AI on the Lot 2026 - QwenVL - i2t
Troisième workflow publié pour AI on the Lot 2026, mis à disposition des participants à l’atelier ComfyUI 101 pour ouvrir et suivre en direct s’ils le souhaitent. Générateur simple de prompt image-vers-texte utilisant Qwen VL, utile pour créer des prompts à partir d’images de référence.
À propos
Ce workflow transforme n’importe quelle image en texte descriptif et conforme à une instruction grâce à Qwen-VL dans ComfyUI. La chaîne est simple et fiable : LoadImage importe votre image source dans le graphe, AILab_QwenVL exécute le modèle vision-langage Qwen-VL pour générer des légendes ou réponses selon votre instruction, et PreviewAny affiche le texte généré directement dans l’interface. Comme AILab_QwenVL accepte à la fois une image et un prompt, vous pouvez orienter la sortie vers du texte alternatif concis, des descriptions détaillées de scène, des tags ou même de la transcription OCR.
Ce que vous fournissez
- Lecture du workflow
S’exécute dans ComfyUI. Ce workflow ne peut pas s’exécuter sur cette page. Ouvrez-le dans Comfy Cloud, avec tout déjà chargé, ou téléchargez-le pour votre propre ComfyUI.
Essayer dans CloudQuestions-réponses
AILab_QwenVL exécute un modèle vision-langage Qwen-VL sur l’entrée de LoadImage. Il prend votre instruction (prompt) et l’image, puis génère du texte — comme une légende, une liste d’objets ou une réponse à une question sur l’image — que PreviewAny affiche.
Cela dépend de la configuration d’AILab_QwenVL dans votre environnement. Beaucoup de configurations chargent les poids du modèle localement et fonctionnent hors ligne. Si votre nœud appelle un backend distant, un accès réseau ou des identifiants peuvent être nécessaires. Vérifiez la sélection du modèle et la documentation de votre nœud.
Guidez le modèle avec des instructions explicites (ex : « Légende en une phrase », « Retourne des mots-clés séparés par des virgules », ou « Sors du JSON avec les champs : décor, sujets, actions »). Si votre nœud propose des réglages comme le nombre maximum de tokens ou la température, utilisez-les pour limiter la longueur et rendre les résultats plus déterministes.
Utilisez des prompts clairs et spécifiques (ex : « Transcris tout le texte lisible exactement, ligne par ligne »), fournissez des images suffisamment grandes et nettes, et réduisez la température pour les tâches factuelles. Si la scène est chargée, recadrez sur la zone pertinente avant d’utiliser LoadImage pour que le modèle se concentre sur l’essentiel.