今天展示的案例是一个基于ComfyUI 的局部重绘工作流，它能够实现对图像中指定区域的无缝编辑。通过加载预训练的图像修复模型，结合文本提示与掩码区域的绘制，可以精准替换画面中的元素而保持整体风格统一。在效果演示中，可以看到原始图像经过局部替换后，不仅保留了背景与整体光影的一致性，同时也让新生成的对象自然融入场景。这类工作流特别适合在动漫风格的创作或照片后期处理中，快速完成图像修复与创意再造。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） 局部重绘语义控制核心CLIPTextEncode（负向） 局部重绘质量约束KSampler 局部采样生成核心使用方法应用场景开发与应用工作流介绍该工作流以Stable Diffusion Inpainting模型为核心，搭配 ComfyUI 的节点化结构完成图像的载入、掩码绘制、潜空间采样与最终解码。整个过程通过“加载模型—局部区域标记—文本提示—采样与解码”的方式完成，保证输出的画面质量与局部无缝融合效果。模型部分依赖 HuggingFace 提供的稳定扩散修复模型，Node 节点的设计覆盖了输入、处理与输出的完整环节，既保证了图像的高保真生成，又提供了高度的可控性。核心模型工作流的核心模型是512-inpainting-ema.safetensors，该模型专门基于 512×512 的图像数据集进行训练，能够在保持原有画面信息的同时对局部区域进行替换。它提供了高质量的潜空间编码与解码能力，结合 VAE 与 CLIP 编码器，确保生成的局部内容既符合文本提示的语义，又与未修改区域自然衔接。模型名称说明512-inpainting-ema.safetensors来自 StabilityAI 的 Stable Diffusion 修复模型，专门用于局部图像的无