下载
资料包:
夸克:https://pan.quark.cn/s/d18b20647bb6
迅雷:https://pan.xunlei.com/s/VNxbxPOJ3o7MZYRUP46nBDr2A1?pwd=f5qy#
was-node-suite-是comfyui中的一个泛节点套件,来源github作者:WAS-PlaiLabs
其中包含图像处理、文本处理等190个常用节点。部分节点如下图:
安装
如果您在 Linux 上运行,或者在 Windows 上使用非管理员帐户,
需要确保/ComfyUI/custom_nodes
、was-node-suite-comfyui
、 和WAS_Node_Suite.py
具有写入权限。
有一个install.bat,如果检测到,可以运行它来安装到指定路径。否则,它将默认为系统并假设你遵循
1、打开custom_nodes/
文件夹,键入CMD,输入以下拉取指令回车(科学上网)
git clone https://github.com/WASasquatch/was-node-suite-comfyui/
2、CD到was-node-suite-comfyui
文件夹安装必备依赖
Portable/venv:
path/to/ComfUI/python_embeded/python.exe -s -m pip install -r requirements.txt
与系统Python:
pip install -r requirements.txt
启动/重启ComfyUI
3、或者你可以在UI里面的插件管理器安装,最后再回到was-node-suite-comfyui
安装依赖
节点特征
(翻译后的说明可能存在误差,具体可参考Github英文说明)
- BLIP 模型加载器:加载 BLIP 模型以输入到 BLIP 分析节点
- BLIP 分析图像:从图像中获取文本标题,或用问题询问图像。
- 模型将自动从默认 URL 下载,但您可以将下载指向另一个位置/标题模型
was_suite_config
- 模型将存储在
ComfyUI/models/blip/checkpoints/
- 模型将自动从默认 URL 下载,但您可以将下载指向另一个位置/标题模型
- SAM 模型加载器:加载 SAM 分割模型
- SAM 参数:定义用于图像分割的 SAM 参数
- SAM 参数组合:组合 SAM 参数
- SAM 图像掩模:SAM 图像掩模
- 图像边界:限制图像
- 插入图像边界:插入图像边界
- Bounded Image Blend:混合边界图像
- Bounded Image Blend with Mask:通过蒙版混合边界图像
- 边界图像裁剪:裁剪边界图像
- 带蒙版的边界图像裁剪:通过蒙版裁剪边界图像
- 总线节点:将 5 个常用连接器压缩为一个,保持工作空间整洁(模型、剪辑、VAE、正条件、负条件)
- 缓存节点:缓存 Latnet、张量批次(图像)和调节到磁盘以供稍后使用。
- CLIPTextEncode (NSP):从 NSP 食品储藏室解析面条汤,或从包含 A1111 样式通配符的目录解析通配符。
- 通配符的样式为
__filename__
,其中还包括子目录__appearance/haircolour__
(如果您 noodle_key 设置为__
) was_suite_config.json
您可以使用以下键在文件 中设置自定义通配符路径:"wildcards_path": "E:\\python\\automatic\\webui3\\stable-diffusion-webui\\extensions\\sd-dynamic-prompts\\wildcards"
- 如果未设置路径,则通配符目录位于 WAS Node Suite 的根目录下:
/wildcards
- 通配符的样式为
- CLIP 输入开关:基于布尔开关在两个 CLIP 输入之间切换。
- CLIP Vision 输入开关:基于布尔开关在两个 CLIP Vision 输入之间切换。
