ComfyUI-Qwen-VL-API

在ComfyUI里直接调用通义千问视觉模型，让图像生成更智能

开源 🏷️定价信息待确认 🔧 仅开源项目，无在线服务，需自行部署 图像生成 🍴 复刻 19 🐛 待处理 9 👀 关注 3
GitHub ↗
GitHub 星标 ★ 219
维护状态 低维护
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

ComfyUI-Qwen-VL-API 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类图像生成
开发团队ZHO-ZHO-ZHO
GitHubhttps://github.com/ZHO-ZHO-ZHO/ComfyUI-Qwen-VL-API
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议GPL-3.0
主要语言Python
技术栈/模型comfyui,stable-diffusion
GitHub 星标★ 219
上线时间2024-01-30 00:00:00
代码更新2024-05-22
仓库体积35 KB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

ComfyUI-Qwen-VL-API 是一个将阿里云通义千问视觉语言模型（Qwen-VL-Plus 和 Qwen-VL-Max）集成到 ComfyUI 的插件。它解决了 ComfyUI 用户无法直接调用商业级视觉理解模型的问题，使得在 ComfyUI 的节点化工作流中，可以轻松使用 Qwen-VL 进行图像描述、视觉问答、多模态推理等任务。该插件通过封装 API 接口，提供了简洁的节点，用户无需编写代码即可将视觉理解能力嵌入到图像生成流程中，例如用于生成提示词、图像内容分析、多轮对话等。核心能力包括：支持 Qwen-VL-Plus 和 Qwen-VL-Max 两种模型，支持图像输入和文本提示，可自定义 API 密钥和参数，并输出文本结果。项目基于 Python 开发，依赖 ComfyUI 和 Stable Diffusion 生态，安装简单，适合需要将视觉语言模型与图像生成工作流结合的用户。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 219

技术标签

核心亮点

  • 无缝集成ComfyUI节点化工作流，无需编写代码即可调用Qwen-VL
  • 支持Plus和Max两个模型，覆盖不同精度和成本需求
  • 可灵活用于图像描述、提示词生成、视觉问答等多场景，扩展工作流能力

不足之处

  • 依赖阿里云API，需要付费且网络环境可能受限
  • 文档和社区支持相对薄弱，功能扩展依赖作者维护

适用场景

  • 在ComfyUI中自动生成图像提示词，提升文生图效率
  • 对生成的图像进行内容分析，用于质量评估或筛选
  • 结合多模态对话，实现交互式图像编辑或创作

替代项目

ComfyUI-LLM、ComfyUI-GPT4V、ComfyUI-ImageCaptioner

上一篇：EcoDepth

下一篇：pix2gestalt

同类项目推荐

Texo 开源

20M 超轻量模型，浏览器里秒转公式为 LaTeX。

A minimalist SOTA LaTeX OCR model with only 20M parameters, running in browser. Full···

★ 917 2026-09-29
sahi 开源

大图切片推理，小目标检测不漏，精度提升显存降

Framework agnostic sliced/tiled inference + interactive ui + error analysis plots

★ 5592 2026-08-10
AntiCAP 开源

一行代码识别点选滑块算术验证码，自动化流程不再卡验证

验证码识别 点选 滑块 算术 旋转 OCR

★ 690 2026-09-29
AliceVision 开源

多张照片一键生成带纹理三维模型

3D Computer Vision Framework

★ 3530 2026-09-18
eomt 开源

仅编码器搞定图像分割，又快又准

[CVPR 2025 Highlight] Official code and models for Encoder-only Mask Transformer (Eo···

★ 645 2026-08-10
libreyolo 开源

MIT 许可的 YOLO 检测库，拿来就能商用

LibreYOLO is a MIT licensed open source computer vision library

★ 1001 2026-09-18
FoundAD 开源

用基础视觉编码器，少样本即可精准检测异常

[ICLR 2026] The implementation of the paper Foundation Visual Encoders Are Secretly ···

★ 107 2026-08-09
polynomial_nets 开源

用多项式替代传统激活，以更少参数实现更强图像识别与生成

Official Implementation of the CVPR'20 paper 'Π-nets: Deep Polynomial Neural Networ···

★ 175 2026-08-09
MonkeyOCRv2 开源

专为文档打造的视觉骨干，让 OCR 与版面理解更准

MonkeyOCRv2 Vision Encoder — A Document-Native Visual Backbone

★ 1667 2026-09-19