ComfyUI 跑 FLUX 3 Image：多参考图编辑与边界框排布配置指南

在多图合成与指令编辑场景中，很多创作者经常遇到两个棘手问题：一是输入多张参考图后，模型极易产生概念混淆（比如把图 A 的发色套在图 B 的衣服上）；二是纯文本提示词难以精确表达主体在画面中的具体坐标与尺寸比例，生成结果全凭模型“抽卡”。

伴随 Black Forest Labs 推出 FLUX 3 多模态基准模型，ComfyUI 官方及生态快速集成了 FLUX 3 Image 伙伴节点与布局控制套件。通过官方节点，用户不仅可以在提示词中结构化引用最多 10 张参考图，还能利用 Create Bounding Boxes 和 Flux3LayoutPrompt 节点实现所见即所得的分区排版定位，并最高支持输出 4K 分辨率画面。本文将详细拆解该工作流的标准搭法、引用命名规范与边界限制。

核心原理解析：如何实现精准多图合成

FLUX 3 Image 并不单纯依赖隐空间强行拼接，而是将文本指令解析、多参考图理解与空间坐标统一在多模态架构下处理。在 ComfyUI 中，精准排版主要依赖三个核心节点的协作：

Create Bounding Boxes：可视化交互节点。允许用户在指定画布比例上直接用鼠标绘制边界矩形框，并为每个矩形框附加独立的描述文本（如指定主体或引用参考图）。
Flux3LayoutPrompt：结构化解析节点。它接收边界框数据（包含矩形 ID、归一化坐标与局部描述），将其转换成结构化排版表，并追加到全局正向提示词中。
FLUX 3 Image：模型执行节点。支持动态扩展输入槽（可接入最多 10 张参考图），根据解析后的提示词与框选坐标完成最终渲染。

—

节点连接与工作流搭建步骤

按照以下步骤即可在 ComfyUI 画布上完成标准多图排版工作流的连接：

[Load Image 1] ──┐
[Load Image 2] ──┼─► [FLUX 3 Image] (images 输入插槽，自动扩展)
[Load Image 3] ──┘         ▲
                           │ prompt
[Create Bounding Boxes] ──► [Flux3LayoutPrompt] (elements 输入)
      ▲                            ▲
      │ (设置宽高比/底图参考)       │ prompt (主描述提示词)

1. 配置参考图输入

在画布上添加常规的 Load Image 节点，分别加载你需要融合的人物、服饰、道具或背景素材。
添加 FLUX 3 Image 官方伙伴节点。该节点的 images 为可扩展插槽（Growable slot），将多个 Load Image 节点的输出依次连接至该插槽，系统会自动为连入的图像分配编号。
注意素材规格：输入的参考图分辨率单边至少需达到 256×256 像素，且长宽比不能超过极端比例（需在 64:1 至 1:64 范围内）。

2. 绘制边界框（Create Bounding Boxes）

添加 Create Bounding Boxes 节点。你可以将其背景设置为全白空白画布，也可以连入一张背景参考图作为底图对齐。
在节点界面中，使用框选工具圈定画面中预期的目标区域：
例如在左侧圈出区域 1，右侧圈出区域 2。
为每个框填写局部标签或描述（如“image 1 character standing here”）。

3. 构建排版提示词（Flux3LayoutPrompt）

将 Create Bounding Boxes 的输出端 elements 连接至 Flux3LayoutPrompt 的 element 输入端。
在 Flux3LayoutPrompt 的 prompt 输入框中书写全局场景描述。若需要强绑定特定区域，可直接在全局文本中通过 <box 1>、<box 2> 显式引用对应序号的矩形框。
将 Flux3LayoutPrompt 的 prompt 输出端连入 FLUX 3 Image 的 prompt 输入端。

—

提示词引用规则与参数配置

为了让模型准确读取多图信息与排版要求，必须严格遵循其命名与语法规范。

1. 多图引用命名规则

在编写指令提示词时，模型内置的语言解析器要求通过固定代词识别参考图：

按照连接至 FLUX 3 Image 节点的输入顺序，使用 image 1、image 2、image 3 直至 image 10 进行指代。
正向书写示例：

"A cinematic outdoor portrait. Place the character from image 1 on the left side wearing the leather jacket from image 2, interacting with the robotic companion from image 3."

避免使用模糊代词（如“the first photo”、“the previous girl”），严格使用小写的 image N 格式可显著降低混淆率。

2. 边界框引用语法

如果在 Create Bounding Boxes 中绘制了框选区域，Flux3LayoutPrompt 会将坐标表转换为模型可读标记：

全局描述中若要强调主体落位，可书写：

"A high-end editorial shot. <box 1> features the model from image 1, while <box 2> contains the luxury handbag from image 2 placed on the table."

局部框的描述只需聚焦该区域的微观特征，全局提示词则负责控制光影、环境基调与整体画风统一。

3. 分辨率与输出参数取舍

FLUX 3 Image 支持最高 4K 超高清图像直接生成，并提供 16 种预设宽高比（从 1:1、16:9 到 9:16 等）。
参数建议：
初稿调试：建议先在 1024×1024 或 1K 常用分辨率下进行布局对齐与构图微调，单次生成效率高。
最终出图：排版和主体融合稳定后，再将分辨率提升至 2K 或 4K，以获取高精度皮肤纹理与复杂的背景细节。

—

常见问题与避坑指南

云端 API 与计费边界：

官方伙伴节点 FLUX 3 Image 在早期访问阶段通常采用云端推理模式，通过 BFL/Comfy 账户积分进行计量扣费；高分辨率（尤其 4K）单次调用的积分消耗明显高于基础出图。如果本地硬件配置充足（如配备大显存 GPU），可关注并迁移至基于开源权重的本地模型方案（如 FLUX.3 klein 蒸馏工作流），实现离线免费推理。