ComfyUI_Qwen3-VL-Instruct

收录理由

在ComfyUI的节点式工作流里直接调用Qwen3-VL-Instruct系列模型，这个自定义节点把视觉语言能力带进了原本只处理图像生成的画布。它接受文本、单图、多图或视频作为输入，输出对应的描述或回答，让视觉理解结果能无缝接入更大的处理流程，不必再切换到外部工具。仓库自带的示例工作流覆盖了四种查询模式，模型也会在首次运行时自动下载，省去手动找模型的麻烦。对于需要在ComfyUI内完成图像打标、视频内容概括的团队，这是个很实用的补充。唯一要提前留意的是，查看输出可能需要作者另一个MiniCPM-V插件里附带的Display Text节点。