今天展示的案例是一个基于Flux 扩图的 ComfyUI 工作流，它能够将原始图像进行外扩生成更大尺寸的画面。该流程利用了扩散模型与条件编码的结合方式，通过对加载图像的边缘填充与掩码重建，生成符合上下文语义的扩展内容。在效果演示中，原图会自然地向四周延伸，保持风格与内容的统一，从而实现类似壁画、场景拼接或大幅插画的效果。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 文本语义嵌入生成CLIPTextEncode (Negative Prompt) 负向语义控制FluxGuidance 文本嵌入调控使用方法应用场景开发与应用工作流介绍该工作流主要围绕Flux 填充模型进行构建，结合 CLIP 文本编码器与 T5 语义编码，能够对输入的正向提示与负向提示进行解析，再通过采样器与解码器生成符合目标的扩展图像。整体流程从加载图片开始，经过外扩填充、掩码生成、条件编码和扩散推理，最终得到完整的大尺寸画面。这一过程不仅适合艺术创作中的背景延展，也能用于海报设计、漫画拼接和影视分镜扩展等场景。核心模型在工作流中，核心模型包括文本编码器、扩散模型和 VAE 解码器。文本编码部分由 CLIP 与 T5 双编码器完成，对提示词进行语义理解和潜在空间条件生成；扩散部分采用Flux.1 Fill Dev 模型，专门针对 inpainting 与图像外扩任务进行优化；最后由 VAE 模型负责潜在向量到图像的还原，保证生成画面的清晰度与一致性。通过三者的协作，能够实现从文本到图像的精准引导与外扩生成。模型名称说明clip_l.safetensorsCLIP 文本编码模型，用于解析提示词并生成语义向量t5xxl_fp1