ComfyUI NSFW Workflow Anleitung: unzensiertes Setup in 7 Schritten (2026)

Von Alexandra Joly, Senior Editor · Zuletzt geprüft 17. Mai 2026 · Geprüft durch das Redaktionsteam · Siehe unseren redaktionellen Prozess und das Errata-Log

Was ComfyUI ist und warum Power-User es für unzensierte Bilder bevorzugen

Diese ComfyUI-NSFW-Workflow-Anleitung setzt voraus, dass du die Basics unzensierter Stable-Diffusion-Bilder schon kennst (Pony V6 XL für Anime, Realistic Vision für Fotoreal, FLUX.1-dev für Prompt-Treue). Wenn nicht, lies erst unseren Begleitartikel zu den besten Stable-Diffusion-Modellen ohne Zensur. Diese Seite baut auf dem Grundwissen auf und deckt den ComfyUI-spezifischen Teil ab.

Zwei echte Zielgruppen landen auf einer ComfyUI-NSFW-Workflow-Anleitung. Die eine fährt schon Automatic1111, ist an eine Decke gestoßen und will die Node-Graph-Kontrolle. Die andere hat auf Reddit oder Civitai von ComfyUI gelesen und will Automatic1111 ganz überspringen. Beide kriegen hier, was sie brauchen. Die sieben Schritte unten bauen einen funktionierenden unzensierten Workflow auf einem frischen Rechner, ganz ohne vorherige Automatic1111-Installation.

Was du brauchst, bevor du loslegst

Drei harte Voraussetzungen und eine weiche. Ich geh sie mal der Reihe nach durch, damit du weißt, ob dein Setup überhaupt mitspielt, bevor du irgendwas lädst.

Zuerst die Hardware-Untergrenze. NVIDIA-GPU mit 8 Gigabyte VRAM für SD-1.5-Checkpoints (Realistic Vision V6.0 B1, DreamShaper 8). 10 bis 12 Gigabyte für SDXL-Checkpoints (Pony Diffusion V6 XL, Basis-SDXL). 16 bis 24 Gigabyte für FLUX.1-dev. AMD-GPUs laufen per DirectML oder ROCm mit reduziertem Toolchain-Support, und Apple-Silicon-Macs fahren ComfyUI per MPS, hinken aber NVIDIA beim Tempo hinterher. Reine CPU-Inferenz generiert technisch zwar, ist aber zehn- bis fünfzigmal langsamer als eine Mittelklasse-NVIDIA-GPU, also fürs iterative Prompten, das du eh machen wirst, nicht praktikabel.

Dann das Speicherbudget. Zwanzig Gigabyte frei mindestens zum Start. Ein einzelner SDXL-Checkpoint ist sechs bis sieben Gigabyte, und FLUX.1-dev ist je nach Präzision zwölf bis dreiundzwanzig Gigabyte. Pack LoRAs, VAEs, ControlNets und Upscaler-Modelle dazu, und die Installation knackt locker hundert Gigabyte innerhalb eines Monats regelmäßiger Nutzung. Das hab ich auf die harte Tour gelernt.

Als Nächstes das Betriebssystem. Windows 10 oder 11 (portabler Build, einfachster Weg), Linux (manuelle Installation per Python-venv) oder macOS (manuelle Installation, langsamere Inferenz auf Apple Silicon). Den portablen Windows-Build würde ich für die erste Installation empfehlen, weil er Python, PyTorch und CUDA-Support bündelt und einfach läuft.

Und die weiche: Geduld. Zwei bis vier Stunden Lerngeduld für den ersten Workflow. Die Node-Graph-Metapher ist nicht intuitiv, wenn du von einer Tab-Oberfläche kommst. Hast du Blender-Shader-Nodes, den Unreal Material Editor oder Houdini benutzt, flacht die Kurve schnell ab. Wenn nicht, rechne in deiner ersten Session mit mindestens einer Schwarzbild-Generierung (meist ein VAE-Mismatch). Das ist quasi der Initiationsritus.

