ComfyUI models 目录完整指南（31个文件夹全解析）

这是一份史上最全的 ComfyUI models 目录详解。31个文件夹，逐个拆解：英文全称、中文含义、命名由来、核心作用、存放什么模型、常见模型举例。让你从零基础到彻底搞懂每个文件夹的用途。

📖 为什么需要了解这些文件夹？

ComfyUI 采用模块化设计 ，不同类型的 AI 模型各司其职。这种目录结构并非随意设定，而是 ComfyUI 核心代码通过 folder_paths.py 文件严格定义的标准路径。只有把模型文件放到正确的位置，ComfyUI 才能在加载节点时自动识别它们。

一句话：放对位置，才能正常工作。放错位置，节点里根本看不到你的模型。

🗺️ 完整目录全景图（31个文件夹）

复制代码

ComfyUI/models/
├── 1.  audio_encoders/          # 音频编码器（视频生成专用）
├── 2.  background_removal/      # 背景移除模型
├── 3.  checkpoints/             # ⭐ 基础大模型（最常用）
├── 4.  clip/                    # CLIP 文本编码器
├── 5.  clip_vision/             # CLIP 图像编码器
├── 6.  configs/                 # 配置文件
├── 7.  controlnet/              # ControlNet 控制模型
├── 8.  detection/               # 目标检测模型
├── 9.  diffusers/               # Diffusers 格式模型
├── 10. diffusion_models/        # 新一代扩散模型（FLUX/WAN等）
├── 11. embeddings/              # Textual Inversion 嵌入
├── 12. frame_interpolation/     # 帧插值（视频补帧）
├── 13. geometry_estimation/     # 几何估计（深度/法线）
├── 14. gligen/                  # GLIGEN 布局控制
├── 15. hypernetworks/           # 超网络微调
├── 16. latent_upscale_models/   # 潜空间放大模型
├── 17. LLM/                     # 大语言模型
├── 18. loras/                   # ⭐ LoRA 微调模型
├── 19. model_patches/           # 模型补丁
├── 20. onnx/                    # ONNX 格式模型
├── 21. optical_flow/            # 光流估计
├── 22. photomaker/              # PhotoMaker 人像定制
├── 23. sams/                    # SAM 图像分割
├── 24. style_models/            # 风格迁移模型
├── 25. text_encoders/           # 大语言文本编码器（T5/Gemma等）
├── 26. ultralytics/             # YOLO 检测模型
├── 27. unet/                    # UNet 模型（旧版目录）
├── 28. upscale_models/          # 超分辨率放大
├── 29. vae/                     # ⭐ VAE 图像编解码器
├── 30. vae_approx/              # VAE 近似（轻量版）
└── 31. yolo/                    # YOLO 专用目录

第一部分：核心生成模型（最常用）

1. `checkpoints/` ------ 基础大模型

英文全称：Checkpoint（检查点）

中文含义 ：AI 模型在训练过程中保存的"快照"，包含完整的神经网络参数。简单说，它就是生成图像的"大脑"，决定了图像的基础画风、质量和内容范围。

为什么这么命名？ 在深度学习中，"checkpoint"指训练到某个阶段时保存的模型状态，方便后续恢复训练或直接使用。

作用：所有图像生成的起点。没有它，其他模型都无法工作。这是你最常访问的文件夹。

常见模型举例：

模型名称	特点	适用场景
`sd_xl_base_1.0.safetensors`	SDXL 基础模型，画质细腻	写实、艺术创作
`v1-5-pruned-emaonly.safetensors`	SD 1.5 经典模型，生态丰富	动漫、二次元
`Illustrious-XL-v0.1.safetensors`	高表现力 XL 模型	高质量插画
`RealisticVision_xxx.safetensors`	写实风格	人像摄影
`DreamShaper_xx.safetensors`	梦幻风格	插画、概念艺术

💡 建议：优先使用 .safetensors 格式，它比 .ckpt 更安全、加载更快。

2. `loras/` ------ LoRA 微调模型

英文全称：Low-Rank Adaptation（低秩适配）

中文含义 ：LoRA 是一种轻量级微调技术，通过额外的小文件（通常几十到几百MB）在不修改主模型的前提下，注入特定风格、角色或特征。

为什么这么命名？ "LoRA"这个名称来源于其核心数学原理------对权重矩阵进行低秩分解（Low-Rank Decomposition），从而大幅减少需要训练的参数数量（仅为原始模型的 0.1%~1%）。

