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

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。