BSS WD14 Batch Tagger v2.0

Набор нод для ComfyUI для WD14-теггинга, постобработки тегов, сохранения caption и базовой аналитики датасета.

Что нового в v2.0

• ✅ Мультипорог по категориям: general, character, meta, rating
• ✅ Batch-in/Batch-out нода для массового теггинга
• ✅ Нода постобработки тегов (dedupe, сортировка, prepend/append/exclude)
• ✅ Нода сохранения caption в txt/json/csv
• ✅ Нода аналитики тегов (top-k + JSON статистика)

Ноды

• 4 WD14 v3 Models: ViT, SwinV2, EVA02, ConvNeXT
• Auto Download: Models download automatically from Hugging Face
• GPU Support: CUDA acceleration for faster processing
• Batch Processing: Process multiple images from folders
• Format Support: JPG, JPEG, PNG, WEBP
• Custom Tags: Add/remove tags as needed
• ComfyUI IMAGE Compatibility: Uses native tensor image format for modern ComfyUI builds

1) BSS Load Images from Folder 📂

Загружает изображения из папки (JPG/JPEG/PNG/WEBP) и отдает IMAGE + имена файлов.

2) BSS WD14 Batch Tagger 🌿

Теггинг одного изображения с сохранением .txt.

Параметры порогов:

• general_threshold
• character_threshold
• meta_threshold
• rating_threshold

3) BSS WD14 Tagger Batch ⚡

Теггинг списка изображений за один вызов.

Выходы:

• tags (список строк)
• tags_json (json с score/category)

4) BSS Tags Postprocess 🧹

Очистка и нормализация тегов:

• remove duplicates
• sort alphabetically
• prepend/append/exclude
• replace underscores

5) BSS Save Captions 💾

Сохраняет caption в txt/json/csv, есть overwrite и suffix.

1. Use BSS Load Images from Folder to load your images
2. Connect to BSS WD14 Batch Tagger for each image
3. Set output folder for tag files
4. Run the workflow

Settings

• Model: Choose WD14 model (auto-downloads if needed)
• Threshold: Tag confidence (0.35 default)
• Character Threshold: Separate threshold for character tags (WD category 4)
• GPU: Enable for faster processing
• Prepend/Exclude: Add custom tags or remove unwanted ones

ComfyUI Compatibility

• Tested against current ComfyUI custom node API style (NODE_CLASS_MAPPINGS, INPUT_TYPES, RETURN_TYPES).
• Uses ComfyUI-native IMAGE tensors (float32, range 0..1) in the loader node output.
• Tagger node accepts both tensor images (ComfyUI-native) and numpy arrays for backward compatibility.

Models

• WD ViT Tagger v3: Fast, good quality (default)
• WD SwinV2 Tagger v3: Balanced speed/quality
• WD EVA02 Large Tagger v3: Best accuracy
• WD ConvNeXT Tagger v3: Modern architecture

Models download automatically on first use.

Requirements

• Python 3.8+
• ComfyUI
• CUDA GPU (optional)

6) BSS Tag Analytics 📊

Считает top-k частых тегов и возвращает JSON статистику.

Установка

cd ComfyUI/custom_nodes
git clone https://github.com/BlackSnowSkill/wd14_batch_tagger.git
cd wd14_batch_tagger
pip install -r requirements.txt

Совместимость

• Python 3.8+
• ComfyUI (актуальные сборки)
• onnxruntime >=1.18.0,<2.0.0

Публикация v2.0 в ComfyUI Manager

1. Убедитесь, что версия обновлена в pyproject.toml и package.json.
2. Создайте git tag v2.0.0 и push.
3. Опубликуйте через comfy node publish или ваш GitHub Action для registry.

License

MIT

MIT License - see LICENSE file for details.

---

Author: Blacksnowskill