CavinHuang-comfyui-nodes-docs/docs/KfConditioningAddx10.md

Documentation

• Class name: KfConditioningAddx10
• Category: CATEGORY
• Output node: False
• Repo Ref: https://github.com/dmarx/ComfyUI-Keyframed

该节点累积处理条件输入，通过聚合提供的输入来增强整体的条件数据。

Input types

Required

• cond_0
  • 初始条件数据，对节点的操作至关重要。它为后续聚合设置了基线。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]

Optional

• cond_1
  • 一个可选的条件输入，它对输出的累积效应有所贡献。它与基础条件数据合并。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_2
  • 另一个额外的可选条件输入，进一步有助于节点操作的累积处理。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_3
  • 另一个可选的条件输入，被整合到累积输出中，增强了节点的整体功能。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_4
  • 这个可选的条件输入是累积数据流的一部分，影响节点的最终输出。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_5
  • 这个条件输入进一步细化了累积数据，在节点的综合处理中发挥作用。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_6
  • 一个可选输入，有助于节点的累积数据处理，影响输出的质量。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_7
  • 这个可选条件输入被整合到累积数据中，进一步增强了节点的处理能力。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_8
  • 这个条件输入有助于最终累积输出，影响节点的整体效果。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]
• cond_9
  • 一个额外的可选条件输入，是累积数据的一部分，影响节点的最终输出。
  • Comfy dtype: CONDITIONING
  • Python dtype: Dict[str, Any]

Output types

• cond_t_out
  • 条件输入的累积结果，代表聚合和处理后的数据。
  • Comfy dtype: CONDITIONING
  • Python dtype: Tuple[Any, Dict[str, Any]]

Usage tips

• Infra type: CPU

Source code

class KfConditioningAddx10:
    CATEGORY = CATEGORY
    FUNCTION = 'main'
    RETURN_TYPES = ('CONDITIONING',)

    @classmethod
    def INPUT_TYPES(s):
        return {'required': {'cond_0': ('CONDITIONING', {'forceInput': True})}, 'optional': {'cond_1': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_2': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_3': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_4': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_5': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_6': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_7': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_8': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_9': ('CONDITIONING', {'forceInput': True, 'default': 0})}}

    def main(self, cond_0, **kwargs):
        ((cond_t_out, cond_d_out),) = deepcopy(cond_0)
        for ((cond_t, cond_d),) in kwargs.values():
            (cond_t, cond_d) = (deepcopy(cond_t), deepcopy(cond_d))
            cond_t_out = cond_t_out + cond_t
            cond_d_out['pooled_output'] = cond_d_out['pooled_output'] + cond_d['pooled_output']
        return [((cond_t_out, cond_d_out),)]