- 调节输入开关:在两个调节输入之间切换。
- 常数
- 控制网络模型输入开关:基于布尔开关在两个控制网络模型输入之间切换。
- 创建网格图像:使用可自定义的全局模式从目的地的图像创建图像网格。可选边框尺寸和颜色。
- 从批量创建网格图像:从批量图像张量创建网格图像。
- 创建变形图像:从两个图像创建 GIF/APNG 动画,并在它们之间淡入淡出。
- 按路径创建变形图像:从包含图像的目录的路径创建 GIF/APNG 动画,并具有可选模式。
- 从路径创建视频:从指定路径的图像创建视频。
- CLIPSeg Masking:使用 CLIPSeg 遮盖图像并返回原始遮罩
- CLIPSeg Masking Batch:使用 CLIPSeg 创建批处理图像(从图像输入)和批处理掩模
- Dictionary to Console:将字典输入打印到控制台
- 图像分析
- 黑白电平
- RGB 级别
- 取决于
matplotlib
,将在首次运行时尝试安装
- 取决于
- 扩散器中心下载器:从 HuggingFace Hub 下载扩散器模型并加载它
- 图像 SSAO(环境光遮挡):[实验 Beta 节点] 使用图像和 MiDaS 深度近似(或提供的深度图)创建屏幕空间环境光遮挡。
- 图像 SSDO(直接遮挡):[实验 Beta 节点] 使用图像输入创建屏幕空间直接遮挡。直接遮挡为您提供直接照明高光,类似于环境遮挡如何发现物体周围的缝隙和阴影区域。
- 图像长宽比:获取浮动格式、通用格式(例如 16:9)以及图像是纵向、横向还是正方形的图像长宽比。
- 图像批次:从多个批次张量中创建一批。
- 图像空白:创建任何颜色的空白图像
- 通过蒙版进行图像混合:通过蒙版混合两个图像
- 图像混合:通过不透明度混合两个图像
- 图像混合模式:通过各种混合模式混合两个图像
- 图像布隆过滤器:应用基于高通的布隆过滤器
- 图像 Canny 滤镜:将 canny 滤镜应用于图像
- 图像色差:将色差镜头效果应用于科幻电影、电影院和视频游戏中的图像
- 图像调色板
- 根据输入图像生成调色板。
- 取决于
scikit-learn
,将在首次运行时尝试安装。
- 取决于
- 支持8-256色范围
- 除非不可用,否则使用内部字体
./res/
,然后它将使用内部字体比不使用字体更好。
- 根据输入图像生成调色板。
- 图像裁剪脸部:从图像中裁剪脸部
- 限制:
- 有时,在生成不良的图像中找不到人脸,或者人脸角度不同
- 有时脸部裁剪是黑色的,这是因为填充太大并且与图像边缘相交。使用较小的填充尺寸。
- 面部识别模式有时会发现随机事物作为面部。它还需要 [CUDA] GPU。
- 仅检测一张脸。这是一个使其易于使用的设计选择。
- 笔记:
- 检测连续运行。如果所选检测级联未找到任何内容,它将尝试下一个可用的级联文件。
- 限制:
- 图像裁剪位置:将图像裁剪到与 X 和 Y 坐标中图像的像素尺寸相关的顶部、左侧、右侧和底部位置中的指定位置。
- 图像裁剪方形位置:按 X/Y 中心裁剪位置,围绕该点创建方形裁剪。
- 图像位移扭曲:通过位移图图像按给定幅度扭曲图像。
- Image Dragan 摄影滤镜:将 Andrzej Dragan 摄影风格应用于图像
- 图像边缘检测过滤器:检测图像中的边缘
- 图像胶片颗粒:将胶片颗粒应用于图像
- 图像滤镜调整:对图像应用各种图像调整
- 图像翻转:水平或垂直翻转图像
- 图像渐变图:将渐变图应用到图像
- 图像生成渐变:生成具有所需停止点和颜色的渐变图
- 图像高通滤波器:对返回细节的图像应用高频滤波器
- 图像历史加载器:根据“加载图像批次”节点从历史记录中加载图像。可以在配置文件中定义最大历史记录。(此时需要重新启动才能显示最后的会话文件)
- 图像输入开关:基于布尔开关在两个图像输入之间切换
- 图像级别调整:调整图像的级别
- 图片加载:从系统上的任何路径加载图片,或者以以下开头的url加载图片
http
- 图像中值滤波器:将中值滤波器应用于图像,例如平滑表面的细节