作用：作为 Checkpoint 的"插件"，用于调整特定特征。可以同时叠加多个 LoRA，实现风格、角色、服装等多个维度的组合控制。

常见模型举例：

角色 LoRA：chara_xxx.safetensors（固定特定动漫角色）
风格 LoRA：watercolor_style.safetensors（水彩风格）
服装 LoRA：suit_armor.safetensors（盔甲服装）
细节增强：detail_enhancer.safetensors（增强纹理细节）

💡 建议：LoRA 可以叠加使用，权重通常设置在 0.2~0.8 之间。按功能建立子目录分类，如 loras/character/、loras/style/、loras/clothing/。

3. `vae/` ------ VAE 图像编解码器

英文全称：Variational Autoencoder（变分自编码器）

中文含义 ：VAE 由两部分组成------编码器（Encoder）将像素图像压缩成 AI 内部的"潜空间（latent space）"数据；解码器（Decoder）负责将潜空间数据解码成我们能看到的像素图像。在图像生成中，我们最常用的是解码器部分。

为什么这么命名？ "变分"指其数学优化方式（变分推断），"自编码器"指其编码-解码的对称结构。

作用：直接影响生成图像的清晰度、色彩和细节表现。换一个更好的 VAE，图像质量会有肉眼可见的提升。好的 VAE 能消除图像中的"色块感"，让色彩过渡更自然。

常见模型举例：

模型名称	说明
`vae-ft-mse-840000-ema-pruned.safetensors`	最常用的高质量 VAE，SD1.5/SDXL 通用
`flux-ae.safetensors`	Flux 模型专用
`sdxl_vae.safetensors`	SDXL 优化版
`sdxl_vae_fp16.safetensors`	SDXL 半精度版，省显存

💡 建议：有些 Checkpoint 已经内置了 VAE，但如果单独加载 VAE 节点，会覆盖内置版本，通常能获得更好的效果。

4. `diffusion_models/` ------ 新一代扩散模型

英文全称：Diffusion Models（扩散模型）

中文含义 ：这是 ComfyUI 中较新的官方目录，用于存放骨干扩散模型，特别是那些按"模型家族"组织的模型（如 FLUX、WAN、QWEN、HiDream、LTX 等）。

为什么这样命名和组织？ 随着模型生态日益丰富，FLUX、WAN 等新一代模型如果全放进 checkpoints/ 会非常杂乱。按模型家族分类存放，管理更清晰，也便于维护。

作用：和 checkpoints/ 功能类似（都是基础生成模型），但更强调按模型家族分类。如果你使用的是 FLUX、WAN 等新模型，应该来这里找对应的子目录。

常见模型举例：

子目录	包含模型
`FLUX/`	`flux1-dev.safetensors`、`flux1-schnell.safetensors`
`WAN/`	WAN 视频生成模型系列
`QWEN/`	Qwen 系列模型
`LTX-2/`、`LTXV/`	LTX 视频生成模型
`HiDream/`	HiDream 图像生成模型
`MiniMax/`	MiniMax H3 系列

💡 建议：优先查看这个目录是否已有你需要的模型家族分类，按分类放入对应的子目录。

5. `unet/` ------ UNet 模型

英文全称：U-Net（U 形网络）

中文含义 ：UNet 是一种经典的卷积神经网络架构，因其网络结构呈"U"形而得名（先下采样编码，再上采样解码，中间有跳跃连接）。

为什么这样命名？ UNet 最早用于医学图像分割，因其 U 形架构图而得名。在 Stable Diffusion 中，UNet 是扩散模型的核心组件，负责"去噪"过程------从随机噪声逐步生成图像。

作用：在早期版本中，unet/ 用于存放单独的 UNet 模型文件。现在已逐步被 checkpoints/ 和 diffusion_models/ 取代，但仍被一些旧版插件或自定义节点使用。

常见模型举例：

一些旧版 SD1.5 的 UNet 分离文件
自定义训练的分割模型

💡 注意：新用户建议优先使用 checkpoints/ 或 diffusion_models/，除非你明确知道自己在做什么。

6. `configs/` ------ 配置文件

英文全称：Configurations（配置文件）

中文含义 ：存放 YAML、JSON 等格式的模型配置文件，定义模型架构参数（如层数、通道数、注意力头数等）。

为什么这样命名？ 简单的英文直译，表示"配置"文件。

作用：当模型文件本身不包含架构信息时，需要配套的配置文件来告诉 ComfyUI "这个模型长什么样"。

常见模型举例：

文件名	对应模型
`v1-inference.yaml`	SD1.5 配置
`v1-inference-vae.yaml`	SD1.5+VAE 配置
`sd_xl_base.yaml`	SDXL 配置

