closerAI-FIBO2.0-VGL转换节点
充分发挥FIBO2.0的图像生成能力，对提示词进行VGL json格式转换
VGL 可以理解为描述画面主体、光线、风格、构图和可见文字的结构化视觉方案
COMFYUI · 安装 / 配置 / 生成 / 排错
先把需求写成方案。再交给 FIBO 生图。
输入你想要的画面，让本地模型或 API 大模型生成结构化 VGL，再连接 FIBO2 完成图像生成。想自己改设计？保留 JSON，随时接管。
先记住这三件事
必须出现的文字与尺寸
生成 JSON → 结构校验 → 文案校正
VAE 解码 → 预览 / 保存
VGL 可以理解为描述画面主体、光线、风格、构图和可见文字的结构化视觉方案。本节点使用 BRIA VGL 提示词规则；它不是可拖拽图层，也不是像素级排版文件。
先跑通一个设计方案
已有节点时，建议先用 API 只生成 VGL，确认配置后再接生图。
- 拖入
examples/03_closerAI_FIBO2_兼容接口设计VGL.json。这是普通画布工作流，不是开发用执行 JSON。 - 在设计节点填写
brief，将enable_llm开启，backend选择openai_compatible。 - 填写服务商的
api_base_url、api_model，在密码框直接填入 API Key。 - 设置
width/height，点击 ComfyUI 的“运行”。没有“应用 Key”步骤。 - 查看 VGL JSON 与校验报告。确认有完整方案后，再使用 02 工作流接入四步生图。
安装一次，刷新后使用
安装目录名为 closerAI-FIBO2-VGL。请只保留一个有效版本。
- 解压节点包，将
closerAI-FIBO2-VGL文件夹放到ComfyUI/custom_nodes/，不要套两层同名文件夹。 - 保存当前任务，重启 ComfyUI，再用
Ctrl + F5刷新网页。 - 搜索
closerAI，添加 closerAI · FIBO2 VGL 设计（本地 / API）。分类：closerAI/FIBO2。 - 或直接将
examples中的普通工作流 JSON 拖入画布。
ComfyUI/
└─ custom_nodes/
└─ closerAI-FIBO2-VGL/
├─ __init__.py
├─ nodes.py
├─ api_client.py
├─ routes.py
├─ vgl.py
├─ vendor/
├─ web/
└─ examples/
本插件不需要额外安装 Python 依赖。完整生图需要支持 FIBO2 的 ComfyUI；本地设计还需要核心提供 CLIP.generate 和 CLIP.decode 接口。插件不自动下载模型。
| 示例 | 用途 |
|---|---|
01_closerAI_FIBO2_只生成VGL.json | 本地 Qwen 编写方案，不运行图像模型。 |
02_closerAI_FIBO2_VGL到四步生图.json | 设计方案 → FIBO2 Turbo 四步采样；可切换为 API 设计。 |
03_closerAI_FIBO2_兼容接口设计VGL.json | 通过兼容接口编写方案，不需要连接本地 CLIP。 |
developer 目录的执行 JSON 供开发测试使用，不是直接拖入画布的版本。安装包、示例和模型权重分别准备；本页面没有虚构下载地址。
模型放哪里，线怎么接
以下文件名来自当前示例。加载器请选择你实际下载且兼容的模型。
| 资源 | 放置目录 | 示例文件 / 设置 |
|---|---|---|
| FIBO2 扩散模型 | models/diffusion_models/ | fibo2_edit_turbo_int8_convrot.safetensors |
| Qwen 文本编码器 | models/text_encoders/ | qwen3vl_4b_int8_convrot.safetensorsCLIPLoader 类型： fibo2 |
| VAE | models/vae/ | flux2-vae.safetensors |
本地设计
CLIPLoader 的 CLIP 同时接到本节点 clip 与下游 TextEncodeFibo2.clip。共用同一路加载器，无需为设计另开一份模型。
API 设计
本节点 clip 可以不接；下游 TextEncodeFibo2.clip 仍需要 Qwen 编码器。API 替代的是编写方案这一步。
closerAI 设计节点 TextEncodeFibo2 vgl_json ────────────→ prompt width ───────────────→ width height ──────────────→ height TextEncodeFibo2 KSampler positive ────────────→ positive negative ────────────→ negative latent ──────────────→ latent_image UNETLoader ──────────→ KSampler.model KSampler ────────────→ VAEDecodeTiled.samples VAELoader ───────────→ VAEDecodeTiled.vae VAEDecodeTiled ───────→ SaveImage / PreviewImage
