首页/ 节点库/ VAE解码
原生节点 ComfyUI 官方

VAE解码

VAE Decode 的功能是将「潜空间(Latent Space)」中的图像数据解码成「像素图像(RGB图像)」,也就是:把模型生成的压缩图像格式(如 latent image)转换为可视化的最终图片。

VAE Decode 2025-06-29 收录 1603 次浏览

节点中英文对比

ComfyUI 结构对照

按当前节点配置,分别展示中文与英文节点结构。面板按 ComfyUI 实际界面还原: 左侧圆点是输入,右侧圆点与该行最右的名称为输出,下方胶囊是控件参数; 控件两端的三角表示可切换的选项。

中文节点 3 项
VAE解码
Latent 图像
vae
英文节点 3 项
VAE Decode
samples IMAGE
vae
模型 条件 / 数值 Latent 其它类型 左圆点 = 输入,右圆点 = 输出 可切换选项 — 未设置默认值

面板用于对照参数位置与命名,不做交互;实际节点外观以 ComfyUI 内的主题为准。

参数说明

输入 2 · 输出 1

依据当前节点关联的 NodesItems 数据,按输入、输出、控件三类分别列出名称与说明。

输入参数 2 项
Latent samples
要解码的潜在空间张量(latent)。
vae vae
用于解码的 VAE 模型。
输出参数 1 项
图像 IMAGE
解码后的图像,已转换为像素空间。

节点详解

原理 · 用法 · 常见问题

一、通常搭配以下节点使用:
1、Load Checkpoint 加载主模型,包含默认 VAE(可拆出)
2、Load VAE 手动指定不同的 VAE 模型(覆盖默认)
3、KSampler 生成 latent 图
4、VAE Decode 解码为图像
5、Preview/Image Save 查看或保存图像
 

二、应用场景举例:
1. 文生图(txt2img)或图生图(img2img)生成后展示图像,用于将 KSampler 生成的 latent 输出转为真实图像VAE Decode 是生成图片的“最后一环”

2. 对 latent 结果做后期处理(如 mask、controlnet),再解码为图像
3. 使用不同 VAE 模型进行风格调整,比如 anime、ink、watercolor 风格通过替换 Load VAE + Decode 实现风格解码


三、注意事项:
VAE Decode 必须接收到一个 对应模型的 latent 图 和正确的 VAE 实例
latent 图无法直接预览,必须解码后再显示
使用不同的 VAE 会影响图像颜色、清晰度和细节呈现


四、扩展建议:
想看 latent 图结构,可用 Latent Preview 节点;
想替换默认 VAE,可用 Load VAE 节点输出接到 VAE Decode;
VAE Decode 输出可与 Crop, Scale by, HighResFix 等高级处理节点配合。

常见问题

按节点参数整理
VAE解码是做什么的?
VAE Decode 的功能是将「潜空间(Latent Space)」中的图像数据解码成「像素图像(RGB图像)」,也就是:把模型生成的压缩图像格式(如 latent image)转换为可视化的最终图片。
VAE解码有哪些输入参数?
共 2 个输入,包括 Latent(samples)、vae(vae)。
VAE解码的输出是什么?
共 1 个输出:图像(IMAGE)。
VAE解码属于哪个节点包?
属于「ComfyUI 官方」,节点分类为「原生节点」。

同类节点

ComfyUI 官方
内补模型条件 InpaintModelConditioning InpaintModelConditioning 是 ComfyUI 中用于**图像修复(Inpainting)**场景的复合节点,功能是将普通的提示词 (positive /... LoRA加载器(仅模型) LoraLoaderModelOnly LoraLoaderModelOnly 节点是对原始 LoraLoader 节点的简化版本,仅用于将 LoRA 模型应用到 diffusion 主模型(即 U-Net),不影响... 条件零化 ConditioningZeroOut ConditioningZeroOut 是一个用于 清空/抹除现有文本或视觉条件向量(conditioning embedding) 的节点,会把输入的 CONDITIONIN... CLIP视觉编码 CLIP Vision Encode 该节点是一个 图像编码节点,使用的是 CLIP Vision 模型 —— 一种能“理解图片”的 AI 模型。你把一张图像输入进来,它会把这张图像转成一种“向量”形式(称为 图像... K采样器 KSampler 该节点完成在纯噪声图像的上去噪过程,最终输出干净的潜空间图像,即解码后即可得到最终的结果。在ComfyUI中采样过程是核心内容,基本上工作流都可以分为三个阶段,准备阶段,采样阶... 双CLIP加载器 DualCLIPLoader DualCLIPLoader 是一个 加载双 CLIP 编码器模型 的节点,通常用于支持 多语义、多模态或复杂模型结构(如 SDXL、SD3、HiDream、Flux 等)中需... UNet加载器 Load Diffusion Model UNETLoader 节点的作用是:加载 UNet 模型文件,它是 Stable Diffusion 推理过程中“去噪核心”的一部分,控制着最终图像的生成细节和风格。 Checkpoint加载器 Load Checkpoint Checkpoint加载器(Checkpoint Loader) 是 ComfyUI 中用于加载 Stable Diffusion 及其衍生模型的主权重文件(Checkpoin...