中文文档
同步自 ComfyUI 官方文档站,共 1,910 篇;节点说明按类名排序。
节点说明
应用ControlNet(旧版高级)
此节点根据图像和控制网模型,对 conditioning 数据应用高级控制网变换。 ControlNetApplyAdvanced
节点说明
应用ControlNet
此节点将 ControlNet 引导应用于 Stable Diffusion 3 条件输入。 ControlNetApplySD3
节点说明
应用ControlNet(阿里妈妈局部重绘)
ControlNetInpaintingAliMamaApply 节点通过将正向和负向条件与控制图像和遮罩相结合,为图像修复任务应用 ControlNet 条件。 ControlNetInpaintingAliMamaApply
节点说明
加载ControlNet模型
此节点将检测位于 ComfyUI/models/controlnet 文件夹中的模型,同时也会读取 extramodelpaths.yaml 文件中配置的其他路径中的模型。 ControlNetLoader
节点说明
数组转字符串
将数组转换为字符串节点接收一个项目数组(列表),并将其转换为格式化的 JSON 字符串。 ConvertArrayToString
节点说明
字典转字符串
此节点将字典(键值对集合)转换为文本字符串,通常采用 JSON 格式。您可以控制缩进级别,使输出更易读或更紧凑。 ConvertDictionaryToString
节点说明
ConvertStringToComboNode
Convert String to Combo 节点接收文本字符串作为输入,并将其转换为 Combo 数据类型。 ConvertStringToComboNode
节点说明
图像到视频Latent(Cosmos)
The CosmosImageToVideoLatent node creates a video latent representation from input images. CosmosImageToVideoLatent
节点说明
图像到视频Latent(CosmosPredict2)
为 Cosmos Predict2 图像到视频工作流创建视频潜变量。此节点可以生成指定尺寸和长度的空视频潜变量,或将编码后的起始和/或结束图像插入序列,以便在生成过程中保留这些帧。 CosmosPredict2ImageToVideoLatent
节点说明
创建边界框
此节点提供一个画布界面,用于在图像中的物体或文本区域周围绘制边界框。它输出像素空间中的边界框坐标、与 Ideogram 提示格式兼容的结构化元素数据,以及显示带有标签和调色板的绘制框的预览图像。 CreateBoundingBoxes
节点说明
创建相机信息
创建相机信息节点用于构建3D渲染所需的相机信息结构。它支持三种相机定义模式:轨道模式(围绕目标点的偏航/俯仰/距离)、注视模式(显式世界坐标)和四元数模式(位置加旋转)。 CreateCameraInfo
节点说明
创建约束关键帧
创建钩子关键帧节点允许您在生成过程中定义钩子行为发生变化的特定点。它会创建关键帧,在生成进度的特定百分比处修改钩子的强度,并且这些关键帧可以串联在一起,形成复杂的调度模式。 CreateHookKeyframe
节点说明
从浮点数创建约束关键帧
此节点根据浮点强度值列表创建钩子关键帧,并将它们均匀分布在指定的起始和结束百分比之间。 CreateHookKeyframesFromFloats
节点说明
创建约束关键帧插值
在起始点和结束点之间创建一系列具有插值强度值的钩子关键帧。该节点会生成多个关键帧,使强度参数在生成过程的指定百分比范围内平滑过渡,并使用多种插值方法来控制过渡曲线。 CreateHookKeyframesInterpolated
节点说明
创建约束LoRA
此节点用于生成钩子对象,以便对模型应用 LoRA(低秩适配)修改。它加载指定的 LoRA 文件,创建可调整模型和 CLIP 强度的钩子,然后将这些钩子与传入的任何现有钩子合并。 CreateHookLora
节点说明
创建约束LoRA(仅模型)
此节点创建一个仅应用于模型组件的 LoRA(低秩适配)钩子,完全保持 CLIP 组件不变。 CreateHookLoraModelOnly
节点说明
创建约束模型为LoRA
此节点通过加载检查点权重并对模型和 CLIP 组件应用强度调整,以 LoRA(低秩适应)方式创建钩子模型。 CreateHookModelAsLora
节点说明
创建约束模型为LoRA(仅模型)
此节点创建一个钩子,将 LoRA(低秩适配)模型应用于神经网络,仅修改模型的组件部分。 CreateHookModelAsLoraModelOnly
节点说明
创建列表
