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/