GBrain
af57d757eb
新增 / New - PoseReference 节点：姿势素材库（线稿 / 深度两套）+ 节点内缩略图，选中素材以 data URI 内嵌进工作流 - 采样器「⚡预设」下拉：一键填 采样器/调度器/步数/CFG/Sigma曲线；预设表只有一份在 sampler.py， 前端走 /toggle_pass/sampler_presets 拉取；手改任一参数自动退回「手动（不套用）」 - ToggleEmptyLatent 新增 latent类型（4 档：SD 4ch/8x、SD3-Flux-Krea2 16ch/8x、Qwen2.1 64ch/16x、Flux2 128ch/16x） - DynamicRefImageEncode 新增专门的 negative 输出（内部编空文本），替代 ConditioningZeroOut 变更 / Changed - 模型类型：SD / SDXL → SD / SDXL / Z-Image（前后端双层别名迁移，旧工作流自动改写） - DynamicRefImageEncode 输出口顺序 → conditioning / negative / latent，老工作流按 link 类型自动迁移连线 - clip_type 从 14 项补到 40 项；auto 重做为「精确表 → MRO 继承链 → 前缀规则」三层 - CLIP 校验加固：手工表未登记的模型改问 model_config.clip_target()，覆盖 106/108 个模型类 - 统一加载器支持 FIBO 2.0 / MOSS-Image；采样器预设新增 FIBO 2.0 turbo（4步） 修复 / Fixed - Krea2 的 reference_latents_method: index_timestep_zero → index（前者会把参考线稿「描」进画面） - Krea2 参考图 latent fit 到出图网格 - 修正三处 Flux2 空 latent 的通道 / 尺寸（Ref Image Encode / OneImageMultiPrompt / Ref Independent） - 广播：槽位小点点亮、端点圆点改到节点下层、修「紫线伸向空白处断掉」（零尺寸 boundingRect 误判） - 输出口顺序迁移只在 onConfigure 跑一次太早（graph.links 要几百毫秒才建好）⇒ 改为阶梯重试， 否则会出现「槽位改名了、连线没搬」 其他 / Misc - 新增诊断命令 __tpAudit()：打印每条广播线两端坐标 / 归属节点 / 是否悬空 - 画布菜单新增「🔄 刷新姿势素材库」 - 移除示例 Krea2 Pose Editing (Ostris).json（硬依赖外部节点包且会换人） 版本 / Version - 新增 pyproject.toml（ComfyUI-Manager / Registry 元数据入口），版本号 v1.0.0 - __init__.py 增加 __version__，启动打印 [Toggle-Pass] v1.0.0 loaded — 13 nodes - README 顶部加版本标识
378 lines
16 KiB
Python
378 lines
16 KiB
Python
"""
|
||
ComfyUI-Toggle-Pass: 采样器（一体）
|
||
|
||
把「随机噪波 + CFG引导器 + K采样器选择 + Sigmas」四件套收进一个节点。
|
||
等价于以下官方链路：
|
||
RandomNoise + CFGGuider + KSamplerSelect + (BasicScheduler | ManualSigmas)
|
||
-> SamplerCustomAdvanced
|
||
|
||
设计要点
|
||
· 模型 / 条件 / Latent 仍是输入插槽，所以换任何模型都能直接用；
|
||
真正随模型变的只有「采样方案（sigma 表）」+ 步数 + CFG，做成参数即可。
|
||
· 「采样方案」分三类：
|
||
1) 自动：按 步数 + 调度器 现算 sigma（= BasicScheduler，Krea2 turbo 走这条）
|
||
2) 预置表：蒸馏模型专用的固定 sigma 轨迹（Qwen-Image-2.1 turbo 走这条）
|
||
3) 自定义：手填一串 sigma，方便接新模型而不用改代码
|
||
· 预置表不能靠 steps 推算 —— 那是 8 步蒸馏轨迹，改了就偏离训练分布。
|
||
|
||
Author: Clever
|
||
"""
|
||
|
||
import torch
|
||
|
||
import comfy.model_management
|
||
import comfy.sample
|
||
import comfy.samplers
|
||
import comfy.utils
|
||
import latent_preview
|
||
|
||
|
||
# ==================== 采样方案 ====================
|
||
|
||
SCHEME_AUTO = "自动（按步数 + 调度器）"
|
||
SCHEME_CUSTOM = "自定义表"
|
||
|
||
