本节使用Z-Image 模型完成文生图，图生图，以及它背后的逻辑。
1.文生图背后逻辑
上一篇中，介绍了 Stable Diffusion的逻辑：
现在以 ComfyUI的视角，再强化一下一个逻辑：
在 Stable Diffusion 这类扩散模型中，整个模型通常由三个主要组件构成：
- VAE（变分自编码器）：负责将图像压缩到潜在空间（编码）或将潜在表示解码回像素图像。
- CLIP 文本编码器：将文本提示（prompt）转换为文本嵌入（text embeddings），供 UNet 使用。
- UNet：这是扩散过程的核心，它接收：带噪声的 latent 图像，文本嵌入向量，然后预测噪声，通过逐步去噪声生成清晰的 ladtent 图像
在 ComfyUI 中，默认情况下，你使用的是 Checkpoint Loader 节点，它一次性加载整个 .ckpt 或 .safetensors 模型文件（包含 VAE、CLIP 和 UNet）。
但 ComfyUI 也支持模块化加载，即分别加载这三个组件。这时就会用到：
- UNET Loader （或类似名称，如
Diffusion Model Loader） - CLIP Loader
- VAE Loader
UNet 加载器 专门用于加载模型中的 UNet 权重部分，通常需要配合已加载的 CLIP 和 VAE 一起使用。
2.文生图实操
2.1 清空工作流所有节点
2.2 添加CLIP文本编码节点
在操作台上双击鼠标左键，可以搜索节点。现在我们需要的是对 CLIP 文本编码，所以选它。 要添加两个，一个正向(你要啥)，一个反向(你不要啥)
正向提示词:
latex
高质量画质，极致的细节，一个红苹果放在木质桌面，苹果表面有水滴，旁边有一把不锈钢餐刀，背景虚化反向提示词:
latex
模糊不清写提示词的时候按照这个顺序去写: 质量词汇-> 主体词汇 -> 氛围词汇
越靠前的词汇，它的权重会越高，在最终呈现的图片上占比会更大。 所以要按照上面的顺序去写词汇，词汇之间使用逗号进行分割。
2.3 添加 CLIP加载器节点
文本编码需要模型驱动，我们输入的是中文，模型使用 qwwen_3_4b模型
2.4 连线
2.5 Latent节点
加入一个空的潜空间，宽高设置为1024x1024
注意它们都应该是 8的倍数
2.6 添加K采样器节点
采样器需要模型，鼠标点击模型前面的圆点，然后到空白处释放后，选择 UNet加载器。 UNet加载器中使用 z_image_turbo_bf16模型
- cfg 参数表示与提示词的匹配度，越大则越匹配。如果过低，则AI的发挥度就越大。一般它设置为 5~8
- 采样器：可以选择
dpmpp_2m或者dpmpp_2m_sde, 这是大家测试下来效果比较好的。
2.7 添加 VAE 解码节点和加载AVE模型节点
K采样器会输出 latent, 它需要一个AVE 解码节点进行解码，将其输出为图像。同样解码器还需要模型，所以再添加一个 VAE加载器
2.8 图像输出节点
最后再添加一个图像输出节点。 完整工作流为：
2.9 运行工作流
运行后生成的结果：
3.文生图小结
最终决定图片风格有以下的关键点：
- 提示词。提示词按照
质量词汇-> 主体词汇 -> 氛围词汇的顺序去写。至于提示词使用中文还是英文，要看将提示词向量化所使用的模型是否支持中文，如果支持就用中文，如果不支持，就将中文翻译成英文。前面我们使用的是 千问系列模型，它本身就支持中文。 - 模型。
U-NET中采用的模型。即K采样器中所使用的模型。如果这个模型在预训练的时候采用的数据集是动漫二次元风格，那么它最终生成的图就是动漫二次元风格。如果是写实的，那它生成的就是写实的。而本次所使用的模型是Z-Image在风格支持方面还是比较全面的。所以风格方面，你得靠提示词去做一些优化。 - Latent 限制了图片的大小. 它配置了大小后，就会添加噪点，然后交给 U-Net 来进行降噪。U-Net降噪的同时，会结合 CLIP文本特征向量，一遍一遍的降噪，最终生成图片。
4.图生图背后的逻辑
这个原理基本与文生图是一样的，只不过是添加参考图的时候，多了使用 AVE Encoder 将参考图向量化，然后调度器加入了高斯噪点后放入了 Latents Space. 而文生图则使用的是Emptyt Latents Space.
剩下的流程就和文生图是一样的了。
5.图生图实操
直接使用前面文生图的工作流，变更一下提示词，再加入参考图即可。所以将前面的文生图工作流另存为一个工作流，删除掉Empty Latents,效果是这样的。
5.1 添加参考图
5.1.1添加"加载图像节点"
我上传了一个动漫图片，为了快速出图，我将图片裁剪到了 512x512
5.1.2 添加VAE编码节点
因为参考图要被向量化，所以要添加AVE编码节点。直接在"加载图像" 节点上的 "图像"(蓝色圆点)上用鼠标拖拽出连线然后释放鼠标，就弹出界面，然后选择 VAE编码即可
5.1.3 VAE编码节点连线
- VAE编码输出的
Latent连接到K采样器的Latent图像，它输出的Latent要交给K采样器来与 提示词合成新图。 - VAE编码节点要将参考图向量化，需要模型，所以要与
加载VAE节点进行连接
5.2 修改提示词
- 正向提示词：
latex
高质量画质，极致的细节，一个女孩，写实风格，- 反向提示词：
latex
模糊不清,动漫元素5.3 理解 K采样器：降噪参数
到目前为止，工作流已经构建好了，可以运行了。在运行之前，我们要理解K采样器中非常重要的参数: 降噪
5.3.1 降噪设置为：0
当设置为0,后运行会发现很快出结果。而且结果与原图几乎一模一样。这是为什么？这就是降噪参数的作用了。
图生图的原理中，参考图是要加入"噪点"后放入
Latent space中的，如果降噪设置为0，这意味着不加入噪点，K采样器没什么可降噪的，输出的自然和参考图一样。
5.3.1 降噪设置为：1
如果设置为1，那就意味着参考图上全是噪点，那这个参考图就失去了意义了。那最终输出的图就有很大的不确定性，如果设置的步数太小，那最终的结果有可能还存在噪点，输出的图片就会很"诡异"
我把K采样器上的 步数调大到 40， 降噪依然是 1,也就是全是噪点，让AI 依靠提示词随意发挥，再看看效果。
5.3.2 小结
相对于参考图片：
- 降噪参数越小，则表示噪点越少，生成的结果越接近参考图。因为噪点少，那么步数自然也就小，此时调大部署没有意义。
- 降噪参数越大，表示噪点越多，AI发挥的空间就越大，生成的图与原图就相差较远。因为噪点多，此时可以适量增加步数充分降噪。
- 如果要调整风格：可以更换模型，这就要看模型是那种风格训练出来的。也可以更换提示词。但是需要注意：大模型的影响要比提示词影响大得多