Qwen-Image 2512 Turbo 工作流通过精简流程实现快速图像生成，使用 Qwen-Image 2512 模型进行推理。该工作流适合需要从文本提示词快速获得图像输出的用户，但为了更快速度会对图像质量做一定取舍。工作流集成了 VAELoader、CLIPLoader 和 UNETLoader 等关键节点，用于加载与处理模型组件。KSampler 节点在生成 Latent 图像中起到关键作用，而 LoraLoaderModelOnly 节点用于应用 LoRA（Low-Rank Adaptation）以提升模型效率。
该工作流主要分为三步：加载必要模型、设置图像尺寸、处理文本提示词。ModelSamplingAuraFlow 节点用于采样与细化输出，帮助最终结果更贴近你的提示词。通过 CLIPTextEncode 节点，工作流把文本提示词转换为视觉概念，再由 VAEDecode 节点解码为图像。ConditioningZeroOut 节点用于管理条件过程，帮助生成保持一致并与输入参数对齐。该工作流适合以速度优先的场景，是快速原型与概念可视化的实用选择。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "Qwen-Image 2512 Turbo" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("image_qwen_image_2512_with_2steps_lora_api.json");
wf.setInput("108", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("123")[0].toFile("output.png"); // SaveImageSDK 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
常见问题
Showing 30 of 30 templates