這個 ComfyUI 工作流程利用 Flux.1 Schnell（完整版）以極簡且快速的取樣設置，將文字轉換為圖像。它結合 DualCLIPLoader 同時載入 CLIP-L 與 T5XXL 文字編碼器，CLIPTextEncodeFlux 將提示詞轉為 Flux 可用的條件，並用 UNETLoader 載入 flux1-schnell.safetensors 擴散模型。EmptySD3LatentImage 設定潛在畫布尺寸與批次，KSampler 只需四步即可去雜訊，VAELoader + VAEDecode 重建最終圖像，SaveImage 寫入磁碟。ConditioningZeroOut 節點在未使用負面提示時，提供無條件分支以支援 classifier-free guidance。畫布中的 MarkdownNote 節點說明每個階段的操作。
技術上，這個流程遵循標準潛在擴散路徑，並針對 Flux/SD3 風格潛在空間調整：初始化 EmptySD3LatentImage，使用 CLIPTextEncodeFlux 編碼文字，將 UNet 送入 KSampler，以 Schnell 變體調整的低步數運算，最後用選定的 VAE 解碼。Step 1 - Load Models Here 群組集中模型選擇：UNETLoader 載入 flux1-schnell，DualCLIPLoader 載入 CLIP-L 與 T5XXL，VAELoader 載入相容的 VAE。Step 2 - Image Size 設定寬高與批次，Step 3 - Prompt 處理正/負提示。最終形成一條快速、4 步的文字轉圖像流程，在 Apache-2.0 授權下兼顧速度與品質，適用於 Flux.1 Schnell 權重。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "Flux.1 Schnell Full: 文生圖" (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("flux_schnell_full_text_to_image_api.json");
wf.setInput("41", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("9")[0].toFile("output.png"); // SaveImageSDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
