ComfyUI_Cutoff 插件保姆级教程

1. 插件简介

插件原地址： https://github.com/BlenderNeko/ComfyUI_Cutoff

这个插件就像是一个"智能文字分配器"！你知道吗，当我们写提示词的时候，比如"蓝色头发的女孩，穿着绿色领带的白衬衫，红色鞋子，黄色眼睛，粉色裙子"，AI有时候会搞混，可能把蓝色弄到鞋子上，把绿色弄到裙子上。这个插件就是专门解决这个问题的！

主要用途：

• 精确控制颜色和属性的归属，就像给每个词语贴上专属标签
• 防止不同部位的特征互相干扰，比如头发颜色影响到衣服颜色
• 让AI更准确地理解你想要的效果
• 特别适合需要多种颜色和复杂描述的图片生成

能带来什么效果：

• 蓝色头发就真的只是蓝色头发，不会影响到其他部位
• 绿色领带就真的只是绿色领带，不会让整个衣服都变绿
• 让复杂的提示词变得更加精确和可控
• 大大提高生成图片的准确性

2. 如何安装

方法一：通过ComfyUI管理器安装（推荐）

1. 打开ComfyUI
2. 点击"Manager"按钮
3. 搜索"Cutoff"或"BlenderNeko"
4. 点击安装

方法二：手动安装

1. 打开终端或命令提示符
2. 进入ComfyUI的custom_nodes文件夹
3. 运行命令：

   git clone https://github.com/BlenderNeko/ComfyUI_Cutoff.git
   

4. 重启ComfyUI

方法三：直接下载

1. 访问插件的GitHub页面
2. 点击绿色的"Code"按钮，选择"Download ZIP"
3. 解压到ComfyUI的custom_nodes文件夹
4. 重启ComfyUI

注意： 这个插件不需要额外的依赖包，安装后直接可用。

3. 节点详细解析

3.1 Cutoff Base Prompt 节点

这个节点就像是一个"主提示词登记处"，你需要把完整的提示词先在这里登记一下，告诉系统"这就是我要生成的完整描述"。

3.2 参数详解

3.3 Cutoff Set Regions 节点

这个节点就像是一个"区域划分器"，你可以告诉它"这个颜色只能影响这个部位"，就像给不同的房间贴上不同颜色的标签。

3.4 参数详解

3.5 Cutoff Regions To Conditioning 节点

这个节点就像是一个"最终处理器"，把所有的区域设置转换成AI能理解的格式。

3.6 参数详解

3.7 Cutoff Regions To Conditioning (ADV) 节点

这个节点就像是"高级最终处理器"，比普通版本多了更多精细调节选项，就像专业版的调音台。

3.8 参数详解

4. 使用技巧和建议

4.1 基础使用流程

1. 先设置基础提示词：在Cutoff Base Prompt节点输入完整的提示词
2. 划分区域：使用Cutoff Set Regions节点为每个需要精确控制的部分设置区域
3. 设置目标词：指定哪些词语需要被限制在特定区域内
4. 调整权重：根据需要调整每个区域的影响强度
5. 最终转换：使用Conditioning节点转换为可用格式

4.2 区域设置技巧

• 一个区域一个节点：每个Cutoff Set Regions节点最好只设置一个区域，这样更清晰
• 区域文本要准确：region_text必须是原始提示词的一部分，不能随意修改
• 目标词要具体：target_text要写具体的形容词，比如"蓝色"而不是"颜色"
• 多个区域可串联：可以连接多个Cutoff Set Regions节点来设置多个区域

4.3 权重调节建议

• 从1.0开始：默认权重1.0通常就很好用
• 小幅调整：如果效果不够明显，可以调到1.2-1.5
• 避免过高：权重超过2.0可能会产生不自然的效果
• 负权重慎用：负权重会产生相反效果，新手不建议使用

4.4 常见应用场景

• 多色服装：白衬衫+绿领带+红裙子这种复杂搭配
• 复杂发色：渐变色头发或多色挑染
• 精确妆容：红唇+蓝眼影+粉腮红等精细妆容
• 场景分离：前景人物和背景环境的颜色分离

4.5 高级技巧

• 使用下划线连接：如果要匹配多个连续词语，用下划线连接，如"white_shirt"
• 转义下划线：如果词语本身包含下划线，用反斜杠转义，如"word\_with\_underscore"
• ADV版本优势：如果你熟悉不同的权重系统，可以使用ADV版本获得更精确的控制

5. 常见问题解答

Q1: 为什么设置了区域但效果不明显？

A:

1. 检查region_text是否完全匹配原始提示词中的部分
2. 确认target_text中的词语确实存在于提示词中
3. 尝试适当增加weight值到1.2-1.5
4. 检查是否有多个相似的词语互相干扰

Q2: 区域设置后图片质量下降了？

A:

