ComfyPilotComfyPilot
文档 / 教程 / Gemma 4：ComfyUI 多模态 LLM 与 TextGenerate 节点

Gemma 4：ComfyUI 多模态 LLM 与 TextGenerate 节点

通过 TextGenerate 节点在 ComfyUI 中运行 Google Gemma 4，支持文本生成、图像理解和音频转录。

教程 gemma4 更新于 2026-10-27

查看官方原文

Gemma 4：ComfyUI 多模态 LLM 与 TextGenerate 节点

通过 TextGenerate 节点在 ComfyUI 中运行 Google Gemma 4，支持文本生成、图像理解和音频转录。
[!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。

Gemma 4 是 Google DeepMind 推出的新一代轻量级开源 LLM，专为文本生成、图像理解、视频分析、音频转写和结构化工具调用而构建。在 ComfyUI 中，它作为默认的 文本生成（Text Generation） 模型获得原生支持。

模型亮点：

  • 原生多模态：可同时接收文本、图像、视频和音频输入
  • 三种尺寸可选：
  • E2B（2B）：快速轻量，适合消费级 GPU
  • E4B（4B）：性能均衡，推荐作为默认选择
  • 12B：最佳质量，需要更高的显存
  • 思考模式：内置逐步推理能力，在生成答案之前先进行推演
  • 长上下文：最高 128K tokens（E2B/E4B）和 256K tokens（12B）
  • 多语言：开箱即支持 35+ 种语言，预训练覆盖 140+ 种语言
  • 函数调用：原生支持结构化工具调用和 Agent 工作流
  • ComfyUI 原生支持：通过内置的 TextGenerate 和 CLIPLoader 节点加载和运行

相关链接：

可用工作流

Gemma 4：文本生成

输入你的文本提示词，并可选择附加图像、音频或视频。生成文本输出，具备可配置的推理、编程和多语言支持。

Gemma 4 文本生成工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "Gemma 4：文本生成"

输入材料

将这些可选文件上传到对应的节点：

[card] the\_lily\_veil.png LoadImage 节点 2 · the_lily_veil.png
[card] long\_demo.mp3 LoadAudio 节点 5 · long_demo.mp3
[card] video\_wan\_vace\_inpainting\_input\_video.mp4 LoadVideo 节点 6 · 该工作流不会用视频参与生成 · video_wan_vace_inpainting_input_video.mp4

该工作流演示了 Gemma 4 的核心文本生成能力。它在接受文本提示词的同时，还可选择图像、音频或视频作为额外上下文，并生成自然语言输出，支持推理、编程和多语言提示。

输入：

  • 文本提示词：你的问题或指令
  • 图像（可选）：用于视觉理解任务（OCR、目标检测、图表阅读等）
  • 音频（可选）：用于语音识别或转录
  • 视频（可选）：模板会加载并拆分视频，但其帧未连接到文本生成器，因此视频不会影响输出

关键控制参数：

  • Max length：生成的最大 token 数（默认 256）
  • Sampling mode：开关采样，并调整 temperature、top-k、top-p、重复惩罚和种子
  • Thinking mode：在最终答案之前启用逐步推理
  • Use default template：使用模型内置的系统提示词模板

输出：

  • 已生成文本：模型以纯文本字符串形式返回的响应
[card] 了解 Subgraph 该工作流使用 Subgraph 节点实现模块化处理。查看 Subgraph 文档了解如何自定义和扩展工作流。

模型下载

Gemma 4 模型在 ComfyUI 中以文本编码器（text encoder）形式加载。下载对应的模型文件并放入正确的目录：

[card] Gemma 4 2B (E2B IT FP8) 快速轻量，推荐消费级 GPU 使用。
[card] Gemma 4 4B (E4B IT FP8) 性能均衡，工作流默认使用此模型。
[card] 查看所有变体 浏览所有 Gemma 4 模型权重。

将下载的 .safetensors 文件放入以下目录：

📂 ComfyUI/
├── 📂 models/
│   └── 📂 text_encoders/
│       └── gemma4_e4b_it_fp8_scaled.safetensors