ComfyUI-YoloWorld-EfficientSAM
YOLO-World + EfficientSAM for ComfyUI 的非官方实现，提供高效的对象检测与实例分割功能
该项目非官方实现了YOLO-World和EfficientSAM，通过融合这两个模型，提供高效的对象检测与实例分割功能。版本V2.0新增了蒙版分离与提取功能，支持指定蒙版单独输出，可处理图像和视频。项目特点包括支持加载多种YOLO-World和EfficientSAM模型，提供检测框厚度、置信度阈值、IoU阈值等配置选项，以提升检测与分割的精准性。详细的视频演示和安装指南，使用户能够轻松上手，体验高效的图像处理能力。
项目简介：ComfyUI YoloWorld-EfficientSAM
ComfyUI YoloWorld-EfficientSAM 是一个结合了高效检测和分割技术的非官方项目实现，整合了 YOLO-World 和 EfficientSAM 两大开源项目，通过这些技术为用户提供先进的对象检测和实例分割能力。
项目背景
本项目采用了来自 YOLO-World 项目的高精度检测算法以及 EfficientSAM 的高效分割技术。这两个项目均在物体检测与分割领域表现出色，使得用户能够在图片和视频中精确地识别和提取目标。
项目特点
- 多模式支持：支持图片与视频两种输入格式，能够适应多种应用场景。
- 灵活的蒙版处理：可以单独选择输出特定的蒙版，也可以将所有蒙版叠加在一起输出。
- 支持多种检测和分割模型：YOLO-World 提供三种不同尺寸的模型（L、M、S），EfficientSAM 支持 CUDA 和 CPU 环境。
- 丰富的配置参数：允许用户调整检测模型的置信度阈值，边界框重叠（IoU）阈值，检测框与文字的厚度及缩放，还可通过是否显示置信度以及抑制类别重叠进行细化设置。
功能模块
- YOLO-World 模型加载器：自动下载并加载模型，确保使用最新的检测算法。
- EfficientSAM 模型加载器：根据用户的硬件环境选择最优的分割模型。
- 检测与分割节点：集成检测与分割功能，能够根据用户指定的类别及参数高效运行。
视频演示
项目在开发过程中录制了V1.0和V2.0版本的视频演示，展示了其在不同输入类型下的实际效果，帮助用户更好地理解与使用该工具。
安装指南
推荐使用 ComfyUI Manager 进行安装以确保更简便和自动化的流程，也提供了手动安装的方法，便于手动配置环境。用户需下载相关模型文件放置于指定路径以完成配置。
工作流说明
项目提供了不同版本的工作流文件，V2.0 版本相比 V1.0 新增了更高级的蒙版处理功能，满足更复杂的处理需求。用户可根据需求选择合适的工作流进行使用。
更新日志
自 2024 年 2 月 20 日项目创建以来，已经更新到 V2.0 版本，新增功能包括蒙版分离，支持选择单独输出蒙版，提供更细致的处理能力。
开发者信息
项目由 Zho 维护，提供了多种社交媒体和联系方式，欢迎用户通过邮件、QQ群等方式进行联系，也欢迎对项目的支持与鼓励。
鸣谢
感谢各类模型和代码的开发者和贡献者，对 YOLO-World 和 EfficientSAM 项目以及提供检测节点的用户表示感谢，为此项目的实现奠定了坚实的基础。
编辑推荐精选
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号