> ## Documentation Index
> Fetch the complete documentation index at: https://comfyart.org/llms.txt
> Use this file to discover all available pages before exploring further.

# 模型

> ComfyArt 每个功能需要哪些模型文件，放在哪里。

每个画布操作都会通过 ComfyUI 的 `/prompt` 跑 `workflows/` 里的一份 API 工作流（或代码里拼的一小段图）。只需要装你用得到的功能对应的模型。生成器里的模型选择会显示哪些图像和视频模型已经装好。

下面的目录都相对于 `ComfyUI/models/`。

## 图像生成与编辑

默认图像模型。生成、快捷编辑、编辑文字、扩展、局部重绘、风格迁移、评论修改和增强细节放大都靠它。

| 文件 | 目录 |
| - | - |
| `qwen_image_2.1_int8_convrot.safetensors` | `diffusion_models` |
| `qwen3vl_8b_int8_convrot.safetensors` | `text_encoders` |
| `qwen_image_2.1_vae_bf16.safetensors` | `vae` |

### 其他图像模型（可选）

| 模型 | 文件 |
| - | - |
| Z-Image Turbo | `z_image_turbo_bf16`（`diffusion_models`）、`qwen_3_4b`（`text_encoders`）、`ae`（`vae`） |
| Flux.2 Klein 9B | `flux-2-klein-9b-nvfp4`（`diffusion_models`）、`qwen_3_8b_fp8mixed`（`text_encoders`）、`flux2-vae`（`vae`） |
| Qwen Image 2512 | `qwen_image_2512_fp8_e4m3fn`（`diffusion_models`）、`qwen_2.5_vl_7b_fp8_scaled`（`text_encoders`）、`qwen_image_vae`（`vae`） |
| Ideogram 4 | `ideogram4_fp8_scaled` 和 `ideogram4_unconditional_fp8_scaled`（`diffusion_models`）、`qwen3vl_8b_fp8_scaled`（`text_encoders`）、`flux2-vae`（`vae`） |

<Note>
  Qwen Image 2512 用 **ComfyArt Precise UNET Loader** 节点加载。ComfyUI 的 `--fast fp8_matrix_mult` 会把这类没有缩放系数的 fp8 模型跑成噪点，这个加载器会对它加载的模型跳过那条路径。Ideogram 4 需要结构化的描述，默认 [Agent](/zh/guides/agent) 会帮你写好。
</Note>

## 图像工具

| 功能 | 文件 | 目录 |
| - | - | - |
| 放大、视频放大 | `4x-UltraSharp.pth` | `upscale_models` |
| 去背景 | `birefnet.safetensors` | `background_removal` |
| 橡皮、移动对象、图层拆分的背景补全 | `big-lama.pt`，需要 [comfyui-inpaint-nodes](https://github.com/Acly/comfyui-inpaint-nodes) | `inpaint` |
| 智能选择（局部重绘、移动对象、自定义拆分） | `sam3.1_multiplex_fp16.safetensors` | `checkpoints` |
| 多角度 | `qwen_image_edit_2511_fp8mixed`（`diffusion_models`）、`qwen-image-edit-2511-multiple-angles-lora` 和 `Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16`（`loras`）、`qwen_2.5_vl_7b_fp8_scaled`（`text_encoders`）、`qwen_image_vae`（`vae`） | |
| 图层拆分 | `qwen_image_layered_bf16`（`diffusion_models`）、`qwen_image_layered_vae`（`vae`）、`qwen_2.5_vl_7b_fp8_scaled`（`text_encoders`） | |

## 视频

动态图片、视频生成和视频延长都用 MiniMax H3：

| 文件 | 目录 |
| - | - |
| `minimax_h3_fl2va_pruned_int8_convrot.safetensors` | `diffusion_models` |
| `minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors` | `loras` |
| `qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors` | `text_encoders` |
| `minimax_h3_video_vae_fp16.safetensors`、`minimax_h3_audio_vae_fp32.safetensors` | `vae` |

视频裁剪和视频编辑器只用核心节点。

## 语音与文字识别

`text_encoders` 里的 `gemma4_e4b_it_fp8_scaled.safetensors` 负责语音输入，也默认负责编辑文字和提取文字的文字识别。文字识别也可以改用 Agent，见 [Agent](/zh/guides/agent) 页的设置部分。

## 参考模式

线稿、深度、姿态等结构类参考模式用 [comfyui\_controlnet\_aux](https://github.com/Fannovel16/comfyui_controlnet_aux) 的预处理器。MLSD、HED、法线和分割会在第一次使用时下载各自的权重。用 Qwen Image 2512 时，结构模式还会用到 `controlnet` 里的 `Qwen-Image-2512-Fun-Controlnet-Union-2602.safetensors`。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.