今天演示的案例展示了一个基于SDXL 图像反推生成人像手办描述的 ComfyUI 工作流，通过加载预训练模型、组合 IPAdapter 与 SUPIR 插件、融合多路提示词与图像控制节点，实现从输入参考图像到高质量人像手办描述生成的全过程。整个流程强调了在不同节点间的协同作用，例如通过 VAE 编解码进行特征抽取和还原，借助 ControlNet 捕捉图像姿态与结构，结合 LoRA 与放大模型进行细节强化。通过这些环节，工作流最终能够生成带有精细细节、光影氛围和完整语义描述的人像效果图，为后续的衍生内容或手办设计提供可复用的素材基础。文章目录工作流介绍核心模型Node节点工作流程大模型应用Qwen2VLNode 图像→文本反推描述核心ttN text + Text Concatenate 手办风格提示词合成器CLIPTextEncode（正向） 手办风格主语义编码CLIPTextEncode（负向） 瑕疵抑制与质量维护使用方法应用场景开发与应用工作流介绍本工作流以 SDXL 为核心，围绕图像反推与人像手办的可控生成展开。它不仅依赖主干大模型，还整合了 IPAdapter 用于风格和细节迁移，ControlNet 辅助结构控制，SUPIR 插件负责图像高质量还原与放大，最终结合多重提示词输入，保证输出图像在风格、细节和叙事层面都具有高度一致性。整体设计体现了以主干大模型为核心的多模块协同思路，将不同功能节点有机串联，既能保证图像生成的稳定性，又能提升定制化能力。核心模型在模型的选择上，工作流加载了以SDXL Checkpoint 模型为主的基础大模型，用于提供生成的底层能力，同时还加入了 LoRA 与 SUPIR 等扩展插件来弥补细节缺陷和增强场景表现。表格中列出的核心模型不仅包括了主干模型，还包含辅助提升图像分辨率、增强结构控制的子模型。通过这种组合，既能满足人物生成的真实性，也能兼顾二次元或写实风格的转换需求。模型名称说明【SDXL】3D disneyrealcartoonmix作为主干生成模型，支持卡通与写实风格混合，保证人物生成的真实性与风格多样性