Qwen-Image ControlNet 모델 패치 워크플로는 Qwen-Image 모델을 사용해 이미지 생성에 대한 제어를 강화하도록 설계되었습니다. 이 워크플로는 KSampler, CLIPTextEncode, QwenImageDiffsynthControlnet 등 여러 고급 노드를 통합해 canny, depth, 인페인팅 같은 이미지 속성을 정밀하게 조정할 수 있습니다. ModelPatchLoader 노드를 활용하면 모델에 패치를 적용해 동적으로 조정하고 이미지 품질을 개선할 수 있습니다. 이 워크플로는 ControlNet 기법으로 세부 커스텀을 할 수 있어, 특정 스타일 또는 테마 요소가 필요한 아티스트 및 디자이너에게 특히 유용합니다.
기술적으로 이 워크플로는 먼저 필요한 모델과 레퍼런스 이미지를 로딩한 다음, 일련의 노드를 통해 입력을 처리하며 인코딩, 디코딩, 원하는 변환 적용을 수행합니다. VAELoader 및 UNETLoader 노드는 이미지 데이터를 관리하는 데 핵심 역할을 하며, CLIPLoader 및 CLIPTextEncode 노드는 텍스트 프롬프트를 처리해 이미지 생성 과정을 가이드합니다. QwenImageDiffsynthControlnet 노드를 통합해 ControlNet 모델을 적용하면 이미지 디테일을 더 정교하게 다듬을 수 있어, 고품질 커스텀 이미지를 생성하는 데 유용한 워크플로입니다.
API
코드에서 이 워크플로우 사용하기
모든 Comfy 워크플로우는 JSON 그래프입니다. 아래 페이로드는 이 워크플로우 그 자체로, ComfyUI에서 실행되는 것과 동일합니다 — URL에서 가져오거나, 버전 관리에 보관하거나, ComfyUI에서 불러와 노드별로 실행할 수 있습니다.
Comfy SDK로 TypeScript 또는 Python에서 실행하세요. 동일한 코드는 Comfy Cloud 또는 직접 호스팅하는 ComfyUI 모두에 적용됩니다 — 기본 URL만 다릅니다.
// Install (beta)
npm i @comfyorg/sdk
// Run "Qwen-Image ControlNet 모델 패치" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("image_qwen_image_controlnet_patch_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("71", "image", asset); // LoadImage
wf.setInput("6", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("60")[0].toFile("output.png"); // SaveImageSDK는 API 형식의 워크플로우를 사용합니다: 이 워크플로우를 ComfyUI에서 열고 파일 → 워크플로우 내보내기(API)를 사용하세요.
FAQ
