%20(1).png)
ComfyUI-DeZoomer-Nodes 插件完整保姆级教程
1. 插件简介
ComfyUI-DeZoomer-Nodes 是一个专门为视频字幕生成和优化而设计的插件包。简单来说，它就像一个"视频解说员"，可以帮你自动观看视频并生成详细的文字描述，还能把这些描述进一步优化得更加流畅自然。
GitHub原地址： https://github.com/De-Zoomer/ComfyUI-DeZoomer-Nodes
这个插件能给我们带来什么效果： - 自动为视频片段生成详细的文字描述 - 把粗糙的描述文本优化成流畅的文字 - 支持多种不同的AI模型来处理视频和文字 - 可以批量处理多个视频帧
2. 如何安装
方法一：使用ComfyUI管理器（推荐新手）
- 打开ComfyUI界面
- 点击"Manager"标签页
- 点击"Custom Nodes Manager"
- 在搜索框里输入"DeZoomer"
- 找到"ComfyUI-DeZoomer-Nodes"并点击"Install"
- 重启ComfyUI
方法二：手动安装
- 找到你的ComfyUI安装目录下的
custom_nodes文件夹 - 在命令行中运行：
git clone https://github.com/De-Zoomer/ComfyUI-DeZoomer-Nodes.git - 进入插件目录：
cd ComfyUI-DeZoomer-Nodes - 安装依赖：
pip install -r requirements.txt - 重启ComfyUI
3. 节点详细解析
3.1 Video Captioning 节点（视频字幕生成器）
这个节点就像一个专业的视频解说员，它能"看懂"视频内容并写出详细的描述。想象一下，你有一段视频，这个节点会像一个细心的观众一样，把视频中的人物、动作、场景、背景等所有细节都用文字描述出来。
3.1.1 参数详解
| 参数名 (界面显示) | 参数名 (代码中) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用举例 |
|---|---|---|---|---|---|---|
| Images | images | IMAGE | 必填 | 就像给节点看的"照片集"，实际上是视频的每一帧画面 | 输入的视频帧图像数据，ComfyUI的IMAGE类型 | 连接视频加载器的输出，或者图片加载器的输出 |
| User Prompt | user_prompt | STRING | 默认提供 | 告诉AI要重点关注什么内容的"指令单"，比如"请详细描述画面中的人物表情和动作" | 用户自定义的提示词，指导模型关注特定方面 | "请描述视频中的服装细节和背景环境" |
| System Prompt | system_prompt | STRING | 默认提供 | 告诉AI要用什么"语气"和"风格"来描述，就像给它设定一个"人格" | 系统级提示词，定义模型的行为和输出风格 | 保持默认值即可，除非你想要特定的描述风格 |
| Model Name | model_name | STRING | Qwen/Qwen2.5-VL-7B-Instruct | 选择哪个"大脑"来分析视频，不同的大脑有不同的特长 | 选择用于视频理解的AI模型 | 可选择Qwen2.5-VL、SkyCaptioner-V1或ShotVL |
| Temperature | temperature | FLOAT | 0.3 | 控制AI回答的"创意程度"，数值越高越有创意，越低越保守 | 控制文本生成的随机性程度 | 0.1-0.5适合描述性文本，0.5-1.0适合创意性文本 |
| Use Flash Attention | use_flash_attention | BOOLEAN | True | 开启"加速模式"，让AI处理得更快，就像给汽车加涡轮增压 | 使用Flash Attention技术加速计算 | 建议保持True，除非遇到兼容性问题 |
| Low CPU Memory Usage | low_cpu_mem_usage | BOOLEAN | True | 开启"省内存模式"，让电脑运行更稳定，不会因为内存不足而卡死 | 优化CPU内存使用 | 内存小于32GB建议开启True |
| Quantization Type | quantization_type | STRING | 4-bit | 选择"压缩等级"，就像选择图片的压缩质量，4-bit省内存但可能稍微影响质量 | 模型量化类型，用于内存优化 | 4-bit省内存，8-bit质量更好但耗内存 |
| Keep Model Loaded | keep_model_loaded | BOOLEAN | False | 是否让AI一直"待机"，True会让后续处理更快，但会一直占用内存 | 处理完成后是否保持模型在内存中 | 频繁使用时可设为True，偶尔使用建议False |
| Seed | seed | INT | 随机 | 设置一个"随机种子"，同样的种子会产生相同的结果，用于复现效果 | 随机种子，用于结果的可重复性 | 想要固定结果时设置具体数值，如12345 |
3.2 Caption Refinement 节点（文字优化器）
