Add files via upload

modelscope_image_caption_node.py

@@ -8,7 +8,7 @@ from io import BytesIO
 import os
 import base64
 import re
-from .modelscope_image_node import load_config, load_api_tokens, save_api_tokens, tensor_to_base64_url
+from .modelscope_image_node import load_config, save_config, tensor_to_base64_url
 
 # 检查openai库是否可用
 try:
@@ -17,6 +17,26 @@ try:
 except ImportError:
     OPENAI_AVAILABLE = False
 
+# 仅与modelscope_config.json交互的API Token管理函数
+def load_api_tokens():
+    try:
+        cfg = load_config()
+        tokens_from_cfg = cfg.get("api_tokens", [])
+        if tokens_from_cfg and isinstance(tokens_from_cfg, list):
+            return [token.strip() for token in tokens_from_cfg if token.strip()]
+    except Exception as e:
+        print(f"读取config中的tokens失败: {e}")
+    return []
+
+def save_api_tokens(tokens):
+    try:
+        cfg = load_config()
+        cfg["api_tokens"] = tokens
+        return save_config(cfg)
+    except Exception as e:
+        print(f"保存tokens到config失败: {e}")
+        return False
+
 class ModelScopeImageCaptionNode:
     def __init__(self):
         pass
@@ -40,7 +60,6 @@ class ModelScopeImageCaptionNode:
         ]
         return {
             "required": {
-                "image": ("IMAGE",),
                 "api_tokens": ("STRING", {
                     "default": f"***已保存{len(saved_tokens)}个Token***" if saved_tokens else "",
                     "placeholder": "请输入API Token（支持多个，用逗号/换行分隔）",
@@ -48,6 +67,8 @@ class ModelScopeImageCaptionNode:
                 }),
             },
             "optional": {
+                # 关键修改：将image设置为可选输入
+                "image": ("IMAGE", {"optional": True}),
                 "prompt1": ("STRING", {
                     "multiline": True,
                     "default": "详细描述这张图片的内容，包括主体、背景、颜色、风格等信息"
@@ -56,9 +77,8 @@ class ModelScopeImageCaptionNode:
                     "multiline": True,
                     "default": ""
                 }),
-                # 添加模型下拉选择
                 "model": (supported_models, {
-                    "default": "Qwen/Qwen3-VL-8B-Instruct"  # 默认选中原模型
+                    "default": "Qwen/Qwen3-VL-8B-Instruct"
                 }),
                 "max_tokens": ("INT", {
                     "default": 1000,
@@ -87,12 +107,24 @@ class ModelScopeImageCaptionNode:
         # 支持多种分隔符拆分Token
         tokens = re.split(r'[,;\n]+', token_input)
         return [token.strip() for token in tokens if token.strip()]
+    
+    def create_blank_image(self, width=64, height=64):
+        """创建空白图像张量（符合ComfyUI的图像格式要求）"""
+        # 创建白色背景的RGB图像
+        blank_np = np.ones((height, width, 3), dtype=np.uint8) * 255
+        # 转换为ComfyUI格式的张量 (batch, height, width, channels)
+        blank_tensor = torch.from_numpy(blank_np).unsqueeze(0).float() / 255.0
+        return blank_tensor
 
-    # 调整参数顺序，加入新的prompt2参数
     def generate_caption(self, image=None, api_tokens="", prompt1="详细描述这张图片的内容", prompt2="", model="Qwen/Qwen3-VL-8B-Instruct", max_tokens=1000, temperature=0.7):
         if not OPENAI_AVAILABLE:
             return ("请先安装openai库: pip install openai",)
         
+        # 关键修改：处理输入图像为空的情况
+        if image is None:
+            print("⚠️ 未输入图像，自动生成空白图像作为输入")
+            image = self.create_blank_image()
+        
         # 处理提示词合并
         prompt_parts = []
         if prompt1.strip():
@@ -100,13 +132,12 @@ class ModelScopeImageCaptionNode:
         if prompt2.strip():
             prompt_parts.append(prompt2.strip())
         
-        # 如果两个提示词都为空，使用默认提示
         if not prompt_parts:
             prompt = "详细描述这张图片的内容，包括主体、背景、颜色、风格等信息"
         else:
             prompt = ", ".join(prompt_parts)
         
-        # 解析Token列表（支持多个）
+        # 解析Token列表
         tokens = self.parse_api_tokens(api_tokens)
         if not tokens:
             raise Exception("请提供至少一个有效的API Token")
@@ -122,7 +153,7 @@ class ModelScopeImageCaptionNode:
         try:
             print(f"🔍 开始生成图像描述...")
             print(f"📝 提示词: {prompt}")
-            print(f"🤖 模型: {model}")  # 显示选中的模型
+            print(f"🤖 模型: {model}")
             print(f"🔑 可用Token数量: {len(tokens)}")
             
             # 转换图像为base64格式
@@ -149,13 +180,11 @@ class ModelScopeImageCaptionNode:
                 try:
                     print(f"🔄 尝试使用第 {i+1}/{len(tokens)} 个Token...")
                     
-                    # 初始化OpenAI客户端
                     client = OpenAI(
                         base_url='https://api-inference.modelscope.cn/v1',
                         api_key=token
                     )
                     
-                    # 调用API（使用选中的模型）
                     response = client.chat.completions.create(
                         model=model,
                         messages=messages,
@@ -164,7 +193,6 @@ class ModelScopeImageCaptionNode:
                         stream=False
                     )
                     
-                    # 成功获取结果
                     description = response.choices[0].message.content
                     print(f"✅ 第 {i+1} 个Token调用成功!")
                     print(f"📄 结果预览: {description[:100]}...")