Ming-Image 是面向 ComfyUI 的AI 绘图模型包，重新打包了 inclusionAI 的 Ming-Image-0.1-Design 系列模型，开箱即用地提供高质量文生图、精准图像编辑、分层精细控制三大核心能力。无论你是想快速出图的设计师，还是想低显存跑图的玩家，这份指南都能帮你快速上手。

🧭 快速了解：Ming-Image 是什么？

Ming-Image 本质上是一套"拿来即用"的 ComfyUI 模型文件集合，包含三个部分：

相比自行拆分原始模型，它最大的优点是目录结构清晰、文件命名直观，照着 README.md 放入 ComfyUI 即可工作。

🎨 核心能力一：高质量文生图（Text to Image）

这是 Ming-Image 的基本功。使用 Design 版扩散模型，配合官方提供的"Ming Image 0.1 Design: Text to Image"工作流模板，输入提示词即可生成构图规整、细节扎实的图像，适合海报、插画、产品图等设计场景。

• 生成模型：ming_image_0.1_design_bf16.safetensors（标准版）
• 文本编码：ming_image_0.1_ling_mini_2.0_bf16.safetensors
• 解码：vae/ming_image_vae_bf16.safetensors

💡 在 ComfyUI 的模板库中搜索 "Ming Image"，可直接加载官方工作流，无需手动搭节点。

✂️ 核心能力二：精准图像编辑（Image Edit）

Ming-Image 同样内置图像编辑能力。官方提供了"Ming Image 0.1 Design: Image Edit"工作流，支持对已有图片做局部修改、风格调整、元素替换等操作，Before/After 效果对比直观。

工作流程非常符合新手习惯：

1. 上传原图
2. 用提示词描述"想要什么变化"
3. 一键生成编辑后的新图

对于做二次创作、修图改稿的用户来说，这比"重新生成一张再手动对齐"高效得多。

🧩 核心能力三：分层控制（Design-Layer）

这是区别于普通文生图模型的亮点：Layer 版模型对画面分层理解与控制更精细，适合需要控制局部区域、图层式合成的进阶玩法。

对应文件：

• ming_image_0.1_design_layer_bf16.safetensors（标准精度）
• ming_image_0.1_design_layer_int8_convrot.safetensors（量化省显存）

简单理解：普通 Design 版负责"画得好"，Layer 版负责"控得准"，两者可按需搭配使用。

⚡ 显存不够？一张表选对量化版本

不同显卡配置，选对精度版本很重要：

以文本编码器为例，text_encoders/ 下同时提供 ming_image_0.1_ling_mini_2.0_bf16.safetensors、ming_image_0.1_ling_mini_2.0_int8_convrot.safetensors、ming_image_0.1_ling_mini_2.0_w4a8.safetensors 三档，按需取用即可，扩散模型与 VAE 同理。

📦 最快部署：3步放入 ComfyUI

第 1 步：获取模型文件

git clone https://gitcode.com/hf_mirrors/Comfy-Org/Ming-Image

第 2 步：按目录放置到 ComfyUI

📂 ComfyUI/ └── 📂 models/ ├── 📂 diffusion_models/ ← 放入 ming_image_0.1_design_*.safetensors ├── 📂 text_encoders/ ← 放入 ming_image_0.1_ling_mini_2.0_*.safetensors └── 📂 vae/ ← 放入 ming_image_vae_bf16.safetensors

第 3 步：加载工作流

在 ComfyUI 中打开模板库，选择 "Text to Image" 或 "Image Edit" 工作流，选中对应模型文件，即可开始生成。

🏁 总结：Ming-Image 适合谁？

• ✅ 想要高质量出图的设计与创作用户 → 用 Design 版
• ✅ 需要对成品图做局部修改→ 用 Image Edit 工作流
• ✅ 想精细控制画面结构与局部 → 用 Design-Layer 版
• ✅ 显卡显存吃紧 → 选int8_convrot/w4a8量化版

三大核心能力 + 多档量化覆盖，这正是选择 Ming-Image 的理由。按上面三步部署完成，你的 AI 绘图流程就可以跑起来了 🚀