'EmptyLatentImage' 節點的用途是什麼？

'EmptyLatentImage' 節點會建立一個隨機雜訊畫布，作為擴散過程的起點。

'CLIPTextEncode' 節點如何運作？

'CLIPTextEncode' 節點會把你的文字提示詞轉換成引導向量，用於引導圖片產生流程，使其與描述的內容對齊。

為什麼 VAE 在此工作流程中很重要？

VAE 會把圖片壓縮到潛空間以便高效率處理，並在最後將潛空間結果解碼回可檢視的圖片。

我可以用這個工作流程產生高解析度圖片嗎？

可以，你能在 'EmptyLatentImage' 節點指定不同解析度，但請注意更高解析度通常需要更多運算資源。

2.1 Creator－擴散基礎 - ComfyUI 工作流

此 ComfyUI 教學工作流程名為「2.1 Creator - Diffusion Basics」，用於向使用者介紹以擴散模型進行圖片產生的基礎概念。其核心運用 Z-Image-Turbo 模型，將隨機雜訊依文字提示詞轉換為連貫的圖像。流程從 'EmptyLatentImage' 節點開始，在指定解析度建立帶雜訊的畫布。接著透過 'KSampler' 節點反覆去雜訊並逐步精煉，並使用 'ModelSamplingAuraFlow' 來引導去雜訊過程；此引導來自 'CLIPTextEncode' 節點將文字輸入編碼後提供的資訊。

此工作流程會載入 UNET 模型（'UNETLoader'）、文字編碼器（'CLIPLoader'）以及變分自編碼器（'VAELoader'），以支援文字轉圖像。'VAEDecode' 節點負責將最終的潛空間表示轉回可檢視的圖片格式。最後，'SaveImage' 節點會以指定前綴儲存已生成的圖片。此工作流程特別適合剛接觸擴散模型的使用者，能以實作方式理解文字驅動的圖片產生在技術與實務上的運作方式。

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。

gsc_creator_2_1.json

正在取得工作流 JSON…

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 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 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）。

Comfy Cloud API 存取需有 API 金鑰的方案。

SDK 文件取得 API 金鑰

常見問題