ComfyUI Z-Image I2L：从参考图像一键生成个性化 LoRA，无需训练

ComfyUI Z-Image I2L 是由 RunningHub 开发的一组 ComfyUI 自定义节点，基于 DiffSynth-Studio 的 Z-Image 流程，实现从少量参考图像直接生成个性化 LoRA 权重，全程无需传统微调训练，大幅降低定制化模型的门槛。

• GitHub：https://github.com/HM-RunningHub/ComfyUI_RH_ZImageI2L

该工具特别适合希望快速为角色、风格或物体创建专属 LoRA 的创作者，可无缝集成到现有 ComfyUI 工作流中。

阿里DiffSynth-Studio  项目组推出Z-Image-i2L：从单张图像一键生成风格 LoRA

核心特性

• ✅ 图像转 LoRA（Image-to-LoRA）：仅需 1–4 张参考图，即可生成可用的 LoRA 模型
• ✅ 零训练成本：基于预训练 Z-Image 架构，通过特征对齐即时生成权重，无需 GPU 长时间训练
• ✅ 原生 ComfyUI 集成：输出标准 .safetensors 文件，可直接用于任何 LoRA 加载节点

安装步骤

1. 克隆节点仓库

   cd ComfyUI/custom_nodes
   git clone https://github.com/HM-RunningHub/ComfyUI_RH_ZImageI2L.git
   

2. 安装 Python 依赖

   pip install -r ComfyUI_RH_ZImageI2L/requirements.txt
   

3. 重启 ComfyUI，新节点将自动加载

⚠️ 注意：首次运行时会自动下载所需模型（约数 GB），请确保网络畅通。

模型自动下载与缓存

所有模型均通过 ModelScope 自动获取，并缓存在本地：

默认缓存路径：

• Windows: C:\Users\<用户名>\.cache\modelscope\hub\
• Linux/macOS: ~/.cache/modelscope/hub/

自定义缓存目录（可选）：

# Linux/macOS
export MODELSCOPE_CACHE=/your/custom/path

# Windows (PowerShell)
$env:MODELSCOPE_CACHE = "D:\models\modelscope"

使用方法：三步完成 LoRA 生成

1. 加载流程
   添加 ZImageI2L Loader 节点，初始化 Z-Image I2L 管道
2. 输入参考图像
   将 1–4 张人物/风格参考图连接至 ZImageI2L LoRA Generator
   • 支持多图输入，提升特征覆盖度
   • 可设置 seed 保证结果可复现
3. 保存与应用
   • 用 ZImageI2L Saver 将生成的 LoRA 保存为 .safetensors 文件
   • 在后续生成节点中，通过标准 LoRA Loader 加载该文件，即可应用于 Z-Image 或其他兼容模型

示例工作流

项目提供完整 API 示例：
workflows/zimage_i2l_example_api.json

该流程演示：

• 加载 4 张参考图
• 生成个性化 LoRA
• 将 LoRA 注入 Z-Image 模型
• 输出风格一致的新图像

💡 提示：生成的 LoRA 可用于角色一致性控制、艺术风格迁移、产品外观定制等场景。

系统要求

• GPU 显存：建议 24GB+（RTX 4090 实测可用，24G 以下可能 OOM）
• Python：3.10 或更高
• ComfyUI：最新版本（确保兼容性）