ComfyPilotComfyPilot
文档 / 节点说明 / SenseNovaConditioning

SenseNovaConditioning

为图像生成或交错文本与图像输出准备 SenseNova conditioning。

节点说明 SenseNovaConditioning 更新于 2026-11-19

查看官方原文

SenseNovaConditioning - ComfyUI Built-in Node Documentation

为图像生成或交错文本与图像输出准备 SenseNova conditioning。

为图像生成或交错文本与图像输出准备 SenseNova conditioning。task 选择器设置提示词模板和停止行为,节点会报告模型是否请求图像,从而让循环知道何时运行采样器。

输入

参数描述数据类型必填范围
clipSenseNova CLIP 模型。请连接同时供给 CLIP Text Encode 的 CLIP 加载器,编码器的输出接到 conditioning。除传入的 conditioning 为空或已完成外,每个任务都必需。CLIP否-
conditioning来自 CLIP Text Encode 的 SenseNova 文本 conditioning。CONDITIONING是-
negative可选的负面 conditioning。对于 interleave 和 self-correction 任务,它会被更新并返回。CONDITIONING否-
task要运行的任务。"image" 为标准采样器编码提示词,"image thinking" 让模型在回答前思考,"interleave" 在一次处理中生成文本和图像,"self-correction" 让模型修正自己之前的输出。DYNAMIC\_COMBO是"image" "image thinking" "interleave" "self-correction"
max_tokens本次调用期间生成的最大 token 数。默认:1024。INT是1 到 8192

interleave 输入

当 task 设置为 "interleave" 时,这些输入会出现。

参数描述数据类型必填范围
thinking让模型在回答前思考。默认:True。BOOLEAN是True False
samples之前的采样器输出,在图像请求之后继续时连接。LATENT否-

self-correction 输入

当 task 设置为 "self-correction" 时,这些输入会出现。

参数描述数据类型必填范围
samples之前的采样器输出,在图像请求之后继续时连接。LATENT否-

约束与行为:

  • clip 输入接收 SenseNova CLIP 模型本身,而不是 CLIP Text Encode 的输出(那是 CONDITIONING)。当传入的 conditioning 为空或已完成时,节点会提前返回,不使用 clip;否则 clip 缺失或不是 SenseNova CLIP 时会报错。
  • "image thinking" 需要恰好一个正面 conditioning 条目;"interleave" 和 "self-correction" 需要一个正面和一个负面条目。
  • 当模型正在等待图像时,将前一个采样器的 LATENT 输出连接到 samples。在请求图像之前传入 samples 是错误的。
  • 当传入的 conditioning 已经完成时,节点会原样返回它,generated_text 为空,image_requested 设置为 False。

输出

输出名称描述数据类型
conditioning用于采样器的 conditioning,已用本次调用生成的文本扩展。CONDITIONING
generated_text本次调用生成的文本。完整结果请使用 SenseNova Interleave Decode。STRING
negative为 interleave 和 self-correction 任务更新的负面 conditioning。CONDITIONING
image_requested当模型请求图像时为 True:运行采样器,然后将循环重新输入此节点。BOOLEAN
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑

Source fingerprint (SHA-256): 97fcdc26ccf80f48c5628f695a4ae8231b065b67414c93dec9bced6bb8d4c77c