ComfyUI-Impact-Pack插件使用指南从入门到精通教程

【版权严正声明】
本文系作者 [编程界的小学生] 原创，并拥有完整、独立的著作权。
未经本人 书面授权 ，任何单位、平台或个人，严禁以任何形式（包括但不限于转载、复制、摘编、修改、链接、转贴、建立镜像等）使用本文的全部或部分内容。
任何无视本声明的侵权行为，本人将依据《中华人民共和国著作权法》等相关法律法规，采取一切必要的法律手段，追究其侵权责任，要求其 立即停止侵权、赔礼道歉、消除影响，并赔偿因此造成的一切经济损失及维权成本（包括但不限于律师费、诉讼费、公证费等）。
侵权必究，切勿以身试法！

1. 插件简介

插件地址： https://github.com/ltdrdata/ComfyUI-Impact-Pack

ComfyUI-Impact-Pack 是一个功能强大的 ComfyUI 扩展插件，专门用于图像细节增强和自动化修复。这个插件就像是给你的图片配了一个专业的"美容师"，能够自动检测人脸、物体等区域，然后对这些区域进行精细化处理，让图片质量大幅提升。

主要功能包括：

自动人脸检测和细节增强
智能物体识别和局部修复
高级图像放大和质量提升
灵活的遮罩操作和区域处理
强大的工作流程控制功能

能带来什么效果：

让模糊的人脸变得清晰细腻
自动修复图片中的瑕疵
智能放大图片而不失真
批量处理多张图片
创建复杂的图像处理工作流

2. 如何安装

方法一：通过ComfyUI管理器安装（推荐）

打开ComfyUI
点击"Manager"按钮
搜索"Impact Pack"
点击安装并重启ComfyUI

方法二：手动安装

打开ComfyUI的安装文件夹
进入custom_nodes文件夹
在这里打开命令行窗口
输入：git clone https://github.com/ltdrdata/ComfyUI-Impact-Pack.git
重启ComfyUI

注意事项：

首次使用时会自动下载必要的模型文件
需要确保有足够的磁盘空间（约2-3GB）
某些功能需要额外安装依赖包

3. 核心节点详细解析

3.1 SAMLoader 节点 - SAM模型加载器

这个节点是干嘛的？ 这就像是给你的工具箱装上一个"智能识别器"。SAM（Segment Anything Model）是一个超强的图像分割模型，能够精确识别图片中的任何物体边界。

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
model_name	model_name	sam_vit_b, sam_vit_l, sam_vit_h, ESAM	sam_vit_b	选择识别精度，就像选择放大镜的倍数	SAM模型类型选择	新手用sam_vit_b，追求精度用sam_vit_h
device_mode	device_mode	AUTO, Prefer GPU, CPU	AUTO	选择用什么来计算，就像选择用电脑还是手机	设备运行模式	AUTO让系统自动选择最合适的