Der 7-Schritte-ComfyUI-Workflow ohne Zensur

Unzensiertes ComfyUI-Setup: 7 Schritte von der frischen Installation zur wiederverwendbaren Workflow-JSON

1. 1

   ComfyUI auf deinem Rechner installieren

   Lade den portablen ComfyUI-Build von der offiziellen comfyanonymous/ComfyUI-GitHub-Release-Seite für Windows, oder klone das Repository und mach eine manuelle Python-Installation unter Linux und macOS [Source: GitHub: ComfyUI Release-Seite · verified 2026-05-17]. Der portable Windows-Build bringt ein gebündeltes Python 3.11 und PyTorch mit CUDA-Support mit und läuft out of the box auf NVIDIA-GPUs. Entpack das Archiv, starte run_nvidia_gpu.bat und prüf, ob die Web-Oberfläche im Browser auf http://127.0.0.1:8188 lädt.

   Linux- und macOS-Nutzer installieren über den dokumentierten manuellen Pfad: git clone https://github.com/Comfy-Org/ComfyUI, ein Python-Virtual-Environment anlegen, PyTorch passend zu deinem CUDA-, ROCm- oder MPS-Backend installieren, die ComfyUI-Requirements installieren, dann python main.py starten. Gib ihm zehn bis fünfzehn Minuten für die erste Abhängigkeitsinstallation auf einem frischen Rechner.

   Überspring diesen Schritt nur, wenn du auf dem Rechner, auf dem du unzensierte Workflows fahren willst, schon eine funktionierende ComfyUI-Installation hast.

2. 2

   ComfyUI Manager für Ein-Klick-Node- und Modellverwaltung installieren

   Klone das ltdrdata/ComfyUI-Manager-Repository in den Ordner ComfyUI/custom_nodes/ und starte ComfyUI dann neu [Source: GitHub: ltdrdata/ComfyUI-Manager · verified 2026-05-17]. Nach dem Neustart taucht ein neuer Manager-Button im ComfyUI-Menü auf. Das Manager-Panel macht drei Dinge, auf die du dich ständig stützen wirst: Custom Nodes aus der Registry installieren, fehlende Nodes aus einem importierten Workflow installieren und Checkpoints, LoRAs und VAEs direkt von Civitai oder HuggingFace laden.

   Ohne ComfyUI Manager wird jede Custom Node und jede fehlende Abhängigkeit zur manuellen Datei-Kopier-Plackerei. Und jeder veröffentlichte Civitai-Workflow, den du importierst, referenziert mindestens eine Custom Node, also spart dir die automatische Fehlend-Node-Erkennung des Managers pro Workflow Stunden. Lass ihn nicht weg.

   Überspring diesen Schritt nur, wenn du eine harte Policy gegen das Installieren community-gepflegter Drittanbieter-Tools hast. Der ComfyUI Manager ist Open Source, breit auditiert und das De-facto-Standard-Add-on für ComfyUI.

3. 3

   Pony Diffusion V6 XL oder Realistic Vision V6 in den richtigen Ordner laden

   Für unzensierte Anime-, Cartoon- oder Furry-Bilder lädst du Pony Diffusion V6 XL von Civitai und legst die Safetensors-Datei in ComfyUI/models/checkpoints/ [Source: Civitai: Pony Diffusion V6 XL Modellkarte · verified 2026-05-17]. Es ist auf rund 2,6 Millionen Bildern trainiert, mit einem 1:1-Verhältnis zwischen Anime-, Cartoon-, Furry- und Pony-Datensätzen und einem 1:1-Verhältnis zwischen Safe-, Questionable- und Explicit-Einstufungen. Der Trainingssatz ist also bewusst zur Hälfte explizit, deshalb liefert der Checkpoint unzensierte Bilder ohne jedes LoRA-Stacking.

   Für unzensierte fotorealistische Bilder auf Hardware mit weniger VRAM nimmst du stattdessen Realistic Vision V6.0 B1 [Source: Civitai: Realistic Vision V6.0 B1 Modellkarte · verified 2026-05-17]. Der SD-1.5-Checkpoint von SG_161222 mit 729.019 Downloads ist die Go-to-Fotoreal-Wahl auf dem 8-Gigabyte-VRAM-Niveau, und er harmoniert gut mit Face Detailer in Schritt 5.

   Optional: Hast du 16-plus Gigabyte VRAM und ist dir Prompt-Treue wichtiger als ein bestimmter Stil, lädst du FLUX.1-dev von HuggingFace und ein unzensiertes Community-LoRA von Civitai [Source: HuggingFace: black-forest-labs/FLUX.1-dev Modellkarte · verified 2026-05-17]. FLUX-Basis ist SFW-trainiert, die unzensierten Bilder kommen also vom LoRA.

