CLIP Text Encode (Prompt)-Node in ComfyUI
CLIP Text Encode wandelt einen Textprompt mit dem Modell-Textencoder in CONDITIONING um. Ein Node hält den positiven Prompt, ein zweiter den negativen Prompt.
Node-Paket: ComfyUI core
Kategorie: Conditioning und Prompts
Was CLIP Text Encode (Prompt) macht
Der Sampler kann keine Wörter lesen. CLIP Text Encode schickt den Prompt durch den CLIP- (oder T5-) Textencoder und erzeugt die Conditioning-Tensoren, die das Denoising steuern. Ein Standard-Workflow hat zwei davon: den positiven Prompt, der an den KSampler-positiv-Eingang geht, und den negativen Prompt, der an den negativen Eingang geht.
Das Textfeld unterstützt die ComfyUI-Prompt-Syntax: (word:1.3) erhöht die Aufmerksamkeit auf ein Wort, (word:0.7) verringert sie, einfache Klammern multiplizieren mit 1.1, und Embeddings werden als embedding:name referenziert. Prompts, die länger als 75 Tokens sind, werden automatisch in Abschnitte geteilt, und BREAK startet manuell einen neuen Abschnitt.
Eingänge
Name | Typ | Bedeutung |
|---|---|---|
clip | CLIP | Der Textencoder von Load Checkpoint, Load LoRA oder DualCLIPLoader. |
text | STRING | Der Prompt. Mehrzeilig; kann in einen Input umgewandelt werden, um ihn von einem anderen Node zu speisen. |
Ausgänge
Name | Typ | Bedeutung |
|---|---|---|
CONDITIONING | CONDITIONING | Der codierte Prompt für KSampler, ControlNet Apply oder Conditioning Combine Nodes. |
AD

Spar dir die Einrichtung: ComfyUI-Workflows vorinstalliert in der Cloud
BitVector führt fertige ComfyUI-Workflows auf eigenen GPUs aus. Keine Installation, keine fehlenden Nodes, keine roten Kästen. Auf dem Handy oder Laptop öffnen und in einer Minute generieren.
So verwendest du CLIP Text Encode (Prompt)
- Füge zwei CLIP Text Encode Nodes hinzu und verbinde den CLIP-Ausgang deines Loaders (nach jedem LoRA) mit beiden.
- Schreibe den positiven Prompt in den einen und unerwünschte Dinge in den anderen.
- Verbinde das erste CONDITIONING mit KSampler positiv und das zweite mit negativ.
- Verwende (term:1.2) Gewichte sparsam; 1.1 bis 1.4 ist der nützliche Bereich.
Einstellungen und Tipps
- Setze die wichtigsten Wörter zuerst; CLIP achtet mehr auf den Anfang jedes 75-Token-Abschnitts.
- Textual Inversion Embeddings: Schreibe embedding:Dateiname (ohne Endung) in eines der Felder; negative Embeddings wie easynegative kommen ins negative Feld.
- Für Flux und SD3 schreibe natürliche Sätze; Gewichte und Tag-Suppen funktionieren mit T5 schlechter.
- Rechtsklick auf den Node und "Convert text to input" wählen, um den Prompt von einem Text- oder Wildcard-Node zu steuern.
- Ein leerer negativer Prompt ist okay; ComfyUI codiert einen leeren String.
Fehlerbehebung bei CLIP Text Encode (Prompt)
Token indices sequence length is longer than the specified maximum (77)
Warum es passiert
Der Prompt überschreitet 75 Tokens. ComfyUI teilt ihn in Abschnitte, die Meldung ist nur eine Warnung vom Tokenizer.
So behebst du es
Für die Korrektheit musst du nichts tun. Kürze den Prompt oder benutze BREAK, um zu steuern, wo die Abschnitte geteilt werden, falls spätere Wörter ignoriert werden.
Der Prompt scheint ignoriert zu werden und das Bild ändert sich kaum
Warum es passiert
Der Node ist mit einem CLIP verbunden, das nicht zum Modell passt (z.B. Checkpoint-CLIP, während das Modell durch ein LoRA geht), oder cfg ist 1 bei einem SD-Modell, sodass die Guidance keine Wirkung hat.
So behebst du es
Verbinde den CLIP vom letzten Loader in der Kette und halte cfg zwischen 4 und 8 für SD 1.5 und SDXL. Für Flux benutze Flux Guidance statt cfg.
Fehler: embedding nicht gefunden / "embedding:xyz" wird in der Ausgabe angezeigt
Warum es passiert
Die Embedding-Datei fehlt in models/embeddings oder der Name hat einen Tippfehler oder eine falsche Endung.
So behebst du es
Kopiere die .pt- oder .safetensors-Datei nach models/embeddings und referenziere sie ohne Endung, achte auf Groß-/Kleinschreibung unter Linux.
Gewichtete Wörter wie (red:1.5) erzeugen Artefakte
Warum es passiert
Gewichte über etwa 1.5 drücken das Embedding aus dem Bereich, auf dem das Modell trainiert wurde.
So behebst du es
Halte die Gewichte unter 1.4 und wiederhole das Konzept lieber in Worten, statt die Zahl zu erhöhen.
AD

