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
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 |
|---|---|---|---|---|
clip | SenseNova 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