【ComfyUI】FluxKontext 服装语义提取平铺

今天给大家演示一个基于 Flux 模型的 ComfyUI 工作流，它可以自动从人物图像中提取服装，并生成清晰的平铺视图，同时完成素材导出的全流程。这套工作流结合模型、VAE、LoRA 与多段条件控制，把提取、解析、重建到导出整合成顺畅的一条链，让你能从任意人物图像中快速得到可直接用于设计、展示或电商制作的服装平铺图。整个系统围绕核心模型 Flux_Kontext 与专用服装提取 LoRA 协同工作，再通过多个 Node 节点实现图像缩放、编码、引导、采样与解码，最终输出干净可用的图像结果。文章目录工作流介绍核心模型Node节点工作流程大模型应用CLIPTextEncode 语义指令解析与生成方向控制使用方法应用场景开发与应用工作流介绍这套工作流通过“加载图像 → 模型/LoRA 解析 → 文本条件编码 → VAE 编码 → 参考潜空间处理 → 引导控制 → 采样生成 → 解码输出 → 导出图片”的方式运作。核心模型 Flux_Kontext_dev_fp8.safetensors 负责主体生成逻辑，而服装提取 LoRA 则增强模型在“只保留服装、去除人物”方向的理解能力。节点之间串联紧密，既有 CLIP 文本编码负责提供语义指令，也有多级图像缩放和潜空间重建负责保持布料细节。同时通过 FluxGuidance、ConditioningZeroOut 等节点，使工作流能精准控制生成方向与噪声权重。结合表格信息来看，该工作流的模型体系、节点布局与任务目的完全一致，形成了围绕“自动生成服装平铺图”的稳定架构。核心模型这套工作流的核心建立在 Flux 系列模型的生成能力上，并结合一套专用于服装提取的 LoRA，让模型在理解服装结构、材质与边缘分离方面表现更强。主模型 Flux_Kontext_dev_fp8 负责整体图像生成逻辑，而 LoRA 则在潜空间中强化“只保留衣服、抹除人物”的目标。DualCLIPLoader 与 VAELoader 则分别提供文本编码与潜空间解码能力，使模型在理解指令与重建细节时保持一致性。结合下表可看到模型结构互相补充，形成立体化的生成体系。