   Überspring diesen Schritt nur, wenn du schon einen Stable-Diffusion-Checkpoint in ComfyUI/models/checkpoints/ hast. Modellarchitekturen im selben Workflow zu mischen (SDXL vs. SD 1.5 vs. FLUX) unterstützt der Basis-ComfyUI-Graph nicht, also wähl eine Architektur pro Workflow.

4. 4

   Den Basis-Text-zu-Bild-Graphen in ComfyUI bauen

   Zieh die folgenden Nodes in dieser Reihenfolge aufs Canvas: Load Checkpoint (wähl deine geladene Pony-V6-XL- oder Realistic-Vision-Datei), CLIP Text Encode (Positiv-Prompt), CLIP Text Encode (Negativ-Prompt), Empty Latent Image (1024 mal 1024 für SDXL, 512 mal 768 für SD 1.5), KSampler (25 bis 30 Schritte, CFG 6 bis 8 für Pony V6 XL oder 1,5 bis 2,0 für Realistic Vision mit dem Hyper-LoRA), VAE Decode und Save Image.

   Verdrahte sie in der Standardkette: Load Checkpoint schickt MODEL an KSampler, CLIP an beide Prompt-Encoder; der Positiv-Prompt schickt CONDITIONING an den Positiv-Input des KSamplers; der Negativ-Prompt schickt CONDITIONING an den Negativ-Input; Empty Latent Image schickt LATENT an den Latent-Input des KSamplers; KSampler schickt LATENT an VAE Decode; VAE Decode schickt IMAGE an Save Image.

   Speziell für Pony V6 XL beginnt der Positiv-Prompt mit der Score-Tag-Folge, die der Modellautor dokumentiert hat: score_9, score_8_up, score_7_up, source_anime, [dein Prompt hier]. Diese Score-Tags sind eine Qualitäts-Modifier-Konvention, auf die sich die Community geeinigt hat, und lässt du sie weg, kommt dein Output sichtbar verschlechtert raus. Nimm den Euler-A-Sampler bei 25 Schritten und CFG 7 für den stärksten ersten Durchlauf.

   Überspring die Verdrahtungsdetails dieses Schritts nur, wenn du einen funktionierenden Workflow als JSON von Civitai importiert hast. Dann ist der Graph schon gebaut, und du springst direkt zu Schritt 5.

5. 5

   Eine Face-Detailer-Node für Gesichtstreue ergänzen

   Gesichter schrumpfen bei 1024 Auflösung auf einen kleinen Teil des Bilds und verlieren im ersten Durchlauf an Treue. Installiere das Impact Pack über den ComfyUI Manager, um FaceDetailer zu bekommen, das ComfyUI-Pendant zu ADetailer für Automatic1111. ADetailer ist das Standard-Gesichtsdetail-Tool in der Automatic1111-Welt, und FaceDetailer bildet sein Verhalten im ComfyUI-Node-Graphen ab [Source: GitHub: Bing-su/adetailer (Automatic1111-Referenz) · verified 2026-05-17].

   Verdrahte FaceDetailer nach VAE Decode und vor Save Image. Die Node schneidet erkannte Gesichter mit einem YOLO-Gesichtserkennungsmodell aus, samplet sie in höherer Auflösung durch den Basis-Checkpoint neu und setzt das vergrößerte Gesicht zurück ins Originalbild. Die Standardeinstellungen (Denoise 0,4, 20 Schritte, CFG 7) funktionieren für die meisten unzensierten Porträts gut. Heb Denoise auf 0,5, wenn Gesichter noch weich aussehen, oder senk es auf 0,3, wenn der Redraw zu weit vom Original abdriftet.

   Bei Workflows, die mehrere Charaktere pro Bild erzeugen, erkennt und bearbeitet FaceDetailer jedes Gesicht einzeln, genau das, was du für die Mehr-Charakter-Kompositionen willst, die Pony V6 XL von Single-Subject-SDXL abheben.

   Überspring diesen Schritt nur, wenn deine Prompts auf Ganzkörper-Aufnahmen zielen, bei denen Gesichter absichtlich klein oder gar nicht da sind. Für jeden Porträt-, Halbkörper- oder Nahaufnahme-Workflow ist FaceDetailer der zweite Durchlauf mit dem höchsten Ertrag, den du ergänzen kannst.

