comfyui-prompt-reader-node

comfyui-prompt-reader-node

ComfyUI自定义节点实现Stable Diffusion图像元数据读取与保存

comfyui-prompt-reader-node是一个ComfyUI自定义节点,用于提取和保存Stable Diffusion图像元数据。它支持A1111、NovelAI、InvokeAI等多种生成器的metadata格式,可读取prompt和参数信息。该项目提供批量处理和参数生成功能,便于在ComfyUI工作流中管理图像元数据。它还支持将元数据保存为兼容格式,增强了与其他工具的互操作性。

ComfyUISD Prompt Reader元数据提取图像处理AI绘图Github开源项目
<div align="center"> <img alt="图标" src="https://yellow-cdn.veclightyear.com/0a4dffa0/0280d70c-5c9c-434f-bb1b-6b333d0499b0.png" width=20% height=20%> <h1>SD提示词读取节点</h1> <a href="https://github.com/receyuki/comfyui-prompt-reader-node/blob/master/LICENSE"> <img alt="GitHub" src="https://img.shields.io/github/license/receyuki/comfyui-prompt-reader-node"></a> <img alt="GitHub标签(带过滤器)" src="https://img.shields.io/github/v/tag/receyuki/comfyui-prompt-reader-node?label=node"> <a href="https://github.com/receyuki/stable-diffusion-prompt-reader"> <img alt="GitHub标签(带过滤器)" src="https://img.shields.io/github/v/tag/receyuki/stable-diffusion-prompt-reader?label=core"></a> <a href="https://github.com/psf/black"> <img alt="代码风格:black" src="https://yellow-cdn.veclightyear.com/0a4dffa0/ba8343ec-593d-40a0-985a-69ae18ae6517.svg"></a> <br>

这是<a href="https://github.com/receyuki/stable-diffusion-prompt-reader">SD提示词读取器</a>的子项目。 它可以帮助您从<a href="https://github.com/receyuki/stable-diffusion-prompt-reader">SD提示词读取器</a>支持的任何格式的图像中提取元数据, 并保存带有额外元数据的图像,以确保与Civitai等网站的元数据检测兼容。 <br>

<p> <a href="#支持的格式">支持的格式</a> • <a href="#安装">安装</a> • <a href="#使用方法">使用方法</a> • <a href="./CHANGELOG.md">更新日志</a> • <a href="#致谢">致谢</a> </p> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/cfacdb09-85ac-4c38-b46e-39580fe0931e.png"> </div>

支持的格式

PNGJPEGWEBPTXT*
A1111的webUI
Easy Diffusion
StableSwarmUI*
StableSwarmUI(0.5.8-alpha之前版本)*
Fooocus-MRE*
NovelAI(隐藏pnginfo)
NovelAI(旧版)
InvokeAI
InvokeAI(2.3.5-post.2之前版本)
InvokeAI(1.15之前版本)
ComfyUI*
Draw Things
Naifu(4chan)

详情请参阅SD提示词读取器

安装

[!注意] 虽然提供了ZIP包,但强烈建议不要使用它来安装。

通过 ComfyUI Manager 安装和更新(推荐)

在ComfyUI Manager中搜索 SD Prompt Reader 并安装。

手动安装

请确保在安装主仓库的同时也安装子模块。

  1. cdcustom_node 文件夹
  2. 克隆此仓库
    git clone --recursive https://github.com/receyuki/comfyui-prompt-reader-node.git
  3. 安装依赖
    cd comfyui-prompt-reader-node pip install -r requirements.txt

更新

更新时,别忘了同时更新主仓库和子模块。

git pull --recurse-submodules

使用方法

Prompt Reader 节点

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/3bbd0fb3-5c42-4421-8913-ccf3b28847ae.png" width="25%" height="25%" alt="reader node"> </div>

[!重要] 由于自定义节点和复杂的工作流可能会影响SD Prompt Reader正确读取图像元数据的能力,建议在工作流中嵌入 Prompt Saver 节点以确保最大兼容性。

