dseditor
2f415dcb61
- 新增 {EXTRACT_FROM_IMAGE} 佔位符支援
- 新增 Prompt/extract_person_features.md 特徵提取指令
- 新增 DesignPrompt/photomagazine_with_image.md 模板
- 新增 person_feature_extractor.py 節點（備用方案）
- 更新 __init__.py 註冊新節點
- 新增 IMAGE_FEATURE_EXTRACTION.md 使用說明
- 支援 LLM 自動分析圖片並填入特徵
134 lines
4.1 KiB
Python
134 lines
4.1 KiB
Python
"""
|
||
人物特徵提取節點
|
||
用於從圖片中提取人物特徵描述
|
||
"""
|
||
|
||
class PersonFeatureExtractor:
|
||
"""
|
||
人物特徵提取器
|
||
接收圖片，輸出特徵提取提示詞給 LLM
|
||
"""
|
||
def __init__(self):
|
||
pass
|
||
|
||
@classmethod
|
||
def INPUT_TYPES(cls):
|
||
return {
|
||
"required": {
|
||
"image": ("IMAGE",),
|
||
}
|
||
}
|
||
|
||
RETURN_TYPES = ("STRING",)
|
||
RETURN_NAMES = ("feature_prompt",)
|
||
FUNCTION = "extract_features"
|
||
CATEGORY = "DesignPack"
|
||
|
||
def extract_features(self, image):
|
||
"""生成人物特徵提取提示詞"""
|
||
try:
|
||
# 生成用於 LLM 的特徵提取提示詞
|
||
feature_prompt = """請仔細分析這張圖片中的人物，提取以下特徵並用簡潔的中文描述（50-80字）：
|
||
|
||
1. **國籍/種族特徵**：判斷人物的種族特徵（例如：亞洲人、歐美人等）
|
||
2. **臉型**：描述臉型（例如：圓臉、瓜子臉、方臉、鵝蛋臉等）
|
||
3. **五官特徵**：
|
||
- 眼睛：大小、形狀、顏色
|
||
- 鼻子：高挺或扁平
|
||
- 嘴巴：大小、唇形
|
||
4. **妝容風格**：描述妝容（例如：自然妝、濃妝、裸妝等）
|
||
5. **髮型和髮色**：詳細描述髮型和顏色
|
||
6. **其他明顯特徵**：眼鏡、飾品、特殊標記等
|
||
|
||
請直接輸出特徵描述，不要包含其他說明文字。
|
||
|
||
範例格式：
|
||
"亞洲女性，瓜子臉，大眼睛雙眼皮，高挺鼻梁，自然妝容，黑色長直髮，戴黑框眼鏡"
|
||
"""
|
||
|
||
print("📸 人物特徵提取提示詞已生成")
|
||
print("💡 請將此提示詞連接到支援圖片的 LLM 節點（如 GGUF_LLM 或 OpenAI Helper）")
|
||
print(" 並將圖片也連接到 LLM 節點")
|
||
|
||
return (feature_prompt,)
|
||
|
||
except Exception as e:
|
||
import traceback
|
||
error_msg = f"錯誤：{str(e)}\n{traceback.format_exc()}"
|
||
print(error_msg)
|
||
return (error_msg,)
|
||
|
||
|
||
class PersonFeatureParser:
|
||
"""
|
||
人物特徵解析器
|
||
接收 LLM 輸出的特徵描述，清理並輸出
|
||
"""
|
||
def __init__(self):
|
||
pass
|
||
|
||
@classmethod
|
||
def INPUT_TYPES(cls):
|
||
return {
|
||
"required": {
|
||
"llm_output": ("STRING", {"forceInput": True}),
|
||
}
|
||
}
|
||
|
||
RETURN_TYPES = ("STRING",)
|
||
RETURN_NAMES = ("features",)
|
||
FUNCTION = "parse"
|
||
CATEGORY = "DesignPack"
|
||
|
||
def parse(self, llm_output):
|
||
"""解析 LLM 輸出的人物特徵"""
|
||
try:
|
||
if not llm_output or not llm_output.strip():
|
||
return ("",)
|
||
|
||
# 清理輸出（移除可能的 markdown 標記等）
|
||
features = llm_output.strip()
|
||
|
||
# 移除常見的前綴
|
||
prefixes_to_remove = [
|
||
"人物特徵：",
|
||
"特徵描述：",
|
||
"描述：",
|
||
"特徵：",
|
||
]
|
||
|
||
for prefix in prefixes_to_remove:
|
||
if features.startswith(prefix):
|
||
features = features[len(prefix):].strip()
|
||
|
||
# 移除 markdown 標記
|
||
features = features.replace("**", "").replace("*", "")
|
||
|
||
# 限制長度（最多 150 字）
|
||
if len(features) > 150:
|
||
features = features[:150] + "..."
|
||
|
||
print("✅ 人物特徵解析完成")
|
||
print(f" 特徵: {features}")
|
||
print("💡 請將此特徵連接到寫真雜誌提示詞注入器的 features 參數")
|
||
|
||
return (features,)
|
||
|
||
except Exception as e:
|
||
import traceback
|
||
error_msg = f"錯誤：{str(e)}\n{traceback.format_exc()}"
|
||
print(error_msg)
|
||
return ("",)
|
||
|
||
|
||
# 節點註冊
|
||
NODE_CLASS_MAPPINGS = {
|
||
"PersonFeatureExtractor": PersonFeatureExtractor,
|
||
"PersonFeatureParser": PersonFeatureParser,
|
||
}
|
||
|
||
NODE_DISPLAY_NAME_MAPPINGS = {
|
||
"PersonFeatureExtractor": "👤 人物特徵提取器",
|
||
"PersonFeatureParser": "📋 人物特徵解析器",
|
||
}
|