3.2 FaceDetailer 节点 - 人脸细节增强器

这个节点是干嘛的？ 这是插件的"明星功能"！它能自动找到图片中的人脸，然后像专业摄影师一样对人脸进行精细修饰，让模糊的脸变得清晰动人。

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
image	image	IMAGE	必需	要处理的图片	输入图像	连接你要美化的照片
model	model	MODEL	必需	AI绘画模型，就像选择画家	Stable Diffusion模型	连接你的主模型
clip	clip	CLIP	必需	文字理解器，帮AI理解你的要求	CLIP文本编码器	连接对应的CLIP
vae	vae	VAE	必需	图像编解码器，负责图片转换	VAE编码解码器	连接对应的VAE
guide_size	guide_size	64-MAX_RESOLUTION	512	处理时的参考尺寸，就像选择画布大小	引导尺寸	512适合大多数情况，更大更精细
guide_size_for	guide_size_for	True/False	True	尺寸参考方式	尺寸计算基准	True用边界框，False用裁剪区域
max_size	max_size	64-MAX_RESOLUTION	1024	最大处理尺寸，防止图片太大卡死	最大尺寸限制	1024是安全值，显卡好可以更大
seed	seed	0-最大整数	0	随机种子，控制结果的随机性	随机数种子	相同种子产生相同结果
steps	steps	1-10000	20	处理步数，越多越精细但越慢	采样步数	20步是速度和质量的平衡点
cfg	cfg	0.0-100.0	8.0	文字引导强度，控制AI听话程度	分类器自由引导	8.0是标准值，太高可能过度
sampler_name	sampler_name	采样器列表	euler_a	采样方法，就像选择画笔类型	采样算法	euler_a速度快质量好
scheduler	scheduler	调度器列表	normal	步数安排方式	噪声调度器	normal是通用选择
positive	positive	CONDITIONING	必需	正面提示词，告诉AI你想要什么	正向条件	描述想要的效果，如"beautiful face"
negative	negative	CONDITIONING	必需	负面提示词，告诉AI你不想要什么	负向条件	描述不想要的，如"blurry, ugly"
denoise	denoise	0.0001-1.0	0.5	去噪强度，控制修改程度	去噪强度	0.5是适中值，越高改变越大
feather	feather	0-100	5	边缘羽化，让修改更自然	边缘羽化像素	5像素让边缘过渡自然
noise_mask	noise_mask	True/False	True	是否使用噪声遮罩	噪声遮罩开关	True让效果更自然
force_inpaint	force_inpaint	True/False	True	强制重绘模式	强制修复绘制	True确保区域被重新绘制
bbox_threshold	bbox_threshold	0.0-1.0	0.5	人脸检测敏感度	边界框检测阈值	0.5是平衡值，越低检测越多
bbox_dilation	bbox_dilation	-512到512	10	检测框扩大程度	边界框膨胀	10像素让检测框稍微大一点
bbox_crop_factor	bbox_crop_factor	1.0-10	3.0	裁剪区域放大倍数	裁剪因子	3.0让处理区域比检测框大3倍
sam_detection_hint	sam_detection_hint	多种模式	center-1	SAM检测提示方式	SAM检测提示	center-1最简单有效
sam_dilation	sam_dilation	-512到512	0	SAM遮罩扩张	SAM膨胀	0是默认，正数扩大负数缩小
sam_threshold	sam_threshold	0.0-1.0	0.93	SAM检测敏感度	SAM阈值	0.93是高精度设置
sam_bbox_expansion	sam_bbox_expansion	0-1000	0	SAM检测框扩展	SAM边界框扩展	0是默认，可以适当增加
sam_mask_hint_threshold	sam_mask_hint_threshold	0.0-1.0	0.7	SAM遮罩提示阈值	SAM遮罩提示阈值	0.7是推荐值
sam_mask_hint_use_negative	sam_mask_hint_use_negative	False/Small/Outter	False	SAM负面提示使用	SAM负面提示	False是安全选择
drop_size	drop_size	1-MAX_RESOLUTION	10	丢弃小区域的尺寸	最小区域尺寸	10像素以下的区域会被忽略
bbox_detector	bbox_detector	BBOX_DETECTOR	必需	人脸检测器	边界框检测器	连接人脸检测模型
wildcard	wildcard	STRING	空	通配符提示词	通配符文本	可以用随机提示词
cycle	cycle	1-10	1	处理循环次数	循环次数	1次够用，多次会过度处理

