ComfyUI-CaptionThis 插件新手保姆级教程

1. 插件简介

ComfyUI-CaptionThis 是一个专门用来给图片"写说明文字"的插件，就像给照片配上小作文一样。这个插件的厉害之处在于它能用人工智能来"看懂"图片，然后自动写出详细的描述。

插件原地址： https://github.com/MieMieeeee/ComfyUI-CaptionThis

这个插件能给我们带来什么效果？ - 单张图片描述：上传一张图片，它就能自动写出这张图片里有什么、在做什么、什么颜色等等 - 批量处理：一次性给整个文件夹里的所有图片都写说明文字，非常适合整理照片库 - 多种AI模型：支持 Janus Pro 和 Florence2 等不同的"大脑"来看图写字，每种大脑都有自己的特色

2. 如何安装

最简单的安装方法： 1. 打开 ComfyUI-Manager（插件管理器） 2. 在搜索框里输入 "CaptionThis" 3. 找到后点击 "Install" 安装 4. 重启 ComfyUI

3. 节点详细解析

3.1 Janus Pro Describe Image 节点

这个节点就像一个"图片解说员"，你给它一张图片，它就会仔细观察然后告诉你图片里都有什么。

3.2 Janus Pro Describe Image 节点参数详解

参数名 (界面显示)	参数名 (代码里)	参数类型	建议值	通俗解释 (能干嘛的)	专业解释	怎么用/举个例子
模型	model	模型选择	默认模型	选择哪个"大脑"来看图片，就像选择不同的专家来解读图片	指定用于图像描述的预训练模型	选择 Janus-Pro-1B（速度快）或 Janus-Pro-7B（更详细）
图片	image	图片输入	必填	要被描述的图片，就像给专家看的照片	待处理的图像数据，PIL格式	从文件加载或从其他节点传入图片
问题	question	文本	"Describe this image in detail."	你想问图片什么问题，就像跟专家说"请详细描述这张图片"	引导描述过程的提示词或查询	可以改成"这张图片的颜色是什么？"或"图片里有几个人？"
随机种子	seed	整数	42	保证每次结果一样的"魔法数字"，就像做菜的固定配方	用于确保结果可重现的随机数种子	想要稳定结果就用相同数字，想要变化就改数字
温度	temperature	小数	0.1	控制描述的"创意度"，就像调节想象力的旋钮	控制文本生成随机性的参数	0.0最保守准确，1.0最有创意但可能不准确
核采样	top_p	小数	0.95	控制用词的"多样性"，就像调节词汇丰富度	核采样的累积概率阈值	0.9比较保守，0.95平衡，接近1.0更丰富
最大新词数	max_new_tokens	整数	512	描述文字的最大长度，就像限制作文字数	生成描述的最大词汇数量	256=短描述，512=中等，1024=长描述
保持模型加载	keep_model_loaded	开关	True	是否让"专家"一直待命，避免重复叫醒	是否在处理后保持模型在内存中	批量处理时建议开启，单次使用可关闭节省内存

3.3 Janus Pro Describe Image 节点输出

输出名	输出类型	说明
文本	STRING	生成的图片描述文字

3.4 Florence2 Describe Image 节点

这是另一个"图片解说员"，和 Janus Pro 一样能看图写字，但它有自己的特色和强项。

3.5 Florence2 Describe Image 节点参数详解

参数名 (界面显示)	参数名 (代码里)	参数类型	建议值	通俗解释 (能干嘛的)	专业解释	怎么用/举个例子
模型	model	模型选择	Florence-2-large	选择Florence2的哪个版本，就像选择不同级别的专家	指定Florence2模型的具体版本	base=基础版，large=加强版，ft=微调版
图片	image	图片输入	必填	要被描述的图片	待处理的图像数据	同上
任务类型	task_type	下拉选择	DETAILED_CAPTION	选择要执行的任务类型，就像告诉专家用什么方式来看图	指定模型执行的具体任务	详细描述/简短描述/对象检测等
提示词	prompt	文本	可选	额外的指导语，就像给专家更具体的要求	任务特定的提示输入	根据任务类型填写相应提示
随机种子	seed	整数	42	保证结果稳定的数字	随机种子	同上
保持模型加载	keep_model_loaded	开关	True	是否保持专家待命	是否保持模型在内存中	同上

