github:
https://github.com/huchukato/ComfyUI-QwenVL-Mod
该仓库是基于 阿里云通义千问视觉语言模型（Qwen-VL） 为 ComfyUI 开发的扩展模块（Mod），核心是将 Qwen-VL 的多模态能力集成到 ComfyUI 可视化工作流中，让用户可以在 ComfyUI 里调用 Qwen-VL 完成图文交互类任务。
1. 核心定位
ComfyUI 是一个基于节点式可视化编程的 AI 工作流工具（常用于 Stable Diffusion 等生成式 AI 流程编排），而该扩展的核心作用是：
- 为 ComfyUI 新增 Qwen-VL 相关节点，实现「图片理解 + 文本交互」的多模态能力；
- 让用户无需脱离 ComfyUI 环境，即可调用 Qwen-VL 完成图文问答、视觉分析、内容生成等任务。
2. 主要功能场景
基于 Qwen-VL 的能力，该扩展可实现：
- 图文问答：上传图片后，通过文本提问获取图片内容解析（如 “这张图片里有什么？”“图中的人物在做什么？”）；
- 视觉分析：提取图片中的关键信息（物体、场景、文字、颜色、空间关系等）；
- 多模态生成：结合图片信息生成描述文本、创意文案、结构化信息（如表格、总结）；
- 跨模态指令执行：基于图片内容执行复杂指令（如 “根据这张风景图写一段诗歌”“把图中的手写文字转为电子版”）。
3. 技术层面特点
- 适配 Qwen-VL 的 API / 本地部署版本（需结合 Qwen-VL 的调用方式，如 API Key 或本地模型权重）；
- 以 ComfyUI 节点化的方式封装 Qwen-VL 的调用逻辑，用户可拖拽节点、配置参数（如提问文本、图片路径、模型版本），无需手写代码；
- 可与 ComfyUI 其他节点（如图片加载、文本生成、图片处理）联动，构建更复杂的多模态工作流（例如：SD 生成图片 → Qwen-VL 解析图片 → 根据解析结果再生成新内容）。
4. 适用人群
- ComfyUI 使用者，需要在工作流中集成图文理解能力；
- 开发者 / 设计师，快速搭建多模态 AI 应用原型；
- 对 Qwen-VL 感兴趣，希望通过可视化方式调试、调用该模型的用户。
补充说明
使用该扩展通常需要：
- 部署 ComfyUI 环境；
- 准备 Qwen-VL 的调用权限（API Key）或本地部署 Qwen-VL 模型；
- 按照仓库文档将扩展安装到 ComfyUI 的
custom_nodes目录下。
如果需要具体的使用 / 部署细节，可参考该仓库的 README 文档（通常包含安装步骤、节点说明、示例工作流）。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
