「Z-Image-Turbo Fun Union ControlNet」工作流程是一套進階的圖像生成流程，結合多個 ControlNet 模型，能精確強化與操控圖像。此流程整合多種圖像前處理技術，包括 Canny 邊緣偵測、HED（全域嵌套邊緣偵測）、深度估算、姿勢辨識與 MLSD（多線段偵測）。這些技術協同運作，細緻調控 Z-Image-Turbo 模型的輸出，實現細膩且具層次的圖像轉換。透過 SaveImage、MarkdownNote、PreviewImage 及 ImageScaleToMaxDimension 等節點，流程確保圖像處理高效且精準。
技術上，此流程最大特色是能同時處理多種控制輸入，讓使用者對圖像生成過程有高度掌控。多種 ControlNet 模型的整合，讓使用者可針對輸入圖像套用不同前處理技術，並依需求縮放與轉換，滿足各種輸出規格。此流程特別適合需要精細圖像操控的應用，如數位藝術創作、擴增實境、進階照片編輯等。
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 "Z-Image-Turbo 控制生圖" (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("image_z_image_turbo_fun_union_controlnet_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("58", "image", asset); // LoadImage
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
常見問題
Showing 30 of 30 templates