3.3 DetailerForEach 节点 - 区域细节增强器

这个节点是干嘛的？ 这是一个"万能修复师"，能对图片中检测到的每个区域进行单独的细节增强。就像给每个需要修复的地方都安排一个专门的工匠。

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
image	image	IMAGE	必需	要处理的图片	输入图像	连接原始图片
segs	segs	SEGS	必需	检测到的区域信息	分割区域数据	连接检测器的输出
model	model	MODEL	必需	AI模型	Stable Diffusion模型	连接主模型
clip	clip	CLIP	必需	文字理解器	CLIP编码器	连接CLIP
vae	vae	VAE	必需	图像编解码器	VAE编解码器	连接VAE
guide_size	guide_size	64-MAX_RESOLUTION	512	引导尺寸	处理参考尺寸	512是通用值
guide_size_for	guide_size_for	True/False	True	尺寸计算方式	尺寸基准选择	True用边界框计算
max_size	max_size	64-MAX_RESOLUTION	1024	最大尺寸限制	最大处理尺寸	防止内存溢出
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性
steps	steps	1-10000	20	处理步数	采样步数	20步平衡速度质量
cfg	cfg	0.0-100.0	8.0	引导强度	CFG引导强度	8.0是标准设置
sampler_name	sampler_name	采样器列表	euler_a	采样器选择	采样算法	euler_a效果好
scheduler	scheduler	调度器列表	normal	调度器选择	噪声调度	normal是通用选择
positive	positive	CONDITIONING	必需	正面提示	正向条件	描述想要的效果
negative	negative	CONDITIONING	必需	负面提示	负向条件	描述不想要的效果
denoise	denoise	0.0001-1.0	0.5	去噪强度	去噪程度	0.5是中等强度
feather	feather	0-100	5	边缘羽化	边缘软化像素	5像素自然过渡
noise_mask	noise_mask	True/False	True	噪声遮罩	噪声遮罩开关	True更自然
force_inpaint	force_inpaint	True/False	True	强制重绘	强制修复模式	True确保重绘
wildcard	wildcard	STRING	空	通配符文本	随机提示词	可以添加随机元素
cycle	cycle	1-10	1	循环次数	处理循环数	1次通常足够

3.4 BboxDetectorForEach 节点 - 边界框检测器

这个节点是干嘛的？ 这是一个"智能侦探"，专门负责在图片中找到各种物体的位置。就像给图片装上了一双火眼金睛，能准确定位需要处理的区域。

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
bbox_detector	bbox_detector	BBOX_DETECTOR	必需	检测模型	边界框检测器	连接检测模型
image	image	IMAGE	必需	要检测的图片	输入图像	连接原图
threshold	threshold	0.0-1.0	0.5	检测敏感度，就像调节探测器灵敏度	检测阈值	0.5平衡准确性和召回率
dilation	dilation	-512到512	10	检测框扩大程度	膨胀像素数	10让检测框稍微大一点
crop_factor	crop_factor	1.0-100	3.0	裁剪区域放大倍数	裁剪因子	3.0让处理区域更大
drop_size	drop_size	1-MAX_RESOLUTION	10	忽略小区域的尺寸	最小区域尺寸	10像素以下会被忽略
labels	labels	STRING	all	要检测的物体类型	标签过滤	"person,face"只检测人和脸

3.5 SAMDetectorCombined 节点 - SAM组合检测器

这个节点是干嘛的？ 这是一个"精密雕刻师"，能够将粗糙的检测框变成精确的物体轮廓。就像把方形的饼干模具换成了能完美贴合物体形状的模具。

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
sam_model	sam_model	SAM_MODEL	必需	SAM模型	分割模型	连接SAMLoader的输出
segs	segs	SEGS	必需	检测区域信息	分割区域	连接检测器输出
image	image	IMAGE	必需	原始图片	参考图像	SAM需要看原图来分割
detection_hint	detection_hint	多种模式	center-1	检测提示方式	检测提示类型	center-1最简单有效
dilation	dilation	-512到512	0	遮罩扩张程度	膨胀像素	0是原始大小
threshold	threshold	0.0-1.0	0.93	SAM检测敏感度	SAM阈值	0.93是高精度
bbox_expansion	bbox_expansion	0-1000	0	检测框扩展	边界框扩展	0是默认大小
mask_hint_threshold	mask_hint_threshold	0.0-1.0	0.7	遮罩提示阈值	遮罩提示阈值	0.7是推荐值
mask_hint_use_negative	mask_hint_use_negative	False/Small/Outter	False	负面提示使用	负面提示模式	False最安全