<details> <summary><b>更多信息</b></summary>

parameter_index

  • 对于包含多组参数的图像,如通过 hires-fixrefiner 处理的图像,你需要修改 parameter_index 以选择所需的参数。

SDXL

  • 对于由SDXL生成并包含多组提示的图像,text_g 将与 text_l 合并为单一提示。

批量读取

  • 对于批处理,请使用 Batch Loader 节点。使用 Batch Loader 节点进行批量读取时,预览图像不会更新,文本框只会显示最后一张图像的元数据。
<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/c628abca-7d9b-4135-95b3-6bb7969cd981.png" width="50%" height="50%" alt="connect batch loader to prompt reader"> </div>

附加参数

  • 要读取现有输出以外的参数,请将 settings 连接到 Parameter Extractor 节点。
<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/82392196-7b34-49c9-81b1-159dfe002cb1.png" width="50%" height="50%" alt="connect prompt reader to parameter extractor"> </div>

MODEL_NAME

  • MODEL_NAME 是一个特殊输出,它根据以下优先级将元数据中的模型名称与服务器上现有的模型匹配:
    1. 相同的路径、文件名和扩展名。
    2. 相同的文件名和扩展名。 例如,sd_xl_base.safetensors 将与 SDXL\sd_xl_base.safetensors 匹配,反之亦然。
    3. 相同的文件名。 例如,sd_xl_base 将与 SDXL\sd_xl_base.safetensors 匹配,反之亦然。
    4. 如果找不到匹配的模型,将输出原始名称。
</details>

Prompt Saver 节点

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/d4f65f54-201d-4ce0-83b1-45c30c6fe70a.png" width="25%" height="25%" alt="saver node"> </div> - 「提示词保存器」节点和「参数生成器」节点设计用于配合使用。 - 「提示词保存器」节点将以A1111格式向输出图像写入额外的元数据,以兼容任何支持A1111格式的工具,包括SD提示词阅读器和Civitai。 - 由于自定义节点和复杂的工作流可能会导致SD提示词阅读器无法正确读取图像元数据,建议将此节点嵌入工作流中以确保最大兼容性。 > [!提示] > 由于无法直接从「KSampler」提取元数据,需要使用「参数生成器」节点生成参数,并同时将其输出到「提示词保存器」节点和「KSampler」节点。 <details> <summary><b>更多信息</b></summary>

图像格式

  • 只有PNG格式支持同时嵌入元数据和工作流。其他格式只能嵌入元数据。

文件名重复

  • 当文件名已存在时,将在文件名末尾添加索引,例如:file.png, file_1.png, file_2.png

哈希值与Civitai上的自动检测

  • 启用「calculate_hash」时,节点将计算检查点、VAE、Lora和嵌入/文本反转的哈希值,并将其写入元数据。服务器重启后,或加载新的检查点、VAE、Lora或嵌入/文本反转时,首次图像生成可能需要更长时间来计算哈希值。哈希值将存储在临时存储中,无需重复计算,直到服务器重启。
  • 启用「resource_hash」时,资源哈希值将被写入元数据以支持Civitai上的自动检测。此功能仅在启用「calculate_hash」时运行。
  • 如需计算Lora的哈希值,请使用「Lora加载器」节点或「Lora选择器」节点。嵌入/文本反转的哈希值将从提示词中自动检测。

「save_metadata_file」

  • 开启「save_metadata_file」时,元数据将以与图像同名的TXT文件保存在图像旁边。

「date_format」和「time_format」

「filename」和「path」

  • 「%counter」不能用于「path」,只能用于「filename」。这个「%counter」与内置「Saver」节点中的「%counter」略有不同,它会计算「path」中的所有图像文件。

  • 「filename」和「path」支持的占位符请参考下表。

    %seed%date
    %steps%time
    %cfg%counter
    %model%extension
    %sampler%quality
    %scheduler
</details>

参数生成器节点

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/a9a140d6-26fb-4f6c-8394-10a812ec6b90.png" width="25%" height="25%" alt="generator node"> </div>
  • 由于无法直接从「KSampler」提取元数据,需要使用「参数生成器」节点生成参数,并同时将其输出到「提示词保存器」节点和「KSampler」节点。

