本頁章節

AI Pose Gallery 角色參考與三合一合成工作流程

文件類型
使用手冊
更新日期
閱讀時間
10 分

整理 ai-pose-gallery-zh 的 6,162 筆中文姿勢、服裝與人像索引、Web 合成工作臺、ComfyUI 自訂節點與 9 個 Agent 技能安裝流程，說明 Qwen Image Edit 2509 工作流與素材授權邊界。

來源
文件資訊
anhao/ai-pose-gallery-zh
授權
MIT

結合姿勢白模、深度圖、服裝與人像中文索引，透過 Web 工作臺、ComfyUI 原生節點或 Agent 技能組裝角色生成配方。

中文索引紀錄
6,162姿勢 1,439、服裝 3,224、人像 1,499
本機圖檔數量
12,022另含 1,760 張遠端來源參考圖
Agent 技能包
9涵蓋姿勢、服裝與人像檢索

01資料規模、操作介面與適用範圍

系統定位

ai-pose-gallery-zh（版本 2.0.0）整合原作者ギア（@giaaibusi）的三大日文 AI 繪圖參考網站，並納入たき AI（@taki_auto）的 CharaDB 二次元服裝與 wquguru/shisei 的中國歷代服裝資料。儲存庫內含 React 前端合成工作臺、ComfyUI 自訂節點外掛、Cloudflare 同源代理，以及 9 個 Claude Code／Agent 參考檢索技能。

資料集涵蓋分類與視角索引紀錄數圖檔儲存方式
姿勢白模（/poses）全身單人標準系 365、性感系 399、上半身 400、雙人 275；26 個分類、5 種視角1,439本機 2,878 張（縮圖 .jpg 與原圖 .png）
姿勢深度圖（POSE-DB-02）與 1,439 筆姿勢 ID 一對一對應1,439（共用索引）本機 2,878 張（縮圖與原圖皆為 .webp）
寫實服裝（ギア）春、夏、秋、冬、內衣睡衣、性感、泳裝、禮服共 8 類與 86 個中文標籤1,407本機 2,814 張（縮圖與原圖皆為 .webp）
中國歷代服裝（Shisei）商至清代 HC 類服裝，支援正面、斜側、側面、背面共 227 個有效視角57本機 454 張（w300/w900 .webp，約 5.77 MiB）
動漫服裝（ギア動漫）對應寫實服裝的 8 個中文分類，ID 前綴為 gia-anime-1,320僅存中繼資料快照；圖片直接請求原始網站
二次元服裝（CharaDB）15 個分類、中文名稱與英文 Danbooru 標籤440僅存中繼資料；圖片直接請求原始網站
人像參考（/portraits）正臉參考 893、造型氛圍 606；4 種髮長與 51 種細分髮型1,499本機 2,998 張（縮圖與 1600×2000 .webp 原圖）
角色參考與生成架構

  1. 參考資料層

    • 本機 12,022 張 WebP/PNG/JPG
    • 遠端 1,760 張二次元服裝圖
    • data/*-zh.json 中文索引

  2. 操作與組裝層

    • Web Studio 3+N 配方與拼圖
    • ComfyUI 4 個自訂節點
    • skills/ 9 個 Agent 技能

  3. 生圖執行層

    • Gemini / GPT Image / Qwen / Doubao API
    • 本機 ComfyUI 佇列與 WebSocket
    • IndexedDB 任務與歷史紀錄

Web 端與 ComfyUI 外掛共用 data/ 與 img/ 目錄；遠端二次元服裝僅在白名單與格式檢查通過時載入。

README 內文第 37 行保留舊版「11,568 張圖」敘述（未計入 Shisei 新增的 454 張圖檔），第 139 行目錄註解則保留舊版「4,785 張」字樣；實際版本 2.0.0 資料表合計為 6,162 筆索引與 12,022 張本機圖片。此外，README 資料表將 Shisei 原圖列為 .png，但 docs/SHISEI-COSTUMES.md 與 data/shisei/images-manifest.json 實際收錄的 w300 與 w900 檔案皆為 .webp。