3.6 PixelKSampleUpscalerProvider 节点 - 像素级放大器提供者

这个节点是干嘛的？ 这是一个"图像放大专家"，能够智能地将小图片放大成大图片，而且不会变模糊。就像有了一个神奇的放大镜，能让图片变大的同时保持清晰。

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
scale_method	scale_method	nearest-exact, bilinear, lanczos, area	lanczos	放大算法，就像选择不同的放大镜	缩放算法	lanczos质量最好
model	model	MODEL	必需	AI模型	Stable Diffusion模型	连接主模型
vae	vae	VAE	必需	图像编解码器	VAE编解码器	连接VAE
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性
steps	steps	1-10000	20	处理步数	采样步数	20步是平衡点
cfg	cfg	0.0-100.0	8.0	引导强度	CFG引导强度	8.0是标准值
sampler_name	sampler_name	采样器列表	euler_a	采样器	采样算法	euler_a效果好
scheduler	scheduler	调度器列表	normal	调度器	噪声调度	normal通用
positive	positive	CONDITIONING	必需	正面提示	正向条件	描述想要的效果
negative	negative	CONDITIONING	必需	负面提示	负向条件	描述不想要的效果
denoise	denoise	0.0-1.0	1.0	去噪强度	去噪程度	1.0是完全重新生成
use_tiled_vae	use_tiled_vae	True/False	False	分块处理，节省显存	分块VAE处理	显存不够时开启
tile_size	tile_size	320-4096	512	分块大小	瓦片尺寸	512是平衡值

3.7 IterativeLatentUpscale 节点 - 迭代潜空间放大器

这个节点是干嘛的？ 这是一个"渐进式放大师"，不是一次性把图片放很大，而是像爬楼梯一样一步步放大，每一步都保证质量。这样能避免一次性放大太多导致的质量损失。

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
samples	samples	LATENT	必需	潜空间数据	潜在表示	连接编码后的图像
upscale_factor	upscale_factor	1-10000	1.5	总放大倍数	放大因子	1.5是温和放大，2.0是翻倍
steps	steps	1-10000	3	放大步数，就像爬楼梯的台阶数	迭代步数	3步能平衡质量和速度
temp_prefix	temp_prefix	STRING	空	临时文件前缀	临时文件命名	可以留空
upscaler	upscaler	UPSCALER	必需	放大器	放大器对象	连接放大器提供者
step_mode	step_mode	simple, geometric	simple	步进模式	步进计算方式	simple是线性增长

3.8 MaskToSEGS 节点 - 遮罩转区域信息

这个节点是干嘛的？ 这是一个"翻译官"，能把黑白的遮罩图片翻译成系统能理解的区域信息。就像把地图上的阴影区域转换成具体的坐标和范围。

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
mask	mask	MASK	必需	遮罩图片	遮罩数据	连接黑白遮罩
combined	combined	True/False	False	是否合并所有区域	区域合并模式	False保持独立区域
crop_factor	crop_factor	1.0-100	3.0	裁剪区域放大倍数	裁剪因子	3.0让处理区域更大
bbox_fill	bbox_fill	True/False	False	是否填充边界框	边界框填充	False保持原始形状
drop_size	drop_size	1-MAX_RESOLUTION	10	忽略小区域尺寸	最小区域尺寸	10像素以下忽略
contour_fill	contour_fill	True/False	False	轮廓填充	轮廓填充模式	False保持轮廓

