ComfyUI的额外模型

本仓库旨在为ComfyUI添加对各种不同图像扩散模型的支持。

安装

只需使用以下命令将此仓库克隆到您的custom_nodes文件夹中：

git clone https://github.com/city96/ComfyUI_ExtraModels custom_nodes/ComfyUI_ExtraModels

您还需要在VENV/conda环境中运行pip install -r requirements.txt来安装提供的文件中的依赖项。如果您下载了ComfyUI的独立版本，请按照以下步骤操作。

独立版ComfyUI

我没有完全测试过这个，所以如果您知道自己在做什么，在安装ComfyUI时请使用常规的venv/git clone安装选项。

转到解压ComfyUI_windows_portable的位置（run_nvidia_gpu.bat文件所在的地方），并打开命令行窗口。在空白处按CTRL+SHIFT+右键，然后点击"在此处打开PowerShell窗口"。

假设您尚未通过管理器安装，请将仓库克隆到自定义节点文件夹。

git clone https://github.com/city96/ComfyUI_ExtraModels .\ComfyUI\custom_nodes\ComfyUI_ExtraModels

要在Windows上安装依赖项，请在同一窗口中运行以下命令：

.\python_embeded\python.exe -s -m pip install -r .\ComfyUI\custom_nodes\ComfyUI_ExtraModels\requirements.txt
.\python_embeded\python.exe -s -m pip install bitsandbytes --prefer-binary --extra-index-url=https://jllllll.github.io/bitsandbytes-windows-webui

要更新，请像之前一样打开命令行窗口，然后运行以下命令：

cd .\ComfyUI\custom_nodes\ComfyUI_ExtraModels\
git pull

或者，假设管理器有更新功能，可以使用管理器。

PixArt

原始仓库

模型信息/实现

• 使用T5文本编码器而不是CLIP
• 有512和1024版本，需要特定的预定义分辨率才能正常工作
• 与SD1.5具有相同的潜在空间（适用于SD1.5 VAE）
• 注意力需要优化，没有xformers图像质量会更差。

使用方法

1. 从PixArt alpha仓库下载模型权重 - 您很可能需要1024px的版本 - PixArt-XL-2-1024-MS.pth
2. 将它们放在您的checkpoints文件夹中
3. 使用正确的PixArt checkpoint加载器加载它们
4. 按照本说明的T5v11部分设置T5文本编码器

[!提示] 如果您使用的是最新版本的节点，应该能够使用默认的KSampler来使用该模型。 理论上，这应该允许您使用更长的提示以及进行img2img等操作。

限制：

• PixArt DPM Sampler要求负面提示比正面提示短。
• PixArt DPM Sampler只能使用批量大小为1。
• PixArt T5 Text Encode来自参考实现，因此不支持权重。T5 Text Encode支持权重，但我无法保证实现的正确性。

[!重要]
安装xformers是可选的，但强烈推荐，因为torch SDP只是部分实现（如果有的话）。

示例工作流程在此

PixArt Sigma

Sigma模型的工作方式与普通模型相同。在发布的检查点中，支持512、1024和2K版本。

您可以在这里找到1024检查点。将其放在您的模型文件夹中，并在模型加载器/分辨率选择节点中选择适当的类型。

[!重要] 请确保为PixArt Sigma选择SDXL VAE！

PixArt LCM

如果您使用的是最新版本，LCM模型也可以工作。使用方法：

1. 下载PixArt LCM模型并将其放在您的checkpoints文件夹中。
2. 添加一个ModelSamplingDiscrete节点，并将"sampling"设置为"lcm"
3. 调整KSampler设置 - 将采样器设置为"lcm"。您的CFG应该相当低（1.1-1.5），步数应该在5左右。

其他一切都可以与上面的示例相同。

HunYuan DiT

腾讯HunYuan DiT的WIP实现

这项工作的初步实现由chaojie在这个PR中完成。

使用说明：

• 从这里下载第一个文本编码器并将其放在ComfyUI/models/clip中 - 重命名为"chinese-roberta-wwm-ext-large.bin"
• 从这里下载第二个文本编码器并将其放在ComfyUI/models/t5中 - 将其重命名为"mT5-xl.bin"
• 从这里下载模型文件并将其放在ComfyUI/checkpoints中 - 将其重命名为"HunYuanDiT.pt"
• 下载/使用任何SDXL VAE，例如这个

您也可以尝试以下替代模型文件，以获得更快的加载速度/更小的文件大小：

• 转换后的第二个文本编码器 - 重命名为mT5-xl-encoder-fp16.safetensors并放在ComfyUI/models/t5中

您可以使用"simple"文本编码节点仅使用一个提示，或者可以使用常规节点将不同的文本传递给CLIP/T5。

示例工作流程

DiT

原始仓库

模型信息/实现

• 使用类别标签而非提示词
• 仅限256x256或512x512图像
• 与SD1.5使用相同的潜在空间(可与SD1.5 VAE配合使用)
• 支持FP16，但无其他优化

使用方法

1. 从DiT仓库下载原始模型权重，或从Huggingface下载转换后的FP16 safetensor文件。
2. 将它们放入你的checkpoints文件夹。(如果之前放在ComfyUI\models\dit中，可能需要移动它们)
3. 加载模型并如下图所示选择类别标签
4. 确保在KSampler的Negative输入中使用空标签条件！