- 图像混合 RGB 通道:将 RGB 通道混合到单个图像中
- 图像监视器效果过滤器:将各种监视器效果应用于图像
- 数字失真
- 数字破碎失真效果
- 信号失真
- 模拟信号失真对垂直频带(如 CRT 显示器)的影响
- 电视失真
- 电视扫描线和出血失真效果
- 数字失真
- Image Nova Filter:使用正弦频率将图像分解为 RGB 频率的图像
- 图像柏林噪声:生成柏林噪声
- Image Perlin Power Fractal:生成 Perlin Power 分形
- 图像粘贴面部裁剪:将面部裁剪粘贴回图像的原始位置和大小
- 具有比 GFPGAN/CodeFormer 更好的混合功能,因此不应该有可见的接缝,并且与 Diffusion Result 相结合,看起来比 GFPGAN/CodeFormer 更好。
- 图像粘贴裁剪:利用节点输入将裁剪(例如来自图像裁剪位置)粘贴到其原始位置和大小
crop_data
。这使用了与图像粘贴脸部裁剪不同的混合算法,这在某些情况下可能是需要的。 - 图像功率噪声:生成幂律噪声
- 频率:频率参数控制噪声在不同频率上的分布。在傅里叶分析的背景下,较高的频率表示精细细节或高频分量,而较低的频率表示粗糙的细节或低频分量。调整频率参数可能会导致生成的噪声具有不同的纹理和细节级别。频率参数的具体范围和含义可以根据噪声类型而变化。
- 衰减:衰减参数决定噪声的强度或强度。它控制噪声值偏离平均值或中心值的程度。较高的衰减值会导致更显着的变化和更强的噪声存在,而较低的值会导致更平滑和不太明显的噪声。衰减参数的具体范围和解释可能会根据噪声类型而变化。
- noise_type:要生成的幂律噪声类型(白色、灰色、粉色、绿色、蓝色)
- 按位置粘贴裁剪图像:将裁剪图像粘贴到自定义位置。这使用与图像粘贴裁剪相同的混合算法。
- 图像像素化:将图像变成像素艺术!定义最大颜色数、像素化模式、随机状态和最大迭代次数,以及最大精灵的发光强度。
- 图像删除背景(Alpha):通过阈值和容差从图像中删除背景。
- 图像删除颜色:从图像中删除颜色并用另一种颜色替换
- 调整图像大小
- 图像旋转:旋转图像
- 图像旋转色调:旋转图像的色调。 Hue_shift
0.0
代表没有变化,并且1.0
代表色调的整圈,并且也没有表现出变化。 - 图像保存:保存图像节点,具有格式支持和路径支持。
show_history
将显示以前使用 WAS Save Image 节点保存的图像。不幸的是,ComfyUI 将显示的图像调整为相同的尺寸,因此如果图像的尺寸不同,它将强制它们采用不同的尺寸。- 不显示外部保存的图像
/ComfyUI/output/
- 您可以保存,就像
webp
您的系统有可用的 webp 一样。在 Windows 上,您可以通过webp 项目中的预编译库获得该支持。在 Linux 上你可以运行.apt-get install webp
- 图像无缝纹理:使用可选平铺从图像中创建无缝纹理
- 图像选择通道:选择 RGB 图像的单个通道
- 图像选择颜色:仅在黑色画布上返回选择图像
- 图像阴影和高光:调整图像的阴影和高光
- 图像大小到数字:获取要与数字节点一起使用的输入图像的
width
和。height
- 图像缝合:将不同侧面的图像缝合在一起,并在图像之间进行可选的羽化混合。
- 图像风格过滤器:使用类似 Pilgram instragram 的过滤器设计图像
- 取决于
pilgram
模块
- 取决于
- 图像阈值:返回图像所需的阈值范围
- 图像平铺:将图像分割为一批图像平铺。可以与 Tensor Batch to Image 一起使用,从批次中选择单个图块。
- 图像转置
- 图像 fDOF 滤镜:对图像应用假景深效果
- 图像到潜在蒙版:将图像转换为潜在蒙版
- 图像转噪声:将图像转换为噪声,对于初始混合或初始输入以主题扩散很有用。
- 图像转 RGB:如果张量图像是 RGBA 或其他模式,则将它们转换为 RGB。
- 图像到种子:将图像转换为可复制的种子
- 图像 Voronoi 噪声滤波器
