AI on the Lot 2026 - QwenVL - i2t
ثالث سير عمل تم إصداره لـ AI on the Lot 2026، وتمت إتاحته لحضور ورشة ComfyUI 101 لفتحه ومتابعته إن رغبوا. أداة بسيطة لتحويل الصورة إلى مطالبة نصية باستخدام Qwen VL، مفيدة لتوليد مطالبات من صور مرجعية.
حول
يحوّل هذا سير العمل أي صورة إلى نص وصفي يتبع التعليمات باستخدام Qwen-VL داخل ComfyUI. وهو سلسلة بسيطة وموثوقة: LoadImage تُدخل إطارك أو صورتك إلى الرسم البياني، وAILab_QwenVL يشغّل نموذج الرؤية-اللغة Qwen-VL لتوليد تسميات توضيحية أو إجابات بناءً على تعليماتك، وPreviewAny يعرض النص الناتج مباشرة في واجهة المستخدم. وبما أن AILab_QwenVL يقبل كلًا من الصورة والمطالبة، يمكنك توجيه الناتج نحو alt text مختصر، أو تفصيل مشهد دقيق، أو وسوم، أو حتى تفريغ نص بأسلوب OCR.
ما تقدّمه
- جارٍ قراءة سير العمل
يعمل في ComfyUI. لا يمكن تشغيل سير العمل هذا على هذه الصفحة. افتحه في Comfy Cloud مع تحميل كل شيء، أو نزّله لاستخدامه في ComfyUI الخاص بك.
جرّبه في Cloudالأسئلة والأجوبة
يشغّل AILab_QwenVL نموذج Qwen-VL للرؤية-اللغة على الإدخال من LoadImage. يأخذ تعليماتك (المطالبة) بالإضافة إلى الصورة، ثم يولّد نصًا — مثل تسمية توضيحية أو قائمة عناصر أو إجابة عن سؤال متعلق بالصورة — ويعرضه PreviewAny.
يعتمد ذلك على كيفية إعداد AILab_QwenVL في بيئتك. العديد من الإعدادات تحمّل أوزان النماذج محليًا وتعمل دون اتصال. إذا كانت عقدتك مُعدة لاستدعاء خدمة عن بُعد، فقد تحتاج اتصال شبكة أو بيانات اعتماد. تحقق من اختيار النموذج ووثائق العقدة.
وجّه النموذج بتعليمات صريحة (مثل: "One-sentence caption" أو "Return keywords separated by commas" أو "Output JSON with fields: setting, subjects, actions"). إذا كانت عقدتك تعرض إعدادات مثل maximum tokens أو temperature، استخدمها لتحديد الطول وجعل النتائج أكثر حتمية.
استخدم مطالبات واضحة ومحددة (مثل: "Transcribe all legible text exactly, line by line")، وقدّم صورًا كبيرة وواضحة بما يكفي، وقلل temperature للمهام الواقعية. إذا كان المشهد مزدحمًا، قص المنطقة ذات الصلة قبل تشغيل LoadImage حتى يركز النموذج على المهم.
مهام سير عمل ذات صلة
- ACE-Step
ACE-Step 1.5 توليد الموسيقى (4B LLM)
- عقدة شريكة
AI on the Lot 2026 - Final WF - t2v
- عقدة شريكة
AI on the Lot 2026 - QwenVL - مُحسّن الطلبات
- عقدة شريكة
AI on the Lot 2026_LTX-2.3_IC LoRA (Union Control)
- عقدة شريكة
Arrow2: Image to SVG
- عقدة شريكة
Arrow2: Text to SVG
- ElevenLabs
ElevenLabs: الكلام إلى نص
- عقدة شريكة
Fish Audio: Speech to Text
- Flux, Flux.1
Flux.1 لورا العمق
- Google Gemini, Google
Google Gemini
- SD1.5, Stability
Lotus Depth
- LTX-2, Lightricks
LTX-2 تحويل وضعية إلى فيديو