💡 建议：一般情况下不需要手动修改，但如果你下载了单独的模型权重文件（非 safetensors 完整包），可能需要配合 .yaml 文件使用。

第二部分：文本与图像编码器

7. `clip/` ------ CLIP 文本编码器

英文全称：Contrastive Language-Image Pre-training（对比语言-图像预训练）

中文含义 ：CLIP 模型由 OpenAI 开发，包含文本编码器 和图像编码器 两个分支。这里的 clip/ 存放的是文本编码器 ，负责将你的文字提示词（Prompt）转换成 AI 能理解的向量表示。

为什么这样命名？ "CLIP"既是缩写，也形象地描述了其核心思想------通过对比学习将文本和图像"拉近"到同一个向量空间进行匹配。

作用：你的正向/负向提示词就是通过 CLIP 文本编码器处理后，才能传递给生成模型。CLIP 的质量直接影响模型对文字的理解能力。

常见模型举例：

文件名	说明
`clip_l.safetensors`	SD1.5 标配
`clip_g.safetensors`	SDXL 使用的更大版本（有更多参数）
`longclip-L.safetensors`	支持更长文本输入（最多 248 个 token）

💡 ⚠️ 重要区分 ：clip/ 和 text_encoders/ 是两个不同的目录！clip/ 仅存放 CLIP 系列的文本编码器 ，而 text_encoders/ 用于存放 T5、QWEN、GEMMA、LLAMA 等大语言模型编码器。

8. `clip_vision/` ------ CLIP 图像编码器

英文全称：CLIP Vision（CLIP 的视觉分支）

中文含义 ：和 CLIP 文本编码器对应，CLIP Vision 是 CLIP 模型的图像编码分支 ，负责将图像转换成向量表示。

为什么这样命名？ 它是 CLIP 模型的一部分，专门处理视觉（Vision）输入，因此叫 clip_vision。

作用：用于图生图（img2img）、IP-Adapter（图像风格迁移）、Redux（图像重绘）、ControlNet 的图像引导等需要理解图像内容的场景。简单说，当你想让 AI "看懂"一张图时，就需要用到它。

常见模型举例：

文件名	说明
`clip_vision_h.safetensors`	标准版本，最常用
`sigclip_vision.safetensors`	更强大的变体（SigLIP）
`ViT-H-14-378-quickgelu.safetensors`	ViT 架构的大尺寸版本

9. `text_encoders/` ------ 大语言模型编码器

英文全称：Text Encoders（文本编码器）

中文含义 ：存放用于理解文本的大语言模型（LLM） 编码器。这些模型通常比 CLIP 更强大，能处理更复杂的语义、更长上下文和更细致的描述。

作用：新一代模型（如 Flux、MiniMax H3、LTX 视频模型）常常使用 T5、Gemma、Qwen 等强大的文本编码器来解析提示词，比传统 CLIP 理解更精准、更深入。

常见模型举例：

文件名	对应模型	用途
`t5xxl_fp16.safetensors`	T5-XXL	Flux 系列常用
`gemma-3-12b-it`	Gemma 3	LTX 2.3 视频模型使用
`qwen3vl_32b_minimax_h3.safetensors`	Qwen3VL	MiniMax H3 视频模型专用
`t5-v1_1-xxl-encoder`	T5 v1.1	兼容多种模型