Create List 节点将多个输入合并为一个按顺序排列的列表。它接受任意数量的输入槽,这些输入槽共享相同的数据类型,并按槽位连接顺序将其中的项拼接起来。 CreateList
节点说明
创建视频
Create Video 节点将一系列图像合并为视频。您可以设置以每秒帧数为单位的播放速度,可选地添加音频,并选择生成视频的压缩格式、位深度和色彩空间。 CreateVideo
节点说明
CropByBBoxes
CropByBBoxes 节点从输入图像批次中提取并调整特定矩形区域的大小。它使用提供的边界框坐标来定义每个图像的裁剪区域。 CropByBBoxes
节点说明
裁剪遮罩
CropMask节点用于从给定的遮罩中裁剪指定区域。它允许用户通过指定坐标和尺寸来定义感兴趣区域,从而有效提取遮罩的一部分以供进一步处理或分析。 CropMask
节点说明
曲线编辑器
Curve Editor 节点提供了一个可视化界面,用于调整和微调曲线。您可以在节点界面中直接修改输入曲线的形状,并可选择在旁边显示直方图作为视觉参考。 CurveEditor
节点说明
自定义组合
Custom Combo 节点允许你为下拉菜单定义自己的文本选项列表,而不是从固定值中选择。 CustomCombo
节点说明
将DA3几何体转换为网格
此节点通过反投影深度图并对生成的点云进行三角化,将 DA3GEOMETRY 数据包转换为 3D 网格。 DA3GeometryToMesh
节点说明
DA3GeometryToPointCloud
此节点将 DA3GEOMETRY 对象中的深度图转换为 3D 点云。它会根据置信度和天空遮罩进行过滤,并将点转换到适用于多视角场景的通用世界坐标系中。 DA3GeometryToPointCloud
节点说明
运行Depth Anything 3
此节点在图像上运行 Depth Anything 3 模型,以估算深度和几何信息。 DA3Inference
节点说明
渲染Depth Anything 3
此节点用于从 Depth Anything 3 几何数据渲染可视化结果。根据所选输出模式,可输出深度图、置信度图或天空遮罩。 DA3Render
节点说明
DCTestNode
DCTestNode 是一个逻辑节点,会根据用户在动态组合框中的选择返回不同类型的数据。 DCTestNode
节点说明
网格简化
使用 QEM(二次误差度量)简化将 3D 网格简化到目标面数,并在当前计算设备上运行计算。 DecimateMesh
节点说明
DeprecatedCheckpointLoader
CheckpointLoader 节点专为高级加载操作而设计,具体用于加载模型检查点及其配置。 DeprecatedCheckpointLoader
节点说明
DeprecatedDiffusersLoader
DiffusersLoader 节点专为从 diffusers 库加载模型而设计,能够根据提供的模型路径处理 UNet、CLIP 和 VAE 模型的加载。 DeprecatedDiffusersLoader
节点说明
加载ControlNet模型(diff)
此节点将检测位于 ComfyUI/models/controlnet 文件夹中的模型,同时也会读取 extramodelpaths.yaml 文件中配置的额外路径中的模型。 DiffControlNetLoader
节点说明
差异扩散DifferentialDiffusion
差分扩散节点通过基于时间步长阈值应用二值掩码来修改去噪过程。它创建了一个掩码,该掩码在原始去噪掩码与基于阈值的二值掩码之间进行混合,从而允许对扩散过程的强度进行可控调整。 DifferentialDiffusion
节点说明
Diffusers加载器
DiffusersLoader 节点用于加载以 diffusers 格式保存的预训练模型。 DiffusersLoader
节点说明
禁用噪波
此节点提供一个空噪声配置,用于在采样过程中禁用噪声生成。它会输出一个不包含任何噪声数据的特殊噪声对象,因此任何连接到它的节点都会跳过与噪声相关的操作。 DisableNoise
节点说明
绘制边界框
DrawBBoxes 节点通过在图像上绘制边界框、标签和置信度分数来可视化目标检测结果。 DrawBBoxes
节点说明
双CFG引导器
Dual CFG Guider 节点创建了一个用于采样的引导系统,它同时使用两个条件输入和一个负面条件输入。 DualCFGGuider
节点说明
双CLIP加载器
DualCLIPLoader 节点专为同时加载两个 CLIP 模型而设计,便于执行需要整合或比较两个模型特征的操作。 DualCLIPLoader
节点说明
双模型 CFG 指导器
此节点允许您在引导式 CFG 采样过程中使用两个不同的模型:一个模型用于正向(条件)传递,另一个独立的模型用于负向(无条件)传递。 DualModelGuider