palette ליוצרים ומעצבים

Stable Diffusion
& ComfyUI Pro —
שליטה מלאה

הקורס המקיף ביותר בעברית ל-Stable Diffusion ו-ComfyUI. מהתקנה מקומית ועד LoRA Training, ControlNet מתקדם ו-Flux. תצא עם 8 פרויקטים ויזואליים מרשימים וסגנון אישי ייחודי.

menu_book
מודולים
5
schedule
שעות תוכן
15+
rocket_launch
פרויקטים
8
sell
מחיר
₪397
workspace_premium הרשמה עכשיו — ₪397 play_circle שיעור לדוגמה

הכי זול ביחס לתוכן  ·  ללא מנוי חודשי  ·  תשלום חד פעמי

auto_awesome AI Image Generation
₪397
תשלום חד פעמי — ללא מנוי
  • check_circle גישה לכל 5 המודולים מיידית
  • check_circle 8 Workflows לדוגמה להורדה
  • check_circle עדכונים לכל החיים
  • check_circle Discord פרטי ליוצרים
  • verified 7 ימי החזר כספי מלא
הרשמה עכשיו chat שאלות? WhatsApp
מה תצא עם

מה תלמד בקורס

שישה תחומי ידע שיהפכו אותך ממשתמש מתחיל למייצר תמונות ברמת סטודיו.

download

התקנה מקומית מלאה

התקנת Stable Diffusion ו-ComfyUI על Windows, Mac ו-Linux — כולל הגדרת NVIDIA GPU ו-Apple MPS.

auto_awesome

SDXL ו-Flux — שליטה מלאה

ההבדלים בין SDXL Turbo, SDXL Base, Flux Schnell ו-Flux Dev. מתי להשתמש בכל אחד והגדרות אופטימליות.

accessibility_new

ControlNet — שליטה בפוזה ובקומפוזיציה

Pose, Depth, Canny, Reference ו-IP-Adapter — שליטה מוחלטת בכל היבט ויזואלי של התמונה.

model_training

LoRA Training — הסגנון שלך

אימון סגנון אישי, דמות קבועה ופנים ספציפיות. Kohya SS, Google Colab, Hyperparameter tuning.

account_tree

ComfyUI מתקדם ו-API

Custom Nodes, Workflow Sharing, ComfyUI API משולב עם Python ו-Batch Processing של מאות תמונות.

edit_image

img2img, Inpainting ו-Outpainting

עריכת תמונות קיימות ברמת פרו — שינוי פרטים ספציפיים, הרחבת מסגרת, שילוב אלמנטים חדשים.

5 מודולים

תוכנית הלימודים המלאה

כל מודול מסתיים בפרויקט מעשי שאפשר להכניס ישירות לתיק העבודות.

01
מודול 1 · 2 שעות
סביבת העבודה
add
  • play_circle התקנה על Windows עם NVIDIA GPU
  • play_circle התקנה על Mac — MPS ו-CPU
  • play_circle Google Colab Setup — לאלה ללא GPU
  • play_circle ComfyUI — מבנה בסיסי, Nodes ו-Connections
  • rocket_launch פרויקט: הגדרת סביבה מלאה ותמונה ראשונה
02
מודול 2 · 3 שעות
SDXL ו-Flux Mastery
add
  • play_circle SDXL Turbo vs SDXL Base vs Flux Schnell vs Flux Dev — מה מתי
  • play_circle Prompt Anatomy: Subject, Style, Lighting, Quality Tags
  • play_circle Negative Prompts — מה לכלול תמיד ולמה
  • play_circle CFG Scale, Steps, Sampler — מה כל פרמטר עושה
  • play_circle Seed Management ו-Reproducibility
  • rocket_launch פרויקט: 20 תמונות בסגנון עקבי
03
מודול 3 · 3 שעות
ControlNet — שליטה מלאה בתמונה
add
  • play_circle OpenPose — שליטה בפוזה מדויקת
  • play_circle Depth Map — קומפוזיציה תלת-ממדית
  • play_circle Canny Edge — ייצוב קומפוזיציה מדויק
  • play_circle Reference ו-IP-Adapter — שמירה על עקביות דמות
  • rocket_launch פרויקט: Product Photography אוטומטי
04
מודול 4 · 4 שעות
LoRA Training — אמן את הסגנון שלך
add
  • play_circle Dataset Preparation — כמה תמונות, איזה רזולוציה
  • play_circle Kohya SS Training על Google Colab
  • play_circle Hyperparameters: LR, Epochs, Network Dim
  • play_circle Character LoRA, Style LoRA, Face LoRA
  • play_circle בדיקה ו-Fine-tuning של ה-LoRA
  • rocket_launch פרויקט: LoRA לפנים ספציפיות
05
מודול 5 · 3 שעות
ComfyUI מתקדם ו-API
add
  • play_circle Custom Nodes: ComfyUI-Manager, Impact Pack
  • play_circle Workflows מורכבים: Upscaling Pipeline, Video Frames
  • play_circle ComfyUI API — שליחת requests מ-Python
  • play_circle Batch Processing — עיבוד מאות תמונות אוטומטי
  • rocket_launch פרויקט: Automated Image Pipeline
שיעור חינמי