💡 ⚠️ 重要 ：不要把 T5、Gemma 等模型放到 clip/ 目录，否则 ComfyUI 无法正确加载。它们走的是不同的代码路径！

第三部分：控制与引导模型

10. `controlnet/` ------ ControlNet 精准控制

英文全称：ControlNet（控制网络）

中文含义 ：ControlNet 是一种辅助控制模型，通过输入额外的引导信息（如线稿、深度图、姿态骨架、边缘图等）来精确控制生成图像的构图、姿态和布局。

为什么这样命名？ 直译"控制网络"，一语中的------它就是用来"控制"图像生成过程的额外网络。

作用：让 AI 生成符合你指定姿态、构图的图像。比如，你可以先画一个简单的人体骨架（OpenPose），ControlNet 会强制生成的人物符合这个姿态。

常见模型举例：

文件名	控制类型	用途
`control_v11p_sd15_canny.safetensors`	Canny 边缘检测	保持线稿轮廓
`control_v11p_sd15_openpose.safetensors`	OpenPose 姿态	人体姿态控制
`control_v11p_sd15_depth.safetensors`	深度图	三维构图控制
`control_v11p_sd15_seg.safetensors`	语义分割	区域颜色控制
`xinsir-controlnet-union-sdxl.safetensors`	多合一	一个模型支持多种控制类型
`sai_xl_depth_256lora.safetensors`	SDXL 深度控制	SDXL 场景深度控制

11. `gligen/` ------ GLIGEN 布局控制

英文全称：Grounded Language-Image Generation（基于语言的图像生成）

中文含义 ：GLIGEN 是一种通过文字描述指定物体位置的控制模型。你可以说"在图片左侧有一只猫，右侧有一只狗"，GLIGEN 就会精确控制物体出现在指定区域。

为什么这样命名？ 缩写，完整名称描述了其核心思想：将语言"落地"到图像的具体空间位置。

作用：比 ControlNet 更直观------直接用坐标和文字控制物体位置。适合需要精确布局的场景（如海报设计、产品展示）。

常见模型举例：

gligen_sd15.safetensors：SD1.5 的 GLIGEN 模型
相关配置文件（.yaml）

💡 使用方式 ：GLIGEN 需要配合 GLIGEN 节点，输入类似 (0.2, 0.3, 0.6, 0.8) 的坐标框和对应的物体描述文字。

12. `photomaker/` ------ PhotoMaker 人像定制

英文全称：PhotoMaker（照片制作者）

中文含义 ：PhotoMaker 是一种人像生成技术，输入几张不同角度的人脸照片，就能在生成图像中保持该人物的身份特征。

为什么这样命名？ 直译"照片制作者"------用照片生成新的人物形象。

作用：实现人像一致性生成，输入 3~5 张人脸照片，输出同一人物的不同场景/姿态图像。

常见模型举例：

photomaker-v1.safetensors
photomaker_style.safetensors

第四部分：目标检测、分割与几何估计

13. `ultralytics/` ------ Ultralytics 检测模型

英文全称：Ultralytics（公司名）

中文含义 ：Ultralytics 是开发 YOLO（You Only Look Once）目标检测系列的公司。这个目录存放 Ultralytics 格式的目标检测模型文件。

为什么这样命名？ 直接以开发公司名称命名，因为 Ultralytics 生态庞大，YOLO 系列在目标检测领域地位举足轻重。

作用：用于检测图像中的人脸、手势、人体姿态、物体等位置和类别。

常见模型举例：

文件名	检测类型
`yolov8n-face.pt`	人脸检测
`yolov8n-pose.pt`	人体姿态关键点检测
`yolov8x.pt`	通用目标检测（80 类别）
`yolov8m-seg.pt`	目标分割（带掩膜）
`yolov9c.pt`	YOLOv9 通用检测

14. `yolo/` ------ YOLO 专用目录

英文全称：You Only Look Once（你只看一次）

中文含义 ：YOLO 是一种经典的目标检测算法 ，特点是速度快------只需"看一眼"就能同时检测出图像中所有目标的位置和类别。

为什么这样命名？ 这个名字有两层含义：一是算法本身采用单阶段检测（一次性完成所有目标的识别和定位，区别于两阶段方法）；二是一种自豪的命名------"我只看一眼就能认出一切"。

作用：yolo/ 是用于存放 YOLO 模型的另一个目录 。在部分 ComfyUI 版本或插件中，会直接读取这里而非 ultralytics/。两者功能重叠，需要看具体插件读取哪个目录。