# 蒸馏模型专用的固定 sigma 轨迹（来自官方模板，改一个数字就会跑偏）
|
||
# 规则：逗号分隔、严格递减、末值必须 0、N 个点 = N-1 步
|
||
SIGMA_PRESETS = {
|
||
"Qwen-Image-2.1 turbo 8步":
|
||
"1.0, 0.978453, 0.95418, 0.926626, 0.89508, 0.845148, 0.704534, 0.414568, 0",
|
||
"LTX-2 视频 8步（蒸馏）":
|
||
"1.0, 0.99375, 0.9875, 0.98125, 0.975, 0.909375, 0.725, 0.421875, 0.0",
|
||
"LTX-2 视频 3步（低噪）":
|
||
"0.909375, 0.725, 0.421875, 0.0",
|
||
}
|
||
|
||
SCHEME_LIST = [SCHEME_AUTO] + list(SIGMA_PRESETS.keys()) + [SCHEME_CUSTOM]
|
||
|
||
# 「自定义表」输入框的默认示例：用户点开就能看到该填什么格式
|
||
SCHEMA_SAMPLE = SIGMA_PRESETS["Qwen-Image-2.1 turbo 8步"]
|
||
|
||
|
||
# ==================== 模型预设 ====================
|
||
# 一键把「采样方案 + 采样器 + 调度器 + 步数 + CFG」设成该模型的常用组合。
|
||
#
|
||
# 数值不是凭印象写的，全部来自本机 `ComfyUI/user/default/workflows/` 里
|
||
# 实际跑通的工作流（括号内是来源文件），改之前请先跑一遍再到这里调：
|
||
# · Qwen-Image 2.1 25 步 euler simple CFG 1 ← qwen-iamge-2.1-Full / qwen-image-2.1-aio
|
||
# · Qwen-Image 2.1 turbo 8 步 固定 sigma 表 ← Qwen21_turbo_TogglePass
|
||
# · Krea 2 turbo 8 步 euler simple CFG 1 ← Krea2_Ostris_Edit_outfit
|
||
# · Krea 2 细节增强 12 步 euler simple CFG 1 ← krea2_turbo_edit
|
||
# · FLUX.2 klein 4 步 euler beta CFG 1 ← Flux2/Flux2图文合一、画质提升
|
||
# · FLUX.2 klein 高清修复 4 步 euler_ancestral simple ← Flux2/flux2-klein-高清修复
|
||
# · Z-Image turbo 8 步 euler_ancestral simple ← z-image/z-image-turbo
|
||
# · Qwen-Image Layered 9 步 euler simple CFG 2.5 ← Qwen-image/image_qwen_layered
|
||
# · Qwen-Image Edit 2511 4 步 euler_ancestral beta ← Qwen-image/qwen_Image-AIO-2511-*
|
||
# · FIBO 2.0 turbo 4 步 euler simple CFG 1 ← FIBO2-文生图+图编辑
|
||
# · MOSS-Image 30 步 euler normal CFG 4 ← image_moss_image_edit
|
||
#
|
||
# 前端会读 /toggle_pass/sampler_presets 拿这张表（单一数据源，别在前端再抄一份）。
|
||
# Python 本身**不套用**预设：它只是前端的一键填充，参数最终以 widget 上的值为准，
|
||
# 这样用户选完预设再手改任何一个值都不会被后端偷偷改回去。
|
||
PRESET_NONE = "手动（不套用）"
|
||
|
||
# 下拉里只显示短名 —— 节点宽度有限，名字太长会把左边的标题「预设」整个挤掉。
|
||
# 完整信息都在括注里，而 CFG 之类真正会变的参数选完就能在旁边看到。
|
||
MODEL_PRESETS = {
|
||
PRESET_NONE: None,
|
||
"Qwen-Image 2.1（25步）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler", "scheduler": "simple",
|
||
"steps": 25, "cfg": 1.0,
|
||
},
|
||
"Qwen-Image 2.1 turbo（8步·固定表）": {
|
||
"scheme": "Qwen-Image-2.1 turbo 8步", "sampler": "euler", "scheduler": "simple",
|
||
"steps": 8, "cfg": 1.0,
|
||
},
|
||
"Krea 2 turbo（8步）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler", "scheduler": "simple",
