今天给大家演示一个基于DreamShaper 模型与ControlNet Scribble相结合的 ComfyUI 工作流。这个流程通过导入基础模型和 VAE，结合图像的边缘检测预处理，再配合正向与负向提示词的控制，使生成结果在画面风格和细节上都能保持高质量。
整个流程的重点是将输入图像经过 Canny 算子提取特征，再利用 ControlNet 引导生成，最终输出具备高度还原与艺术表现力的图像效果。这样一来，无论是广告创意、角色 Q 版化设计，还是场景细节的再现，都能获得更灵活且稳定的生成体验。
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（正向 Prompt） 主语义与画面内容生成控制
- CLIPTextEncode（负向 Prompt） 质量与瑕疵抑制
- 使用方法
- 应用场景
工作流介绍
该工作流以DreamShaper_8_pruned.safetensors作为核心基础模型，配合vae-ft-mse-840000-ema-pruned.safetensors的解码器保证细节的丰富度，并引入control_v11p_sd15_scribble_fp16.safetensors来实现手绘线稿式的 ControlNet 控制。通过这一组合，工作流既能保证图像的整体艺术质量，又能让输入图像在边缘、构图等层面得到准确的约束和优化。在节点设计上，工作流涵盖了从模型加载、图像预处理、提示词编码、采样生成到最终图像保存的完整链路。整体的节点分工清晰，既突出了生成的灵活性，也保证了效果的稳定性。
核心模型
在核心模型部分，工作流加载了三个关键模型：DreamShaper 用于生成图像的主要风格与画质，VAE 负责高质量的解码细节，而 ControlNet Scribble 则在图像约束与边缘保持中发挥了决定性作用。这一组合让生成结果既保留了创作自由度，又能忠实遵循输入图像的结构与轮廓，特别适合场景还原、风格化角色创作等场景。
| 模型名称 | 说明 |
|---|
