企业官网建设流程全解析

ComfyUI 快速文生图（基于 z_image.json）

目标：最快速度部署 ComfyUI + Lumina2 Turbo 模型，支持通过z_image.json工作流一键生成图片。

1. 环境要求

• Python 3.12+
• CUDA 12.4+（驱动版本 ≥ 535）
• 已安装 Conda

2. 安装 ComfyUI

cd/opt/ml/confgitclone https://github.com/comfyanonymous/ComfyUI.gitcdComfyUI conda create-ncomfyuipython=3.12-yconda activate comfyui pipinstall--upgradepip pipinstalltorch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121# 修复 NVIDIA 驱动兼容性（驱动版本 12080 需指定 cuBLAS 版本）pipinstall--no-deps nvidia-cublas-cu12==12.4.5.8 pipinstall-rrequirements.txt pipinstallsqlalchemy alembic blake3 filelock--upgrade

3. 下载模型（关键）

将以下模型放入对应目录：

目录结构示例：

/opt/ml/conf/ComfyUI/models/ ├── unet/ │ └── z_image_turbo_bf16.safetensors ├── clip/ │ └── qwen_3_4b.safetensors └── vae/ └── acevsok/ └── ae___safetensors/ └── ae.safetensors

4. 安装必要 Custom Nodes

cd/opt/ml/conf/ComfyUI/custom_nodesgitclone https://github.com/ltdrdata/ComfyUI-Manager.gitcd/opt/ml/conf/ComfyUI conda activate comfyui pipinstall-rcustom_nodes/ComfyUI-Manager/requirements.txt

5. 启动 ComfyUI

cd/opt/ml/conf/ComfyUI conda activate comfyui python main.py--listen0.0.0.0--port8188--disable-auto-launch

6. 导入并使用 z_image.json 工作流

1. 浏览器打开 ComfyUI（http://服务器IP:8188或平台子路径）。
2. 点击右上角「Load」按钮。
3. 选择并上传z_image.json文件。
4. 工作流会自动加载以下节点：
   • UNETLoader→ 自动选择z_image_turbo_bf16.safetensors
   • CLIPLoader→ 自动选择qwen_3_4b.safetensors
   • VAELoader→ 自动选择ae.safetensors
5. 在CLIP Text Encode节点修改提示词（默认：“诸葛来来”）。
6. 点击「Queue Prompt」即可生成图片（仅需3 步）。

7. 后台快速启动脚本

在/opt/ml/conf/wuhui目录下创建start_comfyui.sh：

cat>/opt/ml/conf/wuhui/start_comfyui.sh<<'EOF' #!/bin/bash set -e COMFYUI_DIR="/opt/ml/conf/ComfyUI" CONDA_ENV="comfyui" LOG_FILE="/opt/ml/conf/wuhui/comfyui.log" PID_FILE="/opt/ml/conf/wuhui/comfyui.pid" cd "$COMFYUI_DIR" source ~/miniconda3/etc/profile.d/conda.sh conda activate "$CONDA_ENV" echo "[$(date '+%Y-%m-%d %H:%M:%S')] 启动 ComfyUI ..." nohup python main.py --listen 0.0.0.0 --port 8188 --disable-auto-launch > "$LOG_FILE" 2>&1 & echo $! > "$PID_FILE" echo "ComfyUI 已启动，PID: $(cat $PID_FILE)" EOFchmod+x /opt/ml/conf/wuhui/start_comfyui.sh

启动命令：

bash/opt/ml/conf/wuhui/start_comfyui.sh

8. 一键生成图片（推荐流程）

1. 启动 ComfyUI 后导入z_image.json
2. 修改提示词 → 点击Queue Prompt
3. 生成的图片默认保存在output/z-image/目录下

