今天给大家演示的是一个基于ComfyUI 的多控制条件融合图像生成工作流。该工作流围绕 Z-Image Turbo 体系展开，通过图像输入、自动提示词生成以及多种结构控制预处理的灵活切换，实现从“参考图像理解”到“高质量图像生成”的一体化流程。结合效果展示可以直观看到，该工作流既能保持原始画面的结构信息，又能在风格和细节上进行较大幅度的重构，非常适合用于人物、场景或概念图的高一致性再创作。文章目录工作流介绍核心模型Node 节点工作流程大模型应用RH_Captioner 图像语义理解与提示词生成使用方法应用场景开发与应用工作流介绍这是一个以参考图像驱动 + 多 ControlNet 结构约束 + 自动提示词生成为核心思路的 ComfyUI 工作流。整体设计并非单一路径，而是通过统一的图像输入，派生出深度、姿态、边缘等多种结构信息，再由开关节点进行选择性接入，从而在同一套模型架构下实现不同控制策略的快速切换。工作流同时引入图像自动描述节点，将参考图像内容转化为中文提示词，减少手动写 Prompt 的成本，使生成结果在语义与结构层面都与原图保持高度关联。核心模型该工作流的核心模型体系围绕Z-Image Turbo架构展开，整体目标是实现高速采样与多结构条件统一控制。在模型组合上，UNet 负责图像扩散与细节生成，CLIP 模型不仅承担文本编码任务，还配合图像描述节点完成“图生文”的语义理解，VAE 则用于潜空间与最终图像之间的稳定编解码。通过额外加载的 Model Patch，将多种 ControlNet 结构信息整合进同一扩散模型中，使姿态、深度、边缘等条件不再是割裂使用，而是可以在同一模型上下文中灵活切换与叠加。这种模型层级的设计，使工作流在保持生成速度的同时，也具备较高的可控性与一致性。模型名称说明