euler、调度器 simple、denoise=1。它不是所有 FIBO 模型通用的最佳参数，也不是本节点内部的设置。完整图像流程与本地 LLM 输出质量仍需在你的环境验收。三种用法，按需要切换
enable_llm 决定是否自动写方案；backend 决定由谁来写。
直接填 Key，然后运行
enable_llm=truebackend=openai_compatible- 填写 Base URL、模型 ID 和密码框 Key。
- 运行，检查 JSON 与 report。
Key 保留在当前页面密码框供连续使用。每次运行读取当前值；改了就用新值，清空后要求填写。仅无鉴权本地服务才关闭 api_require_key。
用本机 Qwen 编写 VGL
enable_llm=truebackend=local- 连接类型为
fibo2的 Qwen3-VL-4B CLIP。 - 填写需求并运行。
不需要 Key。设计阶段是逐 token 文本生成，在低显存环境可能耗时很长；这与下游 Turbo 的四步采样是两段独立耗时。
保留满意的方案，只调整生图
复制已生成的完整 VGL JSON 到 manual_vgl，关闭 enable_llm 后运行。该模式只做结构校验和指定文案校正，不调用本地 LLM 或 API。关闭 LLM 后，manual_vgl 不能留空；brief 也不会自动转换为 JSON。
适合锁定设计后反复更换 KSampler seed 或测试采样。API 模式每次排队都会重新调用接口；要避免重复请求，使用这个手动模式。
Base URL 和模型名称怎么填？
使用服务商提供的 Chat Completions 地址与准确模型 ID。例如 Base URL 为 https://api.openai.com/v1；也可以填完整 /chat/completions 地址。程序只补全 /chat/completions，不会猜测或自动添加 /v1。不支持仅提供 Responses 协议的接口，也不会自动读取系统代理环境变量。
Key 会保存在哪里？
本节点不会把 Key 写入本地配置、工作流 JSON 或 ComfyUI 执行 prompt。它仅存在当前页面和 ComfyUI 后端的运行内存中，通过独立请求自动传递。刷新页面、导入工作流或重启后需重新填写；点击“清空”删除当前值。密码隐藏不代表对服务器管理员不可见，请在自己信任的 ComfyUI 环境使用。
参数不必全改，先理解这几个
大多数情况下只需改需求、模式、尺寸，以及 API 配置。
| 参数 | 默认 / 填法 | 作用与注意 |
|---|---|---|
brief | 设计需求 | 写主体、场景、构图、风格与不能出现的内容。不是 JSON 输入框。 |
enable_llm | 默认开启 | 开启自动编写；关闭后必须在 manual_vgl 填完整 JSON。 |
backend | local / openai_compatible | 本地模型或兼容接口；只在 LLM 开启时生效。 |
exact_text | 可选，每行一句 | 必须上图的原文。填写后 text_render 按行校正，不添加额外文字条目；不保证图片渲染逐字准确。 |
width / height | 默认 1024 × 1024 | 不小于 64，且为 16 的倍数。连接下游宽高。仅在 brief 写“竖图”不会改变实际尺寸。 |
max_new_tokens | 默认 2048 | LLM 输出上限，不是采样步数。截断时可尝试 4096 或简化需求。推理模型可能把思考 token 计入上限。 |
sample | 默认关闭 | 本地关闭为贪心；API 开启发送 temperature=0.8，关闭使用服务商默认值。 |
seed | 默认 42 | 本地 LLM 的方案采样种子，sample 开启时有用。API 不发送该参数；它也不是 KSampler 的生图 seed。 |
manual_vgl | 完整 VGL JSON | 只在关闭 LLM 时使用；适合保存和修改已生成的方案。 |
api_base_url / api_model | 服务地址 / 模型 ID | 按服务商说明填写。地址不能带账号密码、查询参数或 fragment。 |
api_token_parameter | 默认 max_tokens | 模型要求时切换 max_completion_tokens，不需要两项同时发送。 |
api_require_key | 默认开启 | 标准付费接口保持开启；仅无鉴权服务关闭。 |
API Key 密码框 | 直接填，直接运行 | 不进入工作流；有值用当前值，无值提示填写，无需应用按钮。 |
