# ComfyUI-GPT4V-Image-Captioner 插件完全使用指南 ## 1. 插件简介 **GitHub原地址：** https://github.com/438443467/ComfyUI-GPT4V-Image-Captioner 这个插件简单来说就是一个"智能看图说话"的工具。想象一下，你有一张图片，但是不知道怎么用文字描述它，这个插件就像是请了一个特别厉害的助手，它能看懂图片内容，然后用文字告诉你图片里有什么。 **能带来什么效果：** - 自动给图片写描述文字（就像给照片配文案） - 帮你训练AI模型时准备标签数据 - 节省人工看图写描述的时间 - 可以识别图片中的人物、物品、场景等各种内容 这个插件是基于OpenAI的GPT4V模型，相当于把GPT4的"眼睛"搬到了ComfyUI里，让它能够看懂图片并生成描述。 ## 2. 如何安装 ### 方法一：ComfyUI Manager安装（推荐） 1. 打开ComfyUI，点击右侧的"Manager"按钮 2. 点击"Install Custom Nodes" 3. 在搜索框输入"GPT4V-Image-Captioner" 4. 找到后点击"Install" 5. 重启ComfyUI ### 方法二：手动安装 1. 找到你的ComfyUI安装文件夹 2. 进入`custom_nodes`文件夹 3. 打开命令行（终端），输入： ``` git clone https://github.com/438443467/ComfyUI-GPT4V-Image-Captioner.git ``` 4. 重启ComfyUI ## 3. 节点详解 ### 3.1 GPT4VCaptioner 节点（主要节点） 这个节点就像是一个"智能解说员"，你给它一张图片，它就能告诉你图片里有什么内容。 #### 3.2 参数详解 | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | API Key | api_key | 文本输入 | 你的OpenAI密钥 | 就像是你的身份证，告诉系统你是谁 | OpenAI API的认证密钥 | 在OpenAI官网申请后填入，比如"sk-xxxxx" | | API URL | api_url | 文本输入 | https://api.openai.com/v1/chat/completions | 告诉系统去哪里找GPT4V服务 | API服务的网络地址 | 一般用默认值，如果用其他代理服务可以改 | | 图片输入 | image | 图片数据 | 连接图片节点 | 你要让AI看的那张图片 | 输入的图像数据 | 从"Load Image"节点连过来 | | 种子值 | seed | 数字 | 0-999999 | 像是骰子点数，决定每次结果是否一样 | 随机数种子，控制输出的一致性 | 用0表示随机，固定数字可以得到相同结果 | | 提示词类型 | prompt_type | 选择：generic/figure | generic | 告诉AI用什么"眼光"看图 | 不同的描述模式 | generic=全面描述，figure=只关注人物特征 | | 启用权重 | enable_weights | 勾选框 | False | 是否给每个描述词加上"重要程度"标记 | 为标签添加权重值 | 勾选后会显示(词汇:1.2)这样的格式 | | 排除词汇 | exclude_words | 文本输入 | 空白 | 不想要的词汇，像是"黑名单" | 需要从结果中过滤掉的词汇 | 输入"watermark,signature"去掉水印等词 | ### 3.3 Load Image with Metadata 节点（辅助节点） 这个节点就像是一个"图片管家"，不仅能加载图片，还能记住图片的一些额外信息。 #### 3.4 参数详解 | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 图片路径 | image_path | 文件路径 | 你的图片文件路径 | 告诉系统去哪里找图片文件 | 图片文件的存储位置 | 选择电脑里的图片文件 | | 读取元数据 | read_metadata | 勾选框 | True | 是否读取图片里隐藏的信息 | 读取图片的EXIF等元数据信息 | 勾选可以看到拍摄时间、相机型号等 | ### 3.5 Save Caption 节点（保存节点） 这个节点就像是一个"文字记录员"，把AI生成的描述文字保存到文件里。 #### 3.6 参数详解 | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 文字内容 | text | 文本数据 | 从GPT4VCaptioner连接 | 要保存的描述文字 | 待保存的文本内容 | 连接GPT4VCaptioner节点的输出 | | 保存路径 | save_path | 文件路径 | 自定义文件夹路径 | 文件保存到哪个文件夹 | 文本文件的保存目录 | 选择一个方便找到的文件夹 | | 文件名前缀 | filename_prefix | 文本输入 | "caption_" | 文件名的开头部分 | 保存文件的名称前缀 | 输入"my_caption_"会生成"my_caption_001.txt" | | 文件格式 | file_format | 选择：txt/json | txt | 保存成什么格式的文件 | 文件的存储格式 | txt适合阅读，json适合程序处理 | ### 3.7 Batch Process 节点（批量处理节点） 这个节点就像是一个"流水线工人"，能够一次性处理很多张图片，不用一张一张地手动操作。 #### 3.8 参数详解 | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 输入文件夹 | input_folder | 文件夹路径 | 包含图片的文件夹 | 告诉系统去哪个文件夹找图片 | 输入图片的目录路径 | 选择放满图片的文件夹 | | 输出文件夹 | output_folder | 文件夹路径 | 保存结果的文件夹 | 处理完的结果放在哪里 | 输出结果的目录路径 | 选择一个空文件夹保存结果 | | 最大处理数量 | max_count | 数字 | 10 | 最多处理多少张图片 | 批量处理的最大图片数量 | 设置100就是最多处理100张图 | | 跳过已存在 | skip_existing | 勾选框 | True | 如果已经处理过就跳过 | 是否跳过已有描述文件的图片 | 勾选后可以断点续传 | ## 4. 使用技巧和建议 ### 4.1 基础使用流程 1. **准备API密钥**：先去OpenAI官网申请GPT4V的使用权限和API密钥 2. **连接节点**：Load Image → GPT4VCaptioner → Save Caption 3. **填写参数**：在GPT4VCaptioner节点填入你的API密钥 4. **运行测试**：先用一张图片测试，确保能正常工作 ### 4.2 省钱小技巧 - **使用种子值**：对于同一张图片，用相同的种子值可以避免重复调用API - **批量处理**：一次性处理多张图片比单独处理更高效 - **选择合适的提示词类型**：如果只需要人物描述，选择"figure"模式 ### 4.3 提高描述质量的方法 - **图片质量**：使用清晰、光线充足的图片 - **排除无关词汇**：在exclude_words中填入不需要的词汇 - **合理使用权重**：如果要用于AI训练，开启权重功能 ### 4.4 不同场景的参数设置建议 **训练AI模型用：** - prompt_type: generic - enable_weights: True - exclude_words: watermark,signature,text,logo **人物肖像描述：** - prompt_type: figure - enable_weights: False - exclude_words: background,watermark **一般图片描述：** - prompt_type: generic - enable_weights: False - exclude_words: 留空 ## 5. 常见问题解答 ### Q1: 为什么显示"API密钥错误"？ **A:** 检查以下几点： - 确保API密钥格式正确（以sk-开头） - 确认账户有GPT4V的使用权限 - 检查账户余额是否充足 ### Q2: 生成的描述总是一样怎么办？ **A:** 这是正常现象。如果图片和种子值都一样，系统会使用缓存结果。想要不同的描述，可以： - 改变种子值 - 修改prompt_type - 在exclude_words中添加或删除词汇 ### Q3: 批量处理时出现错误怎么办？ **A:** 常见解决方法： - 确保输入文件夹中都是图片文件 - 检查输出文件夹是否有写入权限 - 适当降低max_count的数值 - 开启skip_existing避免重复处理 ### Q4: 描述结果不准确怎么办？ **A:** 可以尝试： - 使用更清晰的图片 - 调整prompt_type设置 - 在exclude_words中排除干扰词汇 - 检查图片是否包含过多无关内容 ### Q5: 处理速度很慢怎么办？ **A:** 这是正常现象，因为需要调用在线API。可以： - 使用批量处理模式 - 确保网络连接稳定 - 避免在网络高峰期使用 ## 6. 进阶使用技巧 ### 6.1 自定义工作流程 你可以创建更复杂的工作流程： 1. **图片预处理**：Load Image → 图片处理节点 → GPT4VCaptioner 2. **多种描述**：同一张图片用不同的prompt_type生成多种描述 3. **结果后处理**：Save Caption → 文本处理节点 → 最终输出 ### 6.2 与其他插件配合使用 - **配合WD14 Tagger**：先用WD14生成基础标签，再用GPT4V生成详细描述 - **配合图片处理插件**：先优化图片质量，再进行描述生成 - **配合数据管理插件**：自动整理生成的描述文件 ### 6.3 注意事项 - **API费用**：GPT4V的调用是收费的，建议先小批量测试 - **网络要求**：需要稳定的网络连接到OpenAI服务器 - **隐私保护**：上传的图片会发送到OpenAI服务器，注意隐私保护 - **使用限制**：遵守OpenAI的使用条款，不要处理违规内容 这个插件非常适合需要大量图片描述的场景，比如训练AI模型、整理图片库、制作数据集等。虽然需要API费用，但能大大提高工作效率，特别是在处理大量图片时。记住先用少量图片测试，确保效果满意后再进行大批量处理。
ComfyUI图像合并插件comfyui-merge使用教程 2025-07-03 22:44 ComfyUI 图像合并插件教程 (comfyui-merge) 1. 插件简介 这是一个专门用来合并图片的 ComfyUI 插件，就像用 PS 把多张图片叠在一起那样。它的特别之处在于你精确控制每张图片的混合方式。 GitHub 地址：https://github.com/LingSss9/com
%20(1).png)
