今天给大家演示一个基于 FLUX 架构的高质量人物插画 ComfyUI 工作流。该工作流围绕“高级时装感人物形象”的生成展开，从中文长描述提示词出发，通过自动翻译、文本组合与多阶段 Conditioning 处理，稳定输出风格统一、结构准确、细节丰富的成图效果。整体画面偏向竖构图，人物比例修长，服装具有明显的高级定制与时装秀语汇，同时在后段流程中结合放大、分块重建与细节增强，使最终图像在分辨率和质感上都具备直接商用或展示级别的完成度。通过效果图可以直观看到，这套流程不仅适合单次创作，也非常适合在保持风格一致性的前提下进行批量生成与反复微调。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_Prompter 提示词重组与随机优化控制TextCombinerTwo 指令式翻译 Prompt 构建使用方法应用场景开发与应用工作流介绍该 ComfyUI 工作流是一个围绕FLUX 主模型 + 多 LoRA 风格叠加 + 文本智能处理 + 高分辨率重建构建的完整人物插画生成方案。在整体结构上，工作流清晰地区分了“提示词构建”“主图生成”“二次采样细化”“高分辨率放大与拼接”几个阶段，各阶段之间通过明确的数据流衔接，既保证了生成稳定性，也为风格与细节调整保留了足够空间。核心模型该工作流的核心模型体系围绕FLUX 主模型 + 专用文本编码模型 + 多组风格 LoRA构建，目标并不是单纯追求模型数量，而是通过明确分工来保证画面结构、风格与细节三者之间的平衡。FLUX 主模型负责人物整体构图、比例控制与基础光影，是整张图像“站得住”的根基；双 CLIP 结构分别承担长文本语义理解与风格指令解析，使中文长描述在经过翻译与组合后，依然能够被准确映射到视觉结果中；LoRA 模型则集中作用于画面风格层面，通过低到中等权重叠加，强化线稿、水彩与马克笔质感，而不会破坏主模型的结构稳定性。从整体协作关系来看，主模型决定“画什么、怎么站”，文本编码模型决定“理解得准不准”，而 LoRA 决定“画得像不像目标风格”。这种清晰的分层结构，使得即便在更换提示词或微调风格参数时，画面依然能够保持较高的一致性和可控性。