语义分割和提示词反推功能是让工作流自动运行的基础条件，以后搭建的大多数实用工作流都要用到这两个模块。语义分割抠取的区域越精确，提示词反推的描述文字越准确，生成结果的质量就越高。

Flux模型具有很强的提示词理解能力，同时对提示词的要求也很高。虽然我们可以用自然语言输入提示词，但要想得到更好的生成结果，仍然需要从风格画质、角色服饰、环境背景、镜头构图等角度进行描述。对于不太擅长编写提示词的用户来说，使用大模型辅助是一个很好的解决方案。本节将把当前非常热门的DeepSeek模型集成到ComfyUI中，利用这个模型反推和扩写提示词。

步骤01

打开“02文生图/FLUX-优化文生图”工作流，在“中文提示词”节点上右击，在弹出的快捷菜单中选择“转换为输入/Convert text to input”命令，将文本输入框转换为输入端口。搜索并添加“Janus Image Understanding”节点，把新建节点的输出端口连接到“中文提示词”节点上，如下图所示。

步骤02

从“Janus Image Understanding”节点的model输入端口拖出连线，创建“Janus Model Loader”节点，然后把这两个节点的processor端口连接起来。接下来从“Janus Image Understanding”节点的image输入端口拖连线，创建“加载图像”节点，然后载入参考图，如下图所示。

提示

在“Janus Model Loader”节点的model_name菜单中可以选择deepseek-ai/Janus-pro-1B和deepseek-ai/Janus-pro-7B两个模型，其中7B模型的质量更高，但需要占用大量显存资源。对于反推提示词和提示词润色来说，使用1B模型足以满足需求。

步骤03

这样工作流就改造完成了。我们先测试一下反推提示词的质量，忽略“采样输出”和“高清放大”分组框，创建“展示文本”节点后将其连接到“Janus Image Understanding”节点的输出端口，运行工作流就能看到反推出来的文本。

步骤04

在“Janus Image Understanding”节点的文本框中，默认已经写好了提示语，如果想用中文查看结果，可以在提示语后面加上“用中文输出”，如下图所示。

步骤05

接下来，我们用反推出来的提示词生成图像。开启“采样输出”分组框，在“空Latent”节点中设置生成尺寸后运行工作流，生成结果如下图所示。可以看到，生成结果的内容与参考图一致，由此可以证明DeepSeek的反推能力和Flux模型的理解能力。

步骤06

除了反推提示词以外，DeepSeek模型还可以扩写和润色提示词。比如我们想画一个跳舞的女孩，可以在“Janus Image Understanding”节点中输入以下提示语：

根据我输入的AI绘画提示词进行专业润色和扩写，用英文输出结果，从人物形象、人物动作、环境、整体色调进行描述，描写非常详细，只输出结果，以下是我的AI绘画提示词：一个跳舞的女孩。

步骤07

为了避免参考图产生干扰，我们上传一幅纯色图像。运行工作流后，DeepSeek模型就会根据要求替我们扩写提示词，并生成高质量的图像，如下图所示。

步骤08

当前的工作流还可以继续优化。搜索并添加“SDXLPreview风格化提示词”和“文本联结”节点，在“文本联结”节点的“分隔符”中输入英文逗号，然后把text1输入端口连接到“SDXLPreview风格化提示词”节点的“正面条件”输出端口。把“文本联结”节点的“字符串”输出端口连接到“CLIP文本编码器”节点，如下图所示。

步骤09

把“Janus Image Understanding”节点的输出端口连接到“文本联结”节点的“text2”输入端口。现在，我们只需在“SDXLPreview风格化提示词”节点的“风格”菜单中选择一种艺术形式或者风格，就能轻松生成不同风格的图像，如下图所示。

本篇文章到此结束啦，其他更多知识请关注我不迷路哦!

本文摘自《AI摄影与创意设计:Stable Diffusion-ComfyUI 》，具体内容请以书籍为准。

AI摄影与创意设计：Stable Diffusion-ComfyUI——jdhttps://item.jd.com/14541669.html