This workflow compares how different garment image types—flat-lay, mannequin, and on-model—perform in a virtual try-on using the Kling model. Two LoadImage nodes bring in a person photo and a garment image; the KlingTryOnNode then generates a realistic try-on while preserving the subject’s face and pose. The ImageCompare node assembles a side-by-side view of the original person photo and the generated try-on so you can visually judge fit alignment, drape plausibility, color/pattern fidelity, and identity preservation. SaveImageAdvanced stores both the try-on and the comparison output, and a MarkdownNote provides in-graph guidance.
To make this a fair comparison, keep the same person image while swapping the garment source across flat-lay, mannequin, and on-model product shots. Normalize garment framing and scale before each run so the KlingTryOnNode sees similar inputs. Expect trade-offs: flat-lay images are clean and easy to segment but offer fewer 3D cues; mannequin shots add structure without pose conflict; on-model shots carry natural drape cues but may introduce pose/shadow mismatches. The side-by-side ImageCompare output helps you quantify which input style yields the fewest artifacts for your catalog or campaign.
API
このワークフローをコードから利用
すべてのComfyワークフローはJSONグラフです。以下のペイロードは、このワークフローそのものであり、ComfyUIが実行する内容と同じです — このURLから取得し、バージョン管理に保存したり、ComfyUIで読み込んでノードごとに実行できます。
Comfy SDKを使ってTypeScriptまたはPythonから実行できます。同じコードでComfy Cloudや自身でホストしたComfyUIのどちらにも対応 — ベースURLだけが異なります。
// Install (beta)
npm i @comfyorg/sdk
// Run this workflow (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
const wf = await client.workflows.fromFile("workflow_api.json");
const job = await client.run(wf);
await job.getOutputs("<output-node-id>")[0].toFile("output.png");SDKはAPI形式のワークフローを受け取ります：このワークフローをComfyUIで開き、「ファイル → ワークフローをエクスポート（API）」を使用してください。