Diesen Workflow vom Handy aus starten
Jeder Workflow auf dieser Seite ist auf BitVector vorinstalliert, mit Modellen und Custom Nodes an Ort und Stelle. Einen auswählen, Prompt eingeben, fertig. Null Einrichtung, nichts herunterladen.
Fragen zu CLIP Text Encode (Prompt)
Brauche ich einen negativen Prompt?
Für SD 1.5 und SDXL hilft das sehr (unscharf, niedrige Auflösung, schlechte Hände). Flux bei cfg 1 ignoriert ihn komplett.
Warum gibt es "CLIP Text Encode (Prompt)" und "CLIPTextEncodeSDXL" Nodes?
Die SDXL-Variante lässt dich separate Texte für die zwei SDXL-Encoder und Zielgrößen einstellen. Der einfache Node funktioniert in der Praxis auch gut für SDXL.
Was macht BREAK?
Es beendet den aktuellen 75-Token-Abschnitt, sodass die Wörter danach einen neuen Abschnitt mit voller Aufmerksamkeit starten.
Verwandte Nodes
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) öffnet eine .safetensors- oder .ckpt-Modell-Datei und liefert die drei Teile, die jeder Workflow braucht: das Diffusions-MODELL, den CLIP-Textencoder und das VAE.
KSampler
ComfyUI core
KSampler führt die Denoising-Schleife aus: Es nimmt das Modell, die Prompts und ein Latent und erzeugt das fertige latente Bild, gesteuert durch Seed, Schritte, cfg, Sampler, Scheduler und Denoise.
Conditioning (Combine) and (Concat)
ComfyUI core
Conditioning (Kombinieren) verbindet zwei Conditionings, sodass der Sampler von beiden gleichzeitig geleitet wird; Conditioning (Anhängen) fügt die Token-Sequenzen zu einem längeren Prompt zusammen. Verwandte Nodes setzen Bereich, Maske und Zeitschrittbereiche.
CLIP Set Last Layer
ComfyUI core
CLIP Set Last Layer ist das ComfyUI-Äquivalent zu "clip skip": Es stoppt den Text-Encoder ein paar Schichten früher (-2 ist die übliche Einstellung für Anime- und Pony-Modelle).
Flux Guidance
ComfyUI core
Flux Guidance (FluxGuidance) schreibt den Guidance-Wert in das Conditioning, das Flux Dev erwartet, anstatt cfg zu verwenden; 3,5 ist der Standardwert und 2 bis 5 der nützliche Bereich.
AD

Keine Lust mehr, Nodes zu reparieren? Lass es die Cloud machen
BitVector hält hunderte ComfyUI-Workflows installiert, aktuell und getestet auf schnellen Cloud-GPUs. Kein Python, keine CUDA-Fehler, keine VRAM-Grenzen. Läuft in jedem Browser.
Weitere ComfyUI-Nodes
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager ist die Erweiterung, die benutzerdefinierte Node-Pakete und Modelle direkt in der Oberfläche installiert, aktualisiert und repariert, fehlende Nodes in importierten Workflows erkennt und deine Einrichtung sichert.
Save Image
ComfyUI core
Save Image speichert den IMAGE-Tensor als PNG in ComfyUI/output und bettet den gesamten Workflow in die Dateimetadaten ein, sodass das Bild zurück in ComfyUI gezogen werden kann, um den Graph wiederherzustellen.
VAE Decode
ComfyUI core
VAE Decode wandelt den gesampelten LATENT mit dem VAE in ein Pixel-BILD um; VAE Decode (Tiled) macht das Gleiche in Kacheln für sehr große Bilder.
Empty Latent Image
ComfyUI core
Empty Latent Image erstellt die leere latente Leinwand (Breite, Höhe, batch_size), von der das Text-zu-Bild-Sampling startet; die Dimensionen müssen Vielfache von 8 sein und zur Modellfamilie passen.
Load Image
ComfyUI core
Load Image lädt ein Bild aus dem ComfyUI-Eingabeordner (oder einem Upload) und gibt einen IMAGE-Tensor plus eine MASKE aus, die aus dem Alphakanal stammt. Das ist der Startpunkt für img2img, Inpainting, ControlNet und IP-Adapter-Graphen.
Load LoRA
ComfyUI core
Load LoRA (LoraLoader) lädt eine LoRA-Datei und wendet sie mit separaten Stärken auf MODEL und CLIP an, sodass ein Stil, Charakter oder Konzept zu jedem Checkpoint hinzugefügt werden kann, ohne ihn zu verschmelzen.

Model
Trends
.ai
© ModelTrends.ai
|
© 2026
|
Alle Rechte vorbehalten