3.9 SEGSDetailer 节点 - 区域细节处理器

这个节点是干嘛的？ 这是一个"精细雕刻师"，专门对检测到的区域进行精细化处理，但不会直接贴回原图。就像在工作台上单独处理每个零件，处理完后你可以决定怎么组装。

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
image	image	IMAGE	必需	原始图片	输入图像	连接要处理的图片
segs	segs	SEGS	必需	区域信息	分割区域数据	连接检测器输出
guide_size	guide_size	64-MAX_RESOLUTION	512	引导尺寸	处理参考尺寸	512适合大多数情况
guide_size_for	guide_size_for	True/False	True	尺寸计算基准	尺寸基准选择	True用边界框
max_size	max_size	64-MAX_RESOLUTION	768	最大处理尺寸	最大尺寸限制	768是安全值
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性
steps	steps	1-10000	20	处理步数	采样步数	20步平衡质量速度
cfg	cfg	0.0-100.0	8.0	引导强度	CFG引导强度	8.0是标准设置
sampler_name	sampler_name	采样器列表	euler_a	采样器	采样算法	euler_a效果好
scheduler	scheduler	调度器列表	normal	调度器	噪声调度	normal通用
denoise	denoise	0.0001-1.0	0.5	去噪强度	去噪程度	0.5是中等强度
noise_mask	noise_mask	True/False	True	噪声遮罩	噪声遮罩开关	True更自然
force_inpaint	force_inpaint	True/False	True	强制重绘	强制修复模式	True确保重绘
basic_pipe	basic_pipe	BASIC_PIPE	必需	基础管道	基础处理管道	连接模型组合
refiner_ratio	refiner_ratio	0.0-1.0	0.2	精炼器比例	精炼器使用比例	0.2是轻度精炼
batch_size	batch_size	1-100	1	批处理大小	批次大小	1是单个处理
cycle	cycle	1-10	1	循环次数	处理循环数	1次通常足够

3.10 SEGSPaste 节点 - 区域粘贴器

这个节点是干嘛的？ 这是一个"精准贴图师"，能把处理好的区域精确地贴回原图的对应位置。就像拼图游戏中把处理好的拼图块放回正确的位置。

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
image	image	IMAGE	必需	原始图片	目标图像	要贴回去的底图
segs	segs	SEGS	必需	处理后的区域	分割区域数据	连接处理器输出
feather	feather	0-100	5	边缘羽化，让拼接更自然	边缘羽化像素	5像素让边缘柔和
alpha	alpha	0-255	255	透明度，控制贴合强度	Alpha透明度	255是完全不透明

3.8 MaskToSEGS 节点 - 遮罩转区域信息

这个节点是干嘛的？ 这是一个"翻译官"，能把黑白的遮罩图片翻译成系统能理解的区域信息。就像把地图上的阴影区域转换成具体的坐标和范围。

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
mask	mask	MASK	必需	遮罩图片	遮罩数据	连接黑白遮罩
combined	combined	True/False	False	是否合并所有区域	区域合并模式	False保持独立区域
crop_factor	crop_factor	1.0-100	3.0	裁剪区域放大倍数	裁剪因子	3.0让处理区域更大
bbox_fill	bbox_fill	True/False	False	是否填充边界框	边界框填充	False保持原始形状
drop_size	drop_size	1-MAX_RESOLUTION	10	忽略小区域尺寸	最小区域尺寸	10像素以下忽略
contour_fill	contour_fill	True/False	False	轮廓填充	轮廓填充模式	False保持轮廓

3.9 SEGSDetailer 节点 - 区域细节处理器

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
image	image	IMAGE	必需	原始图片	输入图像	连接要处理的图片
segs	segs	SEGS	必需	区域信息	分割区域数据	连接检测器输出
guide_size	guide_size	64-MAX_RESOLUTION	512	引导尺寸	处理参考尺寸	512适合大多数情况
guide_size_for	guide_size_for	True/False	True	尺寸计算基准	尺寸基准选择	True用边界框
max_size	max_size	64-MAX_RESOLUTION	768	最大处理尺寸	最大尺寸限制	768是安全值
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性
steps	steps	1-10000	20	处理步数	采样步数	20步平衡质量速度
cfg	cfg	0.0-100.0	8.0	引导强度	CFG引导强度	8.0是标准设置
sampler_name	sampler_name	采样器列表	euler_a	采样器	采样算法	euler_a效果好
scheduler	scheduler	调度器列表	normal	调度器	噪声调度	normal通用
denoise	denoise	0.0001-1.0	0.5	去噪强度	去噪程度	0.5是中等强度
noise_mask	noise_mask	True/False	True	噪声遮罩	噪声遮罩开关	True更自然
force_inpaint	force_inpaint	True/False	True	强制重绘	强制修复模式	True确保重绘
basic_pipe	basic_pipe	BASIC_PIPE	必需	基础管道	基础处理管道	连接模型组合
refiner_ratio	refiner_ratio	0.0-1.0	0.2	精炼器比例	精炼器使用比例	0.2是轻度精炼
batch_size	batch_size	1-100	1	批处理大小	批次大小	1是单个处理
cycle	cycle	1-10	1	循环次数	处理循环数	1次通常足够

