ComfyUI-QwenVL

在ComfyUI里直接跑Qwen-VL，看图看视频出文字

ComfyUI-QwenVL 是一个把通义千问 Qwen-VL 系列多模态大模型接入 ComfyUI 的自定义节点插件。它让原本只擅长图像生成的工作流，直接获得文本生成、图像理解和视频分析能力，用户无需离开 ComfyUI 界面就能调用 Qwen2.5-VL、Qwen3-VL 乃至 MoE 架构的 Qwen3.6-VL 等版本。项目支持 GGUF 量化格式，显著降低显存占用，使消费级显卡也能跑动较大的视觉语言模型。核心能力包括：在节点图中加载 Qwen-VL 模型并输入图片或视频，输出结构化文本描述、问答结果或分析结论；可与文生图、图生图节点串联，实现“先理解再生成”的复合流程。对于想在 ComfyUI 内做多模态推理、自动打标、视频内容解析的创作者，这是一个开箱即用的桥梁型插件。