常见模型举例：

yolov8n-face.pt
yolov8n-pose.pt
yolov8x.pt

💡 注意：ultralytics/ 和 yolo/ 功能重叠，具体使用哪个取决于插件。建议两边都保留一份常用的 YOLO 模型，确保兼容。

15. `detection/` ------ 检测模型通用目录

英文全称：Detection（检测）

中文含义 ：存放各类目标检测模型的通用目录，不限于 YOLO。

作用：作为检测模型的补充存放位置，容纳各种检测相关的模型文件。

常见模型举例：

其他开源检测模型（如 DETR、FCOS 等）
专用检测器（如手部检测、人脸检测）

16. `sams/` ------ SAM 图像分割

英文全称：Segment Anything Model（分割万物模型）

中文含义 ：Meta（Facebook）推出的图像分割模型，可以精确分割图像中的任何对象，无需额外训练。用户可以通过点击/框选指定要分割的区域。

为什么这样命名？ 直接沿用 Meta 的官方名称 "Segment Anything"（分割万物），体现了其强大的通用分割能力。

作用：用于精准抠图、物体分离、背景移除等任务。是 ComfyUI 中图像编辑工作流的利器。

常见模型举例：

文件名	说明
`sam_vit_h_4b8939.pth`	SAM 基础版（ViT-H，最大版本）
`sam_vit_l_0b3195.pth`	SAM 大版本（ViT-L）
`sam_vit_b_01ec64.pth`	SAM 小版本（ViT-B，最快）
`sam2_hiera_large.pt`	SAM2 最新版本
`mobile_sam.pt`	移动端轻量版 SAM

17. `background_removal/` ------ 背景移除

英文全称：Background Removal（背景移除）

中文含义 ：专门存放用于移除图像背景的模型。

作用：一键抠图，去除背景，保留前景主体。

常见模型举例：

u2net.pth：最常用的背景移除模型
u2netp.pth：轻量版
birefnet 系列

💡 建议：常用模型 u2net.pth 也可以放在这里，配合 RMBG、BRIA 等插件使用。

18. `geometry_estimation/` ------ 几何估计

英文全称：Geometry Estimation（几何估计）

中文含义 ：存放用于估计图像几何信息的模型，如深度图（Depth Map）、法线图（Normal Map）等。

作用：从 2D 图像中提取 3D 几何信息，用于 ControlNet 的 depth、normal 控制，或用于 3D 重建。

常见模型举例：

文件名	估计类型
`depth_anything_v2_vits.pth`	深度估计
`MiDaS` 系列	多版本深度估计
`normal_estimation` 模型	法线估计

第五部分：视频与序列处理

19. `frame_interpolation/` ------ 帧插值

英文全称：Frame Interpolation（帧插值）

中文含义 ：用于在视频的两帧之间生成中间过渡帧，提升视频流畅度（如从 15fps 提升到 60fps）。

作用：视频生成后的后处理，让生成的视频看起来更流畅、更自然。

常见模型举例：

文件名	说明
`film_net_fp16.pt`	FILM 模型，Google 出品
`rife-v4.safetensors`	RIFE 模型，高质量补帧
`gma-sintel.safetensors`	GMA 光流模型

20. `optical_flow/` ------ 光流估计

英文全称：Optical Flow（光流）

中文含义 ：光流是计算机视觉中的一个重要概念，指图像中像素的运动轨迹和速度场。通过分析连续两帧图像，计算每个像素点的运动方向和速度。

作用：用于视频生成、运动分析和帧插值等任务。光流信息可以帮助模型理解视频中的"运动规律"。

常见模型举例：

文件名	说明
`raft-things.pth`	RAFT 光流模型
`gmflow` 系列	GMFlow 光流模型
`gma-sintel.pth`	GMA 光流模型

21. `audio_encoders/` ------ 音频编码器

英文全称：Audio Encoders（音频编码器）

中文含义 ：专门用于将音频信号转换为向量表示的编码器，使得 AI 模型能够"理解"音频内容。

作用：用于视频生成模型中需要根据音频生成画面的场景（如 MiniMax H3、WAN 等视频模型可根据音频生成对口型视频）。

常见模型举例：

文件名	对应模型
`minimax_h3_audio_vae_fp32.safetensors`	MiniMax H3 专用音频 VAE
`wav2vec` 系列	通用音频特征提取

第六部分：图像增强与风格

22. `upscale_models/` ------ 超分辨率放大

英文全称：Upscale Models（超分辨率模型）

中文含义 ：用于将低分辨率图像放大到更高分辨率，同时尽可能保持清晰度和细节。

作用：提升图像分辨率，用于最终输出高清大图或修复模糊图像。

常见模型举例：

文件名	说明
`RealESRGAN_x4plus.pth`	通用超分，效果优秀（4倍放大）
`RealESRGAN_x4plus_anime.pth`	动漫专用超分
`4x-UltraSharp.pth`	清晰度极高
`Real_HAT_GAN_sharper.pth`	更锐利的超分
`ESRGAN_4x` 系列	经典 ESRGAN 系列