|
||
"steps": 8, "cfg": 1.0,
|
||
},
|
||
"Krea 2 turbo・细节增强（12步）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler", "scheduler": "simple",
|
||
"steps": 12, "cfg": 1.0,
|
||
},
|
||
"FLUX.2 klein（4步·beta）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler", "scheduler": "beta",
|
||
"steps": 4, "cfg": 1.0,
|
||
},
|
||
"FLUX.2 klein・高清修复（4步）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler_ancestral", "scheduler": "simple",
|
||
"steps": 4, "cfg": 1.0,
|
||
},
|
||
"Z-Image turbo（8步）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler_ancestral", "scheduler": "simple",
|
||
"steps": 8, "cfg": 1.0,
|
||
},
|
||
"Qwen-Image Layered（9步·CFG2.5）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler", "scheduler": "simple",
|
||
"steps": 9, "cfg": 2.5,
|
||
},
|
||
"Qwen-Image Edit 2511 AIO（4步）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler_ancestral", "scheduler": "beta",
|
||
"steps": 4, "cfg": 1.0,
|
||
},
|
||
# 下面两个是 11-04 新加：FIBO 是 4 步蒸馏（steps 给大反而崩），MOSS 是 SFT 不是蒸馏，
|
||
# 30 步 + CFG 4 才是它训练时的配置，降到 4 步会糊成一片。
|
||
"FIBO 2.0 turbo（4步）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler", "scheduler": "simple",
|
||
"steps": 4, "cfg": 1.0,
|
||
},
|
||
"MOSS-Image（30步·CFG4）": {
|
||
"scheme": SCHEME_AUTO, "sampler": "euler", "scheduler": "normal",
|
||
"steps": 30, "cfg": 4.0,
|
||
},
|
||
}
|
||
|
||
# 中途有过一版用短名（"Qwen 2.1 · 25步" 这种），已存盘的工作流里可能是它。
|
||
# 加载时由前端按这张表把旧值翻译成当前全名，否则下拉会显示成空值。
|
||
PRESET_ALIASES = {
|
||
"Qwen 2.1 · 25步": "Qwen-Image 2.1（25步）",
|
||
"Qwen 2.1 turbo · 8步表": "Qwen-Image 2.1 turbo（8步·固定表）",
|
||
"Krea2 turbo · 8步": "Krea 2 turbo（8步）",
|
||
"Krea2 细节 · 12步": "Krea 2 turbo・细节增强（12步）",
|
||
"FLUX2 klein · 4步": "FLUX.2 klein（4步·beta）",
|
||
"FLUX2 高清 · 4步": "FLUX.2 klein・高清修复（4步）",
|
||
"Z-Image turbo · 8步": "Z-Image turbo（8步）",
|
||
"Layered · 9步": "Qwen-Image Layered（9步·CFG2.5）",
|
||
"2511 AIO · 4步": "Qwen-Image Edit 2511 AIO（4步）",
|
||
}
|
||
|
||
PRESET_LIST = [PRESET_NONE] + [k for k in MODEL_PRESETS if k != PRESET_NONE]
|
||
|
||
# widgets_values 是「按顺序」存的，而 1.57 之前的老存档没有 widgets_values_named，
|
||
# 只能靠位置对上号。把「模型预设」挪到最前面之后，这份「老顺序」就是给前端
|
||
# 填 nodeData.fallbackWidgetsValuesNames 用的 —— 老存档照这张表按名字重新对应。
|
||
LEGACY_WIDGET_ORDER = [
|
||
"采样方案", "采样器", "调度器", "步数", "CFG", "降噪",
|
||
