PixelDiT：ComfyUI 像素空间文生图

在 ComfyUI 中运行 NVIDIA PixelDiT，直接在像素空间生成 1024px 图像，无需 VAE 编码与解码环节。

PixelDiT 是 NVIDIA 开发的像素空间扩散变换器，用于 1024px 文本到图像生成。与传统在潜空间操作的扩散模型不同，PixelDiT 使用双层 DiT 架构直接在像素空间生成图像——结合了 patch 级 DiT 和像素级 DiT，并通过 MM-DiT 融合实现文本和图像 token 之间的联合注意力。

模型亮点：

无需 VAE — 直接在像素空间生成，无需传统的 VAE 编解码
双层 DiT — patch 级 DiT + 像素级 DiT，实现高质量生成
多宽高比 — 1024px 基准分辨率，支持多种宽高比
约 1.3B 参数 — 消费级 GPU 即可运行
许可协议：NSCLv1（仅限非商业研究/评估使用）

相关链接：

PixelDiT 文生图工作流

[card] 下载工作流下载 JSON 或在模板库中搜索 "PixelDiT"

[card] 在Comfy Cloud上运行在云端打开

[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

工作流由三个主要节点组成：

ResolutionSelector: 选择所需的输出分辨率
文生图 (PixelDiT) 子图: 核心生成节点，暴露了提示词、种子、模型选择和分辨率等控制参数
SaveImage: 保存已生成的图像

[card] 了解子图本工作流使用子图节点进行模块化处理。查看子图文档了解如何自定义和扩展工作流。

工作流控制参数

文生图 (PixelDiT) 子图节点暴露的控件包括：

控制参数	说明
Positive Prompt	描述你想要生成的图像的文本提示词
Negative Prompt	描述要避免的内容的文本
Seed	用于结果可复现的随机种子
U-Net Model	PixelDiT 模型检查点选择
CLIP Model	文本编码器模型选择

模型下载

PixelDiT 使用两个模型文件：文本编码器和扩散模型。

[card] 文本编码器 gemma\_2\_2b\_it\_elm\_bf16.safetensors — Gemma-2-2B-IT 文本编码器

[card] 扩散模型 pixeldit\_1300m\_1024px\_bf16.safetensors — PixelDiT 1300M 1024px 扩散模型

模型存放位置

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 text_encoders/
│   │      └── gemma_2_2b_it_elm_bf16.safetensors
│   └── 📂 diffusion_models/
│          └── pixeldit_1300m_1024px_bf16.safetensors