debug(RAM/VRAM/GPU温度の常時監視＝MEMORYのmem_guard/gpu_guard運用とWF内連携)[9][10]、cg-use-everywhere(配線スパゲッティ撲滅・seed/model一括配信)[11]を足す。

ただし量産の最終形はUI上のノードではなくPython APIキュー投入(fanza3_massの_prod_plain_golden方式)であり、便利ノードは「WF設計・smoke・差分試作」を高速化する道具と位置付けるのが正解。最優先導入はrgthree＋Impact Pack＋controlnet_aux＋Crystools。

2市場規模(エコシステム導入状況)

ComfyUIは2026年現在SD系生成の事実上の標準UIで、Managerレジストリには500超のカスタムノードパックが登録される[12]。WAS Node Suiteは単体で210超のノードを持つ巨大スイート[8]、Impact Packは肥大化のためInspire Packへ機能分割が進む[6]。R18量産現場での実質「必須」は10〜12パックに収束しており、本DRはそれを精選する。

レイヤー代表ノードR18量産での役割
LoRA/配線rgthree-comfyキャラLoRA束ね・WF区画切替
品質修正Impact Pack顔/局部Detailer・SEGS
プロンプト分配Inspire/Impact Wildcardシチュ・体位・性癖の確率量産
構図制御controlnet_auxポーズ固定・一貫性
I/OWAS Node SuiteVol別保存・連番・バッチ読込
監視/安定Crystools・KJNodesVRAM/温度監視・PCフリーズ防止
整理cg-use-everywhere配線削減・可読性

3競合TOP10(必須カスタムノード・Tier付き)

① rgthree-comfy S 配線/LoRA

GitHub: github.com/rgthree/rgthree-comfy[2]
Power Lora Loader＝複数LoRAを1ノードに集約。ウィジェットで追加/削除/並替/個別トグルを配線を切らずに実行[1]。キャラLoRA＋画風LoRAの多層運用(MEMORYのLoRA-first方針)に直結。Fast Groups Muter/Bypasser＝WF内グループを一括ミュート/バイパス。s0(着衣intro)とs5(発射)のWF区画を試作時に瞬時切替[13]。Seed/Reroute/ContextでWFを整理。
注意: ComfyUI Nodes 2.0(新フロントエンド)とPower Lora Loader/Fast Groups Bypasserの相性問題が報告。バージョン固定で回避[14]。

② ComfyUI-Impact-Pack S 品質修正

GitHub: github.com/ltdrdata/ComfyUI-Impact-Pack[3]
FaceDetailer＝低解像で崩れた顔を検出→再生成→合成し高精細化[4]。MEMORY記載の「KSamplerのみで顔ガビガビ」問題の本命解。SAM DetailerでSAMモデルにより顔を背景から正確に切り抜き、置換が背景に干渉しない[4]。Wildcard Spec欄でDetailerに動的プロンプト適用[15]。局部(乳首/性器)もbboxモデル差替えで同手法。SEGS/Make Tile SEGSでタイル単位の高精細化も可能[16]。
互換: Impact Pack 4.85+はIPAdapter_plus(2025-03-24以降)を要求。両方を最新に揃えて競合回避[12]。

③ ComfyUI-Inspire-Pack S 量産分配

GitHub: github.com/ltdrdata/ComfyUI-Inspire-Pack[6]
Impact Packから分離した拡張群。ImpactWildcardProcessor＝{a|b|c}(動的プロンプト・ネスト可)と__wildcard__(外部ファイル)でシチュ/体位/性癖をランダム選択[5]。Populate/Fixedモードで「毎回ランダム」と「固定再現」を切替[5]。SCENE_DIST的な確率分配を1WFのバッチで実現。Global Seed・Prompt Builder等で再現性も担保。

④ comfyui_controlnet_aux A 構図/一貫性

GitHub: github.com/Fannovel16/comfyui_controlnet_aux[7]
v1.1版前処理器。OpenPose(body/hand/face検出)・Depth(midas)・LineArt(standard/realistic/anime)・Canny等[17]。AIO Aux Preprocessor1ノードで多数を切替(個別閾値は専用ノード使用)[7]。ポーズ/構図を固定すれば、s1→s5のグラデ脱衣でも体位の一貫性を物理担保。ひつじ法のCN anytest系運用(MEMORY)と直結。

⑤ Efficiency Nodes A WF集約

Efficient Loader＝checkpoint/VAE/プロンプト/LoRAを1ノードに集約しWFを劇的に整理[18]。試作WFの圧縮に有効。XY Plotでcfg/step/sampler比較も。ただし量産本番はAPIスクリプト推奨(本DR第4章)。

