Files
CavinHuang-comfyui-nodes-docs/docs/ttN pipeIN.md
2024-07-04 08:39:03 +08:00

3.1 KiB

Documentation

  • Class name: ttN pipeIN
  • Category: ttN/legacy
  • Output node: False

ttN pipeIN节点是ttN/legacy类别中的一个基础元素,旨在为生成任务初始化和配置管道。它封装了设置各种组件(如模型、条件元素和潜在空间)的过程,促进了构建一个结构化的、可以进行进一步处理或生成的管道。

Input types

Required

  • model
    • 指定用于管道的生成模型,作为其他元素配置的核心组件。
    • Comfy dtype: MODEL
    • Python dtype: str
  • pos
    • 定义正面条件信息,用于引导生成模型朝向期望的输出。
    • Comfy dtype: CONDITIONING
    • Python dtype: str
  • neg
    • 指定负面条件信息,用于引导生成模型远离不期望的输出。
    • Comfy dtype: CONDITIONING
    • Python dtype: str
  • latent
    • 表示潜在空间配置,为生成过程提供基础。
    • Comfy dtype: LATENT
    • Python dtype: str
  • vae
    • 指定VAE(变分自编码器)组件,用于生成过程中的编码和解码。
    • Comfy dtype: VAE
    • Python dtype: str
  • clip
    • 定义用于文本和图像之间语义理解和对齐的CLIP模型。
    • Comfy dtype: CLIP
    • Python dtype: str
  • seed
    • 设置随机种子以确保生成过程的可重复性。
    • Comfy dtype: INT
    • Python dtype: int

Optional

  • image
    • 可选参数,用于指定在管道中使用的初始图像。
    • Comfy dtype: IMAGE
    • Python dtype: str

Output types

  • pipe
    • 输出一个配置好的管道对象,封装了指定的模型、条件和配置,以供进一步处理。
    • Comfy dtype: PIPE_LINE
    • Python dtype: dict

Usage tips

  • Infra type: CPU
  • Common nodes: unknown

Source code

class ttN_pipe_IN:
    version = '1.1.0'
    def __init__(self):
        pass

    @classmethod
    def INPUT_TYPES(s):
        return {
            "required": {
                "model": ("MODEL",),
                "pos": ("CONDITIONING",),
                "neg": ("CONDITIONING",),
                "latent": ("LATENT",),
                "vae": ("VAE",),
                "clip": ("CLIP",),
                "seed": ("INT", {"default": 0, "min": 0, "max": 0xffffffffffffffff}),
            },"optional": {
                "image": ("IMAGE",),
            },
            "hidden": {"ttNnodeVersion": ttN_pipe_IN.version},
        }

    RETURN_TYPES = ("PIPE_LINE", )
    RETURN_NAMES = ("pipe", )
    FUNCTION = "flush"

    CATEGORY = "ttN/legacy"

    def flush(self, model, pos=0, neg=0, latent=0, vae=0, clip=0, image=0, seed=0):
        pipe = {"model": model,
                "positive": pos,
                "negative": neg,
                "vae": vae,
                "clip": clip,

                "refiner_model": None,
                "refiner_positive": None,
                "refiner_negative": None,
                "refiner_vae": None,
                "refiner_clip": None,

                "samples": latent,
                "images": image,
                "seed": seed,

                "loader_settings": {}
        }
        return (pipe, )