- worley voronoi 噪声图的自定义实现
- 输入开关(在
*
通配符修复之前禁用) - KSampler (WAS):接受种子作为节点输入的采样器
- KSampler Cycle:KSampler 能够进行 HR pass 循环,您可以指定升级因子,以及实现该因子的步骤数。接受 upscale_model 以及 1x 处理器模型。也可以使用二次扩散模型。
- 加载缓存:加载缓存的潜在文件、张量批量(图像)和调节文件。
- 加载文本文件
- 现在支持输出以文件命名的字典,或自定义输入。
- 该字典包含文件中所有行的列表。
- 加载批量图像
- 增加文件夹中的图像,或从批次中获取单个图像。
- 如果路径或模式发生更改,将重置其位置。
- Pattern 是一个 glob,它允许您执行诸如
**/*
获取目录和子目录中的所有文件之类的操作,或者诸如*.jpg
仅选择指定目录中的 JPEG 图像之类的操作。
- 蒙版到图像:转换
MASK
为IMAGE
- Mask Batch to Mask:从一批掩码中返回单个掩码
- 蒙版反转:反转蒙版。
- 蒙版添加:将蒙版添加到一起。
- 掩码减去:从一个掩码中减去另一个掩码。
- Mask Dominant Region:返回掩模中的主导区域(最大区域)
- Mask Minority Region:返回mask中的最小区域(最小区域)
- 遮罩裁剪主要区域:将遮罩裁剪到主要区域,并以像素为单位进行可选填充
- 遮罩裁剪少数区域:将遮罩裁剪到少数区域,并以像素为单位进行可选填充
- 遮罩裁剪区域:裁剪到主要或少数区域并返回
crop_data
以粘贴回来。另外还输出其他节点的区域位置和大小,例如裁剪图像位置。 - Mask Arbitrary Region:返回与尺寸输入最匹配的区域(尺寸不是像素的直接表示,而是近似值)
- 蒙版平滑区域:平滑蒙版的边界
- 掩模侵蚀区域:侵蚀掩模的边界
- 掩模扩张区域:扩大掩模的边界
- 掩模填充区域:填充掩模区域内的孔
- 遮罩天花板区域”:仅返回偏移范围内的白色像素。
- 遮罩底层区域:将最低像素值返回为白色 (255)
- 遮罩阈值区域:在黑色值和白色值之间应用阈值图像
- 遮罩高斯区域:对遮罩应用高斯模糊
- 蒙版 组合蒙版:将 2 个或多个蒙版组合成一个蒙版。
- 面膜合并批次:将批次面膜合并为一个面膜。
- 模型输入开关:基于布尔开关在两个模型输入之间切换
- ComfyUI 加载器:一组 ComfyUI 加载器,还输出包含正在加载的模型名称的字符串。
- 潜在噪声注入:将潜在噪声注入到潜在图像中
- 潜在大小到数字:张量宽度/高度的潜在大小
- 按因子放大潜在图像:按因子放大潜在图像
- 潜在输入开关:基于布尔开关在两个潜在输入之间切换
- 逻辑布尔值:与逻辑一起使用的简单
1
或输出0
- 逻辑布尔原语:真/假布尔输入,与本机布尔节点一起使用
- 逻辑与:给定 2 个布尔值,执行“与”
- 逻辑或:给定 2 个布尔值,执行“或”
- 逻辑异或:给定 2 个布尔值,执行“!=”
- 逻辑非:给定 1 个布尔值,返回相反值
- Lora 输入开关:基于布尔开关在两个 LORA 之间切换
- MiDaS 模型加载器:加载 MiDaS 模型作为 MiDaS 深度近似的可选输入
- MiDaS 深度近似:生成单个图像输入的深度近似
- MiDaS Mask Image:使用 MiDaS 使用所需颜色对输入图像进行遮罩
- 数字运算
- 种子数
- 浮动数字
- 数字输入开关:基于布尔开关在两个数字输入之间切换
- 数字输入条件:比较两个输入或与 A 输入进行比较
- 数字转整数
- 数字转字符串
- 数字转文本
- 布尔值到文本
- Perlin Power Fractal Latent:创建基于幂分形的潜在图像。不适用于所有采样器(除非添加噪音)。
- 随机数
- min 和 max(含)之间的随机整数,均匀分布的随机数
- min 和 max(含)之间的随机浮点数,均匀分布的随机数
