今天展示的案例是一个基于HiDream-I1模型的 ComfyUI 工作流，通过加载扩散模型、文本编码器与 VAE 组件，结合正向与负向提示词的输入，完成潜在空间的采样与解码，最终生成高质量的图像结果。整个流程以“古代人物”为演示，直观展现了从模型加载到图像保存的完整链路，也为后续定制化生成提供了可复用的范式。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CLIPTextEncode 文本语义嵌入生成CLIPTextEncode 负向语义控制使用方法应用场景开发与应用工作流介绍该工作流围绕 HiDream 系列模型展开，主要通过加载UNet 扩散模型、CLIP 编码器与 VAE 解码器，再结合 KSampler 的采样机制，构建了一个较为精简的文生图流程。不同组件在潜在图像的生成与解码环节中形成联动，确保生成画面既符合语义约束，也保持在视觉层面的细节表现力。核心模型本工作流所依赖的核心模型包含扩散模型、VAE 模型与多重文本编码器。扩散模型负责潜在空间的采样与逐步去噪，VAE 模型用于潜在特征与图像空间的相互转化，而文本编码器则承担提示词的语义解析任务。通过这些模型的协同作用，提示词中描述的场景与细节得以在最终图像中得到较高保真度的体现。模型名称说明hidream_i1_fast_fp8.safetensors扩散模型，负责潜在空间的迭代采样与生成ae.safetensorsVAE 模型，用于潜在特征与图像的双向映射clip_l_hidream.safetensors