前言
去年我发过一篇《ComfyUI 一键换衣-服装一致性》，当时只记录了"补模型"的过程，模型清单不全、参数没写、效果一致性也没定位清楚。最近在 ComfyUI v0.39.0（2026 年新版）+ RTX 4070 Ti（12G 显存） 上把这个工作流完整重跑了一遍------从零搭环境到出图 120 秒，中间踩到一个新版 ComfyUI 必踩的坑（GroundingDINO 直接崩）。
这篇是彻底重写的 2.0 版：完整模型清单（9 个，含上一版漏掉的）、两阶段工作流拆解、全部采样参数、以及手工修复报错的逐步指引。文中全部效果图都是我本机实测产出，参数可复现。
文中用到的全部模型清单、出处仓库与实测参数，已整理在文末「模型出处汇总」。
一、效果预览
工作流输入一张服装商品图（挂在衣架上的玫瑰印花衬衫），输出模特穿上这件衣服的完整试穿图：
左：输入的商品图；右：模型生成的试穿效果（红发模特 + 同款玫瑰印花衬衫 + 街景）。可以看到印花风格、配色、版型都保持了一致，手指、衣褶没有明显畸形。
服装一致性的关键在两件事：FLUX Fill 的局部重绘能力 + Redux 把商品图的图案信息注入生成过程。下面拆开讲。
二、环境与前置条件
| 项 | 实测环境 |
|---|---|
| 显卡 | RTX 4070 Ti（12G 显存） |
| ComfyUI | v0.39.0 官方便携版（Windows portable） |
| 系统 | Windows |
| 单次运行耗时 | 约 120 秒（两阶段共 55 步采样，约 2 秒/步） |
| 显存占用 | 12G 可跑（模型均为 fp8 量化版） |
自定义节点（ComfyUI Manager 里按名字搜索安装，装完重启）：
| 节点包 | 用到的节点 | 来源 |
|---|---|---|
| ComfyUI_Segment_Anything | GroundingDinoModelLoader / SAMModelLoader / GroundingDinoSAMSegment | GitHub 搜 Segment_Anything |
| rgthree-comfy | Fast Groups Bypasser 等分组控制 | rgthree/rgthree-comfy |
| ComfyUI-KJNodes | GetNode / SetNode 飞线 | kijai/ComfyUI-KJNodes |
| ComfyUI-Impact-Pack | ImpactInt 等 | ltdrdata/ComfyUI-Impact-Pack |
| was-node-suite-comfyui | ImageConcanate 图像拼接 | WASasquatch/was-node-suite-comfyui |
| ComfyUI_essentials | ImageConcatMulti 等 | cubiq/ComfyUI_essentials |
| ComfyUI-Custom-Scripts | MaskPreview+ 遮罩预览 | pythongosssss/ComfyUI-Custom-Scripts |
| InpaintEasy / ReduxPromptStyler 等 | 局部重绘与提示词样式 | Manager 搜索安装 |
三、模型准备（9 个，含下载地址）
这一节是 2.0 版最重要的补充。上一版文章漏了 2 个模型、写错了 1 个目录，照着装必然缺件。完整清单如下，目录全部相对 ComfyUI 根目录：
| 模型文件 | 用途 | 放置目录 | 大小 | 官方出处 |
|---|---|---|---|---|
| flux1-dev-fp8.safetensors | 阶段①生图主模型（fp8） | models/diffusion_models | 11.9G | Kijai/flux-fp8 |
| fluxFillFP8_v10.safetensors | 阶段②换装重绘模型（Fill fp8） | models/diffusion_models | 11.9G | Kijai/flux-fp8 |
| t5xxl_fp8_e4m3fn.safetensors | 文本编码器 T5 | models/clip | 4.9G | comfyanonymous/flux_text_encoders |
| clip_l.safetensors | 文本编码器 CLIP-L | models/clip | 246M | comfyanonymous/flux_text_encoders |
| ae.safetensors | VAE | models/vae | 335M | black-forest-labs/FLUX.1-schnell |
| flux1-redux-dev.safetensors | Redux 风格参考 | models/style_models | 129M | black-forest-labs/FLUX.1-Redux-dev |
| sigclip_vision_patch14_384.safetensors | Redux 视觉编码器 | models/clip_vision | 857M | black-forest-labs/FLUX.1-Redux-dev |
| sam_vit_h_4b8939.pth | SAM 分割 | models/sams | 2.56G | Meta 官方发布 |
| GroundingDINO_SwinB.cfg.py + groundingdino_swinb_cogcoor.pth | 服装检测定位 | models/grounding-dino | 938M | IDEA-Research/GroundingDINO |
三点说明：
- HuggingFace 直连慢的读者：在 hf-mirror.com 搜索同名仓库即可国内直下。
- 显存紧张可以把 sam_vit_h 换成 sam_vit_b（375M，效果略降），12G 显存实测 vit_h 无压力。
- 许可证提醒：FLUX.1-dev / Fill / Redux 系列模型遵循 FLUX Dev Non-Commercial 许可，个人学习研究可用，商用需另行授权。
四、工作流拆解：两阶段流水线
整个工作流分两个阶段（对应画布上下两个分组）：
阶段①：商品图 → 模特图（flux1-dev-fp8 + Redux）
- LoadImage 载入衬衫商品图；
- sigclip 视觉编码器 + flux1-redux-dev 把商品图的视觉特征注入 conditioning（这一步是"图案一致性"的来源）；
