文生图

很多人用 ComfyUI 停留在「拖节点、点 Queue」的单次出图。但当你要给一个电商项目批量生成几百张商品图、或者做风格消融实验时，手点点到吐。ComfyUI 其实自带一套干净的 HTTP API，配合导出的 workflow.json，可以完全脱离图形界面跑批。 链路分三步 第一步，在界面里把一个调好的工作流跑通，然后用「Save (API Format)」导出——注意不是普通的 Save，而是导出 API 格式的 JSON，节点变成扁平的 {node_id: {class_type, inputs}} 结构。 第二步，启动时加上 --listen 127.0.0.1 --port 8188，让它暴露 API。脚本侧就是两次 POST： POST /prompt，body 里塞 {"prompt": workflow_json, "client_id": "batch-001"}，服务器返回一个 prompt_id； 轮询 GET /history/{prompt_id} 直到出现完成标记，再从 /view 下载产物图片。 第三步，把要扫的参数（种子、提示词、LoRA 权重）做成一个列表，循环提交即可。 实战要点 并行别贪多：一张显卡同时跑两个工作流就开始排队，批量任务用队列串行更稳； 变量抽离：只把提示词、种子、输出文件名做成变量，其他节点锁死，避免 JSON 结构漂移； 失败重试：加一个超时重提，ComfyUI 偶发显存碎片会让单次任务挂掉。 判断 这套 headless 打法，把 ComfyUI 从「创作工具」变成了「可被调度的渲染服务」。当你的出图需求从「一张两张」变成「一套实验矩阵」，就别再守着界面点按钮了——脚本化之后，风格、尺寸、种子的组合实验才能真正铺开。 补充一个工程化细节：批量任务最好落一个任务表。用 SQLite 记录每批的 prompt、种子、状态与产物路径，脚本跑完把结果回填，这样失败重跑时不会重复生成已完成的图。另外，多显卡机器可以按端口起多个 ComfyUI 实例，8188、8189 各跑一路，脚本按实例轮询，吞吐接近翻倍，也不会互相抢显存。 把这套链路跑顺之后，你会发现出图的瓶颈从「手动点按钮」变成了「提示词与参数设计」——那才是真正值得花时间的地方，机械重复交给脚本，创意和调参留给自己，这才是自动化该有的样子。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：ComfyUI批量出图

为什么要从一键工具换到 ComfyUI Midjourney、即梦这类工具出图快，但你只能调提示词，背后的采样器、CFG、VAE、ControlNet 全是黑箱。ComfyUI 的思路反过来：它把文生图拆成一个个节点，每个节点干一件事（加载模型、编码提示词、采样、解码、存图），你用连线把它们拼成一条流水线。上手有学习成本，但一旦跑通，你就从「碰运气抽卡」变成「精确控制每一步」——换采样器、接 ControlNet、做局部重绘，全是拼节点的事。 核心就五个节点 打开 ComfyUI，默认那条「文生图」工作流其实只有五个关键节点，理解它们就理解了一半： 节点 作用 要点 Load Checkpoint 加载大模型 选 SDXL 或 SD1.5 的 .safetensors 文件 CLIP Text Encode (正负) 编码提示词 上正向下负向 Empty Latent Image 设定画布尺寸 SDXL 常用 1024×1024 KSampler 采样去噪 steps、CFG、sampler 都在这 VAE Decode + Save 解码并存图 输出 PNG 连线逻辑是：Checkpoint 同时喂给提示词编码和采样器；KSampler 在 latent 空间跑完去噪，再交给 VAE Decode 变成像素图。理解「先在潜空间采样、最后才解码」这个顺序，后面加 ControlNet、加 LoRA 就都顺了。 模型放对位置是第一关 新手 90% 的报错是模型放错文件夹。ComfyUI 启动时从 models/ 目录扫模型：大模型放 models/checkpoints/，LoRA 放 models/loras/，VAE 放 models/vae/。你从 Hugging Face 或 Civitai 下的 .safetensors 文件，要按类型丢进对应目录，然后在 ComfyUI 里点「刷新」按钮，节点下拉菜单才看得到。放错地方、不刷新，节点里就是空的。 ...

引言 图像生成AI在2026年已经从"能看"进化到"好看"的阶段。无论是写实照片、艺术插画还是商业设计，AI生成的图像质量已经达到专业级水平。本文将全面对比当前主流的图像生成模型。 主流模型概览 商业API DALL-E 4 (OpenAI) — 综合能力最强 Imagen 4 (Google) — 写实照片最强 Midjourney v7 — 艺术风格最佳 Firefly 3 (Adobe) — 商用最安全 Ideogram 3 — 文字渲染最强 开源模型 Stable Diffusion 4 (Stability AI) — 开源生态之王 FLUX 2 (Black Forest Labs) — 开源质量最佳 SDXL Turbo 2 — 实时生成 Kolors 2 (快手) — 中文理解强 CogView 4 (智谱AI) — 中文文生图 核心能力对比 图像质量 (FID分数越低越好) 模型 FID↓ 分辨率 生成速度 FLUX 2 8.2 2048×2048 2s DALL-E 4 9.5 2048×2048 3s Midjourney v7 9.8 2048×2048 4s Imagen 4 8.8 2048×2048 3s SD 4 10.5 2048×2048 2s Kolors 2 11.2 1024×1024 1.5s CogView 4 11.8 1024×1024 2s 文本理解 提示词理解的准确度： ...