今天展示的案例是一个基于 HiDream-I1 模型的 ComfyUI 工作流。该流程结合了多种模型加载、正负提示词编码、采样生成以及图像解码与保存的完整链路，能够实现从文本到图像的高质量生成。

工作流中还包含详细的采样设置说明，确保生成结果在速度、效果与显存占用之间取得平衡。通过这一案例可以直观理解 ComfyUI 在多模型协同和扩展性方面的强大能力，为后续在艺术创作与应用落地提供参考。

工作流介绍

该工作流通过加载 HiDream 系列扩散模型 与多路文本编码器，结合 VAE 解码与采样策略，完成了从正负提示词到最终图像生成的全流程。设计中强调对显存的灵活适配，例如支持 FP8 精度的 UNet 模型，以便在不同硬件条件下实现优化。同时，工作流集成了多组采样参数设置，用户可以在高质量、快速推理、开发调试三种模式之间自由切换，使其既能满足创作级别的细腻画面，也能快速验证创意。

核心模型

在核心模型部分，工作流集成了 HiDream 系列扩散模型以及多路文本编码器，并通过 VAE 模型完成潜空间与图像空间的映射。扩散模型负责生成潜在图像，文本编码器负责解析提示词语义，VAE 则作为压缩与解码的关键环节。通过组合 hidream_i1_dev_fp8 扩散模型、CLIP 与 T5XXL/LLAMA 编码器，以及 ae.safetensors VAE 文件，工作流在保持图像质量的同时降低了显存占用，提升了运行效率。

模型名称	说明
hidream_i1_dev_fp8.safetensors	HiDream-I1 系列扩散模型，支持 FP8 精度，降低显存占用的同时保持高质量生成
clip_l_hidream.safetensors / clip_g_hidream.safetensors	CLIP 文本编码器，用于解析正负提示词，强化语义控制
t5xxl_fp8_e4m3fn_scaled.safetensors	大规模 T5 文本编码器，提升复杂描述的理解能力
llama_3.1_8b_instruct_fp8_scaled.safetensors	LLAMA 指令式语言模型，用于扩展性提示解析
ae.safetensors	VAE 模型，负责潜在空间与像素图像的解码映射

Node节点

在节点设计上，工作流覆盖了从模型加载到图像保存的关键环节。UNETLoader、QuadrupleCLIPLoader 与 VAELoader 负责载入核心模型，CLIPTextEncode 节点处理正负提示词，KSampler 与 ModelSamplingSD3 节点完成潜空间的扩散与采样，最后通过 VAEDecode 解码得到图像，并交由 SaveImage 节点输出结果。这种模块化的节点设计便于开发者快速替换模型或调整采样策略，从而实现多样化的创作目标。

节点名称	说明
UNETLoader	加载 HiDream 扩散模型，提供潜在空间生成能力
QuadrupleCLIPLoader	同时加载多路 CLIP、T5 与 LLAMA 文本编码器，提升提示词解析效果
VAELoader	加载 VAE 模型，作为潜在表示与图像之间的桥梁
CLIPTextEncode (Positive / Negative Prompt)	分别解析正向与负向提示词，引导生成方向
ModelSamplingSD3	调整模型采样策略参数，实现更灵活的扩散过程
KSampler	核心采样器，结合提示词与潜空间生成潜在图像
VAEDecode	将潜空间解码为实际图像
SaveImage	保存最终生成的图像，输出到指定目录

工作流程

该工作流的执行路径从模型加载开始，逐步经过文本提示解析、潜空间采样、潜在图像生成、解码与保存，每一步都形成紧密衔接的处理链路。流程先由 UNet、CLIP 与 VAE 模型完成核心加载，再通过正负提示词构建语义引导，KSampler 节点在采样策略作用下结合潜在输入生成潜图，最后经过 VAE 解码与图像保存节点输出结果。通过这种环环相扣的设计，既保证了生成效果的灵活性，又在硬件适配与效率上提供了可调空间。

流程序号	流程阶段	工作描述	使用节点
1	模型加载	载入 UNet 扩散模型、CLIP 编码器和 VAE 模型，准备基础资源	UNETLoader / QuadrupleCLIPLoader / VAELoader
2	提示词解析	对正向与负向文本提示进行编码，构建语义条件输入	CLIPTextEncode (Positive / Negative Prompt)
3	采样策略设定	配置扩散采样参数，优化潜空间生成过程	ModelSamplingSD3
4	潜图生成	根据提示词与潜空间输入进行扩散与采样，生成潜在图像	KSampler
5	图像解码	将潜在图像映射回像素空间，形成完整画面	VAEDecode
6	图像保存	输出并保存最终生成结果，供展示与后续处理	SaveImage

