Qwen Image 2.1 在 ComfyUI 中的多图编辑、文生图与原生透明背景工作流
作者在 ComfyUI 中实测阿里 Qwen 团队的 Qwen Image 2.1,用单个 7B 模型完成文生图、最多 10 张参考图的多图编辑和原生 RGBA 透明抠图。
推荐理由:作者实测 Qwen Image 2.1 在 ComfyUI 中的多图编辑与透明通道输出,并给出可直接复用的提示词公式与参数设置。
创作方向
ComfyUI 生态与可复用工作流:节点、流程模板、批量出片方法与创作者工程实践。
199 条精选近 30 天 99 条共收录 1,541 条
作者在 ComfyUI 中实测阿里 Qwen 团队的 Qwen Image 2.1,用单个 7B 模型完成文生图、最多 10 张参考图的多图编辑和原生 RGBA 透明抠图。
推荐理由:作者实测 Qwen Image 2.1 在 ComfyUI 中的多图编辑与透明通道输出,并给出可直接复用的提示词公式与参数设置。
微软团队提出 Code Video Model,由 Coding Agent 将 Prompt 转化为 Three.js 程序,把几何布局、物体运动、相机轨迹和事件时序统一为可执行场景表示,程序渲染的预演视频为视频模型提供时空参考。
推荐理由:微软团队用可执行代码替代提示词控制视频生成,免训练的阶段化条件调度让镜头设计在生成前可检查可修改。
MOSS-Image 在 ComfyUI 中单次生成即可输出含日文说明的 6 格分镜和带表格的絵コンテ。3 个イメージボード作品的 18 条日文说明全部正确渲染,絵コンテ 2 页出现 4 处误字。RTX 3060 上单张生成约 18-40 秒,作者提供区域分离的 Prompt 写法和 ComfyUI-MOSS-Storyboard 自定义节点工作流。
推荐理由:本地 MOSS-Image 单次生成即可输出含日文说明的分镜与带表格的絵コンテ,区域分离的 Prompt 写法与 ComfyUI 工作流可直接复用。
作者开源了本地影视生成工具 Kinoloom,基于 ComfyUI 运行,支持 LTX 2.5、MiniMax H3 和 Wan 2.2 等视频模型及 Qwen image 2.1 等图像模型,可在 8GB 显存的消费级显卡上生成视频。
推荐理由:Kinoloom 在 latent 空间拼接多段视频后一次性解码,使 8GB 显存消费级硬件也能输出无跳帧的 16 秒连贯长镜头。
作者发布 ComfyUI 自定义节点 comfyui_davcha_editor,为 Load Image 增加全屏编辑器,支持裁剪、填充、旋转、软笔刷蒙版与撤销重做,编辑结果保存在工作流中而不改动原文件。
推荐理由:作者把 Load Image 扩展成带蒙版、预处理层和可编辑 OpenPose 的内置编辑器,方便评估是否替换现有工作流。
作者在 ComfyUI 中搭建了一套 MiniMax H3 工作流,把 SelfLift 渐进分辨率采样与 DLSS 5 超分节点结合,在 6GB 显存的 RTX 3060 上输出 2K 或 4K 视频。其 6GB 显存环境生成并超分到 4K 约耗时 35 分钟,参数为 8 步、0.6 百万像素,全程无需额外训练模型,工作流与 DLSS5 DLL 均已放出下载链接。
推荐理由:作者在 6GB 显存显卡上实测了从低分辨率渐进采样到 4K 超分的完整流程,并给出耗时与参数,可供低配设备用户参考。
作者发布 MacH3 Metal,一个把 antirez 的 h3.c 原生 C+Metal 引擎封装成 ComfyUI 节点的工作流包,可在 Apple 芯片上原生运行 MiniMax H3。
推荐理由:作者把 MiniMax H3 的原生 C+Metal 引擎封装成 ComfyUI 节点,并给出 M5 Pro 上的实测耗时与显存占用,可供 Mac 用户评估本地出片流程。
作者用单张 RTX 4090 和开源权重模型本地完成 The Flaming Lips 歌曲的 4 分钟非官方粉丝 MV,全程不用云服务、不调付费 API。
推荐理由:作者公开了单卡本地完成 4 分钟 MV 的完整管线与逐环节耗时,可据此估算自建音乐视频流程的算力成本。
作者在 ComfyUI 中用 MOSS-Image Base 搭配 qwen3.5_9b 文本编码器和 flux2-vae,以 JSON 格式提示词指定文字内容与 bbox 位置,生成电影海报、女性杂志封面、CD 封面、小说封面和漫画一页五种日文设计。
推荐理由:作者用同一套 ComfyUI 设置和 JSON 提示词实测 MOSS-Image 的日文排版能力,五类设计各附完整提示词,可直接复现。