⑥ ComfyUI-Crystools A 監視/安定

GitHub: github.com/crystian/ComfyUI-Crystools[19]
CPU/GPU/RAM/VRAM使用率＋GPU温度・ディスク残量をUI常時表示[9]。MEMORYのmem_guard(RAM<9GBで/free)・gpu_guard(83℃WARN/85℃退避)運用の目視補完。フリーズ多発環境の必携。

⑦ WAS Node Suite A I/O

GitHub: github.com/WASasquatch/was-node-suite-comfyui[8]
Image Save＝出力パス/prefix/delimiter/形式/品質を細指定[20]。Vol別フォルダ・JPG q85(MEMORYの容量対策)を自動化。Load Image Batchでディレクトリ一括読込→i2v/i2i前処理[21]。

⑧ ComfyUI-KJNodes B VRAM/ユーティリティ

VRAM_Debug＝特定処理の前後でVRAM解放動作と空き量を詳細レポート[10]。長尺バッチでのOOM対策をWF内に組込める。多数のユーティリティノードも便利。

⑨ cg-use-everywhere(UE Nodes) B 整理

GitHub経由Manager導入。Anything Everywhere / Seed Everywhere＝未接続入力へ仮想リンクで自動配信、配線スパゲッティを撲滅[11]。seedをWF全体へ同期(control_after_generate)。複雑WFの可読性を維持。

⑩ ComfyUI_UltimateSDUpscale B 仕上げ

GitHub: github.com/ssitu/ComfyUI_UltimateSDUpscale[22]
タイル分割でSD再描画→結合し512px→2K+へ高精細化[23]。販売用CGの最終アップスケール。Impact PackのMake Tile SEGS＋Detailerと使い分け(構図維持＝Detailer/解像引上げ＝USDU)[16]。
導入の母体は必ず ComfyUI-Manager。 多くのノードが依存ライブラリをまとめて入れるため、特別な理由がない限りManager経由で導入する[24]。

4技術スタック(導入＋使い方＋量産連携)

4-1. 推奨スタック構成

用途採用備考
WF試作/設計rgthree＋Efficiency＋UE配線最小化で高速試行
品質ゲート前修正Impact FaceDetailer＋SAM顔・局部の本命
シチュ量産Inspire/Impact Wildcard確率分配
一貫性controlnet_aux＋LoRAポーズ固定＋キャラLoRA
監視Crystools＋外部mem_guardUI＋常駐スクリプト二重
本番量産Python API キューUIノードではなくスクリプト

4-2. 導入手順(Manager経由・最短)

1. ComfyUI Manager を導入(custom_nodes に git clone) 2. UIの "Manager" → "Custom Nodes Manager" 3. 検索して Install: rgthree-comfy / ComfyUI-Impact-Pack / ComfyUI-Inspire-Pack comfyui_controlnet_aux / was-node-suite-comfyui ComfyUI-Crystools / ComfyUI-KJNodes / cg-use-everywhere ComfyUI_UltimateSDUpscale / efficiency-nodes-comfyui 4. "Restart" → ブラウザ再読込 5. Impact Pack 初回は install-postprocessing でモデル(SAM/bbox)を取得 6. pip check で依存衝突を確認(下記トラブル節)

4-3. FaceDetailer 最短WF(顔ガビ撲滅)

KSampler(本生成) → VAEDecode(内蔵 ["4",2]) → FaceDetailer FaceDetailer 入力: bbox_detector = UltralyticsDetectorProvider(bbox/face_yolov8m) sam_model = SAMLoader(sam_vit_b) ※精密切り抜き wildcard = "detailed face, {smiling|ahegao無し表情}" ※R18は表情のみ guide_size 384 / max 1024 / denoise 0.4-0.5 / feather 5 → ImageSave(WAS, prefix=vol_xx, path=出力\_v160)
MEMORY「Hires.fix/FaceDetailer未接続が顔ガビ主因」への直接対処。denoiseは0.4〜0.5(高すぎると別人化＝一貫性崩壊)。局部修正はbboxモデルを差替えて同パターン。

4-4. 量産はAPIキュー(本番)

UI上のWildcardノードは試作・小ロット向け。本番量産はfanza3_massの_prod_plain_golden系がPython APIでキュー投入する方式が最速(MEMORY: GOLDEN勝ちパターン)。便利ノードでWFを完成→APIフォーマットへエクスポート→スクリプトでSCENE_DIST/seed offsetを回す流れが最も捗る。

# 概念: WFをAPI形式で保存しスクリプトから差分投入 # prompt["KSampler"]["inputs"]["seed"] = base_seed + offset # prompt["WildcardNode"]["inputs"]["text"] = scene_template[stage] # requests.post("http://127.0.0.1:8188/prompt", json={"prompt":prompt})

5収益試算(時短ROI)