这个节点就像一个专业的文字编辑，它接收粗糙的描述文字，然后把这些文字修改得更加流畅、自然、易读。想象一下，你有一段机器生成的描述文字，这个节点会像一个语文老师一样，把句子改得更通顺，去掉重复的内容，让整段文字读起来更舒服。
3.2.1 参数详解
| 参数名 (界面显示) | 参数名 (代码中) | 参数类型 | 建议值 | 通俗解释 | 专业解释 | 使用举例 |
|---|---|---|---|---|---|---|
| Caption | caption | STRING | 必填 | 需要优化的原始文字，就像给语文老师批改的作文草稿 | 需要精炼的输入文本 | 连接Video Captioning节点的输出，或直接输入文本 |
| System Prompt | system_prompt | STRING | 默认提供 | 告诉AI要用什么标准来改文字，就像给编辑设定修改要求 | 系统级提示词，定义文本精炼的标准和风格 | 保持默认值，它会让文字更连贯、去掉视频相关用词 |
| Model Name | model_name | STRING | Qwen/Qwen2.5-7B-Instruct | 选择哪个"文字大脑"来优化文本，专门处理文字的AI模型 | 用于文本精炼的语言模型 | 保持默认值即可，这个模型专门擅长文字处理 |
| Temperature | temperature | FLOAT | 0.7 | 控制文字修改的"创意程度"，数值越高改动越大，越低越保守 | 控制文本生成的随机性 | 0.5-0.8适合文本精炼，保持自然流畅 |
| Max Tokens | max_tokens | INT | 200 | 限制输出文字的最大长度，就像给作文设定字数限制 | 输出文本的最大长度限制 | 根据需要调整，200适合短描述，500适合详细描述 |
| Quantization Type | quantization_type | STRING | 4-bit | 选择"压缩等级"，和上面的Video Captioning节点一样的概念 | 模型量化类型，用于内存优化 | 4-bit省内存，8-bit质量更好但耗内存 |
| Keep Model Loaded | keep_model_loaded | BOOLEAN | False | 是否让AI一直"待机"，概念同上 | 处理完成后是否保持模型在内存中 | 频繁使用时可设为True，偶尔使用建议False |
| Seed | seed | INT | 随机 | 设置"随机种子"，用于获得一致的优化结果 | 随机种子，用于结果的可重复性 | 想要固定结果时设置具体数值 |
4. 使用技巧和建议
4.1 内存管理技巧
- 显卡内存小于16GB：建议使用4-bit量化，并设置
Low CPU Memory Usage为True - 显卡内存大于16GB：可以尝试8-bit量化，获得更好的描述质量
- 频繁使用：可以设置
Keep Model Loaded为True，避免重复加载模型
4.2 描述质量优化
- Temperature设置：Video Captioning建议0.1-0.5，Caption Refinement建议0.5-0.8
- 自定义提示词：可以根据需要修改User Prompt，比如"请重点描述人物的表情和动作"
- 模型选择：不同场景可以尝试不同模型，ShotVL适合电影场景，SkyCaptioner-V1适合自然场景
4.3 工作流程建议
- 先用Video Captioning生成基础描述
- 再用Caption Refinement优化文字
- 可以多次使用Caption Refinement进一步优化
- 保存好的参数设置，便于后续使用
5. 常见问题解答
Q1：为什么处理很慢？
A1： 可能的原因和解决方案： - 检查是否开启了Flash Attention（建议开启） - 尝试使用4-bit量化减少内存压力 - 确保显卡内存足够（建议16GB以上）
Q2：生成的描述不够详细怎么办？
A2： - 调整Temperature到0.3-0.5之间 - 修改User Prompt，添加更具体的要求 - 尝试不同的模型，看哪个更适合你的内容
Q3：显卡内存不足怎么办？
A3： - 使用4-bit量化 - 开启Low CPU Memory Usage - 设置Keep Model Loaded为False - 减少同时处理的图像数量
Q4：如何获得一致的结果？
A4： - 设置固定的Seed值 - 使用相同的Temperature和提示词 - 保持模型选择不变
6. 进阶使用建议
6.1 批处理优化
- 如果要处理多个视频，建议设置
Keep Model Loaded为True，避免重复加载 - 可以将多个视频帧合并成一个批次处理，提高效率
6.2 自定义提示词模板
创建一些常用的提示词模板，比如： - 人物重点："请详细描述画面中人物的外观、表情、动作和服装" - 场景重点："请重点描述背景环境、光线条件和整体氛围" - 动作重点："请详细描述画面中发生的动作和运动"
6.3 质量控制
- 对于重要项目，可以尝试不同的Temperature值，选择最佳结果
- 使用Caption Refinement多次优化，逐步提升文字质量
- 保存成功的参数组合，建立自己的预设库
这个插件特别适合需要为视频内容生成文字描述的场景，比如视频字幕制作、内容总结、或者为视觉障碍用户提供视频描述等。通过合理的参数设置和工作流程优化，可以获得高质量的视频描述文本。