ComfyUI 模型与下载

Anima是Circlestone Labs与Comfy Org联合开发的20亿参数文生图模型，专注于动漫概念和艺术风格。提供Base、Aesthetic和Turbo变体，适用于ComfyUI。

阿里巴巴的Qwen千问文本编码器模型，专为ComfyUI适配：Qwen3-VL（视觉-语言）和Qwen3.5（纯文本）

Z-Image 是由通义MAI（阿里巴巴）开发的高效图像生成模型系列。采用 6B 参数单流 DiT 架构，提供质量型（Z-Image）和速度型（Z-Image-Turbo）两种变体。

Netflix的VOID是一种视频对象与交互删除模型，能够移除视频中的对象及其引起的所有物理交互。

Stable Audio 是 Stability AI 推出的文生音频模型系列，用于音乐生成、音效和拟音，包括 Stable Audio Open 1.0 和 Stable Audio 3。

Qwen千问图像是阿里云Qwen千问系列的开源图像生成基础模型，擅长复杂文本渲染和精确图像编辑。

NVIDIA 出品的 PixelDiT 是一款无 VAE 的像素空间扩散变换器，用于文生图。包含 PiD（像素扩散解码器）模型，支持高达 4K 的超分辨率。

Ovis 是 AIDC-AI 开发的视觉语言图像生成模型系列，适用于 ComfyUI，包含扩散模型和文本编码器。

OmniGen是由VectorSpace Lab推出的统一多模态生成模型系列，支持文生图、图像编辑和上下文内生成。

NewBie-image Exp0.1 是由 NewBie AI Lab 开发的 3.5B Next-DiT 模型，专注于动漫风格图像生成。

Alpha-VLLM 的 Lumina-Image 2.0 是一个拥有 2B 参数的基于流的扩散变换器，用于文生图。

美团的LongCat是一款开创性的开源双语（中文-英文）基础图像生成模型，具备卓越的中文文本渲染能力和逼真度。

Krea 2 是由 Krea 开发的开源 AI 图像生成模型。提供 Raw（全质量）和 Turbo（蒸馏）两个变体，并附带多种风格 LoRA，可实现多样化的艺术效果。

Ideogram 4 是 Ideogram AI 开发的最新文生图 AI 模型。具备先进的排版和逼真生成能力。

Gemma是Google DeepMind推出的开源模型系列，用作ComfyUI文本编码器，包括带有E2B和E4B指令调优变体的Gemma 4。

ERNIE-Image是百度8B参数的开源文生图模型系列，配备轻量级提示增强器，擅长文字渲染和结构化生成。

Chroma 是由 lodestones 发布的模型系列，包括 Chroma1-HD（8.9B 参数文生图模型）和 Chroma1-Radiance（图像放大模型，开发中），均采用 Apache 2.0 许可证。

Boogu-Image 是一个多功能图像生成模型系列，包含基础版、Turbo版和编辑版，适用于ComfyUI。

阿里云的开源视频生成模型系列。从Wan2.1到Wan2.2，采用MoE架构，提供高质量文生视频和图生视频能力。

Stability AI 的 Stable Diffusion 模型系列：SD 1.5（Runway）、SD 2.x、SDXL 和 SD 3.5。在 ComfyUI 中广泛使用的开源文生图模型。

LTX-Video是Lightricks推出的首个DiT架构视频生成模型，拥有2B参数，支持文生视频和图生视频。

DeepSeek Janus Pro 是一个多模态 AI 模型，能够同时进行图像理解和生成，由 DeepSeek 于 2025 年 1 月开源。

IC-Light 是由 lllyasviel 开发的图像重光照模型系列。 引入了前景条件，用于专业质量的图像重光照。

Hunyuan3D 是腾讯开源的三维生成模型系列。2.0 版本支持从文本、图像或草图输入生成高保真 3D 模型并附带高分辨率纹理贴图。

腾讯开源视频生成模型系列。从 v1.0 到 v1.5，提供高质量文生视频与图生视频生成。

HiDream-I1 是由 HiDream-ai 开发的 17B 参数文生图模型，结合 DiT 与 MoE 架构。采用 MIT 许可证，提供 Full/Dev/Fast 变体。

Flux 是 Black Forest Labs 的开源图像生成模型系列。两代：FLUX.1（3.8B DiT）与 FLUX.2（32B dense transformer）。

ACE-Step 是由 StepFun 和 ACE Studio 联合开发的开源音乐生成基础模型，支持音乐生成、编辑和音频合成。