跳转到主要内容
ComfyUI 原生 Luma Image to Image 节点 Luma Image to Image 节点允许你使用 Luma AI 的技术根据文本提示词修改现有图像，同时保留原始图像的某些特征和结构。

​
节点功能

此节点连接到Luma AI的文本到图像API，让用户能够通过详细的文本提示词生成图像。Luma AI以其出色的真实感和细节表现而闻名，特别擅长生成照片级别的逼真内容和艺术风格图像。

​
参数说明

​
基本参数

参数类型默认值说明
prompt字符串""描述要生成内容的文本提示词
model选择项-选择使用的生成模型
aspect_ratio选择项16:9设置输出图像的宽高比
seed整数0种子值，用于确定节点是否应重新运行，但实际结果与种子无关
style_image_weight浮点数1.0样式图像的权重，范围0.02-1.0，仅在提供style_image时生效

​
可选参数

在没有下列参数输入的情况下，对应的节点为文生图模式
参数类型说明
image_luma_refLUMA_REFLuma参考节点连接，通过输入图像影响生成结果，最多可考虑4张图像
style_image图像样式参考图像，仅使用1张图像，影响图像生成的风格，通过 style_image_weight 调整权重
character_image图像将角色特征加入到生成结果中，可以是多张图像的批次，最多可提供4张图像

​
输出

输出类型说明
IMAGE图像生成的图像结果

​
使用示例

​
工作原理

Luma Image to Image 节点分析输入图像并结合文本提示词来引导修改过程。它使用 Luma AI 的生成模型，根据提示词对图像进行创新性的变化。 节点流程：
  1. 首先将输入图像上传到 ComfyAPI
  2. 然后将图像 URL 与提示词发送到 Luma API
  3. 等待 Luma AI 完成处理
  4. 下载并返回生成的图像
image_weight 参数控制原始图像的影响程度 - 接近 0 的值会更多地保留原始图像特征，而接近 1 的值则允许更大幅度的修改。

​
源码参考

[节点源码 (更新于 2025-05-05)] 

class LumaImageModifyNode(ComfyNodeABC):
    """
    Modifies images synchronously based on prompt and aspect ratio.
    """

    RETURN_TYPES = (IO.IMAGE,)
    DESCRIPTION = cleandoc(__doc__ or "")  # Handle potential None value
    FUNCTION = "api_call"
    API_NODE = True
    CATEGORY = "api node/image/Luma"

    @classmethod
    def INPUT_TYPES(s):
        return {
            "required": {
                "image": (IO.IMAGE,),
                "prompt": (
                    IO.STRING,
                    {
                        "multiline": True,
                        "default": "",
                        "tooltip": "Prompt for the image generation",
                    },
                ),
                "image_weight": (
                    IO.FLOAT,
                    {
                        "default": 1.0,
                        "min": 0.02,
                        "max": 1.0,
                        "step": 0.01,
                        "tooltip": "Weight of the image; the closer to 0.0, the less the image will be modified.",
                    },
                ),
                "model": ([model.value for model in LumaImageModel],),
                "seed": (
                    IO.INT,
                    {
                        "default": 0,
                        "min": 0,
                        "max": 0xFFFFFFFFFFFFFFFF,
                        "control_after_generate": True,
                        "tooltip": "Seed to determine if node should re-run; actual results are nondeterministic regardless of seed.",
                    },
                ),
            },
            "optional": {},
            "hidden": {
                "auth_token": "AUTH_TOKEN_COMFY_ORG",
            },
        }

    def api_call(
        self,
        prompt: str,
        model: str,
        image: torch.Tensor,
        image_weight: float,
        seed,
        auth_token=None,
        **kwargs,
    ):
        # first, upload image
        download_urls = upload_images_to_comfyapi(
            image, max_images=1, auth_token=auth_token
        )
        image_url = download_urls[0]
        # next, make Luma call with download url provided
        operation = SynchronousOperation(
            endpoint=ApiEndpoint(
                path="/proxy/luma/generations/image",
                method=HttpMethod.POST,
                request_model=LumaImageGenerationRequest,
                response_model=LumaGeneration,
            ),
            request=LumaImageGenerationRequest(
                prompt=prompt,
                model=model,
                modify_image_ref=LumaModifyImageRef(
                    url=image_url, weight=round(image_weight, 2)
                ),
            ),
            auth_token=auth_token,
        )
        response_api: LumaGeneration = operation.execute()

        operation = PollingOperation(
            poll_endpoint=ApiEndpoint(
                path=f"/proxy/luma/generations/{response_api.id}",
                method=HttpMethod.GET,
                request_model=EmptyRequest,
                response_model=LumaGeneration,
            ),
            completed_statuses=[LumaState.completed],
            failed_statuses=[LumaState.failed],
            status_extractor=lambda x: x.state,
            auth_token=auth_token,
        )
        response_poll = operation.execute()

        img_response = requests.get(response_poll.assets.image)
        img = process_image_response(img_response)
        return (img,)