今天给大家演示一个将动漫角色精准转写为写实真人风格的 ComfyUI 工作流。通过深度图、线稿和 Qwen Image 系列模型的组合，这套流程能在保持人物造型统一的前提下，把二维角色的特征转换为真实质感的面部与服饰细节。
工作流集成了反推提示词、英文合并提示词、双重 ControlNet 控制、Lora 写实增强以及最终写实采样，让读者能清晰看到从原图到写实效果的完整过程。
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
- RH_Captioner 原图反推描述生成
- RH_Translator（英文翻译） 提示词英文化处理
- RH_Translator（中文翻译） 提示词中文呈现
- CLIPTextEncode（负面提示词编码） 负向语义约束
- TextEncodeQwenImageEditPlus_FromRapid 主提示词生成与编码
- 使用方法
- 应用场景
- 开发与应用
工作流介绍
这套工作流围绕“动漫角色转写实”这一目标展开，以 Qwen Image DiT 主模型为核心，配合 Lightning 推理加速、写实风格 Lora、专用 VAE 与 CLIP 编码，为最终的人像质感提供基础支撑。同时，工作流内置的 LineArt 与 Depth 双预处理器可以同时锁定角色的轮廓与空间深度，从而让写实输出既不会失真也不会过度重绘。提示词部分通过“反推原图细节 + 英文写实预设 + 手动补充”三路融合，让模型能理解角色造型并生成稳定写实效果。整个流程通过一系列 Node 节点串联，从加载原图、生成线稿与深度图、整合提示词、注入 ControlNet 控制、再到最终采样、解码与保存，是一个结构清晰、功能完整、效果稳定的写实转绘流程。
核心模型
这套工作流以 Qwen Image 系列为基础，以 DiT 主模型承担最终的写实生成为核心，再由 Lightning 加速模型与写实 Lora 提供额外的细节强化。核心模型之间形成清晰的分工：DiT 负责主体风格与结构，Lightning 负责推理效率与稳定度，写实 Lora 进一步补充皮肤、光影与真实面部特征。VAE 与 CLIP 则分别在图像编码和提示词理解中扮演关键角色，让“动漫到写实”这一跨风格转化保持稳定、连贯、可控。
| 模型名称 | 说明 | </
|---|