שיעור לדוגמה

הנה דוגמה אמיתית לשיעור מהקורס — כדי שתדע בדיוק מה מחכה לך.

play_circle
מודול 3 · שיעור 1

ControlNet OpenPose — שליטה מדויקת בפוזה

מה זה OpenPose ולמה זה game-changer?

OpenPose הוא מודל שמזהה את מיקום פרקי הגוף בתמונה — ראש, כתפיים, מרפקים, ידיים, ברכיים, קרסוליים — ומייצג אותם כ-skeleton צבעוני. ControlNet לומד להשתמש ב-skeleton הזה בתור תנאי לדיפוזיה, כך שמודל ה-AI שלך יפיק תמונה בדיוק אותה פוזה, בלי קשר לפרומפט.

לפני OpenPose, כל ניסיון לקבל פוזה ספציפית התבסס על תיאור טקסטואלי — ולעתים קרובות הוביל לתוצאות לא צפויות. עם OpenPose, מספיק לקחת תמונת הפניה, להפיק ממנה skeleton, ולהכניס אותו ל-ComfyUI. התוצאה? פוזה זהה בכל הדמויות שתייצר.

הגדרת ControlNet OpenPose ב-ComfyUI — שלב אחר שלב

  1. 1

    טעינת ControlNet Model

    הורד את הקובץ control_v11p_sd15_openpose.pth ממאגר ControlNet ב-HuggingFace. שמור אותו בתיקיית ComfyUI/models/controlnet/. ב-ComfyUI הוסף Node מסוג Load ControlNet Model ובחר את הקובץ.

  2. 2

    הכנת Pose Image

    הוסף Node מסוג DWPose Estimator (מ-ComfyUI-ControlNet-Aux). חבר אליו תמונת הפניה דרך Load Image. ה-Estimator ייצר skeleton ויזואלי שישמש כקלט לדיפוזיה.

  3. 3

    הגדרת Apply ControlNet

    הוסף Node Apply ControlNet. חבר: conditioning מה-CLIP Text Encode, control_net מהמודל שטענת, ו-image מה-DWPose. הגדר strength = 0.8.

  4. 4

    חיבור ל-KSampler ואחסון

    חבר את הפלט של Apply ControlNet ל-positive conditioning ב-KSampler. הפעל עם steps=25, cfg=7.0, sampler=dpm_2_a. חבר VAE Decode ו-Save Image לסיום.

ה-Workflow בפורמט גרפי

Load Checkpoint (SDXL) ↓ CLIP Text Encode (Prompt) ↓
DWPose Estimator (Pose Image) → Apply ControlNet (OpenPose, strength=0.8)
↓ KSampler (steps=25, cfg=7.0, sampler=dpm_2_a) ↓ VAE Decode → Save Image

workflow מפושט — הגרסה המלאה עם קובץ .json להורדה נמצאת בתוך הקורס

ערכי Weight — מה מתאים למה

0.3–0.5
השפעה עדינה
כיוון כללי של פוזה תוך מתן חופש ל-AI. מתאים כשרוצים וריאציות על theme.
0.7–0.85
מומלץ לשימוש יומיומי
פוזה ברורה ועקבית תוך שמירה על גמישות בסגנון. נקודת ההתחלה הכי טובה.
0.9–1.0
פוזה מדויקת לחלוטין
עיתוי כשהפוזה חייבת להיות זהה. עלול לייצר artifacts בחלק ממודלים.