6. 6

   Eine 2x-Upscale-Node für Produktionsqualität ergänzen

   Stable Diffusion XL gibt nativ in 1024 Pixel aus und SD 1.5 in 512 Pixel, und reichlich Produktionsarbeit braucht mehr als das. Installiere Ultimate SD Upscale über den ComfyUI Manager und ergänze es nach FaceDetailer. Es kachelt das Bild in überlappende Segmente, samplet jede Kachel mit niedrigerer Denoise-Stärke (0,2 bis 0,35) durch den Basis-Checkpoint und näht die Kacheln mit nahtlosem Blending wieder zusammen.

   Das Ergebnis kommt sauberer raus als plumpes Bilinear- oder Lanczos-Upscaling, und es behält das Texturdetail, das einfachere Upscaler wegmatschen. Für SDXL-Workflows hebt 2x-Upscaling 1024 auf 2048 Pixel; für SD-1.5-Workflows hebt 2x 512 auf 1024 oder 768 auf 1536. Der VRAM-Druck schießt im Upscale-Durchlauf hoch, also rechne auf einer 8- bis 10-Gigabyte-Karte damit, das --medvram-Flag beim ComfyUI-Start zu nutzen oder einen langsameren Kachel-für-Kachel-Durchlauf hinzunehmen.

   Willst du lieber einen Ansatz mit vortrainiertem Modell, sind 4x-UltraSharp und RealESRGAN_x4plus_anime_6B beide über den Modell-Browser des ComfyUI Managers verfügbar. Sie laufen schneller als Ultimate SD Upscale, schärfen dafür aber aggressiver nach, was manche Workflows lieben und andere nicht ausstehen können.

   Überspring diesen Schritt nur, wenn du keinen Output über der nativen Checkpoint-Auflösung brauchst. Für Social-Media-Größe (1024 mal 1024) reicht der FaceDetailer-Durchlauf allein dicke.

7. 7

   Den Workflow als JSON speichern und über Sessions hinweg wiederverwenden

   Klick im ComfyUI-Menü auf Save, um den kompletten Node-Graphen als Workflow-JSON-Datei zu exportieren. Die JSON erfasst jede Node, jede Verbindung, jeden Parameterwert und jede Modellreferenz in einer einzigen Datei. Du kannst sie auf demselben Rechner neu importieren, indem du sie aufs Canvas ziehst, sie mit Mitstreitern teilen, die ihre eigene ComfyUI-Installation fahren, oder sie an generierte Bilder hängen, damit jeder mit denselben Modellen den exakten Graphen nachbaut [Source: ComfyUI Dokumentation · verified 2026-05-17].

   Das ist ehrlich das am meisten unterschätzte ComfyUI-Feature. Jeder veröffentlichte unzensierte Civitai-Workflow kommt als ladbare JSON, die du direkt aufs Canvas ziehst. Die Civitai-Community-Workflow-Galerie hostet tausende dieser Dateien, die Pony-V6-XL-, FLUX- und Realistic-Vision-Setups mit Custom LoRAs, ControlNets und Nachbearbeitungsketten abdecken [Source: Civitai: Community Stable-Diffusion-Inhalte · verified 2026-05-17].

   Zwei Produktionsgewohnheiten, die der JSON-Workflow freischaltet. Erstens: Versioniere deine Workflows in einem Git-Repository, damit du auf einen früheren Graphen zurückrollen kannst, wenn eine neue Node ein vorher sauber laufendes Setup zerlegt. Zweitens: Bau dir eine kleine Bibliothek aus drei bis fünf JSON-Dateien (eine für Porträts, eine für Ganzkörper, eine nur fürs Upscale, eine fürs Inpainting, eine für FLUX) und lad pro Session einfach die richtige, statt den Graphen jedes Mal von Grund auf neu zu bauen.

   Überspring diesen Schritt nur, wenn du ComfyUI als Einmal-Bildgenerator nutzen und nie einen Workflow reproduzieren willst. Für jede iterative oder produktive Nutzung ist der JSON-Export nicht verhandelbar.

Häufige Stolperfallen (und wie du sie vermeidest)

Stolperfalle 1: falsches VAE für den Checkpoint

Der häufigste Fehlschlag in der ersten Session ist ein schwarzes Bild, und die Ursache ist fast immer ein VAE-Mismatch. SDXL-Checkpoints erwarten das SDXL-VAE, SD-1.5-Checkpoints das SD-1.5-VAE und FLUX ein FLUX-VAE. ComfyUI lädt mit dem Checkpoint ein Standard-VAE, aber manche Civitai-Downloads kommen ohne eingebettetes VAE und geben dir einen schwarzen Output, bis du eine Load-VAE-Node ausdrücklich in den Graphen verdrahtest. Spuckt ein Workflow bei der ersten Generierung also reines Schwarz oder reines Rauschen aus, prüf die VAE-Verdrahtung, bevor du den Prompt oder den Sampler anfasst.

