今天我们来玩点有趣的ComfyUI魔法，它是黑森林工作室 (Black Forest labs) 的强大Flux Tools，运用先进的图文适配器 Redux 和图像修复/融合器Fill，配合Flux. 1系列模型，这套组合能让你轻松实现“万物迁移”——将任意元素从一张图（主体A）“瞬移”并完美融入另一张图（场景B）的指定区域。
一、核心原理拆解（对照工作流图）：
被迁移物体 (图A): 左上角 Load Image 加载了我们要“借用”的复古沙发图片。
目标场景与区域 (图B + Mask): 左下角Load Image加载了客厅场景图。我们已为图B创建了一个遮罩 (图中下方有遮罩预览，涂色区域就是要被替换的地方)，精准定位了原场景中需要被替换的沙发区域。
智能融合三部曲 (Redux理解 + Fill绘制 + Flux执行):
1.Redux 理解主体:
Load Style Model加载flux1-redux-dev.safetensors (Redux核心)。
Load CLIP Vision加载SigLIP视觉模型。
CLIP Vision Encode"读取并理解图A (复古沙发) 的视觉特征。
Apply Style Model将文本提示的意图 (来自FluxGuidance)、Redux模型本身、以及从图A提取的视觉信息三者结合，生成一个带有复古沙发“风格烙印”的增强版Conditioning。
2.Fill定位绘制 (通过 Inpainting 实现):
Load Diffusion Model加载 flux1-fill-dev.safetensors，这是负责在新位置“画”出沙发的模型。
InpaintModelConditioning是关键的“调度中心”：它接收来自 Redux的增强版 Positive Conditioning、普通的Negative Conditioning、图B (客厅场景) 的Latent、以及我们创建的Mask。它告诉KSampler：“在Mask区域内，按照这个增强版Conditioning的指示来画”。
3.Flux执行生成:
KSampler使用Flux Fill模型，在InpaintModelConditioning的精确指导下，在图B的Latent基础上，对Mask覆盖的区域进行重绘 (denoise: 1.00 表示完全重画该区域)，将复古沙发“绘制”进去。
结果呈现: VAE Decode解码生成结果，最终在右上角的Preview Image中看到完美融合的效果图。
二、准备工作
开始操作前，请确保：
1.确保你已经升级到了最新版本的 ComfyUI。
2.安装节点包: 搜索并安装 FLUX.1 Tools。可能还需要ComfyUI-Essentials， LayerUtility 等。
3.下载模型 :
Flux Fill模型: flux1-fill-dev.safetensors (用于Load Diffusion Model)。
Flux Redux模型: flux1-redux-dev.safetensors (用于Load Style Model)。
Text Encoders: T5-XXL (t5xxl_fp8_e4m3fn.safetensors) 和 CLIP-L (clipL.safetensors)。
CLIP Vision 模型: SigLIP (siglip_vision_patch14_384.safetensors)。
VAE: 标准VAE (vae.safetensors)。
三、工作流搭建步骤
1.加载输入与创建遮罩:
Load Image加载图A (主体，如沙发)。
Load Image加载图B (场景，如客厅)。右键此节点 -> Open in MaskEditor，仔细涂抹图B中需要被替换的区域 (如客厅里的旧沙发)，完成后保存关闭编辑器，生成Mask。
2.配置Flux文本编码:
使用DualCLIPLoader加载T5 和CLIP-L，type设为flux。
编写Positive/Negative Prompts，连接到CLIP Text Encode (Prompt)。
连接 Positive Prompt到FluxGuidance调整引导强度。
3.应用Redux (学习图A特征):
连接Load Style Model (Redux 模型) 和Load CLIP Vision。
将图A的IMAGE 输出连接到CLIP Vision Encode。
将文本Conditioning (来自FluxGuidance 或 CLIP Text Encode) 连接到Apply Style Model的conditioning输入。
将Redux模型和CLIP Vision输出也连接到Apply Style Model。获取增强版Conditioning 输出。
4.准备Inpainting (整合信息):
加载Load VAE。用VAE Encode处理图B(获取Latent)。
将Mask(来自图B的Load Image节点) 连接到InpaintModelConditioning的mask输入。
将图B的Latent连接到InpaintModelConditioning的latent输入。
将增强版Positive Conditioning (来自 Redux) 连接到InpaintModelConditioning的positive输入。
将Negative Conditioning连接到InpaintModelConditioning的negative输入。
5.执行采样 (生成新图像):
加载Load Diffusion Model (Flux Fill模型)。
将Fill模型连接到KSampler。
将InpaintModelConditioning的三个输出 (positive， negative， latent) 连接到 KSampler对应输入。
设置KSampler参数 (steps=20， cfg=3.0， denoise=1. 0 等，根据需要调整)。
6.解码预览:
连接KSampler的LATENT到VAE Decode。
连接VAE Decode的IMAGE到Preview Image查看最终成果！
7.应用场景拓展
掌握此流程，你可以轻松实现：
虚拟试戴首饰: 图A=项链，图B=人像，Mask→脖子。
服装更换: 图A=衣服图片/图案，图B=模特，Mask→衣服区域。
材质替换: 图A=木纹/皮革纹理，图B=物体表面，Mask→该表面。
8.小贴士
Mask精度至上: 遮罩边缘越平滑、越贴合，融合越自然。
Redux strength: 在Apply Style Model节点里调整此参数，控制图A的“存在感”。
Prompt辅助: 简洁描述最终场景有助于AI理解，例如“A vintage sofa in a bright living room”。
book mark(rgthree):在复杂的工作流中创建命名的导航锚点，能通过书签快捷键快速跳转到图中的特定区域，方便查看和编辑。
四、结语
ComfyUI结合了Flux. 1 强大基础和黑森林工作室Redux+Fill精准工具，让“万物迁移”变得触手可及且效果惊艳。现在，就打开ComfyUI，动手实践吧！探索不同参数组合，释放你的创造力，看看你能用这个强大的工具组合创造出怎样惊艳的效果！