Modèles ComfyUI et téléchargements

Anima est un modèle de text-to-image de 2 milliards de paramètres développé par Circlestone Labs et Comfy Org, spécialisé dans les concepts et styles artistiques anime. Disponible en versions Base, Aesthetic et Turbo pour ComfyUI.

Modèles d'encodeur de texte Qwen d'Alibaba pour utilisation avec ComfyUI: Qwen3-VL (vision-langage) et Qwen3.5 (texte uniquement).

Z-Image est une famille de modèles de génération d'images efficaces créée par Tongyi-MAI (Alibaba). Elle propose une architecture DiT à flux unique de 6 milliards de paramètres, avec des variantes pour la qualité (Z-Image) et la vitesse (Z-Image-Turbo).

VOID de Netflix est un modèle de suppression d'objets et d'interactions vidéo qui supprime les objets des vidéos ainsi que toutes les interactions physiques induites.

Stable Audio est la famille de modèles texte-audio de Stability AI pour la génération musicale, les effets sonores et le bruitage, incluant Stable Audio Open 1.0 et Stable Audio 3.

Qwen-Image est le modèle fondamental de génération d'images open source d'Alibaba dans la série Qwen, excellent dans le rendu de texte complexe et l'édition d'images précise.

PixelDiT de NVIDIA est un transformateur de diffusion dans l'espace pixel sans VAE pour la génération d'images à partir de texte. Inclut les modèles PiD (Pixel Diffusion Decoder) pour la super-résolution jusqu'à 4K.

Ovis est une série de modèles de génération d'images vision-langage d'AIDC-AI pour une utilisation avec ComfyUI, incluant des modèles de diffusion et des encodeurs de texte.

OmniGen est une série de modèles de génération multimodale unifiés par VectorSpace Lab, prenant en charge la génération texte-vers-image, l'édition d'image et la génération en contexte.

NewBie-image Exp0.1 est un modèle Next-DiT de 3,5B du NewBie AI Lab spécialisé dans la génération d'images de style anime.

Lumina-Image 2.0 d'Alpha-VLLM est un transformer de diffusion basé sur le flux de 2 milliards de paramètres pour la génération texte-image.

LongCat de Meituan est un modèle fondamental open-source pionnier bilingue (chinois-anglais) pour la génération d'images, avec un rendu de texte chinois supérieur et un photoréalisme remarquable.

Krea 2 est un modèle open source de génération d'images IA par Krea. Propose à la fois des variantes Raw (qualité complète) et Turbo (distillé) avec des style LoRAs pour des effets artistiques variés.

Ideogram 4 est un modèle d'IA de texte à image de pointe par Ideogram AI. Il offre des capacités avancées de typographie et de génération photoréaliste.

Gemma est la famille de modèles ouverts de Google DeepMind destinée à être utilisée comme encodeurs de texte ComfyUI, incluant Gemma 4 avec les variantes E2B et E4B optimisées par instructions.

ERNIE-Image est une série de modèles open source de text-to-image de Baidu avec 8B paramètres, dotée d'un Prompt Enhancer léger, excellant dans le rendu de texte et la génération structurée.

Chroma est une série de modèles de lodestones comprenant Chroma1-HD (8,9B T2I) et Chroma1-Radiance (suréchantillonnage en développement), tous deux sous licence Apache 2.0.

Boogu-Image est une série de modèles de génération d'images polyvalents avec des variantes base, turbo et edit pour ComfyUI.

La série de modèles de génération vidéo open source d'Alibaba Cloud. De Wan2.1 à Wan2.2, offrant une génération vidéo de haute qualité à partir de texte et d'image avec une architecture MoE.

La lignée Stable Diffusion de Stability AI : SD 1.5 (Runway), SD 2.x, SDXL et SD 3.5. Des checkpoints open source texte-vers-image largement utilisés dans ComfyUI.

LTX-Video est le premier modèle de génération vidéo basé sur DiT par Lightricks avec 2 milliards de paramètres, prenant en charge la génération texte-vers-vidéo et image-vers-vidéo.

DeepSeek Janus Pro est un modèle d'IA multimodal capable à la fois de comprendre et de générer des images, open-sourcé par DeepSeek en janvier 2025.

IC-Light est une série de modèles de rééclairage d'image par lllyasviel. La introduit le conditionnement de premier plan pour un rééclairage d'image de qualité professionnelle.

Hunyuan3D est la série de modèles de génération 3D open source de Tencent. La version 2.0 prend en charge la génération de modèles 3D haute fidélité avec des cartes de textures haute résolution à partir d'entrées textuelles, d'images ou de croquis.

Série de modèles de génération vidéo open-source de Tencent. De v1.0 à v1.5, offrant une génération texte-à-vidéo et image-à-vidéo de haute qualité.

HiDream-I1 est un modèle texte-image de 17B paramètres par HiDream-ai, combinant DiT avec architecture MoE. Licence MIT, disponible en variantes Full/Dev/Fast.

Flux est une série de modèles open-source de génération d’images par Black Forest Labs. Deux générations : FLUX.1 (3.8B DiT) et FLUX.2 (32B dense transformer).

ACE-Step est un modèle fondamental open-source de génération musicale développé conjointement par StepFun et ACE Studio, prenant en charge la génération musicale, l'édition et la synthèse audio.