ConditioningCombine节点应该可以用于组合多个标签。区域相关的节点不起作用，因为该模型目前无法处理动态输入维度。

示例工作流程在此

T5

T5v11

可以从DeepFloyd/t5-v1_1-xxl仓库下载模型文件。

你需要下载以下4个文件：

• config.json
• pytorch_model-00001-of-00002.bin
• pytorch_model-00002-of-00002.bin
• pytorch_model.bin.index.json

将它们放入ComfyUI/models/t5文件夹。你可以把它们放在名为"t5-v1.1-xxl"的子文件夹中，不过这无关紧要。其他DeepFloyd仓库中有int8 safetensor文件，但对我来说不起作用。

为了更快的加载速度/更小的文件大小，你可以选择以下替代下载：

• FP16转换版本 - 布局与原版相同，下载两个safetensor文件以及*.index.json和config.json文件。
• BF16转换版本 - 合并为单个safetensor，只需要model.safetensors(+文件夹模式下的config.json)。

要将T5移动到不同的驱动器/文件夹，操作方式与移动checkpoints相同，但在extra_model_paths.yaml中添加 t5: t5，并在base_path变量指定的替代路径中创建一个名为"t5"的目录。

使用方法

加载到CPU上时，会使用约22GB的系统RAM。根据使用的权重不同，在加载过程中可能会稍微多用一些。

如果你有第二个GPU，选择"cuda:1"作为设备将允许你将其用于T5，从而释放一些VRAM/系统RAM。建议使用FP16作为dtype。

在bnb4bit模式下加载时，只需要约6GB VRAM，使其能够在12GB显卡上工作。唯一的缺点是它会一直保留在VRAM中，因为BitsAndBytes不允许临时将权重移至系统RAM。切换到不同的工作流程应该仍然能按预期释放VRAM。Pascal卡(1080ti, P40)似乎在4bit上有困难。如果遇到问题，请选择"cpu"。

在Windows上，你可能需要更新版本的bitsandbytes来支持4bit。尝试运行python -m pip install bitsandbytes

[!重要]
你可能还需要升级transformers并安装spiece用于分词器。 pip install -r requirements.txt

MiaoBi

原始来源：

• 作者：Github ShineChen1024 | Hugging Face ShineChen1024
• https://github.com/ShineChen1024/MiaoBi
• https://huggingface.co/ShineChen1024/MiaoBi

使用说明

• 下载clip模型并重命名为"MiaoBi_CLIP.safetensors"或你喜欢的名字，然后放入ComfyUI/models/clip。
• 下载unet模型并重命名为"MiaoBi.safetensors"，然后放入ComfyUI/models/unet。
• 或者，将整个huggingface仓库克隆/下载到ComfyUI/models/diffusers并使用MiaoBi diffusers加载器。

这是妙笔的测试版本。妙笔，一个中文文生图模型，与经典的stable-diffusion 1.5版本拥有一致的结构，兼容现有的lora，controlnet，T2I-Adapter等主流插件及其权重。

This is the beta version of MiaoBi, a chinese text-to-image model, following the classical structure of sd-v1.5, compatible with existing mainstream plugins such as Lora, Controlnet, T2I Adapter, etc.

示例提示词：

• 一只精致的陶瓷猫咪雕像，全身绘有精美的传统花纹，眼睛仿佛会发光。
• 动漫风格的风景画，有山脉、湖泊，也有繁华的小镇子，色彩鲜艳，光影效果明显。
• 极具真实感的复杂农村的老人肖像，黑白。
• 红烧狮子头
• 车水马龙的上海街道，春节，舞龙舞狮。
• 枯藤老树昏鸦，小桥流水人家。水墨画。

示例工作流程

示例工作流程 (diffusers)

VAE

支持几种自定义VAE模型。还可以选择在加载时使用不同的数据类型，这对于测试/比较很有用。您可以使用"ExtraVAELoader"节点加载以下列出的模型。

像PixArt/DiT这样的模型不需要特殊的VAE。除非特别说明，请像使用其他模型一样使用以下之一：

• 适用于SD1.X、DiT和PixArt alpha的VAE
• 适用于SDXL和PixArt sigma的VAE

一致性解码器

原始仓库

现在这个功能可以工作了，感谢@mrsteyk和@madebyollin的努力 - 包含更多信息的Gist。

• 从这个HF仓库下载转换后的safetensor VAE。如果您之前下载了OpenAI模型，它将无法工作，因为它是一个TorchScript文件。您可以放心删除它。
• 将文件放入您的VAE文件夹
• 使用ExtraVAELoader加载它
• 将其设置为fp16或bf16以避免耗尽VRAM
• 如果需要，使用平铺VAE解码

去闪烁解码器 / 视频解码器

这是内置于Stable Video Diffusion模型中的VAE。

作为普通VAE似乎不太好（有色彩问题，对细节处理得不太好）。

尽管如此，为了完整起见，运行它的代码大部分已经实现。要获取权重，只需从sdv模型中提取它们：

from safetensors.torch import load_file, save_file

pf = "first_stage_model." # 键前缀
sd = load_file("svd_xt.safetensors")
vae = {k.replace(pf, ''):v for k,v in sd.items() if k.startswith(pf)}
save_file(vae, "svd_xt_vae.safetensors")

AutoencoderKL / VQModel

来自compvis/latent diffusion仓库的kl-f4/8/16/32。

来自taming transformers仓库的vq-f4/8/16，vq和kl模型的权重都可以在这里获得。

vq-f8可以接受来自SD unet的潜在表示，但就像xl使用v1潜在表示一样，输出largely garbage。其余的如果没有匹配的使用正确通道数的UNET，则完全无用。