💡 建议：如果有多个放大倍数需求，可以用子目录分类，如 upscale_models/2x/、upscale_models/4x/。

23. `latent_upscale_models/` ------ 潜空间放大

英文全称：Latent Upscale Models（潜空间放大模型）

中文含义：在 AI 的**潜空间（latent space）**内直接对图像进行放大，而不是在像素空间。这种方式速度更快，但对放大质量有一定要求。

作用：用于图像生成的放大阶段，在图像完全"解码"之前就进行放大，效率更高。

常见模型举例：

文件名	说明
`x4-upsampler-ema.safetensors`	SD 潜空间放大模型

💡 区分：latent_upscale_models/ 是在潜空间放大（更快，配合采样流程），upscale_models/ 是在像素空间放大（更精细，作为后处理）。两者定位不同。

24. `style_models/` ------ 风格迁移模型

英文全称：Style Models（风格模型）

中文含义 ：存放用于风格迁移的模型，可以将一种图像的风格"迁移"到另一张图像上。

作用：实现图像风格转换，比如将写实照片转换成梵高画风。

常见模型举例：

各种风格迁移模型（如 AdaIN、Fast Style Transfer 等）
ComfyUI 部分风格插件的专用模型

第七部分：微调与嵌入

25. `embeddings/` ------ Textual Inversion 嵌入

英文全称：Embeddings（嵌入）

中文含义 ：存放 Textual Inversion（文本反转） 的嵌入文件。这是一种通过 3~5 张图片"教会"模型特定概念或物体的技术，生成的文件通常只有几十 KB。

作用：让模型"认识"某个特定物体、角色或概念。使用时在提示词中输入对应的触发词即可调用。

常见模型举例：

文件名	对应触发词	用途
`my-cat.pt`	`my-cat`	让模型认识"我的猫"
`sks-style.pt`	`sks-style`	自定义风格
`avatar.pt`	`avatar`	固定角色特征

💡 注意：Textual Inversion（.pt）和 LoRA（.safetensors）是不同的技术，虽然都是微调方式，但文件大小和原理不同。

26. `hypernetworks/` ------ 超网络

英文全称：Hypernetworks（超网络）

中文含义 ：Hypernetwork 是另一种微调技术，通过一个较小的"超网络"来修改主模型的行为。在 Stable Diffusion 早期版本中较流行，目前已逐渐被 LoRA 取代。

作用：调整生成图像的风格、构图或特定特征。和 LoRA 功能类似，但实现方式不同。

常见模型举例：

各种风格 Hypernetwork（.pt 文件）

💡 建议：如果你有 LoRA 可用，优先用 LoRA。Hypernetwork 的支持已不如 LoRA 广泛。

27. `model_patches/` ------ 模型补丁

英文全称：Model Patches（模型补丁）

中文含义 ：存放用于修补或扩展模型功能的补丁文件，通常用于修复模型的特定问题或添加新功能。

作用：灵活扩展模型功能，无需重新训练完整模型。

常见模型举例：

特定模型的补丁文件
功能扩展插件生成的补丁

第八部分：大语言模型

28. `LLM/` ------ 大语言模型

英文全称：Large Language Model（大语言模型）

中文含义 ：存放完整的大语言模型 。注意这里是包含完整权重和架构的 LLM，而非仅仅是编码器（与 text_encoders/ 区分）。

作用：用于高级提示词理解、图像描述生成（如 BLIP）、自动提示词优化等需要完整自然语言理解/生成能力的任务。

常见模型举例：

模型	用途
`Florence-2`	图像描述生成、物体检测
`Qwen` 系列	中文/多语言理解
`LLaMA` 系列	通用语言模型

第九部分：格式与平台相关

29. `diffusers/` ------ Diffusers 格式模型

英文全称：Diffusers（扩散器）

中文含义 ：Hugging Face 的 diffusers 库定义了一种标准的模型组织格式 ，以完整文件夹（包含多个子文件）而非单个文件的形式存放模型。

为什么这样命名？ 直接采用 Hugging Face diffusers 库的名称。该库已成为扩散模型社区的事实标准。

作用：以 Hugging Face 标准格式加载模型，支持从 Hugging Face Hub 直接下载和使用。

常见模型举例：

runwayml/stable-diffusion-v1-5 的 diffusers 版
stabilityai/stable-diffusion-xl-base-1.0 的 diffusers 版