"噪波随机种", "control_after_generate", "自定义Sigma表", "模型预设",
|
||
]
|
||
|
||
|
||
# ==================== 工具 ====================
|
||
|
||
class _RandomNoise:
|
||
"""等价于官方的 Noise_RandomNoise。"""
|
||
|
||
def __init__(self, seed):
|
||
self.seed = seed
|
||
|
||
def generate_noise(self, input_latent):
|
||
latent_image = input_latent["samples"]
|
||
batch_inds = input_latent.get("batch_index")
|
||
return comfy.sample.prepare_noise(latent_image, self.seed, batch_inds)
|
||
|
||
|
||
def parse_sigmas(text):
|
||
"""把 "1.0, 0.9, 0" 解析成 tensor，并做基本校验。"""
|
||
if text is None:
|
||
raise ValueError("Sigma 表为空")
|
||
raw = str(text).replace("\n", ",").replace(";", ",").replace("\t", ",")
|
||
values = []
|
||
for part in raw.split(","):
|
||
part = part.strip()
|
||
if not part:
|
||
continue
|
||
try:
|
||
values.append(float(part))
|
||
except ValueError:
|
||
raise ValueError(f"Sigma 表里有无法解析的值：{part!r}（只能是数字和逗号）")
|
||
|
||
if len(values) < 2:
|
||
raise ValueError("Sigma 表至少需要 2 个值（N 个点 = N-1 步）")
|
||
if abs(values[-1]) > 1e-6:
|
||
raise ValueError(f"Sigma 表末值必须是 0，现在是 {values[-1]}（否则采样收不干净）")
|
||
for i in range(len(values) - 1):
|
||
if values[i + 1] > values[i] + 1e-6:
|
||
raise ValueError(
|
||
f"Sigma 表必须严格递减，第 {i + 1} 个值 {values[i]} -> {values[i + 1]} 是上涨的"
|
||
)
|
||
return torch.FloatTensor(values)
|
||
|
||
|
||
def truncate_sigmas(sigmas, denoise):
|
||
"""按降噪比例从表尾截取 —— 与 BasicScheduler 的 denoise 语义一致。
|
||
|
||
img2img / 细化时从较低噪声处起步，所以砍掉表头的高噪声段。
|
||
"""
|
||
if denoise >= 0.999:
|
||
return sigmas
|
||
if denoise <= 0.0:
|
||
raise ValueError("降噪为 0 时没有可采样的步数")
|
||
|
||
total = sigmas.shape[-1] - 1 # 总步数
|
||
keep = max(1, min(total, int(round(total * denoise))))
|
||
return sigmas[-(keep + 1):]
|
||
|
||
|
||
# ==================== 节点 ====================
|
||
|
||
class ToggleSampler:
|
||
"""一体化采样器：噪波 + CFG引导器 + 采样器 + Sigmas => 出一个 Latent。"""
|
||
|
||
@classmethod
|
||
def INPUT_TYPES(cls):
|
||
return {
|
||
"required": {
|
||
"模型": ("MODEL",),
|
||
"正面条件": ("CONDITIONING",),
|
||
"负面条件": ("CONDITIONING",),
|
||
"Latent图像": ("LATENT",),
|
||
# 「模型预设」放在所有参数控件的最前面：先选模型、再微调，才是真实顺序。
|
||
# 它只是前端的一键填充按钮，后端不参与计算。
|
||
"模型预设": (PRESET_LIST, {
|
||
"default": PRESET_NONE,
|
||
"tooltip": "选一个模型，自动把下面的采样方案/采样器/调度器/步数/CFG 填好；"
|
||
"之后手动改其中任何一个会自动回到「手动」",
|
||
}),
|
||