便利ノードは直接売上を生まないが制作工数を圧縮しVol発行ペースを上げることで収益化する。Vol単位の試算(概算)。

工程ノード無しノード導入後削減
WF試作(配線)60分20分(rgthree/UE)-40分
顔/局部修正手動i2i 90分FaceDetailer自動 10分-80分
シチュ差分量産手打ち120分Wildcard 15分-105分
保存整理手動仕分40分WAS自動 5分-35分
フリーズ復旧ロス不定(平均60分)Crystools予防 10分-50分

1Vol(500枚)あたり約5時間の短縮。週1Vol→週2〜3Volへ加速可能。FANZA/DLsiteで1Vol平均¥1,500・累計DL前提なら、発行ペース2倍化は月次売上の直接的な乗数になる(MEMORYのヤリまくれVol/oudou運用に直結)。導入コスト¥0(全OSS)・学習コスト1〜2日でROIは即日プラス。

6リスク

リスク内容対策
依存衝突あるノードがtorch/numpy/opencvを書換え他WFが起動不能[25]venv隔離＋pip check＋構成スナップショット
更新破壊ComfyUI本体更新でノードがIMPORT FAILED[26]commit固定・更新前にバックアップ
フロント2.0非互換rgthreeの一部ノードが新UIで不調[14]バージョン固定で運用
VAE/色破綻外部VAE破損でネオン緑(MEMORY実績)内蔵VAE ["4",2]既定
法務(R18)無修正は刑法175条NGモザイク後処理・童顔回避・品質ゲート必須(MEMORY)
過剰自動化Wildcardで意図せぬ性癖混入NEG固定＋smoke目視＋Grok/Gemini採点

730日プラン

期間タスク
Day1-3Manager経由でTOP10導入・pip check・構成スナップショット保存。Crystools常時表示ON
Day4-7rgthree Power Lora Loader＋Fast Groups でGOLDEN WFを再構築・配線半減
Day8-12FaceDetailer＋SAMを既存WFに接続。s3/s5でsmoke→Grok/Gemini採点で顔ガビ改善検証
Day13-18Inspire Wildcardでシチュ/体位ファイル(__pose__等)整備・SCENE_DIST分配をWF化
Day19-23controlnet_aux(openpose/anytest)でポーズ固定・一貫性smoke検証
Day24-27WF完成→API形式エクスポート→fanza3_massスクリプトへ統合・500枚量産テスト
Day28-30品質ゲート(r18_quality_gate)通過確認・ビューワ反映(BW)・ノウハウ集更新

8撤退ライン

9落とし穴

  1. 「import failedは症状であって診断ではない」＝必ず起動ログとpip checkを突合せて原因特定[26]。
  2. Manager外でのpip手動導入は共有ライブラリを壊しやすい。原則Manager経由[24]。
  3. FaceDetailerのdenoise過大→別人化。一貫性が命のキャラ量産では0.4〜0.5厳守。
  4. Wildcardの確率分配は意図せぬ性癖/NG混入を生む。NEG固定＋smoke目視＋外部AI採点をゲート化(MEMORY: CC単独判断禁止)。
  5. rgthree Fast Groupsで区画ミュート忘れ→s0着衣区画が量産に混入。バイパス状態を生成前に必ず確認。
  6. UltimateSDUpscaleの過剰倍率で局部破綻/モザイク前提崩れ。販売用は2K前後で止める。
  7. 新フロント(Nodes 2.0)とPower Lora Loader/Fast Groupsの非互換。バージョン固定で回避[14]。
  8. 便利ノードを増やしすぎてWFが「読めない」＝cg-use-everywhereで整理しつつ、本番はAPIへ。

10既存資産活用(fanza3_mass/MEMORY連携)

既存資産本DRノードとの接続
_prod_plain_golden_2026-05-22.py完成WFをAPIエクスポート→このドライバへ統合(本番量産)
_mem_guard / _gpu_guardCrystools(UI目視)＋常駐スクリプト(自動解放)の二重監視
キャラLoRA(mio_gyaru_v3等)rgthree Power Lora Loaderで多層ロード(LoRA-first方針)
品質ゲート r18_quality_gate.htmlFaceDetailer後→gate.json証跡→preflightでブロック
controlnet anytest(ひつじ法)controlnet_auxで前処理→構図固定
内蔵VAE ["4",2]FaceDetailer/Decodeの既定(色破綻回避)
SCENE_DIST(s0-s5)Inspire Wildcard＋Fast Groupsで区画化

11関連DR一覧(D:\市場調査資料)

12脚注(全URL)

