Skip to main content
请确保你的 ComfyUI 已经更新。本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。如果加载工作流时有节点缺失，可能原因有：
  1. 你用的不是最新版（每夜版）。
  2. 启动时有些节点导入失败。
Gemma 4 是 Google DeepMind 的新一代轻量级开源 LLM 系列，专为文本生成、图像理解、视频分析、音频转录和结构化工具调用而设计。在 ComfyUI 中作为原生 文本生成（Text Generation） 模型提供原生支持。 模型亮点：
  • 原生多模态 — 可同时接收文本、图像、视频和音频输入
  • 三种尺寸可选：
    • E2B（2B） — 快速轻量，适合消费级 GPU
    • E4B（4B） — 性能均衡，推荐默认选择
    • 31B — 最佳质量，需要更高显存
  • 思考模式 — 内置逐步推理能力，生成答案前先进行逻辑推演
  • 长上下文 — 最高 128K tokens（E2B/E4B）和 256K tokens（31B）
  • 多语言 — 开箱支持 35+ 种语言，预训练覆盖 140+
  • 函数调用 — 原生支持结构化工具调用和 Agent 工作流
  • ComfyUI 原生支持 — 通过内置的 TextGenerate 和 CLIPLoader 节点加载和使用
相关链接：

​
可用工作流

​
Gemma 4：文本生成

输入你的文本提示词，并可选择附加图像、音频或视频。生成文本输出，具备可配置的推理、编程和多语言支持。 Gemma 4 文本生成工作流预览

在 Comfy Cloud 上运行

在 Comfy Cloud 中打开

下载工作流

下载 JSON，或在模板库中搜索 “Gemma 4：文本生成”
输入材料 将这些可选文件上传到对应的节点：

the_lily_veil.png

LoadImage 节点 2 · the_lily_veil.png

voice_demo.mp3

LoadAudio 节点 5 · voice_demo.mp3

video_wan_vace_inpainting_input_video.mp4

LoadVideo 节点 6 · video_wan_vace_inpainting_input_video.mp4
该工作流演示了 Gemma 4 的核心文本生成能力。它在接受文本提示词的同时，还可选择图像、音频或视频作为额外上下文，并生成自然语言输出，支持推理、编程和多语言提示。 输入：
  • 文本提示词：你的问题或指令
  • 图像（可选）：用于视觉理解任务（OCR、目标检测、图表阅读等）
  • 音频（可选）：用于语音识别或转录
  • 视频（可选）：用于跨帧视频理解（内部按 1 FPS 采样）
关键控制参数：
  • Max length：生成的最大 token 数（默认 256）
  • Sampling mode：开关采样，并调整 temperature、top-k、top-p、重复惩罚和种子
  • Thinking mode：在最终答案之前启用逐步推理
  • Use default template：使用模型内置的系统提示词模板
输出：
  • 已生成文本：模型以纯文本字符串形式返回的响应

了解 Subgraph

该工作流使用 Subgraph 节点实现模块化处理。查看 Subgraph 文档了解如何自定义和扩展工作流。

​
模型下载

Gemma 4 模型在 ComfyUI 中以文本编码器（text encoder）形式加载。下载对应的模型文件并放入正确的目录：

Gemma 4 2B (E2B IT FP8)

快速轻量，推荐消费级 GPU 使用。

Gemma 4 4B (E4B IT FP8)

性能均衡，工作流默认使用此模型。

查看所有变体

浏览所有 Gemma 4 模型权重。
将下载的 .safetensors 文件放入以下目录：