comfyui-was-node-suite泛节点套件

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/
• 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
• 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
• 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。
  • 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。
• 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。
• 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
• 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_shift0.0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
• 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）