💡 区别：checkpoints/ 放 .safetensors 或 .ckpt 单文件，diffusers/ 放多个文件的文件夹。

30. `onnx/` ------ ONNX 格式模型

英文全称：Open Neural Network Exchange（开放神经网络交换格式）

中文含义 ：ONNX 是一种开放的模型格式标准，可以在不同的深度学习框架（PyTorch、TensorFlow 等）之间进行模型转换和部署。

为什么这样命名？ 直接使用该格式标准的官方名称。

作用：存放 ONNX 格式的模型，通常用于推理加速（配合 TensorRT、OpenVINO 等）或在资源受限的设备上部署。

常见模型举例：

转换后的 ControlNet ONNX 版本
轻量化推理模型

💡 注意：ONNX 模型的加载路径在部分 ComfyUI 变体中可能是**硬编码（hardcoded）**的，不要随意移动此目录。

31. `vae_approx/` ------ VAE 近似（轻量版）

英文全称：VAE Approximate（VAE 近似）

中文含义 ：存放 VAE 的近似模型，通常是用更小、更快的网络来"近似"完整 VAE 的功能。

作用：在低显存设备上，作为完整 VAE 的轻量替代方案。牺牲少量质量换取更快的速度和更低的内存占用。

常见模型举例：

taesd_encoder.safetensors / taesd_decoder.safetensors：Tiny AutoEncoder（极度轻量）
taesdxl_encoder.safetensors / taesdxl_decoder.safetensors：SDXL 版的 tiny VAE

💡 建议：如果你的显存充足（8GB+），直接使用 vae/ 中的完整模型。显存紧张的设备（4GB 以下），vae_approx/ 是不错的备选。

✅ 完整速查表（31个目录总览）

#	目录名	核心作用	关键提醒
1	`audio_encoders/`	音频→向量	视频生成（MiniMax）专用
2	`background_removal/`	背景移除	抠图用
3	`checkpoints/`	⭐ 基础大模型	最常用，放 SD/XL 等
4	`clip/`	CLIP 文本→向量	别和 text_encoders 搞混
5	`clip_vision/`	CLIP 图像→向量	IP-Adapter 等需要
6	`configs/`	模型配置文件	配合 .ckpt 使用
7	`controlnet/`	精准姿态/构图控制	配线稿/深度图等
8	`detection/`	目标检测	检测物体/人脸
9	`diffusers/`	Diffusers 格式	Hugging Face 标准
10	`diffusion_models/`	新一代扩散模型	FLUX/WAN 等放这里
11	`embeddings/`	Textual Inversion	几十 KB 的 .pt 文件
12	`frame_interpolation/`	视频补帧	提升视频流畅度
13	`geometry_estimation/`	深度/法线估计	ControlNet 深度控制用
14	`gligen/`	坐标布局控制	精确控制物体位置
15	`hypernetworks/`	超网络微调	已逐渐被 LoRA 取代
16	`latent_upscale_models/`	潜空间放大	采样流程内放大
17	`LLM/`	大语言模型	完整 LLM（不只是编码器）
18	`loras/`	⭐ LoRA 微调	最常用！放风格/角色 LoRA
19	`model_patches/`	模型补丁	扩展功能用
20	`onnx/`	ONNX 格式	推理加速/跨框架
21	`optical_flow/`	光流估计	视频运动分析
22	`photomaker/`	人像定制	保持人物身份一致
23	`sams/`	SAM 图像分割	精准抠图神器
24	`style_models/`	风格迁移	图像风格转换
25	`text_encoders/`	LLM 文本编码器	T5/Gemma/Qwen 放这里
26	`ultralytics/`	YOLO 检测	Ultralytics 官方格式
27	`unet/`	UNet 模型	旧版目录，部分插件仍用
28	`upscale_models/`	超分辨率放大	最终高清输出
29	`vae/`	⭐ VAE 编解码器	影响画质关键
30	`vae_approx/`	VAE 轻量近似	低显存用
31	`yolo/`	YOLO 专用	部分插件读取此目录

