此工作流程教你如何用深度圖引導 Stable Diffusion 3.5，讓生成結果尊重參考圖片的結構與透視。它會用 CheckpointLoaderSimple 載入 SD 3.5 Large checkpoint（sd3.5_large_fp8_scaled.safetensors）以及高品質 VAE（vae-ft-mse-840000-ema-pruned.safetensors）。你的文字提示詞會由 CLIPTextEncode 編碼，KSampler 則在 EmptySD3LatentImage 定義的潛空間畫布上進行擴散，因此你可以設定精確的輸出尺寸。VAEDecode、PreviewImage 與 SaveImage 讓你檢視與匯出結果。
深度引導由 ControlNet 提供。ControlNetLoader 載入 sd3.5_large_controlnet_depth.safetensors，ControlNetApplyAdvanced 會把深度條件設定以可調強度與起訖百分比附加到你的提示詞。參考圖片透過 LoadImage 輸入，可選用 ImageScaleToTotalPixels 先調整到接近目標像素數，讓深度圖更貼合輸出尺寸；接著由內建的深度前處理節點（自訂節點 ID：6b0ed7ac-f476-44c9-9dad-b3f23ef985f8）使用 lotus-depth-d-v1-1.safetensors 模型轉成深度圖。對於影像轉影像變體，VAEEncode 可以用參考圖片的潛空間結果作為 KSampler 的起始；若是純文字轉圖像但使用深度引導，則使用 EmptySD3LatentImage。若你想要空的負面提示詞，可使用 ConditioningZeroOut。這個組合能在保留場景布局的同時，讓你用提示詞自由改變風格、光線與細節。
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 "SD3.5大型深度" (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("sd3.5_large_depth_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("45", "image", asset); // LoadImage
wf.setInput("57", "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