- ReduxPromptStyler 组合提示词（模特描述 + 服装描述）；
- KSampler：euler / simple / 30 步 / CFG=1 / seed 固定，flux1-dev-fp8 出模特图。
阶段②：定位服装区域 → FLUX Fill 换装重绘（fluxFillFP8_v10）
- GroundingDINO 按文本提示（如 "Tops, T-Shirts"）定位模特身上的服装区域，SAM 精确分割出 mask（阈值 0.35）；
- 模特图 + 服装 mask + 商品图拼接后送入 FLUX Fill（inpaint 专用模型），VAEEncode → KSampler（euler / simple / 25 步 / CFG=1）→ VAEDecode；
- 输出换装成品图（左商品图 / 右试穿图的对比拼图由 ImageConcanate 生成）。
FLUX 系模型的参数特点：CFG 恒为 1（引导已经 baked 在模型里），scheduler 用 simple，这两点和 SD 系习惯完全不同，照 SD 的经验调 CFG 反而出废图。
五、踩坑实录与手工修复（重点收藏）
坑 1：新版 ComfyUI 运行必崩 ------ GroundingDINO 报 AttributeError
现象：点运行后 7 秒内报错：
AttributeError: 'BertModel' object has no attribute 'get_extended_attention_mask'
File ...custom_nodes\comfyui_segment_anything\local_groundingdino\models\GroundingDINO\bertwarper.py, line 23原因 ：2026 年新版 ComfyUI 便携版自带的 transformers 是 5.x，而 GroundingDINO（ComfyUI_Segment_Anything 内置）依赖的 BertModel.get_extended_attention_mask 在新版 transformers 中已被移除。这不是你的模型没下对，也不是节点没装好，是依赖版本冲突。
手工修复（复制即用）：在 ComfyUI 目录打开命令行，把 transformers 降到 4.46.3：
cd /d D:\ComfyUI_windows_portable
python_embeded\python.exe -s -m pip install transformers==4.46.3 -i https://pypi.tuna.tsinghua.edu.cn/simple（路径按你的实际安装位置调整；-i 是清华镜像，国内更快。）装完重启 ComfyUI（不是刷新页面，是关掉进程重开），再运行即可。
坑 2：差一个隐藏模型 ------ flux1-dev-fp8
工作流画布上有两个UNETLoader：阶段①用 flux1-dev-fp8（生成模特），阶段②才是 fluxFillFP8（换装重绘）。少装 flux1-dev-fp8 会直接卡在阶段①，这是上一版文章完全没提的模型。
坑 3：fluxFillFP8 不是放 checkpoints！
两个 FLUX 模型都走 UNETLoader，放 models/diffusion_models （老教程里写 models/unet 也行，新版目录叫 diffusion_models）。放 checkpoints 目录的话 UNETLoader 下拉框里永远刷不出来。
坑 4：clip_l 别乱替代
上一版我记录过"用 ViT-L-14-TEXT 替代 clip_l"的说法------重跑时核对工作流 JSON，DualCLIPLoader 引用的其实一直是 clip_l.safetensors，ViT-L 替代是当时排查时的误记。老老实实下 clip_l（246M）就好。
坑 5：GroundingDINO 用的是 SwinB，且是"两件套"
下拉框里选 GroundingDINO_SwinB (938MB)，对应 models/grounding-dino/ 下两个文件 ：GroundingDINO_SwinB.cfg.py（配置）和 groundingdino_swinb_cogcoor.pth（权重），缺一个都加载失败。别下成 swint_ogc------工作流引用的不是它。
坑 6：还有个 SAM 模型
上一版同样没写：SAMModelLoader 需要下载 sam_vit_h_4b8939.pth（2.56G）到 models/sams/。
坑 7：模型放对了但下拉框没有
ComfyUI 对模型目录有缓存，新放文件后刷新页面（F5），还不行就重启进程。前端节点的下拉（比如带 "(segment anything)" 后缀的那些）也要等节点包加载完才刷新。
六、模型出处汇总
6.1 工作流与测试素材
工作流原始版本出自知乎作者的分享（见文末出处），未经原作者授权不再提供二次分发下载；本文实测使用的测试图为自拍商品图。后续如需打包配置，将通过平台资源渠道发布。
6.2 模型官方出处（速查）
- flux1-dev-fp8 / fluxFillFP8_v10：HuggingFace 仓库 Kijai/flux-fp8（hf-mirror.com 同名镜像可国内直下）
- t5xxl_fp8 / clip_l：HuggingFace 仓库 comfyanonymous/flux_text_encoders
- ae.safetensors（VAE）：HuggingFace 仓库 black-forest-labs/FLUX.1-schnell
- flux1-redux-dev 与 sigclip_vision_patch14_384：HuggingFace 仓库 black-forest-labs/FLUX.1-Redux-dev
- sam_vit_h_4b8939.pth：Meta 官方发布（文件名即全称，可直接搜索）
- GroundingDINO SwinB 权重与配置：HuggingFace 仓库 IDEA-Research
结语
12G 显存在 2026 年跑 FLUX 换装已经完全够用------前提是全 fp8 模型 + 正确的目录结构 + transformers 降级。服装一致性如果仍不理想，优先检查两点：GroundingDINO 的文本提示是否准确圈住了目标服装、阶段②的 mask 扩边参数是否太小。
你在跑这个工作流时卡在哪一步？评论区贴报错，我逐条回。
工作流原始版本出自知乎作者的分享，本文在其基础上做了新版本适配验证与模型清单补全，感谢原作者。