"采样方案": (SCHEME_LIST, {"default": SCHEME_AUTO}),
|
||
"采样器": (comfy.samplers.KSampler.SAMPLERS, {"default": "euler"}),
|
||
"调度器": (comfy.samplers.KSampler.SCHEDULERS, {"default": "simple"}),
|
||
"步数": ("INT", {
|
||
"default": 20, "min": 1, "max": 10000, "step": 1,
|
||
"tooltip": "仅「自动」方案生效；选预置表时步数由表的点数决定",
|
||
}),
|
||
"CFG": ("FLOAT", {"default": 1.0, "min": 0.0, "max": 100.0, "step": 0.1}),
|
||
"降噪": ("FLOAT", {"default": 1.0, "min": 0.0, "max": 1.0, "step": 0.01}),
|
||
"噪波随机种": ("INT", {
|
||
"default": 0, "min": 0, "max": 0xffffffffffffffff,
|
||
"control_after_generate": True,
|
||
}),
|
||
"自定义Sigma表": ("STRING", {
|
||
"default": SCHEMA_SAMPLE,
|
||
"multiline": True,
|
||
"tooltip": "仅「自定义表」方案生效。逗号分隔、严格递减、末值必须是 0",
|
||
}),
|
||
}
|
||
}
|
||
|
||
RETURN_TYPES = ("LATENT", "LATENT")
|
||
RETURN_NAMES = ("Latent", "降噪Latent")
|
||
FUNCTION = "sample"
|
||
CATEGORY = "Toggle-Pass"
|
||
|
||
# ---------- sigma ----------
|
||
|
||
@staticmethod
|
||
def build_sigmas(model, scheme, scheduler, steps, denoise, custom_text):
|
||
if scheme == SCHEME_AUTO:
|
||
total = steps
|
||
if denoise < 1.0:
|
||
if denoise <= 0.0:
|
||
raise ValueError("降噪为 0 时没有可采样的步数")
|
||
total = int(steps / denoise)
|
||
sigmas = comfy.samplers.calculate_sigmas(
|
||
model.get_model_object("model_sampling"), scheduler, total
|
||
).cpu()
|
||
return sigmas[-(steps + 1):]
|
||
|
||
text = custom_text if scheme == SCHEME_CUSTOM else SIGMA_PRESETS.get(scheme)
|
||
if text is None:
|
||
raise ValueError(f"未知采样方案：{scheme}")
|
||
return truncate_sigmas(parse_sigmas(text), denoise)
|
||
|
||
# ---------- 主流程 ----------
|
||
|
||
def sample(self, 模型, 正面条件, 负面条件, Latent图像, 采样方案, 采样器,
|
||
调度器, 步数, CFG, 降噪, 噪波随机种, 自定义Sigma表,
|
||
模型预设=PRESET_NONE):
|
||
# ⚠️ 这里的参数顺序和 INPUT_TYPES 不一样是故意的：`模型预设` 在 INPUT_TYPES 里排第一
|
||
# （决定前端控件的显示顺序），但这里必须留在末尾 —— Python 不允许有默认值的参数
|
||
# 排在无默认值的前面。ComfyUI 用关键字传参（getattr(obj, FUNCTION)(**inputs)），
|
||
# 所以顺序差异不影响调用。
|
||
# 模型预设只是个前端快捷填充：选中时前端已经把下面几个参数改好了，
|
||
# 这里不能再套一次 —— 否则用户选完预设又手改了步数，会被后端悄悄改回去。
|
||
model = 模型
|
||
latent = Latent图像
|
||
work = latent.copy()
|
||
|
||
samples = comfy.sample.fix_empty_latent_channels(
|
||
model,
|
||
latent["samples"],
|
||
work.get("downscale_ratio_spacial"),
|
||
work.get("downscale_ratio_temporal"),
|
||
)
|
||
work["samples"] = samples
|
||
