「2.2 Creator - 擴散引導」工作流程於 ComfyUI 中，透過結合修補與 ControlNet 技術，提升圖像編輯精度。核心為 Z Image Turbo 模型，能高效且精確地進行擴散處理。流程包含 CLIPLoader、VAELoader 等節點負責圖像載入與處理，並以 DifferentialDiffusion、InpaintModelConditioning 等節點，針對空間變化引導擴散，無需重新訓練模型即可進行細緻編輯。
流程運用 ControlNet 提供結構引導，如邊緣偵測或深度圖，確保擴散過程遵循結構特徵。這透過 ZImageFunControlnet 與 Controlnet Preprocessor 節點實現。利用每像素「強度」圖，流程可平滑且漸進地變化，特別適合需高精度與控制的應用，例如修補特定區域並維持周圍內容完整。
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 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）。
常見問題
常見問題
Showing 30 of 30 templates