62 lines
2.7 KiB
Markdown
62 lines
2.7 KiB
Markdown
# Documentation
|
|
- Class name: unCLIPConditioning
|
|
- Category: conditioning
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
|
|
|
unCLIPConditioning节点旨在修改和增强模型的调节输入，允许对生成过程进行更细致的控制。通过向调节输入添加额外的参数来实现，这些参数可以包括像强度和噪声增强这样的因素，以改善输出结果。
|
|
|
|
# Input types
|
|
## Required
|
|
- conditioning
|
|
- 调节参数至关重要，因为它定义了将用于指导模型输出的基础输入。它是一组在确定生成内容的特征和属性中起着决定性作用的元素。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: List[Tuple[str, dict]]
|
|
- clip_vision_output
|
|
- 该参数作为调节过程的基础，为模型提供了期望输出的参考。它对塑造最终结果并确保其与预期方向一致起着至关重要的作用。
|
|
- Comfy dtype: CLIP_VISION_OUTPUT
|
|
- Python dtype: Dict[str, Any]
|
|
- strength
|
|
- 强度参数作为调节输入的修饰符，允许微调模型的输出，以达到期望的细节或强度水平。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- noise_augmentation
|
|
- 该参数在调节过程中引入了一定程度的随机性，这可以导致更多样化和创造性的输出。对于增加生成多样性来说，这是一个重要的方面。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
|
|
# Output types
|
|
- conditioning
|
|
- 输出调节表示根据提供的参数调整后的增强和修改的输入。这套经过优化的输入最终将指导模型的生成。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: List[Tuple[str, dict]]
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class unCLIPConditioning:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'conditioning': ('CONDITIONING',), 'clip_vision_output': ('CLIP_VISION_OUTPUT',), 'strength': ('FLOAT', {'default': 1.0, 'min': -10.0, 'max': 10.0, 'step': 0.01}), 'noise_augmentation': ('FLOAT', {'default': 0.0, 'min': 0.0, 'max': 1.0, 'step': 0.01})}}
|
|
RETURN_TYPES = ('CONDITIONING',)
|
|
FUNCTION = 'apply_adm'
|
|
CATEGORY = 'conditioning'
|
|
|
|
def apply_adm(self, conditioning, clip_vision_output, strength, noise_augmentation):
|
|
if strength == 0:
|
|
return (conditioning,)
|
|
c = []
|
|
for t in conditioning:
|
|
o = t[1].copy()
|
|
x = {'clip_vision_output': clip_vision_output, 'strength': strength, 'noise_augmentation': noise_augmentation}
|
|
if 'unclip_conditioning' in o:
|
|
o['unclip_conditioning'] = o['unclip_conditioning'][:] + [x]
|
|
else:
|
|
o['unclip_conditioning'] = [x]
|
|
n = [t[0], o]
|
|
c.append(n)
|
|
return (c,)
|
|
``` |