本文介绍了如何在 ComfyUI 中完成 Cosmos-Predict2 文生图的工作流

一、Cosmos-Predict2

Cosmos-Predict2 是由 NVIDIA 推出的新一代物理世界基础模型，专为物理 AI 场景下的高质量视觉生成与预测任务设计。
该模型具备极高的物理准确性、环境交互性和细节还原能力，能够真实模拟复杂的物理现象与动态场景。
Cosmos-Predict2 支持文本到图像（Text2Image）和视频到世界（Video2World）等多种生成方式，广泛应用于工业仿真、自动驾驶、城市规划、科学研究等领域，是推动智能视觉与物理世界深度融合的重要基础工具。
Cosmos-Predict2 包含四个模型：Cosmos-Predict2-2B-Text2Image和 Cosmos-Predict2-14B-Text2Image，用于将文本描述转换为高质量图像；Cosmos-Predict2-2B-Video2World和Cosmos-Predict2-14B-Video2World，用于将图像或视频输入转换为视觉模拟。为了加速物理 AI 世界模型的开发，我们根据 NVIDIA 开放模型许可证开放了 代码、模型权重和基准测试 ( PBench )。

GitHub:Cosmos-predict2
huggingface: Cosmos-Predict2

来源：https://research.nvidia.com/labs/dir/cosmos-predict2/

1.Cosmos Predict2 Text2Image 工作流

本篇指南将引导你完成在 ComfyUI 中 文生图 工作流程。
对于 2B 版本，在实际运行时，需要 10GB 的显存

1.1 下载工作流文件

https://github.com/Comfy-Org/workflow_templates/blob/main/templates/image_cosmos_predict2_2B_t2i.json

1.2 手动模型安装

Diffusion model

• cosmos_predict2_2B_t2i.safetensors

其它权重请访问 Cosmos_Predict2_repackaged 进行下载

Text encoder

oldt5_xxl_fp8_e4m3fn_scaled.safetensors

VAE

wan_2.1_vae.safetensors

安装aria2快速下载模型，几乎能将我家1000M的宽带跑满，每秒80～90M,接下来的介绍模型都会给出安装命令。

apt install aria2

aria2c https://huggingface.co/Comfy-Org/Cosmos_Predict2_repackaged/resolve/main/cosmos_predict2_2B_t2i.safetensors -o SourceCode/ComfyUI/models/diffusion_models/cosmos_predict2_2B_t2i.safetensors --auto-file-renaming=false --allow-overwrite=falsearia2c https://huggingface.co/comfyanonymous/cosmos_1.0_text_encoder_and_VAE_ComfyUI/resolve/main/text_encoders/oldt5_xxl_fp8_e4m3fn_scaled.safetensors -o SourceCode/ComfyUI/models/text_encoders/oldt5_xxl_fp8_e4m3fn_scaled.safetensors --auto-file-renaming=false --allow-overwrite=falsearia2c https://huggingface.co/Comfy-Org/Wan_2.1_ComfyUI_repackaged/resolve/main/split_files/vae/wan_2.1_vae.safetensors -o SourceCode/ComfyUI/models/vae/wan_2.1_vae.safetensors --auto-file-renaming=false --allow-overwrite=false

小技巧：你要是打不开https://huggingface.co，可以将其换成为https://hf-mirror.com/试一试
文件保存位置

📂 ComfyUI/
├──📂 models/
│   ├── 📂 diffusion_models/
│   │   └─── cosmos_predict2_2B_t2i.safetensors
│   ├── 📂 text_encoders/
│   │   └─── oldt5_xxl_fp8_e4m3fn_scaled.safetensors
│   └── 📂 vae/
│       └──  wan_2.1_vae.safetensors

1.3 按步骤完成工作流运行

请参照图片序号进行逐步确认，来保证对应工作流的顺利运行

1. 确保 Load Diffusion Model 节点加载了 cosmos_predict2_2B_t2i.safetensors
2. 确保 Load CLIP 节点加载了 oldt5_xxl_fp8_e4m3fn_scaled.safetensors
3. 确保 Load VAE 节点加载了 wan_2.1_vae.safetensors
4. 在 EmptySD3LatentImage 设置图片的尺寸
5. 在 ClipTextEncode 节点中修改提示词
6. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行文生图
7. 生成完成后对应的图片会自动保存到 ComfyUI/output/ 目录下，你也可以在 save image 节点中预览或者调整保存位置