02Web 工作臺、ComfyUI 外掛與 Agent 技能

安裝與驗證

  • 未完成：

    前端開發環境需安裝 Node.js 20 以上版本與 pnpm（package.json 使用 Vite ^8.3.5、React ^19.3.1、TypeScript ~7.0.2）。

  • 未完成：

    資料維護與 ComfyUI 自訂節點需具備 Python 3 環境；ComfyUI 外掛直接復用 ComfyUI 內建的 torch、numpy、Pillow 與 aiohttp。

  • 未完成：

    本機三圖合成工作流需 ComfyUI 0.3.60 以上版本（官方文件實測 0.43.0）及對應的 Qwen Image Edit 2509 模型檔。

  • 未完成：

    安裝 Agent 技能時需保留完整儲存庫結構，讓 references/catalog.csv 的相對路徑 ../../img/ 能解析到本機圖檔。

本報告僅查閱原始碼與文件，未在本機啟動 Vite、ComfyUI 或執行任何影像生成請求。

路徑一：啟動本機 Web 合成工作臺

bash
git clone https://github.com/anhao/ai-pose-gallery-zh.git
cd ai-pose-gallery-zh
pnpm install
pnpm dev

需要連接本機 ComfyUI 時，預設 /comfy 路徑會由 Vite 同源代理轉發至 http://127.0.0.1:8000。若 ComfyUI 執行於 8188 連接埠，可在啟動時指定環境變數：

bash
COMFYUI_URL=http://127.0.0.1:8188 corepack pnpm dev

瀏覽器不經代理直接連線本機 ComfyUI 時，啟動 ComfyUI 須加上 --enable-cors-header 參數。

路徑二：安裝為 ComfyUI 原生自訂節點

bash
cd /path/to/ComfyUI/custom_nodes
git clone --depth 1 https://github.com/anhao/ai-pose-gallery-zh.git

重新啟動 ComfyUI 後，於畫布空白處按右鍵，在「AI 角色三合一參考圖集」分類下可新增 4 個自訂節點。

路徑三：掛載 Claude Code／Agent 參考技能

bash
git clone --depth 1 https://github.com/anhao/ai-pose-gallery-zh.git ~/ai-pose-gallery-zh
mkdir -p ~/.claude/skills
for d in ~/ai-pose-gallery-zh/skills/*-reference*; do ln -s "$d" ~/.claude/skills/; done

