AI on the Lot 2026 - QwenVL - i2t
AI on the Lot 2026 第三個釋出的工作流程,提供給 ComfyUI 101 工作坊學員開啟並跟著操作。這是一個簡單的圖像轉文字提示詞產生器,使用 Qwen VL,可從參考圖片自動生成提示詞。
關於
這個工作流程可將任何圖片轉換為描述性、可依指令調整的文字,透過 ComfyUI 內的 Qwen-VL 實現。流程簡單可靠:LoadImage 將來源影格或照片載入節點圖,AILab_QwenVL 執行 Qwen-VL 視覺語言模型,根據你的指令產生說明或答案,PreviewAny 則直接在 UI 顯示結果文字。由於 AILab_QwenVL 同時接受圖片與提示詞,你可以引導輸出成簡明替代文字、詳細場景分解、標籤,甚至 OCR 轉錄。
您提供的內容
- 正在讀取工作流程
在 ComfyUI 中執行。 此工作流程無法在此頁面上執行。請在已載入所有內容的 Comfy Cloud 中開啟,或下載到您自己的 ComfyUI。
在 Cloud 中試用問答
AILab_QwenVL 會對 LoadImage 輸入執行 Qwen-VL 視覺語言模型。它接收你的指令(提示詞)與圖片,產生文字(如說明、物件清單或圖片相關問題的答案),並由 PreviewAny 顯示。
取決於你環境中 AILab_QwenVL 的設定。許多安裝可離線載入本地模型權重。若節點設定為遠端後端,則可能需要網路連線或憑證。請檢查節點的模型選擇與說明文件。
用明確指令引導模型(如「一句話說明」、「以逗號分隔關鍵字」、「輸出 JSON 欄位:場景、主體、動作」)。若節點有最大字數或溫度等設定,可用來限制長度並提升結果一致性。
請用明確、具體的提示(如「逐行精確轉錄所有可辨識文字」),提供足夠大且清晰的圖片,並降低溫度以提升事實性。若場景複雜,建議先裁切重點區域再用 LoadImage 載入,讓模型聚焦。
相關工作流程
- Flux.2 Dev, Flux.2 Klein, GPT-Image-1.5, Grok, Nano Banana Pro, Qwen-Image-Edit, Seedream
1個輸入與多個編輯模型對比
- ACE-Step
ACE-Step 1.5 音樂產生(4B LLM)
- 合作夥伴節點
AI on the Lot 2026 - Final WF - t2v
- 合作夥伴節點
AI on the Lot 2026 - QwenVL - 提示詞增強器
- 合作夥伴節點
AI on the Lot 2026_LTX-2.3_IC LoRA(Union Control)
- 合作夥伴節點
Arrow2: Image to SVG
- 合作夥伴節點
Arrow2: Text to SVG
- ElevenLabs
ElevenLabs:語音轉文字
- 合作夥伴節點
Fish Audio: Speech to Text
- Flux.1, Flux
Flux.1 Canny 模型
- Flux.1, Flux
Flux.1 Redux 模型
- Flux, Flux.1
Flux.1 深度 Lora