3.10 SEGSPaste 节点 - 区域粘贴器

这个节点是干嘛的？ 这是一个"精准贴图师"，能把处理好的区域精确地贴回原图的对应位置。就像拼图游戏中把处理好的拼图块放回正确的位置。

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
image	image	IMAGE	必需	原始图片	目标图像	要贴回去的底图
segs	segs	SEGS	必需	处理后的区域	分割区域数据	连接处理器输出
feather	feather	0-100	5	边缘羽化，让拼接更自然	边缘羽化像素	5像素让边缘柔和
alpha	alpha	0-255	255	透明度，控制贴合强度	Alpha透明度	255是完全不透明

3.11 ToDetailerPipe 节点 - 详细处理管道构建器

这个节点是干嘛的？ 这是一个"工具箱组装师"，把各种单独的工具（模型、检测器等）组装成一个完整的工具箱，方便后续使用。就像把螺丝刀、扳手、锤子装进一个工具箱里。

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
model	model	MODEL	必需	AI模型	Stable Diffusion模型	连接主模型
clip	clip	CLIP	必需	文字理解器	CLIP编码器	连接CLIP
vae	vae	VAE	必需	图像编解码器	VAE编解码器	连接VAE
positive	positive	CONDITIONING	必需	正面提示	正向条件	连接正面提示词
negative	negative	CONDITIONING	必需	负面提示	负向条件	连接负面提示词
bbox_detector	bbox_detector	BBOX_DETECTOR	必需	检测器	边界框检测器	连接检测模型
wildcard	wildcard	STRING	空	通配符文本	随机提示词	可以添加随机元素

3.12 FromDetailerPipe 节点 - 详细处理管道分解器

这个节点是干嘛的？ 这是一个"工具箱拆解师"，把组装好的工具箱重新拆开，让你能单独使用里面的每个工具。就像把工具箱里的工具一个个拿出来。

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
detailer_pipe	detailer_pipe	DETAILER_PIPE	必需	详细处理管道	处理管道对象	连接管道构建器输出

3.13 ImpactCompare 节点 - 数值比较器

这个节点是干嘛的？ 这是一个"智能判官"，能比较两个数值的大小关系，然后告诉你结果是对还是错。就像一个会算数的裁判员。

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
cmp	cmp	a = b, a <> b, a > b, a < b, a >= b, a <= b, tt, ff	a = b	比较方式，就像选择判断标准	比较操作符	a = b判断是否相等
a	a	any_typ	必需	第一个数值	比较值A	可以是数字、文字等
b	b	any_typ	必需	第二个数值	比较值B	可以是数字、文字等

3.14 ImpactConditionalBranch 节点 - 条件分支器

这个节点是干嘛的？ 这是一个"智能开关"，根据条件的真假来选择不同的输出。就像红绿灯一样，红灯走这边，绿灯走那边。

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
cond	cond	BOOLEAN	必需	判断条件，就像开关	布尔条件	True或False
tt_value	tt_value	any_typ	必需	条件为真时的输出	真值输出	条件成立时返回这个
ff_value	ff_value	any_typ	必需	条件为假时的输出	假值输出	条件不成立时返回这个

3.15 GeneralSwitch 节点 - 通用切换器

这个节点是干嘛的？ 这是一个"万能选择器"，能从多个输入中选择一个输出。就像一个多档位的开关，你可以选择第1档、第2档或第N档。

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
select	select	1-999999	1	选择第几个输入	选择索引	1选择第一个输入
sel_mode	sel_mode	True/False	False	选择模式	选择时机	False是执行时选择
input1	input1	any_typ	必需	第一个输入	输入值1	任何类型的数据