[!提示] 「参数生成器」节点也可以用作复杂ComfyUI工作流的控制面板,就像AP工作流一样。

<details> <summary><b>更多信息</b></summary>

最佳分辨率

「refiner_start」

  • 「refiner_start」指精炼器开始运行时已完成步骤的比例,即基础步骤占总步骤的比例。这用于计算精炼器「KSampler」在选定步骤比例下所需的「start_at_step」(「REFINER_START_STEP」)。
</details> ### 批次加载器节点 <div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/18a1c03f-b178-4f45-83aa-1dbb0e41fc48.png" width="25%" height="25%" alt="加载器节点"> </div>
  • 批次加载器节点专为提示词读取器节点批量读取目录中的图像文件而设计,不能与其他自定义节点一起使用。
<details> <summary><b>更多信息</b></summary>
  • 对于批处理,请将批次加载器节点的IMAGE输出连接到提示词读取器节点的image输入。
<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/c628abca-7d9b-4135-95b3-6bb7969cd981.png" width="50%" height="50%" alt="连接提示词读取器到参数提取器"> </div>

路径

  • 路径支持相对路径如./input/或绝对路径如C:/Users/receyuki/Pictures
  • \/都可以使用。
  • 您也可以在路径中输入单个文件或文件列表,这种情况下图像加载限制起始索引将不起作用。
</details>

参数提取器节点

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/a1e16cb9-e372-4bc8-aa27-63f46462d54a.png" width="25%" height="25%" alt="提取器节点"> </div>
  • 参数提取器节点是提示词读取器节点的扩展,旨在检索设置中所有参数的值(包括提示词读取器节点无法输出的参数)。例如高分辨率放大器
<details> <summary><b>更多信息</b></summary>
  • 提示词读取器节点的SETTINGS连接到参数提取器节点的settings。首次运行后,参数列表将被加载。
<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/82392196-7b34-49c9-81b1-159dfe002cb1.png" width="50%" height="50%" alt="连接提示词读取器到参数提取器"> </div> </details>

提示词合并器节点 & 类型转换器节点

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/81d6f8da-0e56-4a1c-9143-ea4f990b25ce.png" width="25%" height="25%" alt="合并器和转换器节点"> </div>
  • 由于A1111格式无法单独存储text_gtext_l,SDXL用户需要使用提示词合并器节点将text_gtext_l合并为单个提示词。
  • 由于model_namesampler_namescheduler是一些其他节点无法直接使用的特殊类型,您可以使用类型转换器节点将它们转换为STRING类型。

Lora加载器节点 & Lora选择器节点

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/200a4b4a-5cb9-4dcc-b159-67fe98bc5f4f.png" width="50%" height="50%" alt="lora加载器和选择器节点"> </div>
  • Lora加载器节点和Lora选择器节点用于将Lora数据写入元数据,并支持在Civitai上自动检测。
<details> <summary><b>更多信息</b></summary> - 将原始加载器替换为`Lora 加载器`节点,或将`Lora 选择器`节点的`LORA_NAME`输出连接到其他lora加载器(内置或自定义)的`lora_name`输入,并将`NEXT_LORA`输出连接到`提示保存器`节点的`lora_name`输入。这两个节点具有相同的功能,请根据需要选择。

多个Loras

  • 如果需要加载多个Loras,请通过last_loraNEXT_LORALora 加载器节点或Lora 选择器节点首尾相连,并将Lora链末端的NEXT_LORA连接到提示保存器节点的lora_name输入。
  1. Lora 加载器链
<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/99638173-6ae6-4ce1-a6ae-93b14ad8f429.png" width="100%" height="100%" alt="lora loader chain"> </div>
  1. Lora 选择器链
<div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/d19933b4-ffe8-44aa-bcf7-1fd312730388.png" width="100%" height="100%" alt="lora loader chain"> </div> </details>

示例工作流程

<details> <summary><b>简单示例</b></summary> <div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/5e3b90e5-60a7-42dd-8057-904281981f1e.png" width="100%" height="100%" alt="example workflow"> </div> </details> <details> <summary><b>Lora 示例</b></summary> <div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/d4a01da1-8722-4d04-835a-14e0a637bc30.png" width="100%" height="100%" alt="example workflow"> </div> </details> <details> <summary><b>高分辨率修复示例</b></summary> <div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/d06da52a-ff7f-4470-b5d0-85953432d68a.png" width="100%" height="100%" alt="example workflow"> </div> </details> <details> <summary><b>SDXL 示例</b></summary> <div align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/32f8f6d0-3875-41fa-abd4-1e0a3a366a01.png" width="100%" height="100%" alt="example workflow"> </div> </details>

致谢

编辑推荐精选

讯飞智文

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。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

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。

Trae

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。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

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

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

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-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。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多