[节点详解](/zh/comfyui-nodes "节点详解")Advanced[conditioning](/zh/comfyui-nodes/advanced/conditioning/clip-text-encode-sdxl "conditioning")fluxCLIPTextEncodeFlux - ComfyUI节点
### [Qwen-Image-Layered 发布 - 支持图像分层编辑的生成模型](/zh/news/2025-12-19-qwen-image-layered-release)
2025/12/19
# CLIPTextEncodeFlux- ComfyUI节点
这个节点名为 CLIPTextEncodeFlux，它的主要作用是对文本进行编码，并生成用于条件控制的数据。
## 节点功能说明
文本编码：使用 CLIP 模型对 clip_l 输入的文本进行编码，捕获文本中的关键特征和语义信息。 增强文本理解：利用 T5XXL 大型语言模型对 t5xxl 输入进行处理，可能用于扩展或细化文本描述，提供更丰富的语义信息。 多模态融合：将 CLIP 和 T5XXL 的处理结果结合，创建一个更全面的文本表示。 生成控制：通过 guidance 参数调整文本提示对图像生成的影响程度，允许用户在创意自由度和严格遵循提示之间找到平衡。 条件数据生成：输出经过处理的条件数据，这些数据将在后续的图像生成过程中使用，确保生成的图像与文本描述相匹配。
## 输入参数表格
参数名称| 数据类型| 作用
---|---|---
clip| CLIP| CLIP 模型对象输入，用于文本编码和处理，通常与 DualCLIPLoader 一起使用
clip_l| STRING| 多行文本输入，输入类似标签 tag 信息的文本，用于 CLIP 模型进行编码
t5xxl| STRING| 多行文本输入，输入自然语言提示词描述，用于 T5XXL 模型进行编码
guidance| FLOAT| 浮点数值，用于指导生成过程，数值越大图像与提示词的匹配度越高但生成的内容可能会缺乏一定创意
## 输出参数表格
参数名称| 数据类型| 作用
---|---|---
CONDITIONING| 条件| 包含条件数据（cond），用于后续的条件生成任务
## 使用提示
1. 虽然 clip_l 和 t5xxl 在使用上一个输入标签一个输入自然语言，但在实际使用中大家可能为了效果会输入同样的文本提示词 你可以在实际使用中输入不同的内容来对比测试效果，比如在 clip_l 中输入类似`Illustration style, film and television style` 这样的标签，而在 t5xxl 中输入`A fantasy scene with a dragon and a unicorn` 这样自然语言看看如何能得到更好的效果。
2. 对于比较简短的提示词和要求，将 guidance 设置为 4 是一个不错的选择，但如果你的提示内容比较长或者想要更富有创意的内容，可以将 guidance 设置为 1.0～1.5 之间可能是个不错的选择
[Conditioning Zero Out](/zh/comfyui-nodes/advanced/conditioning/conditioning-zero-out "Conditioning Zero Out")[FluxGuidance - ComfyUI 节点功能说明](/zh/comfyui-nodes/advanced/conditioning/flux/flux-guidance "FluxGuidance - ComfyUI 节点功能说明")
主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网
