AI on the Lot 2026 — QwenVL — i2t
Третий рабочий процесс, выпущенный для AI на Lot 2026, доступный участникам воркшопа ComfyUI 101, чтобы они могли открыть его и повторять шаги, если захотят. Простой генератор image-to-text промптов на Qwen VL, полезен для получения промптов из референс-изображений.
О проекте
Этот рабочий процесс превращает любое изображение в описательный текст, следующий инструкциям, используя Qwen-VL внутри ComfyUI. Это простая и надёжная цепочка: LoadImage добавляет исходный кадр или фото в граф, AILab_QwenVL запускает vision-language модель Qwen-VL, чтобы сгенерировать подписи или ответы по Вашей инструкции, а PreviewAny показывает получившийся текст прямо в UI. Поскольку AILab_QwenVL принимает и изображение, и промпт, Вы можете направлять Выход в сторону краткого alt-текста, подробного разбора сцены, тегов или даже OCR-транскрипций.
Что вы предоставляете
- Чтение рабочего процесса
Работает в ComfyUI. Этот рабочий процесс нельзя запустить на этой странице. Откройте его в Comfy Cloud, где всё уже загружено, или скачайте его для своей ComfyUI.
Попробовать в CloudВопросы и ответы
AILab_QwenVL запускает vision-language модель Qwen-VL на входе из LoadImage. Он принимает Вашу инструкцию (промпт) вместе с изображением и генерирует текст — например, подпись, список объектов или ответ на вопрос по изображению — который затем отображает PreviewAny.
Зависит от того, как AILab_QwenVL настроен в Вашей среде. Во многих конфигурациях веса модели загружаются локально и всё работает офлайн. Если нода настроена на вызов удалённого бэкенда, может понадобиться доступ к сети или учётные данные. Проверьте выбор модели и документацию ноды.
Направляйте модель явными инструкциями (например: "One-sentence caption," "Return keywords separated by commas," или "Output JSON with fields: setting, subjects, actions"). Если нода предоставляет настройки вроде maximum tokens или temperature, используйте их, чтобы ограничить длину и сделать результат более детерминированным.
Используйте чёткие, конкретные промпты (например: "Transcribe all legible text exactly, line by line"), давайте достаточно крупные и резкие изображения и снижайте temperature для фактических задач. Если сцена перегружена, обрежьте изображение до нужной области перед LoadImage, чтобы модель фокусировалась на важном.
Похожие рабочие процессы
- ACE-Step
ACE-Step 1.5 Генерация музыки (4B LLM)
- Партнёрский узел
AI on the Lot 2026 - QwenVL - Prompt Enhancer
- Партнёрский узел
AI on the Lot 2026 — Final WF — t2v
- Партнёрский узел
AI on the Lot 2026_LTX-2.3_IC LoRA (Union Control)
- Партнёрский узел
Arrow2: Image to SVG
- Партнёрский узел
Arrow2: Text to SVG
- ElevenLabs
ElevenLabs: Речь в текст
- Партнёрский узел
Fish Audio: Speech to Text
- Flux, Flux.1
Flux.1 Глубинный Lora
- Google Gemini, Google
Google Gemini
- Партнёрский узел
Graphic Color Remixer
- Партнёрский узел
Graphic Design Recomposer