今天展示的案例是一个基于Flux Kontext 多图融合的 ComfyUI 工作流。该流程以三张图像为输入，通过背景去除、图像拼接和语义条件控制，将人物与场景在潜空间中进行深度结合，再借助 VAE 编码解码与采样器生成新的合成图像。整体设计强调了多源图像的上下文融合，既保留了主体形象，又融入了环境要素，最终输出具有科幻感与叙事性的效果。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CLIPTextEncode 文本语义嵌入生成FluxGuidance 文本嵌入调控使用方法应用场景开发与应用工作流介绍该工作流的核心逻辑是基于Flux 模型框架结合 UNet 与 VAE 的潜空间生成机制，利用三张独立图像作为参考，在拼接与缩放后统一进入潜空间进行重构。通过 CLIP 文本编码器引导条件生成，结合 Flux Guidance 与 Reference Latent 机制，实现了文本与图像的混合控制。这种方式保证了画面细节的一致性与主题表达的完整性。请添加图片描述核心模型在该工作流中，UNet 模型、VAE 模型与 CLIP 模型分别承担了生成解码、潜空间转换与语义引导的任务。UNet 模型flux1-dev-kontext_fp8_scaled.safetensors用于核心扩散计算，VAE 模型ae.safetensors负责潜空间的压缩与解码，而 CLIP 模型t5xxl_fp16.safetensors与clip_l.safetensors提供了文本到潜空间条件的映射，保证生成效果能够遵循文本语义。三者协同构成了稳定的生成链路。模型名称说明flux1-dev-kontext_fp8_scaled.safetensors作为 UNet 主模型，承担扩散与重构核心计算a