3.6 Florence2 Describe Image 节点输出

输出名	输出类型	说明
文本	STRING	生成的图片描述文字

3.7 批量处理节点（Directory Caption）

这个节点就像一个"批处理工厂"，能一次性给整个文件夹里的所有图片都写说明文字。

3.8 批量处理节点参数详解

参数名 (界面显示)	参数名 (代码里)	参数类型	建议值	通俗解释 (能干嘛的)	专业解释	怎么用/举个例子
模型	model	模型选择	根据需要	选择用哪个"大脑"来批量处理	指定用于批处理的模型	大量图片用快速模型，少量图片用精确模型
输入目录	input_directory	文件夹路径	必填	装满图片的文件夹位置，就像告诉工人去哪里搬砖	包含待处理图像的目录路径	例如：D:\Pictures\MyPhotos\
输出目录	output_directory	文件夹路径	可选	保存描述文字的地方，不填就放在原文件夹	保存生成文本的目录路径	可以和输入目录相同或不同
文件格式	file_extensions	文本列表	jpg,png,jpeg	要处理哪些格式的图片，就像告诉工人搬哪种砖	支持的图像文件扩展名	默认处理常见格式，可以添加webp、bmp等
覆盖模式	overwrite	开关	False	如果已经有描述文字了，是否要重新写	是否覆盖已存在的描述文件	True=重新写，False=跳过已有的
问题模板	question_template	文本	"Describe this image in detail."	对每张图片问什么问题	应用于所有图像的提示模板	可以自定义问题来获得特定类型的描述

3.9 批量处理节点输出

输出名	输出类型	说明
处理结果	STRING	批处理完成的统计信息
文件列表	LIST	处理过的文件列表

4. 使用技巧和建议

4.1 选择合适的模型

Janus Pro 1B：速度快，适合快速预览和大批量处理
Janus Pro 7B：描述更详细准确，适合需要高质量描述的场景
Florence2：在特定任务上表现优异，如物体检测、OCR等

4.2 调节参数获得最佳效果

温度值(Temperature)：新手建议保持0.1-0.3之间，既保证准确性又有一定变化
最大词数(Max New Tokens)：一般照片用512够用，复杂场景可以设置到1024
核采样(Top P)：0.9-0.95是比较平衡的选择

4.3 提示词优化

具体化问题：不要只问"描述图片"，可以问"详细描述图片中人物的服装和动作"
使用中文：可以用中文提问，比如"这张图片的主要内容是什么？"
分类询问：可以分别询问颜色、物体、动作、情感等不同方面

4.4 批量处理建议

先用小批量测试参数设置
处理大量图片时建议开启"保持模型加载"
给文件夹分类，不同类型的图片可能需要不同的问题模板

5. 常见问题解答

Q1：为什么我的描述都是英文的？

A：这些AI模型主要是用英文训练的，生成英文描述是正常的。你可以： - 在问题里用中文问，有时能得到中文回答 - 用其他翻译插件把英文描述翻译成中文

Q2：模型下载很慢怎么办？

A： - 设置环境变量 HF_ENDPOINT=https://hf-mirror.com 使用国内镜像 - 或者手动下载模型文件到指定目录

Q3：内存不够用怎么办？

A： - 选择较小的模型（如Janus Pro 1B） - 关闭"保持模型加载"选项 - 减少同时处理的图片数量

Q4：描述不够准确怎么办？

A： - 尝试不同的模型 - 调整提示词，让问题更具体 - 降低温度值让结果更保守准确

Q5：批量处理中断了怎么办？

A： - 设置覆盖模式为False，重新运行会跳过已处理的图片 - 检查输入目录路径是否正确 - 确保有足够的磁盘空间

6. 实际应用场景

6.1 照片整理

给家庭照片批量生成描述，方便日后搜索和整理。

6.2 图库管理

为设计素材库的图片生成标签和描述，提高工作效率。

6.3 无障碍应用

为视觉障碍用户提供图片的文字描述。

6.4 训练数据准备

为AI模型训练准备带有描述的图片数据集，特别适合LoRA训练。

6.5 内容创作

帮助写作者描述场景，为小说、剧本等提供视觉描述灵感。

7. 进阶技巧

7.1 结合其他插件

配合 MieNodes 的 ShowText 节点显示结果
与图片处理节点组合，先处理图片再生成描述
结合翻译插件实现中文描述

7.2 工作流优化

建立标准化的描述模板
设置不同场景的预设参数
创建批处理的标准流程

这个插件真的很实用，特别是对于需要大量处理图片的朋友。虽然刚开始可能觉得参数很多，但多试几次就会发现其实很简单。记住，最重要的是先从简单的开始，一步步探索更高级的功能！

ComfyUI-CaptionThis插件使用教程 从入门到精通详解