【ComfyUI】OmniGen2 基础图生图

今天展示的案例是一个基于ComfyUI 的 Omnigen2 图生图工作流，通过输入原始图像与文本提示词，结合噪声生成、潜空间参考以及双重条件引导的机制，实现了透明晶体质感的人物再创作效果。

整个流程以清晰的阶段设计串联，从模型加载、图像输入、文本编码到采样生成与解码输出，既保留了基础扩散模型的稳定性，又在材质表现和光影细节方面进行了强化。借助该工作流，可以直观体验 ComfyUI 在创意图像生成上的灵活性与精细度。

工作流介绍

该工作流构建在 Omnigen2 扩散模型的基础之上，结合 Qwen 语言视觉文本编码器与 Lumina VAE，完成了从提示词到晶体材质人物的全流程生成。其结构包含模型加载、输入图像处理、条件信息提取、噪声引导采样以及解码保存等模块。通过多路参考潜变量与双条件引导机制，生成结果在保持原图形态的同时融入了晶体材质的质感特征，最终得到细节丰富、通透感强的图像成品。

核心模型

本工作流的核心模型体系涵盖了扩散模型、文本编码器和变分自编码器（VAE）。扩散模型 Omnigen2_fp16 提供了主要的图像生成能力；文本编码器 qwen_2.5_vl_fp16 负责解析提示词与负面提示词，将语言特征转化为潜在条件向量；VAE 模块则在潜空间与像素空间之间完成双向转换，既能将输入图像压缩到潜空间中作为参考，也能将采样结果解码为可视化图像。这三者形成了稳定而紧密的协作关系，使得工作流能够兼顾生成质量、语义一致性与图像细节还原。