大模型应用

CLIPTextEncode 文本语义嵌入生成

在 HiDream I1 Dev 工作流中，CLIPTextEncode 节点是文本到潜在空间嵌入的核心节点。它将用户提供的正向 Prompt 转化为条件嵌入，用于指导 UNET 模型在 28 步推理中生成高质量图像，同时兼顾生成速度和画质平衡。Prompt 的描述控制图像的场景、角色、风格和细节，是整个流程中语义控制的关键。

节点名称	Prompt 信息	说明
CLIPTextEncode (Positive Prompt)	A photograph of an albino woman with white skin and dark hair wearing black in the style of old baroque oil paintings, with soft focus, wearing a pearl necklace around her neck, with a dark background, with rosy cheeks, with a long veil covering her face, looking straight ahead	将正向 Prompt 转化为条件嵌入，用于控制 UNET 模型生成图像的语义、风格和细节，实现速度与画质的平衡。

CLIPTextEncode 负向语义控制

该节点生成负向条件嵌入，用于抑制生成图像中不希望出现的元素或质量问题，如噪点、JPEG 压缩痕迹或低质量细节。

节点名称	Prompt 信息	说明
CLIPTextEncode (Negative Prompt)	bad ugly jpeg artifacts	将负向 Prompt 转化为条件嵌入，用于抑制不希望出现的视觉元素或低质量细节，提升图像生成的清晰度和美观度。

使用方法

HiDream I1 Dev 工作流通过结合正向和负向 Prompt 的条件嵌入、潜在空间采样、UNET 模型推理及 VAE 解码，实现 28 步推理下速度与画质的平衡。用户提供正向 Prompt 描述场景、角色及风格，CLIPTextEncode 转化为正向嵌入，负向 Prompt 生成负向嵌入抑制不希望的元素。EmptySD3LatentImage 提供初始潜在图像，UNETLoader 加载 HiDream I1 Dev FP8 模型，ModelSamplingSD3 处理潜变量采样，KSampler 控制采样细节，VAELoader 与 VAEDecode 将潜在图像解码为最终图像，SaveImage 输出。用户可通过修改 Prompt、CFG 值或潜在图像参数调整生成结果，实现高质量、快速生成。

注意点	说明
Prompt 描述精细	确保场景、角色和细节符合预期
负向 Prompt 使用	避免生成不希望的元素或低质量细节
推理步数合理	28 步在速度与画质之间取得平衡
潜变量尺寸与输出一致	保证 VAEDecode 解码后图像比例正确
模型量化与精度	HiDream I1 Dev FP8 模型节省显存，同时保持高细节质量

应用场景

该工作流的应用覆盖了艺术创作、概念设计、视觉研究与高效生成等多个方向。在艺术领域，可以用来快速生成风格化作品或复古油画风格肖像；在设计环节，可辅助创作者快速迭代视觉原型；在研究场景下，则可用于模型精度对比和显存占用测试。由于其支持不同精度的模型加载与多套采样参数，该工作流能够满足多样化需求，从高质量精细渲染到快速生成预览均可实现。最终的效果既能保证图像的艺术表现力，又能兼顾效率与硬件资源的适配。

应用场景	使用目标	典型用户	展示内容	实现效果
艺术创作	生成高质量的风格化图像	数字艺术家 / 插画师	复古风格人像、绘画效果作品	提供细节丰富、质感真实的画面
概念设计	快速构建视觉原型	游戏 / 动漫设计师	场景草图、人物立绘	高效完成创意构思阶段
视觉研究	对比模型效果与参数差异	学术研究人员 / 模型开发者	不同采样模式、精度下的生成图像	验证模型适配性与生成性能
高效生成	提供快速预览结果	产品经理 / 内容策划	低步数快速采样图像	便捷展示概念或演示效果
多设备适配	满足显存限制环境下的运行需求	小显存 GPU 用户	FP8 精度下的生成结果	在硬件限制下保持生成稳定性

开发与应用

更多 AIGC 与 ComfyUI工作流 相关研究学习内容请查阅：

ComfyUI使用教程、开发指导、资源下载

更多内容桌面应用开发和学习文档请查阅：

AIGC工具平台Tauri+Django环境开发，支持局域网使用
AIGC工具平台Tauri+Django常见错误与解决办法
AIGC工具平台Tauri+Django内容生产介绍和使用
AIGC工具平台Tauri+Django开源ComfyUI项目介绍和使用
AIGC工具平台Tauri+Django开源git项目介绍和使用