Stolperfalle 2: die Score-Tags bei Pony V6 XL weglassen

Pony Diffusion V6 XL ist mit einem Qualitäts-Tagging-System trainiert, das der Modellautor dokumentiert hat (score_9, score_8_up, score_7_up, score_6_up). Prompts, die die Score-Tags weglassen, kommen sichtbar verschlechtert zurück: matschige Farben, weiche Anatomie, Off-Style-Ergebnisse, die Leute dem Modell ankreiden, obwohl es eine übersprungene Prompting-Konvention ist. Jeder Pony-V6-XL-Positiv-Prompt sollte mit der Score-Tag-Folge beginnen, und der Negativ-Prompt enthält meist score_4, score_3, score_2, score_1, um den Sampler von minderwertigem Output wegzuschieben.

Stolperfalle 3: SDXL auf 8 GB VRAM ohne das --medvram-Flag fahren

SDXL-Checkpoints laufen technisch auf 8 Gigabyte VRAM, aber der ComfyUI-Standardstart versucht, das volle Modell in den VRAM zu laden, und geht mitten in der Generierung aus. Der Fix ist das --medvram-Flag beim Start (unter Windows hängst du das Flag in run_nvidia_gpu.bat an; unter Linux an den python main.py-Befehl). Es schiebt das Modell mit einem kleinen Tempoverlust zwischen VRAM und RAM. Kriegst du mitten in der Generierung einen CUDA-Out-of-Memory-Fehler in der Konsole, greif zu --medvram, bevor du auf einen kleineren Checkpoint runtergehst.

Stolperfalle 4: Custom Nodes ohne den ComfyUI Manager installieren

Hier eine Geschichte, die ich ein Dutzend Mal beobachtet hab. Jemand landet auf einem Reddit-Thread, sieht eine empfohlene Custom Node, klont sie direkt in ComfyUI/custom_nodes/, und der nächste Neustart scheitert beim Laden wegen eines Abhängigkeitskonflikts mit einer anderen Node. Der ComfyUI Manager übernimmt Abhängigkeitsauflösung und Versions-Pinning für dich; ein manueller Git-Clone nicht. Lass jede Custom-Node-Installation über das Install-Custom-Nodes-Panel des Managers laufen, und heb dir den manuellen Git-Clone für Nodes auf, die noch nicht in der Registry sind.

Stolperfalle 5: Workflow-JSON-Dateien als nicht vertrauenswürdigen Code behandeln

Eine von einem unbekannten Civitai-Nutzer importierte Workflow-JSON kann auf Custom Nodes verweisen, die beliebigen Code auf deinem Rechner ausführen, wenn der Workflow läuft. Die JSON selbst ist nur Daten und kann nichts ausführen; die referenzierten Custom Nodes sind Python-Dateien und können das sehr wohl. Importier Workflow-JSONs von benannten Civitai-Autoren mit nachprüfbarer Upload-Historie, und lass den ComfyUI Manager die referenzierten Nodes aus der Registry installieren, statt von zufälligen GitHub-URLs zu klonen.

Wann diese Anleitung nicht passt

Das ist der technische Setup-Weg für Power-User, und der passt nicht für jeden. Sei ehrlich zu dir selbst bei Folgendem.

Du hast keine NVIDIA-GPU mit mindestens 8 Gigabyte VRAM. Der Workflow oben braucht CUDA-Hardware für brauchbare Generierungstempos. AMD- und Apple-Silicon-Wege gibt's, aber mit reduziertem Toolchain-Support und langsamerer Iteration.

Du hast keine zwei bis vier Stunden für den ersten Workflow übrig. ComfyUI ist keine Fünfzehn-Minuten-Installation. Eine realistische Zeit bis zur ersten Generierung auf einem frischen Rechner liegt bei einer Stunde für Installation und Abhängigkeiten, einer Stunde für den ersten Basis-Workflow, einer Stunde, um FaceDetailer und Upscale zu ergänzen, plus mindestens dreißig Minuten, um den unvermeidlichen VAE- oder VRAM-Fehler zu beheben.