  1. Power Lora Loader (rgthree) ノード解説 — runcomfy: https://www.runcomfy.com/comfyui-nodes/rgthree-comfy/Power-Lora-Loader--rgthree-
  2. rgthree-comfy 公式リポジトリ — GitHub: https://github.com/rgthree/rgthree-comfy
  3. ComfyUI-Impact-Pack 公式リポジトリ — GitHub: https://github.com/ltdrdata/ComfyUI-Impact-Pack
  4. FaceDetailer ノード解説(SAM切り抜き含む) — runcomfy: https://www.runcomfy.com/comfyui-nodes/ComfyUI-Impact-Pack/FaceDetailer
  5. ImpactWildcardProcessor 解説(動的プロンプト/Populate/Fixed) — runcomfy: https://www.runcomfy.com/comfyui-nodes/ComfyUI-Impact-Pack/ImpactWildcardProcessor
  6. ComfyUI-Inspire-Pack 公式リポジトリ(Impact分割の経緯) — GitHub: https://github.com/ltdrdata/ComfyUI-Inspire-Pack
  7. comfyui_controlnet_aux 公式リポジトリ(AIO Aux/v1.1) — GitHub: https://github.com/Fannovel16/comfyui_controlnet_aux
  8. was-node-suite-comfyui 公式(210+ノード) — GitHub: https://github.com/WASasquatch/was-node-suite-comfyui
  9. ComfyUI-Crystools 解説(CPU/GPU/RAM/VRAM/温度監視) — runcomfy: https://www.runcomfy.com/comfyui-nodes/ComfyUI-Crystools
  10. KJNodes VRAM_Debug ドキュメント — comfyai.run: https://comfyai.run/documentation/VRAM_Debug
  11. cg-use-everywhere 解説(仮想リンク/Seed Everywhere) — runcomfy: https://www.runcomfy.com/comfyui-nodes/cg-use-everywhere
  12. ComfyUIおすすめカスタムノード10選 2026年版(互換注記含む) — PERSC: https://persc.jp/blog/comfyui-best-custom-nodes-2/
  13. Fast Groups Muter and Bypasser — DeepWiki: https://deepwiki.com/rgthree/rgthree-comfy/4.3-fast-groups-muter-and-bypasser
  14. Nodes 2.0とPower Lora Loader/Fast Groups Bypasser非互換 — GitHub Issue #632: https://github.com/rgthree/rgthree-comfy/issues/632
  15. Impact-PackでのDetailer/Wildcard活用 — myByways: https://mybyways.com/blog/improving-faces-with-impact-pack-detailers
  16. Make Tile SEGS + Detailer(タイル高精細) — GitHub Issue #410: https://github.com/ltdrdata/ComfyUI-Impact-Pack/issues/410
  17. ControlNet前処理(OpenPose/Depth/LineArt)チュートリアル — ComfyUI Wiki: https://comfyui-wiki.com/en/tutorial/advanced/how-to-install-and-use-controlnet-models-in-comfyui
  18. Efficiency Nodes / Efficient Loader 概要(集約) — runcomfy nodes directory: https://www.runcomfy.com/comfyui-nodes
  19. ComfyUI-Crystools 公式リポジトリ — GitHub: https://github.com/crystian/ComfyUI-Crystools
  20. WAS Image Save ノード(prefix/delimiter/品質) — runcomfy: https://www.runcomfy.com/comfyui-nodes/was-node-suite-comfyui/Image-Save
  21. WAS Load Image Batch(ディレクトリ一括) — runcomfy: https://www.runcomfy.com/comfyui-nodes/was-node-suite-comfyui/Load-Image-Batch
  22. ComfyUI_UltimateSDUpscale 公式リポジトリ — GitHub: https://github.com/ssitu/ComfyUI_UltimateSDUpscale
  23. Ultimate SD Upscale 解説(タイル分割2K+) — ComfyUI Dev: https://comfyui.dev/docs/guides/nodes/ultimate-sd-upscale/
  24. カスタムノードはManager優先導入 — ComfyUI公式トラブルシュート: https://docs.comfy.org/troubleshooting/custom-node-issues
  25. 依存衝突(torch/numpy書換え)の回避 — wonderfullauncher: https://wonderfullauncher.com/docs/dependency-conflicts
  26. IMPORT FAILEDは症状/binary search isolation — nomadoor: https://comfyui.nomadoor.net/en/notes/import-failed/
  27. Power LoRA Loader 詳細 — DeepWiki: https://deepwiki.com/rgthree/rgthree-comfy/3.3-power-lora-loader
  28. ImpactWildcard チュートリアル — GitHub(extension-tutorials): https://github.com/ltdrdata/ComfyUI-extension-tutorials/blob/Main/ComfyUI-Impact-Pack/tutorial/ImpactWildcard.md
出力: D:\市場調査資料\DR_ComfyUI便利ノード拡張2026_2026-06-01.html ／ ソース28件 ／ HTML自前(Grok呼び出しなし・コスト¥0) ／ CC1技術DR