Prompt Hunter - Simple IMG-2-TXT Workflow (Epic Prompts for Z-Image, Qwen, Flux etc.)

⚡ QWEN3-VL 画像からプロンプトへのワークフロー ⚡

このワークフローは、失われたり隠されたりしたプロンプトというイライラする問題を解決します。 👌

これらのすべてのケースで、画像をワークフローにドラッグするだけで、詳細で高品質なプロンプトが生成され、ほとんどの場合、元の画像とまったく同じ結果を得られます。画像やプロンプトの複雑さに応じて、結果はさらに優れていることもあります。

このワークフローで使用されているすべてのノードは、ComfyUIに既にインストールされている一般的なノードです。ComfyUIが欠落しているノードを報告した場合は、ComfyUI Manager経由でインストールし、再起動してください。

このワークフローで使用されているカスタムノード：

望む画像をワークフローにドロップまたは読み込みます。
ドロップダウンメニューからQwen3VLモデルを選択してください。初回実行時に自動的にダウンロードされます。このため、初回実行は少し時間がかかります。コンソールでダウンロード進捗を確認できます。
GPU（VRAMサイズ）に応じてQwenVLモデルを選択してください。私は16GBのGPUでQwen3-VL-4B-Instructモデルを使用していますが、問題なく動作し、非常に優れたプロンプトを生成します。
GPUが窓から逃げようとするのを眺めるのが好きでない限り、32Bモデルは使用しないでください。 😉
望む「preset_prompt」を選択してください。Ultra Detailed または Cinematic がほとんどの場合非常に効果的です。
量子化？ 8ビットを使用してください。16ビットは処理速度を落とすだけで結果は改善されません。4ビットも試せます。一部の環境では、これの方が速くなることがあります。
準備完了！ 「RUN」ボタンを押すだけです！

⬇️ 手動でモデルファイルをダウンロードする場合：
モデルを手動でダウンロードしたい場合は、Huggingface で異なるバージョンを確認できます。ファイルを /models/LLM/Qwen-VL/ ディレクトリに配置してください。

大きな画像は処理に時間がかかります。パフォーマンスを向上させるため、このノードは自動的に大きな画像を1.2MPに縮小します。結果が許容できる範囲であれば、さらに解像度を下げることで処理速度をさらに向上できます。
低解像度の画像では逆の状況が発生します。処理は速いですが、解像度によっては画像情報が十分でないことがあります。このような場合、画像は1.2MPに拡大され、適切な分析に必要な十分なピクセルを確保します。

私は両方のモデルを広くテストし比較しました。私の意見では、Qwen-VLの方が優れた結果を提供します。より多様なオプションを提供し、生成されるプロンプトは、Florence2が生成するものよりも元の画像の構成にはるかに近いものです。

Qwen3-VLは、芸術的スタイル、写実性、照明、複雑な構図に対する優れた理解力で高く評価されています。その結果、Flux、Z-Image、Qwen などの高度な自然言語モデルとすぐに使用できる、プロダクションレベルのプロンプトが生成されます。

このワークフローについてご質問やフィードバックがある場合は、遠慮なくコメントしてください。何か動作しない場合は、具体的に何が動作しないかを明確にご報告ください。

💕 愛を広めてください
いいねボタンを押して、フォローしてください。これと同じような今後のアップデートや新しいワークフローを見逃さないように！ 👍

楽しんでください！ 🙂