作者用 LTX 2.5 的图生视频功能制作一部 10–15 集 AI 迷你剧,前两集已上线。流程是先用 ChatGPT 生成首尾帧并固定角色参考图,再用 Lightricks 的 ltx-pipelines 以 1920x1088 生成视频和音频。
推荐理由:作者用 LTX 2.5 制作 10–15 集 AI 迷你剧,并公开了首尾帧、镜头衔接与成本控制的具体做法。
作者将腾讯的视频世界模型 Hy-Nomas 移植为 ComfyUI 原生节点,DiT 作为普通 ComfyUI MODEL 由原生 KSampler 采样,12GB 显存即可运行。
推荐理由:作者把腾讯 Hy-Nomas 移植成 ComfyUI 原生节点,并给出 12GB 显存下的实测速度与提示词写法,可据此评估本地跑世界模型的可行性。
作者将此前的 MiniMax H3 Dual Segment 工作流升级为 MiniMax H3 Chain Director V1.0,新增自定义 Director 节点,可在单一面板中控制完整生成流程。
推荐理由:作者把原先固定的两段式流程升级为单面板控制的多段链式工作流,并公开了下载与依赖说明,便于其他 ComfyUI 用户复现测试。
作者在 RTX 3090 Ti 上实测 Zagitta 的 GPU Unlock,在 ComfyUI 中 BF16 配置的吞吐提升约 46% 至 60%,其中 MiniMax H3 视频加音频从 253.27 秒降至 158.05 秒。
推荐理由:作者在 3090 Ti 上逐项对比解锁前后的出图与出片耗时,可据此判断哪些精度配置值得开启。
AInVFX 梳理了 ComfyUI 中五款开源图像模型的分工:Z-Image Turbo 主打 8 步写实出图,FLUX 3 Image Klein 支持最多 10 张参考图编辑与 4K 输出,MOSS-Image 擅长版面与图中文字,Qwen-Image-Edit-2511 靠 LoRA 生态做精确编辑,SeedVR2 负责一步超分修复。
推荐理由:文章把五款开源图像模型按用途、分辨率、短板和许可证逐项对照,并给出 ComfyUI 中的实测耗时与踩坑点。
CreatorOS Studio 以 Apache-2.0 开源,在本地 GPU 上基于 ComfyUI 提供一键式视频创作,不消耗积分、不经过平台内容过滤。
推荐理由:作者因托管平台审核与积分消耗自建本地工具,展示了开源模型在本地完成分镜到成片流程的可行路径。
Stable Diffusion Art 发布教程,介绍在 ComfyUI 中用 MiniMax H3 Fun ControlNet Union 从驱动视频复制身体动作,同时生成 24fps 视频与立体声。
推荐理由:作者实测同一段驱动视频配不同提示词,并给出模型搭配、分辨率与强度参数的具体避坑做法。
作者发布 PixText,一个不到 1B 参数(约 0.95B)的模型,用于修复生成图像中错乱的文字和汉字。该模型直接在像素空间训练,不需要文本编码器或 VAE,借助 MeanFlow 仅用 4 步采样完成文字修复。在 ComfyUI 中可框选区域并输入正确文字,或先自动检测文字再调整建议框,对比节点会展示每个区域修复前后的效果。
推荐理由:针对生成图中小字被 VAE 压缩糊掉的问题,作者给出像素空间修复模型与 ComfyUI 框选改字流程。
作者在 ComfyUI 中尝试 MiniMax H3 的 Reference-to-Video 工作流,用 AI 生成角色替换原视频人物,同时保留原片动作与表演,并尝试替换背景环境。
推荐理由:作者在本地实测 MiniMax H3 的参考生视频流程,把角色替换与动作迁移整理成可下载的工作流和素材。
MOSS-Image 在 2026 年 10 月 22 日获得首个指令编辑 LoRA chinoll/Moss-Image-Edit,这是一个 rank-64 适配器,接收 1 到 4 张参考图和一段文本指令,覆盖颜色、服装、光照、季节与视觉风格等改动。
推荐理由:社区为 MOSS-Image 补上指令编辑 LoRA,文中给出 ComfyUI 原生与节点包两条接入路径和默认参数,可对照现有编辑流程评估。
taobao-content-ai 为 MiniMax H3 发布 Ref2VA 加速 LoRA,10 月 20 日上线 8 步与 4 步的 PTD 版本,10 月 22 日追加用 PTD 加 RefAsymOPD 训练的 8 步版本,实现参考图输入、视频与音频输出。
推荐理由:围绕 MiniMax H3 的 Ref2VA 加速 LoRA,材料给出权重规格、ComfyUI 节点安装与显存门槛,便于判断能否接入现有出片流程。