03四種操作路徑與 API 端點

核心能力

網頁合成工作臺

/studio

組裝 3+N 角色參考配方與提示詞

組合人像、服裝、姿勢（白模或深度圖）與附加參考圖，支援 12 種畫風預設與 1800×1200 Canvas 三合一拼圖匯出。

ComfyUI 配方節點

CharacterRecipeNode

單節點輸出四張張量與雙語提示詞

同時輸出人像圖、服裝圖、姿勢圖、三合一橫向拼圖（間隔 12 px）及中英文合成 Prompt，內建 4 種畫風預設。

ComfyUI 單庫節點

PoseGalleryNode / CostumeGalleryNode / PortraitGalleryNode

按 ID 讀取單一類別參考圖與描述

支援原圖尺寸、置中裁切與留白填充（64 至 4096 px，步進 8）；姿勢節點支援 use_depth，服裝節點支援 costume_view。

Agent 姿勢與人像技能

pose-reference-* / portrait-reference

依動作、視角或 51 種髮型檢索參考圖

包含標準系 365、上半身 400、性感系 399、雙人 275、全量 1,439 及人像 1,499；透過 catalog.csv 取得相對圖檔路徑。

Agent 服裝檢索技能

costume-reference / -anime / -sexy

依季節、單品、顏色與 Danbooru 標籤檢索

分別涵蓋一般寫實服裝 1,068 套、CharaDB 二次元服裝 440 套（使用遠端網址）與內衣／性感穿搭 339 套。

同源跨域代理

POST /api/proxy

轉發雲端生圖 API 請求

由 x-target-url 指定目標，預設僅放行百煉、火山方舟、Gemini 與 OpenAI 官方 HTTPS 網域，單次請求上限 10 MiB。

Web 工作臺在 src/services/aiGenerator.ts 與 README 中支援 5 種生圖後端協定：

協定類型支援模型或端點關鍵參數與傳遞方式
Google Geminigemini-3.1-flash-image-preview、gemini-3-pro-image-preview、gemini-2.5-flash-image支援 aspectRatio 與 1K/2K/4K 解析度
OpenAI GPT Imagegpt-image-2.5、gpt-image-2、gpt-image-1.5、gpt-image-1呼叫 /v1/images/edits，支援 JSON URL 直傳或 Multipart 上傳、尺寸、品質與背景透明度
阿里雲百煉 Qwenqwen-image-3.0-pro、qwen-image-2.1-pro、qwen-image-2.0-pro、qwen-image-edit-plus使用 multimodal-generation 多圖輸入、prompt_extend 與浮水印開關
字節火山方舟 Doubaodoubao-seedream-5-0、doubao-seedream-4-5-251128、doubao-seedream-4-0-250828、doubao-seededit-3-0-i2i-250628支援多圖融合 image: [...] 與 2K/4K 解析度
本機 ComfyUI/upload/image、POST /prompt、/ws、/history支援匯入 .api.json 工作流、替換雙大括號變數或自動配對 CLIPTextEncode／KSampler／LoadImage 節點

04多圖融合、工作流參數與快取管理

操作原則

姿勢白模僅作語義或深度控制

在 Qwen Image Edit 2509 工作流中，僅將人像與服裝連入 ReferenceLatent；若把 3D 人偶白模也作為像素級參考，生成圖會複製人偶關節球與分塊線條。需要精確骨架時應改開 use_depth 輸出深度圖接 ControlNet。

以軟連結安裝 Agent 技能

原有技能的 references/catalog.csv 使用 ../../img/ 相對路徑讀取圖片。安裝至 ~/.claude/skills/ 時必須使用 ln -s 軟連結並保留儲存庫目錄，直接複製技能資料夾會導致路徑失效。

區分 _meta.studio 擴充欄位與標準 API

工作流 JSON 內的 _meta.studio.controls、hiddenInputs、imageRole 與 referenceCombinations 為此專案的前端擴充約定。部分 ComfyUI 畫布轉 API 工具會丟棄自訂 _meta 欄位，匯出時應保留含該宣告的 API 檔案。

8 GB 顯示卡先調降 megapixels

Qwen Image Edit 2509 的 fp8 擴散模型約 20.4 GB，文本視覺編碼器約 9.4 GB。在 8 GB 顯示卡環境下，應將工作流節點 10 的 megapixels 降至 0.6；顯示卡記憶體不足時工作臺會呼叫 /free 釋放資源。

匯入自訂 ComfyUI API 工作流時，工作臺支援將雙大括號格式的變數名稱（包含 prompt、seed、width、height、composite_image、portrait_image、costume_image、pose_image）替換為當次配方的實際數值與上傳檔名。當 cfg=1（如搭配 4 步 Lightning LoRA）時，反向提示詞不會生效，應將「不要文字或浮水印」等限制直接寫入正向提示詞。

05三合一合成工作流與節點實作

操作範例

以下依 docs/comfyui-local.md 與 src/workflows/qwen_image_edit_2509_3img.api.json，在本機以 Qwen Image Edit 2509 執行「人像＋服裝＋姿勢」三圖合成。

1. 準備 ComfyUI 模型檔案

將官方 Comfy-Org/Qwen-Image_ComfyUI 模型放入 ComfyUI 對應目錄：

元件用途檔案名稱放置目錄檔案大小
擴散模型qwen_image_edit_2509_fp8_e4m3fn.safetensorsmodels/diffusion_models 或 models/unet20.4 GB
文本與視覺編碼器qwen_2.5_vl_7b_fp8_scaled.safetensorsmodels/text_encoders9.4 GB
VAEqwen_image_vae.safetensorsmodels/vae254 MB
4 步加速 LoRAQwen-Image-Edit-2509-Lightning-4steps-V1.0-bf16.safetensorsmodels/loras850 MB