📌 最后的小贴士

文件格式 ：优先使用 .safetensors 格式，比 .ckpt 和 .pt 更安全、加载更快。
子目录分类 ：在 loras/、checkpoints/ 等目录中建立子目录进行分类管理。
命名规范：避免中文字符、空格及特殊符号，防止编码错误。
硬编码警告 ：onnx/、tensorrt/ 等目录路径是硬编码的，不要随意移动。
双目录注意 ：ultralytics/ 和 yolo/ 功能重叠，具体看插件读取哪个；clip/ 和 text_encoders/ 也完全不同。

掌握了这 31 个文件夹的用途，你就能在 ComfyUI 的模型海洋中游刃有余了！🎉

ComfyUI models 目录完整指南（31个文件夹全解析）

📖 为什么需要了解这些文件夹？

🗺️ 完整目录全景图（31个文件夹）

第一部分：核心生成模型（最常用）

1. checkpoints/ ------ 基础大模型

2. loras/ ------ LoRA 微调模型

3. vae/ ------ VAE 图像编解码器

4. diffusion_models/ ------ 新一代扩散模型

5. unet/ ------ UNet 模型

6. configs/ ------ 配置文件

第二部分：文本与图像编码器

7. clip/ ------ CLIP 文本编码器

8. clip_vision/ ------ CLIP 图像编码器

9. text_encoders/ ------ 大语言模型编码器

第三部分：控制与引导模型

10. controlnet/ ------ ControlNet 精准控制

11. gligen/ ------ GLIGEN 布局控制

12. photomaker/ ------ PhotoMaker 人像定制

第四部分：目标检测、分割与几何估计

13. ultralytics/ ------ Ultralytics 检测模型

14. yolo/ ------ YOLO 专用目录

15. detection/ ------ 检测模型通用目录

16. sams/ ------ SAM 图像分割

17. background_removal/ ------ 背景移除

18. geometry_estimation/ ------ 几何估计

第五部分：视频与序列处理

19. frame_interpolation/ ------ 帧插值

20. optical_flow/ ------ 光流估计

21. audio_encoders/ ------ 音频编码器

第六部分：图像增强与风格

22. upscale_models/ ------ 超分辨率放大

23. latent_upscale_models/ ------ 潜空间放大

24. style_models/ ------ 风格迁移模型

第七部分：微调与嵌入

25. embeddings/ ------ Textual Inversion 嵌入

26. hypernetworks/ ------ 超网络

27. model_patches/ ------ 模型补丁

第八部分：大语言模型

28. LLM/ ------ 大语言模型

第九部分：格式与平台相关

29. diffusers/ ------ Diffusers 格式模型

30. onnx/ ------ ONNX 格式模型

31. vae_approx/ ------ VAE 近似（轻量版）

✅ 完整速查表（31个目录总览）

📌 最后的小贴士

1. `checkpoints/` ------ 基础大模型

2. `loras/` ------ LoRA 微调模型

3. `vae/` ------ VAE 图像编解码器

4. `diffusion_models/` ------ 新一代扩散模型

5. `unet/` ------ UNet 模型

6. `configs/` ------ 配置文件

7. `clip/` ------ CLIP 文本编码器

8. `clip_vision/` ------ CLIP 图像编码器

9. `text_encoders/` ------ 大语言模型编码器

10. `controlnet/` ------ ControlNet 精准控制

11. `gligen/` ------ GLIGEN 布局控制

12. `photomaker/` ------ PhotoMaker 人像定制

13. `ultralytics/` ------ Ultralytics 检测模型

14. `yolo/` ------ YOLO 专用目录

15. `detection/` ------ 检测模型通用目录

16. `sams/` ------ SAM 图像分割

17. `background_removal/` ------ 背景移除

18. `geometry_estimation/` ------ 几何估计

19. `frame_interpolation/` ------ 帧插值

20. `optical_flow/` ------ 光流估计

21. `audio_encoders/` ------ 音频编码器

22. `upscale_models/` ------ 超分辨率放大

23. `latent_upscale_models/` ------ 潜空间放大

24. `style_models/` ------ 风格迁移模型

25. `embeddings/` ------ Textual Inversion 嵌入

26. `hypernetworks/` ------ 超网络

27. `model_patches/` ------ 模型补丁

28. `LLM/` ------ 大语言模型

29. `diffusers/` ------ Diffusers 格式模型

30. `onnx/` ------ ONNX 格式模型

31. `vae_approx/` ------ VAE 近似（轻量版）