clip | 可选输入端口 | 仅本地设计必须连接。API / 手动模式不运行本节点 CLIP。 |
输出端口
vgl_json：校验后的紧凑 JSON 字符串；width / height：传给下游的尺寸；report：模式、主体数、文字条数、校正情况与节点耗时。
需求这样写，更容易检查结果
下面是可直接选中复制的输入示例，不是已生成图片的效果承诺。
新品咖啡海报
brief
一张咖啡新品宣传海报。奶油色背景，红色陶瓷杯为主体，柔和侧光，简洁商业摄影。标题安排在上方，优惠文案安排在下方。不要添加品牌名称、价格、日期、Logo 或水印。文字只使用 exact_text 中的原文。
exact_text：每行一句
新品上市 第二杯半价
尺寸：1024×1024。“第二杯半价”仅为演示文案，上线时请替换为真实活动规则。
无文字的生活方式摄影
brief
雨后庭院里的紫色陶瓷花瓶，近距离静物摄影。木桌上有少量水滴，背景是虚化的树叶。清晨自然光，冷绿色与柔和紫色，保留陶瓷釉面纹理，构图自然，不要文字、Logo 或水印。
exact_text：留空
尺寸：720×1280。明确主体、环境、光线与不要出现的内容即可，不必堆砌大量形容词。
按报错找原因，不必重装一遍
先分清失败发生在：参数检查、接口请求、VGL 校验，还是下游生图。
“没有找到 JSON 对象”怎么处理？
先看 enable_llm。如果关闭且 manual_vgl 为空，请开启 LLM 或补入完整 VGL JSON。如果已经开启，则模型可能只返回了解释文字、拒绝内容或空结果；检查接口模型是否适合结构化输出。不要一看到这句就盲目增加 token。
“请填写 API Key”，但我明明填了？
确认填在连接着下游、实际执行的设计节点，而不是另一颗孤立节点。当前版本直接填写后运行，无需应用。若界面还显示“应用 Key”，说明前端仍是旧版，更新节点并强制刷新。刷新或导入工作流后，Key 需要重新填写。
报 HTTP 401 / 403 / 404 / 429？
401/403 常见于 Key、权限或模型访问问题；404 检查 Base URL 路径及模型 ID；429 检查额度和频率。实际含义以服务商为准。不要把 Key 放到 URL 查询参数里。本节点不自动重试，避免重复计费。
连接失败或超时？
检查 ComfyUI 后端运行机器是否能访问接口，而不仅是浏览器能否打开。当前请求超时约 180 秒，不读取系统代理环境变量；仅依赖环境代理才能联网的场景需另行配置网络。接口重定向会被拒绝。
API 输出被截断，或 VGL 缺少字段？
截断可增加 max_new_tokens 或缩短需求；如模型报不支持 token 参数，切换 api_token_parameter。缺字段意味着服务输出没有符合内置 VGL 结构，不会静默当成普通提示词继续生图。可换更适合结构化输出的模型，或手动修正完整 JSON。
本地模型一直生成，为什么四步还这么慢？
本地编写 VGL 是语言模型逐 token 生成，四步指后面的扩散采样。二者不是同一阶段。当前本机完整本地生成尚未完成验收，不能承诺速度；可用 API 设计或手动 JSON 减少这一步等待。
需求写了 9:16，为什么仍出方图？
把 width / height 明确设置为例如 720 / 1280，并把两个输出连接到 TextEncodeFibo2 的对应输入。只改 brief 中的比例描述不会修改实际 latent 尺寸。
节点变红或缺少 TextEncodeFibo2？
先确认本节点文件夹放置正确、没有双层目录和重复旧版，再重启与刷新。缺少核心 TextEncodeFibo2 时需要更新支持 FIBO2 的 ComfyUI；单独安装本插件不会补齐核心模型实现。
只想换 seed，不想再次付费设计？
复制满意的 VGL 到 manual_vgl，关闭 enable_llm，再调整 KSampler seed。API 模式每次排队都会请求，不保证缓存复用；本地模式通常受 ComfyUI 缓存影响。
JSON 校验成功，为什么图片文字仍不对？
结构校验只保证必要字段类型与 exact_text 条目校正，不是最终图片的 OCR 验收。字体支持、中文渲染、复杂文案与生成随机性仍会影响结果；正式发布前逐字检查。
用到生产前，确认能力边界
把节点当作结构化方案生成器，并在发布前检查最终图片。
本节点负责
- 将中文或英文需求转成完整场景 VGL。
- 本地模型与 OpenAI 兼容接口切换。
- 校验必要 JSON 结构，按行校正 text_render。
- 输出方案、尺寸和校验报告给下游。
需要其他能力配合
- 参考图分析、遮罩与区域编辑。
- 自由拖拽图层、像素级排版与字体渲染。
- 最终图片的文字、事实、品牌与画质验收。
- 模型权重下载与完整生图环境配置。
节点代码与内置 BRIA VGL 规则的 MIT 许可，不等于模型权重可任意商用。随包说明记录了 FIBO 权重的 CC BY-NC 4.0 / 商业授权边界；实际部署请以你使用的具体权重版本及权利方条款为准。
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
评论(0)