2. 啟動服務並執行三圖合成

在第一個終端機啟動本機 ComfyUI（監聽 8188 連接埠），並在第二個終端機啟動 Web 合成工作臺：

bash
python main.py --listen 127.0.0.1 --port 8188
cd /path/to/ai-pose-gallery-zh
COMFYUI_URL=http://127.0.0.1:8188 corepack pnpm dev

開啟 http://localhost:5173/studio 後依序操作：

  1. 從 /portraits、/costumes 與 /poses 各選取 1 張參考圖加入配方（例如預設人像 f71f980dde3、服裝 SPR-0001、姿勢 full_single_P001_front）。

  2. 在介面配置選擇「本地 ComfyUI」，位址維持預設 /comfy（由 Vite 同源轉發至 COMFYUI_URL）。

  3. 載入內建的 qwen_image_edit_2509_3img.api.json 工作流，確認管線為 UNETLoader → LoraLoaderModelOnly → ModelSamplingAuraFlow(shift=3) → CFGNorm → KSampler（4 步、cfg=1、euler/simple）。

  4. 送出生成請求；工作臺會先建立相同 clientId 的 WebSocket 連線，上傳圖片至 /upload/image，再將工作流送至 POST /prompt 並把 prompt_id 寫入瀏覽器 IndexedDB。

3. 部署至 Cloudflare Workers（選用）

若需建置靜態目錄並連同 /api/proxy 部署至 Cloudflare Workers：

bash
bash scripts/build.sh
npx wrangler versions upload
npx wrangler deploy

scripts/build.sh 會在 pnpm build 後將 _headers、robots.txt、sitemap.xml、og-cover.jpg、data、thumbs 與 img 一併複製至 dist/。

06素材授權、遠端載入與任務追蹤邊界

限制與注意事項

限制項目技術邊界與處理方式
各來源素材授權不同ギア的姿勢、寫實／動漫服裝與人像（CC0 1.0）歸 @giaaibusi 所有；CharaDB 440 套標籤為 CC0，但圖片僅供參考、禁止再分發且不可用於真人或未成年人；Shisei 57 套為 CC0 1.0 AI 生成創作參考，不作為歷史服飾復原依據
NSFW 內容預設隱藏全身單人性感系（399）、雙人纏綿（275）與內衣／性感穿搭（339）含 18+ 成人向參考；系統預設開啟「安全模式（SFW）」屏蔽，未成年人不得解鎖
遠端服裝圖依賴原站與安全檢查ギア動漫（1,320）與 CharaDB（440）不隨庫存圖；open_reference_image 僅允許目錄已收錄的精確 HTTPS 網址，禁止重新導向（_NoRedirect），並限制 20 秒逾時、10 MiB 大小與 20,000,000 像素上限
外部來源與視角錯誤行為find_item 對未知的 charadb-、gia-anime-、shisei- 前綴 ID 會拋出 ValueError；但對其他未知 ID 會回退至該庫第一筆紀錄。select_costume_view 對不存在的非 front 視角也會明確拋出錯誤
停止追蹤不會取消後端佇列在 Web 工作臺點擊「停止追蹤（不取消後端）」僅清除瀏覽器 IndexedDB 的未決紀錄，ComfyUI 後端任務仍會繼續執行；重新提交前應先核對佇列
遠端鑑權閘道非原生功能WebSocket 子協定 comfyui 與 comfyui-auth.<token> 為選用的反向代理閘道約定，非 ComfyUI 原生能力；HTTP 連線測試成功不代表 WebSocket 交握已通過驗證

07最小驗證與官方參考

後續操作

  • 先以 pnpm dev 啟動本機工作臺，確認 /poses、/costumes 與 /portraits 的中文篩選、深度圖切換與 1800×1200 拼圖下載正常。

  • 在 ComfyUI 畫布測試 CharacterRecipeNode，驗證 use_depth 與 costume_view（front、diag、side、back）輸出張量。

  • 需要更新外部資料快照時，分別使用 python3 scripts/import_charadb.py、python3 scripts/import_gia_anime.py 或 python3 scripts/import_shisei_costumes.py，並在更新前核對固定修訂雜湊與來源授權。

來源固定於 488939139c69acfe078372b39d4bd0c457dc060e。官方參考文件：

參考資料