- 从 0 到 1(含)的随机数,如果使用 'int' 输出,这将是 0 或 1 布尔值
- 随机打乱的整数列表(包含最小值和最大值)。例如,如果 min=0 且 max=3,则可能的结果将是字符串 '3,1,2,0'
- 保存文本文件:将文本字符串保存到文件中
- 示例直通(统计系统):将 RAM、VRAM 和磁盘使用情况记录到控制台。
- 种子:返回种子
- 张量批次到图像:从潜在批次中选择单个图像以使用滤波器进行后处理
- 文本添加标记:添加自定义标记以在文件名或其他文本中进行解析。
- 文本通过输入添加令牌:通过表示单个单行名称和令牌值的输入添加自定义令牌
- 文本比较:比较两个字符串。如果它们相同,则返回布尔值、相似度分数以及相似或差异文本。
- 文本连接:合并两个字符串
- 文本词典更新:合并两个词典
- 文本字典获取:从字典中获取值(作为字符串)
- 文本字典转换:将文本转换为字典对象
- 文本词典新建:创建新词典
- 文本字典键:以字典对象的列表形式返回键
- 文本字典到文本:将字典作为文本返回
- 文本文件历史记录:显示以前打开的文本文件(此时需要重新启动才能显示最后的会话文件)
- 文本查找和替换:查找并替换字符串中的子字符串
- 通过字典查找和替换文本:使用字典替换 ASCII 文本输入中的子字符串。
- 字典键用作要替换的键,并且它包含的行列表根据种子随机选择。
- 文本输入开关:在两个文本输入之间切换
- 文本列表:创建文本字符串列表
- 文本从文件加载行:每次批处理提示运行时按顺序从文件加载行,或选择行索引。
- 文本连接:合并字符串列表
- 文本包含:检查子字符串是否在另一个字符串中(不区分大小写可选)
- 文本多行:写入多行文本字符串
- 文本解析 A1111 嵌入:将提示中的嵌入文件名转换为
embedding:[filename]]
基于您的/ComfyUI/models/embeddings/
文件的格式。 - 文本解析面条汤提示:解析文本输入中的 NSP
- 文本解析标记:解析文本中的自定义标记。
- 文本随机行:从文本输入字符串中选择随机行
- 文本随机提示:感觉幸运吗?根据搜索种子获取随机提示,例如“超级英雄”
- 文本字符串:写入单行文本字符串值
- 文本字符串截断:从开头或结尾截断字符串中的字符或单词。
- 文本到条件:将文本字符串转换为条件。
- True Random.org Number Generator:使用Random.org从大气噪声中在线生成真正的随机数
- 从您的帐户页面获取您的 API 密钥
- 高档模型输入开关:基于布尔开关在两个高档模型输入之间切换。
- 写入变形 GIF:通过帧之间的插值将新帧写入现有 GIF(或创建新帧)。
- 写入视频:在生成视频时写入帧(最好与 FFV1 一起使用以获得无损图像)
- VAE 输入开关:根据布尔输入在两个 VAE 输入之间切换
其他节点
- CLIPTextEncode (BlenderNeko Advanced + NSP):仅当您拥有 BlenderNeko 的Advanced CLIP Text Encode时才可用。允许 NSP 和通配符与其高级 CLIPTextEncode 一起使用。
笔记
- CLIPTextEncode (NSP)和CLIPTextEncode (BlenderNeko Advanced + NSP):接受格式中的动态提示
<option1|option2|option3>
。这将尊重节点输入种子以产生可重现的结果,例如 NSP 和通配符。 - CLIPTextEncode (NSP)和CLIPTextEncode (BlenderNeko Advanced + NSP):分配具有格式的变量
$|prompt words|$
。然后,您可以在提示中再次打印该单词,并使用与您创建它们的顺序相对应的数字。因此,第一个提示符 var 将打印为$1
,第二个提示符为,$2
依此类推。
(如遇码失效,请加v:xkd2310)
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。