性能参考（3 步出图）：

• 单张生成时间：约 0.5~1 秒（A100/H20）
• 显存占用：约 8~12GB

9. API 调用与多提示词批量生成

ComfyUI 原生支持通过 HTTP API 调用工作流。以下脚本可实现多提示词批量生成，无需修改z_image.json。

9.1 安装依赖

conda activate comfyui pipinstallrequests

9.2 批量生成脚本（batch_generate.py）

在/opt/ml/conf/wuhui目录下创建脚本：

#!/usr/bin/env python3""" ComfyUI 批量文生图脚本（基于 z_image.json） 支持多提示词自动生成，图片保存到 output/z-image/ """importjsonimporttimeimportrequestsimportosfromtypingimportList# ================== 配置 ==================COMFYUI_URL="http://127.0.0.1:8188"WORKFLOW_PATH="/opt/ml/conf/ComfyUI/z_image.json"OUTPUT_DIR="/opt/ml/conf/ComfyUI/output/z-image"PROMPTS=["诸葛来来","a beautiful landscape","cyberpunk city at night","cute cat wearing sunglasses",]os.makedirs(OUTPUT_DIR,exist_ok=True)# ================== 核心函数 ==================defload_workflow()->dict:withopen(WORKFLOW_PATH,"r",encoding="utf-8")asf:returnjson.load(f)defsubmit_prompt(workflow:dict,prompt_text:str)->str:"""提交工作流到 ComfyUI，返回 prompt_id"""wf=json.loads(json.dumps(workflow))# 深拷贝# z_image.json 中 node 45 是提示词节点wf["45"]["inputs"]["text"]=prompt_text resp=requests.post(f"{COMFYUI_URL}/prompt",json={"prompt":wf})ifresp.status_code!=200:raiseException(f"提交失败:{resp.text}")returnresp.json()["prompt_id"]defwait_for_result(prompt_id:str,timeout:int=120)->dict:"""轮询任务结果"""start=time.time()whiletime.time()-start<timeout:resp=requests.get(f"{COMFYUI_URL}/history/{prompt_id}")ifresp.status_code==200:data=resp.json()ifprompt_idindataanddata[prompt_id].get("outputs"):returndata[prompt_id]time.sleep(0.5)raiseTimeoutError(f"任务{prompt_id}超时")defdownload_images(result:dict,prompt_text:str,idx:int):"""下载生成的图片"""if"9"notinresult.get("outputs",{}):print(f"[{idx}] 未找到输出节点 9")returnfori,img_infoinenumerate(result["outputs"]["9"].get("images",[])):filename=img_info["filename"]url=f"{COMFYUI_URL}/view?filename={filename}&type=output"save_name=f"{idx:03d}_{prompt_text[:20].replace(' ','_')}.png"save_path=os.path.join(OUTPUT_DIR,save_name)r=requests.get(url,stream=True)withopen(save_path,"wb")asf:forchunkinr.iter_content(chunk_size=8192):f.write(chunk)print(f"[{idx}] 已保存:{save_path}")# ================== 主流程 ==================defmain():print("加载工作流...")workflow=load_workflow()foridx,promptinenumerate(PROMPTS):print(f"\n[{idx}] 生成提示词:{prompt}")try:prompt_id=submit_prompt(workflow,prompt)result=wait_for_result(prompt_id)download_images(result,prompt,idx)exceptExceptionase:print(f"[{idx}] 失败:{e}")print("\n批量生成完成！")if__name__=="__main__":main()

9.3 使用方法

# 1. 确保 ComfyUI 已启动bash/opt/ml/conf/wuhui/start_comfyui.sh# 2. 运行批量生成脚本cd/opt/ml/conf/wuhui python batch_generate.py

输出示例：

[0] 生成提示词: 诸葛来来 [0] 已保存: /opt/ml/conf/ComfyUI/output/z-image/000_诸葛来来.png [1] 生成提示词: a beautiful landscape [1] 已保存: /opt/ml/conf/ComfyUI/output/z-image/001_a_beautiful_landscape.png ... 批量生成完成！

10. 注意事项

• 该工作流使用Lumina2 Turbo架构，cfg必须保持为1，steps建议为3。
• 首次加载模型较慢，后续生成速度极快。
• 如提示词需要中文支持，请确保qwen_3_4b.safetensors已正确加载。
• 批量脚本默认使用node 45作为提示词节点，如工作流结构变化请修改对应节点 ID。

11、z-image.json工作流

{"9":{"inputs":{"filename_prefix":"z-image","images":["43",0]},"class_type":"SaveImage","_meta":{"title":"保存图像"}},"39":{"inputs":{"clip_name":"qwen_3_4b.safetensors","type":"lumina2","device":"default"},"class_type":"CLIPLoader","_meta":{"title":"加载CLIP"}},"40":{"inputs":{"vae_name":"acevsok/ae___safetensors/ae.safetensors"},"class_type":"VAELoader","_meta":{"title":"加载VAE"}},"41":{"inputs":{"width":512,"height":512,"batch_size":1},"class_type":"EmptySD3LatentImage","_meta":{"title":"空Latent图像（SD3）"}},"42":{"inputs":{"conditioning":["45",0]},"class_type":"ConditioningZeroOut","_meta":{"title":"条件零化"}},"43":{"inputs":{"samples":["44",0],"vae":["40",0]},"class_type":"VAEDecode","_meta":{"title":"VAE解码"}},"44":{"inputs":{"seed":291475514551654,"steps":3,"cfg":1,"sampler_name":"res_multistep","scheduler":"simple","denoise":1,"model":["47",0],"positive":["45",0],"negative":["42",0],"latent_image":["41",0]},"class_type":"KSampler","_meta":{"title":"K采样器"}},"45":{"inputs":{"text":"诸葛来来","clip":["39",0]},"class_type":"CLIPTextEncode","_meta":{"title":"CLIP文本编码"}},"46":{"inputs":{"unet_name":"z_image_turbo_bf16.safetensors","weight_dtype":"default"},"class_type":"UNETLoader","_meta":{"title":"UNet加载器"}},"47":{"inputs":{"shift":3,"model":["46",0]},"class_type":"ModelSamplingAuraFlow","_meta":{"title":"采样算法（AuraFlow）"}}}