1. 降低weight值，从1.0开始逐步调整
2. 检查strict_mask设置，尝试调低到0.8左右
3. 确保不要设置过多的区域，可能会互相冲突
4. 简化提示词，去掉不必要的修饰词

Q3: 怎么处理包含下划线的词语？

A:

1. 如果是故意连接的词语，直接使用下划线：white_shirt
2. 如果词语本身包含下划线，需要转义：word\_name
3. 对于复杂的词语组合，建议拆分成单个词语处理

Q4: 多个区域之间会不会冲突？

A:

1. 避免区域重叠，每个词语最好只属于一个区域
2. 如果必须重叠，降低权重值避免过度影响
3. 使用strict_mask参数控制区域间的相互影响
4. 按重要性排序，重要的区域放在后面处理

Q5: SDXL模型效果不好怎么办？

A:

1. 这个插件在SDXL上效果确实不如SD1.5明显
2. 可以尝试增加权重值到1.5-2.0
3. 使用ADV版本并调整token_normalization参数
4. 考虑简化提示词，减少复杂的颜色组合

Q6: 节点连接顺序有什么要求？

A:

1. 必须按顺序：Base Prompt → Set Regions → Conditioning
2. 可以串联多个Set Regions节点设置多个区域
3. 最后必须用Conditioning节点转换输出格式
4. CLIP模型要连接到Base Prompt节点

6. 实际应用示例

6.1 基础颜色分离示例

原始提示词： "a cute girl, white shirt with green tie, red shoes, blue hair, yellow eyes, pink skirt"

设置步骤：

1. Base Prompt输入完整提示词
2. 第一个Set Regions：region_text="blue hair", target_text="blue", weight=1.0
3. 第二个Set Regions：region_text="green tie", target_text="green", weight=1.0
4. 第三个Set Regions：region_text="red shoes", target_text="red", weight=1.0
5. 最后用Conditioning节点输出

6.2 复杂服装搭配示例

原始提示词： "elegant woman, black dress with white collar, silver jewelry, golden hair, red lipstick"

设置步骤：

1. 为头发设置区域：region_text="golden hair", target_text="golden"
2. 为服装设置区域：region_text="black dress with white collar", target_text="black white"
3. 为配饰设置区域：region_text="silver jewelry", target_text="silver"
4. 为妆容设置区域：region_text="red lipstick", target_text="red"

6.3 场景分离示例

原始提示词： "girl in blue dress, green forest background, golden sunlight"

设置步骤：

1. 人物区域：region_text="girl in blue dress", target_text="blue"
2. 背景区域：region_text="green forest background", target_text="green"
3. 光线区域：region_text="golden sunlight", target_text="golden"

7. 高级应用技巧

7.1 权重组合策略

• 主要特征用高权重：重要的颜色特征设置1.2-1.5
• 次要特征用标准权重：装饰性颜色保持1.0
• 背景特征用低权重：环境颜色可以设置0.8-0.9

7.2 区域优先级管理

• 按重要性排序：最重要的特征最后处理
• 避免过度分割：不要把每个词都单独设置区域
• 保持逻辑性：相关的特征可以放在同一个区域

7.3 参数微调技巧

• strict_mask调节：0.8-1.0之间通常效果最好
• start_from_masked调节：大多数情况下保持1.0
• token_normalization选择：新手建议使用"none"
• weight_interpretation选择：ComfyUI用户建议使用"comfy"

8. 故障排除指南

8.1 常见错误及解决方案

• "No recognized tokenizer"错误：检查CLIP模型是否正确连接
• 区域不生效：确认region_text完全匹配原始提示词
• 图片异常：降低权重值或减少区域数量
• 性能问题：简化提示词或减少区域设置

8.2 最佳实践建议

• 从简单开始：先用一两个区域测试效果
• 逐步增加复杂度：确认基础效果后再添加更多区域
• 保存工作流：成功的设置要保存为模板
• 定期测试：不同模型可能需要不同的参数设置

9. 总结

ComfyUI_Cutoff插件是一个专门解决提示词精确控制问题的强大工具。它就像给你的提示词装上了"GPS定位系统"，让每个形容词都能准确地找到自己应该影响的目标。

插件特点总结：

• 节点数量：4个（全部覆盖）
• 主要功能：精确控制词语影响范围
• 适用场景：复杂颜色搭配、多元素场景
• 学习难度：中等（需要理解区域概念）
• 效果显著度：高（特别是在复杂提示词中）

使用建议：

• 新手从简单的颜色分离开始练习
• 逐步掌握区域设置和权重调节
• 多实验不同的参数组合
• 保存成功的工作流作为模板

这个插件特别适合那些经常需要生成复杂场景、多色搭配或精确控制图片细节的用户。掌握它之后，你会发现AI生成的图片变得更加精确和可控！