99 lines
5.4 KiB
Markdown
99 lines
5.4 KiB
Markdown
# Documentation
|
||
- Class name: PromptScheduleNodeFlowEnd
|
||
- Category: FizzNodes 📅🅕🅝/ScheduleNodes
|
||
- Output node: False
|
||
- Repo Ref: https://github.com/FizzleDorf/ComfyUI_FizzNodes
|
||
|
||
`PromptScheduleNodeFlowEnd` 类的 `animate` 方法负责根据给定的文本和一系列参数生成动画提示。它处理输入文本以创建一系列提示，这些提示可以用来驱动动画序列，同时考虑到各种权重和条件，以确保帧之间的平滑过渡。
|
||
|
||
# Input types
|
||
## Required
|
||
- text
|
||
- ‘text’ 参数是节点的关键输入，因为它提供了将用于生成动画提示的原始文本。它很重要，因为它直接影响动画的内容和流程。
|
||
- Comfy dtype: STRING
|
||
- Python dtype: str
|
||
- max_frames
|
||
- ‘max_frames’ 参数定义了动画序列的最大帧数。它至关重要，因为它决定了动画的总长度，并影响提示在帧中的分布。
|
||
- Comfy dtype: INT
|
||
- Python dtype: int
|
||
- print_output
|
||
- ‘print_output’ 参数用于控制是否应该打印动画过程的中间结果。这对于调试目的或在创建动画时提供反馈很有帮助。
|
||
- Comfy dtype: BOOLEAN
|
||
- Python dtype: bool
|
||
- current_frame
|
||
- ‘current_frame’ 参数表示动画序列中的当前位置。它很重要，因为它帮助节点确定在动画的任何给定时刻使用哪个提示。
|
||
- Comfy dtype: INT
|
||
- Python dtype: int
|
||
- clip
|
||
- ‘clip’ 参数是节点的一个重要输入，因为它代表了将用于将提示标记化并编码为适合动画的格式的 CLIP 模型。
|
||
- Comfy dtype: CLIP
|
||
- Python dtype: torch.nn.Module
|
||
## Optional
|
||
- pre_text
|
||
- ‘pre_text’ 参数用于在主要动画提示前添加上下文。它可以影响动画的初始状态，当需要引入部分时特别有用。
|
||
- Comfy dtype: STRING
|
||
- Python dtype: str
|
||
- app_text
|
||
- ‘app_text’ 参数用于在主要动画提示后追加上下文。它可以用来用额外的信息扩展动画，或者为序列提供一个结论。
|
||
- Comfy dtype: STRING
|
||
- Python dtype: str
|
||
- pw_a
|
||
- ‘pw_a’ 参数是一个可选的权重，用于调整动画中某些提示的影响。它提供了一种根据特定的创意要求微调动画的方法。
|
||
- Comfy dtype: FLOAT
|
||
- Python dtype: float
|
||
- pw_b
|
||
- ‘pw_b’ 参数与 ‘pw_a’ 类似，但允许对动画权重的不同方面进行独立控制。
|
||
- Comfy dtype: FLOAT
|
||
- Python dtype: float
|
||
- pw_c
|
||
- ‘pw_c’ 参数扩展了动画权重的定制选项，为动画过程提供了额外的控制层。
|
||
- Comfy dtype: FLOAT
|
||
- Python dtype: float
|
||
- pw_d
|
||
- ‘pw_d’ 参数是另一个可选的权重，有助于对动画进行微调，允许对动画的进展进行精确调整。
|
||
- Comfy dtype: FLOAT
|
||
- Python dtype: float
|
||
|
||
# Output types
|
||
- POS
|
||
- ‘POS’ 输出提供了动画的正向调节数据，它代表了动画在每一帧应该采取的期望方向或结果。
|
||
- Comfy dtype: CONDITIONING
|
||
- Python dtype: List[Tuple[torch.Tensor, Dict[str, torch.Tensor]]]
|
||
- NEG
|
||
- ‘NEG’ 输出提供了负向调节数据，它用于定义动画在每一帧应该避免或远离的内容。
|
||
- Comfy dtype: CONDITIONING
|
||
- Python dtype: List[Tuple[torch.Tensor, Dict[str, torch.Tensor]]]
|
||
|
||
# Usage tips
|
||
- Infra type: CPU
|
||
|
||
# Source code
|
||
```
|
||
class PromptScheduleNodeFlowEnd:
|
||
|
||
@classmethod
|
||
def INPUT_TYPES(s):
|
||
return {'required': {'text': ('STRING', {'multiline': False, 'forceInput': True}), 'clip': ('CLIP',), 'max_frames': ('INT', {'default': 0.0, 'min': 0.0, 'max': 999999.0, 'step': 1.0}), 'print_output': ('BOOLEAN', {'default': False}), 'current_frame': ('INT', {'default': 0.0, 'min': 0.0, 'max': 999999.0, 'step': 1.0})}, 'optional': {'pre_text': ('STRING', {'multiline': True}), 'app_text': ('STRING', {'multiline': True}), 'pw_a': ('FLOAT', {'default': 0.0, 'min': -9999.0, 'max': 9999.0, 'step': 0.1}), 'pw_b': ('FLOAT', {'default': 0.0, 'min': -9999.0, 'max': 9999.0, 'step': 0.1}), 'pw_c': ('FLOAT', {'default': 0.0, 'min': -9999.0, 'max': 9999.0, 'step': 0.1}), 'pw_d': ('FLOAT', {'default': 0.0, 'min': -9999.0, 'max': 9999.0, 'step': 0.1})}}
|
||
RETURN_TYPES = ('CONDITIONING', 'CONDITIONING')
|
||
RETURN_NAMES = ('POS', 'NEG')
|
||
FUNCTION = 'animate'
|
||
CATEGORY = 'FizzNodes 📅🅕🅝/ScheduleNodes'
|
||
|
||
def animate(self, text, max_frames, print_output, current_frame, clip, pw_a=0, pw_b=0, pw_c=0, pw_d=0, pre_text='', app_text=''):
|
||
current_frame = current_frame % max_frames
|
||
if text[-1] == ',':
|
||
text = text[:-1]
|
||
if text[0] == ',':
|
||
text = text[:0]
|
||
start_frame = 0
|
||
inputText = str('{' + text + '}')
|
||
inputText = re.sub(',\\s*}', '}', inputText)
|
||
animation_prompts = json.loads(inputText.strip())
|
||
max_frames += start_frame
|
||
(pos, neg) = batch_split_weighted_subprompts(animation_prompts, pre_text, app_text)
|
||
(pos_cur_prompt, pos_nxt_prompt, weight) = interpolate_prompt_series(pos, max_frames, start_frame, pre_text, app_text, pw_a, pw_b, pw_c, pw_d, print_output)
|
||
pc = PoolAnimConditioning(pos_cur_prompt[current_frame], pos_nxt_prompt[current_frame], weight[current_frame], clip)
|
||
(neg_cur_prompt, neg_nxt_prompt, weight) = interpolate_prompt_series(neg, max_frames, start_frame, pre_text, app_text, pw_a, pw_b, pw_c, pw_d, print_output)
|
||
nc = PoolAnimConditioning(neg_cur_prompt[current_frame], neg_nxt_prompt[current_frame], weight[current_frame], clip)
|
||
return (pc, nc)
|
||
``` |