【ComfyUI】Z-Image 基础文生图 + 单LoRA

今天给大家演示一个Z-Image Turbo 基础文生图 ComfyUI 工作流。
该工作流以轻量化 UNet 为核心，配合 Qwen Image 文本理解模型与基础 LoRA 风格注入，实现从文本描述到图像生成的完整闭环。整体结构清晰、节点数量精简，既适合作为 Z-Image 系列模型的入门示例，也方便用户在此基础上继续扩展更复杂的控制与后处理能力。

通过效果演示可以直观感受到，该流程在人物生成、构图稳定性以及出图速度方面都具备较好的平衡表现，尤其适合日常创作与快速验证提示词思路。

工作流介绍

该工作流围绕“基础文生图”这一目标进行搭建，从模型加载、文本编码、潜空间初始化到采样解码，形成了一条标准而高效的生成链路。工作流通过 UNET + CLIP + VAE 的经典三件套构成核心生成能力，并额外引入 LoRA 对画面风格和人物特征进行强化。在节点组织上，正负提示词分离处理，负向条件通过归零节点进行显式控制，使整体逻辑更清晰，也便于新手理解每一步对最终画面的影响。

核心模型

在模型层面，该工作流选择了 Z-Image Turbo 系列 UNet 作为主要生成模型，兼顾生成速度与基础画质表现；文本侧使用 Qwen Image 专用 CLIP 模型，提升中文与自然语言描述在图像生成中的理解准确度；VAE 则负责潜空间与最终图像之间的稳定编解码。同时，通过加载人物风格 LoRA，对角色外观与整体风格进行针对性增强，使画面在保持基础一致性的同时具备更鲜明的特征表达。