QwenVL - 图片/视频提示词一键反推 阿里最新多模态视觉模型 Qwen3-VL ComfyUI工作流 支持50系显卡 一键整合包下载

无言***

QwenVL - 图片/视频提示词一键反推 阿里最新多模态视觉模型 Qwen3-VL ComfyUI工作流 支持50系显卡 一键整合 ...

Qwen-VL 是阿里巴巴通义千问团队开发的视觉语言大模型，简单说就是能同时看懂图片/视频和文字的人工智能。它就像给AI装上了"眼睛"，让AI不仅能读懂文字，还能理解图像和视频内容。
今天分享的ComfyUI-QwenVL 自定义节点集成了来自阿里云的强大 Qwen-VL 系列视觉语言模型（LVLMs），包括最新的 Qwen3-VL 和 Qwen2.5-VL。这个高级节点使您的 ComfyUI 工作流程中能够无缝实现多模态 AI 功能，支持高效的文本生成、图像理解和视频分析。


Qwen-VL 不仅在专业领域用途，比如我们常用的文生图和视频生成领域也有广泛用途，在网上看到别人生成的好看的图像或者视频，不知道提示词怎么写，这个工具就能派上用场。上传你喜欢的图像或视频，即可一键反推生成提示词。然后再复制到自己的文生图或者文生视频工具里生成。


主要应用领域‌  ‌

图像理解与描述‌  为图片生成详细文字描述 识别图像中的物体、场景和人物关系 ‌
视频内容分析‌  分析视频帧序列，理解动态内容 适用于视频摘要、内容审核等场景 ‌
智能问答系统‌  基于视觉内容的问答应用 结合图像理解的对话机器人 ‌
创作辅助工具‌  为设计师提供图像创意描述 协助内容创作者进行多媒体素材分析


使用教程：（建议N卡，显存8G起，支持50系显卡，建议CUDA≥12.8）

整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可。
双击启动，进入WebUI后，点击左侧的 工作流，选择工作流。

上传需要理解的图片或视频，输入提示词，比如详细描述这张图/视频，运行即可。

一键包默认打包的是 Qwen3-VL-4B-Instruct-FP8模型，支持8G显存运行，如果你有更好的显卡，像体验更好的效果，可自行下载更高参数量的模型，放到 ComfyUI\models\LLM\Qwen-VL，对应选择即可。

工作流包含图像和视频，选择图像理解，手动选择下方视频的三个节点，并点击禁用。反之，选择视频理解时，禁用上方图像的三个节点。


下载地址：
https://pan.quark.cn/s/6b13a9ae4595

3659***

这个实用，来学习测试下