noise_mask = work.get("noise_mask")
|
||
|
||
sigmas = self.build_sigmas(model, 采样方案, 调度器, 步数, 降噪, 自定义Sigma表)
|
||
if sigmas.shape[-1] < 2:
|
||
raise ValueError("Sigma 表换算后不足 2 个点，请加大步数或减小降噪")
|
||
|
||
guider = comfy.samplers.CFGGuider(model)
|
||
guider.set_conds(正面条件, 负面条件)
|
||
guider.set_cfg(CFG)
|
||
|
||
sampler = comfy.samplers.sampler_object(采样器)
|
||
noise = _RandomNoise(噪波随机种)
|
||
|
||
x0_output = {}
|
||
callback = latent_preview.prepare_callback(model, sigmas.shape[-1] - 1, x0_output)
|
||
disable_pbar = not comfy.utils.PROGRESS_BAR_ENABLED
|
||
|
||
out_samples = guider.sample(
|
||
noise.generate_noise(work),
|
||
samples,
|
||
sampler,
|
||
sigmas,
|
||
denoise_mask=noise_mask,
|
||
callback=callback,
|
||
disable_pbar=disable_pbar,
|
||
seed=噪波随机种,
|
||
)
|
||
out_samples = out_samples.to(comfy.model_management.intermediate_device())
|
||
|
||
out = latent.copy()
|
||
out.pop("downscale_ratio_spacial", None)
|
||
out.pop("downscale_ratio_temporal", None)
|
||
out["samples"] = out_samples
|
||
|
||
if "x0" in x0_output:
|
||
x0_out = model.model.process_latent_out(x0_output["x0"].cpu())
|
||
out_denoised = latent.copy()
|
||
out_denoised["samples"] = x0_out
|
||
else:
|
||
out_denoised = out
|
||
|
||
return (out, out_denoised)
|
||
|
||
|
||
NODE_CLASS_MAPPINGS = {
|
||
"ToggleSampler": ToggleSampler,
|
||
}
|
||
|
||
NODE_DISPLAY_NAME_MAPPINGS = {
|
||
"ToggleSampler": "采样器（一体）",
|
||
}
|
||
|
||
|
||
# ---- 给前端用的预设表接口 ----
|
||
def _register_routes():
|
||
"""把 MODEL_PRESETS 原样吐给前端，避免 JS 里再抄一份导致两边不同步。"""
|
||
try:
|
||
from aiohttp import web
|
||
from server import PromptServer
|
||
|
||
instance = getattr(PromptServer, "instance", None)
|
||
routes = getattr(instance, "routes", None) if instance is not None else None
|
||
if routes is None:
|
||
return
|
||
|
||
@routes.get("/toggle_pass/sampler_presets")
|
||
async def _sampler_presets(request):
|
||
return web.json_response({
|
||
"presets": MODEL_PRESETS,
|
||
"list": PRESET_LIST,
|
||
"default": PRESET_NONE,
|
||
"schemes": SCHEME_LIST,
|
||
# 老存档里存的是长名，前端加载时按这张表换成新名
|
||
"aliases": PRESET_ALIASES,
|
||
# 1.57 之前的老存档只有按位置的 widgets_values，用这张表按名字重新对应
|
||
"legacyWidgetOrder": LEGACY_WIDGET_ORDER,
|
||
})
|
||
except Exception:
|
||
# 独立导入 / 无 server 模块时静默跳过，不影响节点本身
|
||
return
|
||
|
||
|
||
_register_routes()
|