Du willst einen Workflow, den du nicht warten musst. Custom Nodes updaten, Basis-Checkpoints updaten, ComfyUI selbst updatet, und ein JSON-Workflow, der im Winter sauber lief, kann im Frühjahr brechen. Gehostete Alternativen (Promptchan, Candy.ai, DarLink AI, Joi) tragen diese Wartungslast auf ihrer Seite.

Du generierst eher mal ein Bild, statt in Batches zu iterieren. Die Setup-Steuer zahlt sich nur über regelmäßige Nutzung aus. Für ein Bild im Monat liefern die vier fertigen Alternativen am Seitenende gleichwertige unzensierte Bilder, ohne GPU und ohne Installation.

Trifft irgendwas davon auf dich zu, sind die vier gehosteten Picks am Seitenende der richtige Schwenk. Der Sieben-Schritte-Workflow oben ist für die Leser, die alle vier Bedingungen erfüllen.

ComfyUI vs. Automatic1111: welches solltest du nehmen?

Geh zu ComfyUI, wenn du präzise Kontrolle über eine mehrstufige Pipeline brauchst. Denk an Text-zu-Bild in Face Detailer in Upscale in Nachbearbeitung, oder Text-zu-Bild in ControlNet-Pose-Conditioning in einen LoRA-Stack in Custom-Sampler-Scheduling. Jede Operation ist eine eigene Node, die du umrouten, duplizieren oder abschalten kannst, und der ganze Graph exportiert als JSON-Datei, die ein anderer ComfyUI-Nutzer identisch nachbaut.

Geh zu Automatic1111, wenn du einen Checkpoint laden, einen Prompt tippen, auf Generate klicken und das Ergebnis sehen willst. Die Tab-Oberfläche versteckt den Node-Graphen hinter einem simpleren Interface. ADetailer, Upscale und andere Erweiterungen installierst du über den Extensions-Tab, und sie tauchen als zusätzliche Tabs auf statt als Nodes. Flachere Lernkurve, niedrigere Anpassungsdecke.

Reichlich Leute fahren beides: ComfyUI für die iterative Pipeline-Arbeit, Automatic1111 für schnelle Einmal-Sachen. Zeig beide auf denselben Speicherort, und sie teilen sich dieselben Checkpoint-, LoRA- und VAE-Ordner, du dupizierst Modelldateien also nicht über deine ganze Platte.

Es gibt noch eine dritte Option, bei der manche landen. Forge ist ein Community-Fork von Automatic1111, getunt auf niedrigeren VRAM und schnelleres Sampling. Es läuft mit denselben Checkpoints und derselben ADetailer-Erweiterung, und es ist einen Blick wert, wenn dir der Standard-Automatic1111-Installationspfad Ärger gemacht hat.

Häufige Fragen

Wenn du keine ComfyUI-Installation verwalten willst: vier fertige Alternativen

Der Sieben-Schritte-Workflow oben ist echtes Power-User-Terrain. Bist du ohne NVIDIA-GPU hier gelandet, ohne zwei bis vier Stunden Lerngeduld oder ohne jede Lust, Checkpoint-Updates und Custom-Node-Abhängigkeitskonflikte zu hüten, hast du einen legitimen Alternativweg. Gehostete Plattformen erzeugen unzensierte Bilder auf einem öffentlich zugänglichen Tarif, mit einer echten Firma dahinter und einem aktiven Affiliate-Angebot. Die vier Picks unten kommen direkt aus unserer Bewertung.

1. Promptchans Bildgenerierung ohne Zensur: Bildgen-Spezialist (PPS, freigeschaltet)

Empfehlenswert (7,0-7,9) nach unserer KI-Begleiter-Bewertung. Top-Quartil bei der Bildgenerierungsqualität. Die zugrunde liegenden Modelle sind Flux.1, Stable Diffusion 3 und Pony, dieselben Architekturen aus dem Sieben-Schritte-Workflow oben, nur mit einer gehosteten Oberfläche davor, die die Setup-Steuer wegnimmt. Die öffentliche Galerie mit 20 Millionen-plus nutzergenerierten Bildern ist ein echter Anreiz, weil du Community-Prompts durchstöbern kannst, bevor du einen Cent zahlst. Du bekommst 30 bis 50 tägliche Gems im Gratis-Tarif mit Wasserzeichen-Output, und der Pro-Tarif liegt bei ≈ 26,99 $ pro Monat [Source: Apple App Store: Promptchan-Eintrag · verified 2026-05-17].

