ComfyUI-Qwen-Omni

首个支持端到端多模态交互的 ComfyUI 插件。集成 Qwen2.5-Omni 多模态大模型：在 ComfyUI 框架内无缝联合生成与编辑文本、图像、音频与视频。关键特性：双模式 Omni（Qwen2.5-Omni-3B 与 7B）、多模态输入（文本提示词、图像、音频文件与视频帧）、统一输出生成（连贯文本描述与高质量语音合成）、参数化控制（可调温度、最大 token、采样策略）、GPU 优化（低内存环境 4/8 位量化）、跨模态编辑（跨媒体类型修改内容）。同时处理多种输入模态，带来前所未有的 AI 内容创作能力——从创意写作到配音与视觉编辑。适合探索多模态 AI 前沿的艺术家、开发者与研究者。