OmniGen2 | 文本到图像 & 编辑

什么是 OmniGen2 ComfyUI 工作流？

OmniGen2 ComfyUI 工作流将统一的多模态生成带到您的指尖，将文本到图像合成和基于指令的图像编辑结合在一个强大的框架中。可以将其视为一个创意 AI 助手，不仅可以从您的文本描述中生成惊人的图像，还能以惊人的精确度理解和执行复杂的编辑命令。

该工作流利用了一个复杂的 7B 参数模型，建立在 Qwen 2.5 VL 基础之上，具有独特的双路径 Transformer 架构。这个模型的特别之处在于其解耦设计 - 使用独立的路径进行文本和图像生成，使其在保持卓越语言理解的同时，提供高保真视觉输出，忠实于您的创意愿景。

OmniGen2 的关键特性和优势

双生成模式：OmniGen2 通过直观的界面，使用自然语言命令从文本创建新图像或编辑现有图像。

先进的架构：OmniGen2 的双路径设计将文本和图像处理分开，以实现最佳性能。

组合理解：OmniGen2 以卓越的准确性处理复杂的多元素提示。

精确的图像编辑：使用 OmniGen2 的高级算法进行有针对性的更改，同时完美保留图像的其他部分。

多模态反思：OmniGen2 自我分析和优化输出以提高结果。

如何在 ComfyUI 中使用 OmniGen2

OmniGen2 文本到图像工作流

设置图像尺寸

• 使用 EmptySD3LatentImage 节点定义 OmniGen2 的输出大小：
  • 根据您的 OmniGen2 需求调整宽度和高度
  • 将 batch_size 保持为 1 以生成单张图像

制作您的文本提示

• 在 OmniGen2 的 CLIP Text Encode (Prompt) 节点中：
  • 在第一个编码器中编写详细的描述性提示
  • 将第二个编码器留空或添加负面提示
  • OmniGen2 在复杂的组合描述中表现出色

生成并保存

• 点击 Run 生成您的 OmniGen2 图像
• VAE Decode 将潜在变量转换为最终图像
• Save Image 自动将您的 OmniGen2 创作保存到输出文件夹

OmniGen2 图像编辑工作流

上传您的源图像

• 使用 Load Image 节点导入您想用 OmniGen2 编辑的图像

编写您的编辑指令

• 在 OmniGen2 的 CLIP Text Encode (Prompt) 节点中：
  • 清晰具体地描述您想要的更改
  • 示例："将角色的发色变为自然的银白色"，"添加飞行员太阳镜"
  • 自然语言命令与 OmniGen2 完美配合

配置 OmniGen2 编辑参数

• Scale Image to Total Pixels 节点：
  • upscale_method：area（在调整大小时保持质量）
  • megapixels：2.00（控制像素总数）
    • 这会将您的图像调整到大约 200 万像素的总数
    • 例如：会将 1920x1080 图像缩放以保持约 2MP
    • 更高的值 = 更多细节但处理速度较慢
    • 更低的值 = 生成速度较快但细节较少
    • 2.00 是编辑能力的最佳选择
    
• VAE Encode 将您的缩放图像转换为潜在空间

可选：启用第二个图像输入

• 紫色（绕过）节点允许多图像操作：
  • 按 Ctrl+B 切换绕过模式
  • 上传第二张图像以进行风格转移或对象插入
  • 非常适合 "合并图像 1 和图像 2 的元素" 之类的任务
  

生成编辑结果

• 执行 OmniGen2 工作流以查看应用的编辑
• 结果在保持高保真度的同时，精确遵循指令

致谢

此 ComfyUI 工作流整合了由北京人工智能研究院研究人员开发的开创性 OmniGen2 模型。特别感谢团队创建了这个推动 7B 参数模型可能性的统一多模态生成系统。该架构在平衡模型效率与生成质量方面代表了显著的进步。

更多关于 OmniGen2 的资源

OmniGen2 在开源许可下发布，使其可自由用于研究和商业应用。有关 OmniGen2 的更多信息：

• GitHub Repository - 官方实现和模型架构详情：
• Project Page - 综合概述，包含演示和技术见解：
• ComfyUI Examples - 分步教程和附加工作流：