工作流
来自 Comfy-Org 官方模板库，共 761 个，每个都能直接导入 ComfyUI。
Qwen Image 2512：360度全景图像
使用排名128的LoRA在20B MMDiT模型上，从文本描述生成360度等距柱状投影图像。
图像放大: Recraft Crisp
上传低分辨率或带噪点的图像以进行修复和放大。生成高分辨率输出，增强详情，减少伪影，并保持自然外观。
姿态检测: SDPose Multi-Person
上传图像以检测人体姿态。支持检测单个人物以及同一场景中的多个人物。
FLUX.2 Pro
生成照片级写实图像，支持多参考一致性与专业文字渲染。
视频扩展: Grok
上传一段短视频和一个描述下一场景的文本提示词。使用 Grok 扩展生成无缝的视频扩展。
HeyGen：文本转语音
使用HeyGen先进的TTS引擎从文本生成自然语音，支持多种语言和口音，并提供可自定义的声音。输入文本并从众多预设声音中选择，或通过简短音频样本克隆自定义声音。非常适合为视频创建配音、生成多语言旁白以及制作个性化音频内容。
Runway: 文生图
使用Runway的AI模型从文本提示生成高质量图像。
VEED Clean Audio：语音降噪
用 VEED Clean Audio 去掉语音录音里的底噪：音乐与音效会随噪声一起被移除，句间停顿被彻底清理，输出 48 kHz 单声道音频，并可按目标响度归一化。单段音频最长 1799 秒。
Chatter Box：使用克隆语音进行多人对话
上传语音样本并输入多说话人对话脚本。为每个说话人生成带有克隆语音的对话音频文件。
Chatter Box：语音克隆音频转换
上传音频片段和简短语音参考，生成转换后的音频输出，克隆目标声音同时保留原始节奏和表现。
Mage-Flow-Edit Turbo: 图像编辑
使用参考照片和文本指令，通过Mage-Flow-Edit Turbo模型编辑图像，这是一个精简的4B参数模型，仅需4步即可生成结果。它接受1-3张参考图像和文本提示词作为输入，然后输出符合您指令的编辑后图像。非常适合快速风格迁移、背景替换和交互式照片编辑会话。
Wan万相动画2.2角色替换工作流
Wan万相 Animate 2.2 — 角色与场景替换 - 使用Nano Banana 2从首帧生成参考图，然后替换整个场景。针对人物主体进行了优化。
图像放大: Wan 2.2 Two-Stage
上传图片并设置调整大小的因子。从你的图像生成AI提示词，并在两个受控阶段放大图像，以增强细节和保真度。
LTX-2 文生视频
使用LTX-2将文本提示生成高质量视频，音视频同步，支持表情口型和动态动作。
视频扩展: Gemini Omni 1.1 Flash
通过Gemini Omni 1.1 Flash，每步可将现有视频延长最多10秒，总时长可达40秒。模型会分析最后10秒的上下文，在场景从上次结束处继续时保持角色、动作和音频连贯。可选附加参考图像，在故事中途引入新角色。适用于上传的剪辑和之前已生成的视频；用自然语言描述场景应如何继续。非常适合更长的叙事、场景分支和迭代式故事创作。
HappyHorse: 图生视频
使用 HappyHorse-1.0-I2V 从图像生成高质量流畅视频，动态渲染逼真，文本与图像语义理解准确。
Kling : O1 图像
使用 Kling O1 根据文本提示生成高质量图像，最多支持 10 张参考图指导风格与内容，提供灵活的宽高比与 1K/2K 分辨率。
Meshy 6：文生模型
使用 Meshy 6 根据文本提示生成高质量 3D 模型，可创建精细几何的角色、边缘锐利的机械物体，或游戏可用的低多边形资产。
Pika：文本生成音效
用一句话描述一个声音，Pika SFX 就会通过合作方 API 返回一段成品音频。在提示词里写清材质、动作、空间和强度，把长度设在 1 到 20 秒之间，节点输出一段可直接放进时间线的单声道音效。适合拟音、游戏界面提示音、预告片打击音和环境铺底这类「生成比录制更快」的场景。
Arrow 2：图像转 SVG
将图像输入转换为SVG输出。
Flux.1 深度 Lora
使用Flux LoRA深度信息引导生成图像。
Boogu图像0.1编辑Int8
使用Boogu图像编辑模型编辑图像，该模型现已通过convrot int8量化优化，推理速度更快，质量优于fp8。此工作流接受1个输入图像并生成1个编辑后的图像输出。非常适合快速图像编辑、批量处理性能提升，以及希望利用convrot int8格式速度和质量优势的用户。
Kandinsky 5.0 图像精简版：文生图
轻量级 2B 模型，从英语和俄语提示生成高质量视觉图像。
Ming Image 0.1 设计：文生图
使用 Ming Image 0.1 Design 从文本提示生成文本密集型设计作品，这是一个针对 UI 屏幕、信息图表和海报调优的 6B 模型。它不接受文件输入，仅生成一张图像，支持透明背景以便于分层。非常适合界面原型、营销海报和数据丰富的信息图表草稿。