טעויות נפוצות ואיך להימנע מהן

warning

שימוש ב-ControlNet SDXL על מודל SD 1.5 (ולהיפך)

כל גרסת SD דורשת ControlNet תואם. מודל SDXL OpenPose לא יעבוד על SD 1.5. תמיד בדוק שהשמות תואמים — SDXL models מכילות "xl" בשמן.

warning

תמונת הפניה ברזולוציה שונה מפלט הדיפוזיה

אם תמונת ה-Reference היא 512×512 ופלט ה-KSampler הוא 1024×1024, ה-skeleton יסתובב לא כמו שציפית. תמיד Resize את תמונת הפניה לאותה רזולוציה.

warning

Weight גבוה מדי עם פוזה לא שכיחה

פוזות מאוד לא שגרתיות (כמו ספורטאי באוויר) עם weight של 1.0 עלולות לייצר אנטומיה שגויה. הורד ל-0.7 ובדוק את התוצאה.

רכישה
workspace_premium גישה מלאה לכל החיים
₪397
תשלום חד פעמי — ללא מנוי חודשי

מה כלול?

  • check_circle גישה מלאה ל-15+ שעות תוכן — כל 5 המודולים
  • check_circle 8 פרויקטים מלאים עם Workflows להורדה בפורמט .json
  • check_circle קובצי LoRA לדוגמה ו-Dataset samples להתחלה מהירה
  • check_circle עדכונים לכל החיים — כולל Flux 2, SD 4.0 וכל חידוש עתידי
  • check_circle גישה לקהילת Discord פרטית — שאלות, משוב על עבודות, רשת קשרים
  • verified 7 ימי ניסיון — לא מרוצה? קבל החזר מלא, ללא שאלות
צלול לעולם ה-AI Art עכשיו chat שאלות לפני רכישה? שלח WhatsApp

אחרי הרכישה תקבל לינק לגישה ישירה לקורס תוך 24 שעות

שאלות נפוצות

יש לך שאלות?

האם צריך GPU חזק כדי ללמוד? add

מומלץ NVIDIA עם 8GB+ VRAM לחוויה הכי נוחה — RTX 3060 ומעלה עושים עבודה מצוינת. אבל אנחנו דואגים לכולם: מסופק גם מדריך Google Colab מלא שמריץ הכל בענן בחינם, כך שאפשר ללמוד גם ממחשב ישן לגמרי ללא GPU.

מה ההבדל בין Midjourney ל-Stable Diffusion? למה כדאי ללמוד SD? add

Midjourney קל יותר לשימוש ומייצר תוצאות מרשימות מהר — נהדר לצפייה ולהשראה. Stable Diffusion נותן לך שליטה מלאה: אתה בוחר כל פרמטר, מאמן מודלים על הסגנון שלך, ומריץ הכל מקומית ללא עלות API. הקורס יראה בדיוק מתי לבחור כל כלי ולמה.

האם נלמד גם Flux? add

בהחלט. מודול 2 מוקדש כולו ל-SDXL ול-Flux — כולל השוואה מפורטת בין Flux Schnell (מהיר, לפרוטוטייפים) ל-Flux Dev (איכות גבוהה יותר, לפרויקטים סופיים). תבין מתי כל אחד עדיף ואיך להגדיר כל אחד ב-ComfyUI.

כמה שטח דיסק צריך? add

מינימום 20GB לסביבת עבודה בסיסית עם מודל אחד. מומלץ 50GB+ אם רוצים להחזיק כמה מודלים, ControlNet models ו-LoRAs. ב-Colab אין מגבלת דיסק על session — הכל נמצא בענן.

מוכן להתחיל?

8 פרויקטים ו-15+ שעות של
ידע שמשנה

workspace_premium הרשמה עכשיו — ₪397

7 ימי החזר כספי מלא · תשלום חד פעמי · ללא מנוי