工作流
来自 Comfy-Org 官方模板库，共 761 个，每个都能直接导入 ComfyUI。
ACE-Step 1.5XL Turbo：文本转音乐
使用蒸馏的4B ACE-Step模型，从文本提示生成高质量音乐。仅需8次推理步骤即可生成商业级音频，无需CFG。
Kling 3.0: Motion Control
上传角色图像和动作参考视频。生成新视频，让您的角色执行参考视频中的动作，并通过可选元素绑定增强面部一致性。
Seedance 2.0 Mini: 参考生视频
使用Seedance 2.0 Mini从两张参考图像生成电影级视频，通过AI驱动的摄像机运动和一致的角色生成，输出单个视频。适用于需要镜头构图和视觉连续性的故事讲述、品牌内容和短片创作。
LTX-2.3 IC-LoRA：参考生视频
生成与参考图清单（包含角色、道具和地点）视觉一致的短视频CLIP。输入复合参考图和描述动作的分割提示词，输出单个视频CLIP。适用于角色驱动动画、一致的道具可视化和特定场景生成。
去背景: BiRefNet
上传一张带有任意背景的图片。生成一个去除背景的版本以及一个精确的分割遮罩。
MiniMax H3 Fun ControlNet Union
使用MiniMax-H3和ControlNet-Union检查点，从姿态参考视频生成视频，在应用提示词的同时保留输入的运动和结构。非常适合角色动画、运动迁移和编舞可视化项目。此工作流仅用于姿态控制。
ElevenLabs：文生音效
输入文本提示词以生成自定义声音效果和环境音频。
HeyGen Voice 1.0：语音克隆转语音
使用 HeyGen Voice 1.0 从一段简短录音中克隆声音，然后用该声音朗读任意脚本。将一段音频片段连接到 Instant Clone，生成的 voice_id 会直接输入到文本转语音中，无需等待训练。使用表现力控制来贴近原始录音，或为表达注入更多情感。非常适合用自己的声音进行旁白、角色对话和多语言配音。
Qwen 图像 3.0 专业版：图像编辑
Qwen 图像 3.0 专业版执行高级图像编辑，支持丰富的多图像输入，可一次性生成报纸、故事板、菜单和试卷等复杂布局，同时保留低至 10px 文字、微表情和单根发丝的精细详情。支持 12 种语言的原生渲染，真实模拟网页、游戏和直播。非常适合需要真实细节的专业内容制作、界面原型和高保真商业图像。
Meshy 7：图生3D
使用Meshy 7将单个图像转换为可直接投入生产的3D模型，生成一个纹理网格，忠实还原参考图像的几何形状、比例和表面详情。非常适合保留面部表情的角色半身像、零件位置正确的复杂机械装配体，以及雕刻硬币或华丽道具等密集表面浮雕。
Gemini Omni 1.2 Flash：参考图生视频
把角色拆成两张参考图：图 1 管身形和装甲，图 2 锁住脸和细节，整段镜头里身份保持不变。Gemini Omni Flash 画面和音频一次生成，场景和声音一起出来。
Seedance 2.5: FLF2V
使用 Seedance 2.5 在用户提供的起始帧和结束帧之间生成平滑的视频过渡，它会自动插值运动、相机移动和视觉演变，同时锁定两个端点。非常适合镜头过渡、故事板预览以及前后场景展示，如从空到满或从白天到夜晚的变化。
Vidu Q2: FLF2V
在首尾帧间生成流畅视频过渡，支持电影感镜头和多主体一致。
HY Image 3.5 Preview：图像编辑
使用 HY Image 3.5 预览模型编辑图像，该模型通过优化的文本与图像组织深入理解用户意图，提供高质量结果。接受 1 个图像输入并生成 1 个图像输出。非常适合人像编辑、商业海报和影视营销素材。
Mirelo SFX 2.0：文本生成音效
用 Mirelo sfx-2.0 从文本生成音效：用一句话写清声音本身、材质、空间与力度，输出 48 kHz 单声道音频，最长 10 分钟。
Wan3.0：文生视频
使用Wan3.0-Video直接从文本提示生成最长30秒的视频，输出单个视频，具有逼真的视觉效果和同步声音。此工作流将书面描述转化为沉浸式、可制作的高质量素材，具有强大的人物一致性和电影级画质。非常适合电影叙事、角色驱动动画和快速多媒体内容创作。
Gemini Omni 1.1 Flash：图生视频
使用Gemini Omni 1.1 Flash从文本提示或参考图像生成视频，这是一个多模态模型，可处理文生视频、图生视频、关键帧插值以及自然语言迭代视频编辑。输出单个MP4视频，可选音频，支持宽高比、最高4K分辨率以及场景扩展。非常适合电影叙事、产品可视化和快速视频原型制作。
GPT 图像 2：文生图
使用OpenAI的最新模型创建可用于宣传的海报、产品照片和多语言标牌。上传可选的参考图，编写详细的提示词，生成高质量、逼真的输出。
Mage-Flow：文生图
使用Mage-Flow从文本提示生成高分辨率图像，这是一个紧凑的4B参数扩散模型，可输出单张图像，原生分辨率从每边512像素到2048像素。非常适合在有限计算预算下进行快速概念可视化、创意资产生成以及受控图像合成研究。
图像放大：Topaz Wonder 4
使用 Topaz 的 Wonder 4 生成模型放大柔和、压缩的图像：它会重建合理的细节，而不是拉伸像素，在 1x 到 6x 的放大倍率下保持撕裂边缘、接缝和纯色区域完好。该工作流接收 1 张输入图像，并在生成 1 个增强输出的同时提供并排对比。非常适合需要从较小或压缩的来源中保留质量的拼贴、插画和图形作品。
Bria：FIBO 2.0 图像编辑
使用 Bria FIBO 2.0 编辑图像：用自然语言描述要改的内容，可选用蒙版把改动限制在指定区域。FIBO 2.0 用同一套权重同时支持编辑与生成，并基于结构化 VGL 描述训练，因此未被要求修改的部分会保持不变，节点还会返回该结构化提示，方便用 JSON 复现或继续微调。
LTX-2: 图生视频
使用LTX-2将静态图像变为动态视频，音视频同步，表情自然，动作流畅。
FLUX.2 [Klein] 4B: 文生图
BFL 蒸馏模型。亚秒级速度下的卓越画质，非常适合实时生成且保证质量。市场推广将聚焦该模型。
Stable Audio 3.0 Medium Base
输入一段关于声音、音乐或效果的简短文本描述。该工作流使用Qwen千问扩展您的提示词，并从Stable Audio 3生成一段立体声音频CLIP。