Der Haken: Der Mainstream-Chat ist angeflanscht, und Drittanbieter-Tester nennen ihn kurz und generisch. Promptchan ist ein unzensiertes Bild-und-Video-Tool mit Chat-Furnier, kein Chat-First-KI-Begleiter.

Promptchan gratis testen →

2. Candy.ai Erfahrungen: Begleiter-App mit gebündelter Bildgen

Exzellent (8,0-8,9) nach unserer KI-Begleiter-Bewertung. Top-Quartil bei Bildgenerierungsqualität und Anpassbarkeit. Das Jahresabo landet bei ≈ 3,99 $ pro Monat effektiv, dem niedrigsten jeder gehosteten Option, die wir für ein Bündel aus Begleiter plus Bildgen abdecken. Die Bedienung ist poliert, mit visuellen Anpassungs-Schiebereglern, Szenenwechsel-Prompts und Re-Roll-Konsistenz, die zusammen einen starken ersten Eindruck machen. Und das gebündelte Erlebnis (Begleiter-Erstellung, Bildgen, Stimme) ist genau das, wonach die meisten suchen, wenn sie "KI-Freundin mit Bildgenerierung" eingeben.

Der Haken: Die Gedächtnisschwäche taucht bei jedem Hands-on-Tester auf, also rechne damit, dass die Persona ab Woche 2 bis 3 intensiver Nutzung abdriftet.

Candy.ai testen →

3. unser DarLink-Pick: narrativ verankerte Szenarien + Medien

Empfehlenswert (7,0-7,9). Stark bei Anpassbarkeit und Bildgenerierung, Mittelfeld bei der Stimme. Eine in der Schweiz ansässige, narrativ-first aufgebaute Plattform rund um Szenario plus Medien-Output. Das dreistufige Living-Memory-System hält die Persona besser fest als die Impulskauf-Alternativen. Die inline beworbene 4K-Bildgenerierung ist hier der Standout, und das Ganze zielt auf Leser, die ihre unzensierten Bilder in eine fortlaufende Geschichte gewoben haben wollen statt als einzelne Prompt-Ergebnisse ausgespuckt.

Der Haken: Für das rohe Prompt-und-Output-Grinden, wo Promptchan regiert, passt es weniger. Der narrative Rahmen ist der Punkt, nicht die Reibungsbeseitigung.

DarLink AI testen →

4. Joi.ai Erfahrungen: Face-Lock + Dream Clips

Exzellent (8,0-8,9). Top-Quartil bei Bildgenerierungs- und Videogenerierungsqualität. Face-Sync V4 ist der stärkste dokumentierte Identitäts-Lock in unserem Testset, hält denselben Charakter über Re-Rolls und über Dream-Clips-Videoframes hinweg in fast 4K-Auflösung. Ist deine Hauptsorge Charakterkonsistenz (genau das Problem, mit dem ComfyUI-Nutzer per Face-Embedding-LoRAs und Face Detailer ringen), ist Joi die Managed-Platform-Antwort. Der Gratis-Tarif gibt dir ≈ 5 Nachrichten am Tag und 6 Bildgenerierungen ohne expliziten Output, und das Premium-Jahresabo liegt bei ≈ 4 $ pro Monat effektiv.

Der Haken: Die Neuron-Token-Ökonomie summiert sich schnell, und Live-Videoanrufe laufen grob auf 30 bis 50 $ pro Stunde. UK-Leser sind geo-blockiert, Joi liefert ihnen ein /uk/unavailable-Landing, statt den UK Online Safety Act umzusetzen [Source: Joi: UK-unavailable-Landing · verified 2026-05-17].

Joi testen →

---

Zuletzt geprüft 17. Mai 2026 · Siehe das Errata-Log für Korrekturen nach Veröffentlichung · Redakteurin: Alexandra Joly · Methodik · Redaktioneller Prozess · Affiliate-Hinweis

Setup sparen, Promptchan gratis testen →

Weiterlesen

• KI-Bildgenerator-Hub und volles Ranking
• Beste Stable-Diffusion-Modelle ohne Zensur (5 getestete Picks)
• Top 10 KI-Bildgeneratoren ohne Zensur
• Wie wir KI-Begleiter-Apps bewerten (unsere Methodik)
• Promptchan voller Test (Pro-Tarif und Video-Engine)
• Candy.ai
• Joi
• DarLink AI Erfahrungen