3.16 BitwiseAndMask 节点 - 遮罩与运算

这个节点是干嘛的？ 这是一个"遮罩合并师"，能把两个遮罩的重叠部分提取出来。就像两张透明纸叠在一起，只保留都有图案的地方。

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
mask1	mask1	MASK	必需	第一个遮罩	遮罩A	连接第一个遮罩
mask2	mask2	MASK	必需	第二个遮罩	遮罩B	连接第二个遮罩

3.17 SubtractMask 节点 - 遮罩减法运算

这个节点是干嘛的？ 这是一个"遮罩擦除师"，能从第一个遮罩中擦除第二个遮罩的部分。就像用橡皮擦掉重叠的部分。

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
mask1	mask1	MASK	必需	被减遮罩	基础遮罩	要被处理的遮罩
mask2	mask2	MASK	必需	减数遮罩	减除遮罩	要减去的部分

3.18 AddMask 节点 - 遮罩加法运算

这个节点是干嘛的？ 这是一个"遮罩合成师"，能把两个遮罩合并成一个更大的遮罩。就像把两张贴纸贴在一起。

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
mask1	mask1	MASK	必需	第一个遮罩	遮罩A	连接第一个遮罩
mask2	mask2	MASK	必需	第二个遮罩	遮罩B	连接第二个遮罩

3.19 DilateMask 节点 - 遮罩膨胀器

这个节点是干嘛的？ 这是一个"遮罩放大镜"，能让遮罩的边缘向外扩展或向内收缩。就像给图案加粗或变细。

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
mask	mask	MASK	必需	要处理的遮罩	输入遮罩	连接遮罩
dilation	dilation	-512到512	10	膨胀程度，正数扩大负数缩小	膨胀像素数	10让遮罩边缘扩大10像素

3.20 GaussianBlurMask 节点 - 遮罩高斯模糊器

这个节点是干嘛的？ 这是一个"遮罩柔化师"，能让遮罩的边缘变得柔和模糊。就像给硬邦邦的边缘加上羽毛效果。

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
mask	mask	MASK	必需	要模糊的遮罩	输入遮罩	连接遮罩
kernel_size	kernel_size	0-100	10	模糊范围大小	核大小	10是适中的模糊程度
sigma	sigma	0.1-100.0	10.0	模糊强度	标准差	10.0是适中的模糊强度

3.21 SEGSLabelFilter 节点 - 区域标签过滤器

这个节点是干嘛的？ 这是一个"智能筛选器"，能根据标签来筛选区域。就像在一堆混合的豆子中，只挑出红豆或绿豆。

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
segs	segs	SEGS	必需	要过滤的区域	分割区域数据	连接检测器输出
preset	preset	all, person, face等	all	预设标签类型	预定义标签	all表示所有类型
labels	labels	STRING	空	自定义标签列表	标签字符串	"person,face"只要人和脸

3.22 SEGSRangeFilter 节点 - 区域范围过滤器

这个节点是干嘛的？ 这是一个"尺寸筛选器"，能根据区域的大小、位置等数值范围来筛选。就像筛沙子一样，只留下符合尺寸要求的。

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
segs	segs	SEGS	必需	要过滤的区域	分割区域数据	连接检测器输出
target	target	area, width, height等	area	过滤目标属性	过滤依据	area按面积过滤
mode	mode	True/False	True	过滤模式	范围模式	True保留范围内的
min_value	min_value	0-最大值	0	最小值	范围下限	小于这个值的被过滤
max_value	max_value	0-最大值	67108864	最大值	范围上限	大于这个值的被过滤

3.23 SEGSOrderedFilter 节点 - 区域排序过滤器

这个节点是干嘛的？ 这是一个"排队管理员"，能把区域按照某种规则排序，然后选择前几个或后几个。就像学生按身高排队，然后选最高的几个。

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
segs	segs	SEGS	必需	要排序的区域	分割区域数据	连接检测器输出
target	target	area, width, height等	area	排序依据	排序属性	area按面积排序
order	order	True/False	True	排序方向	排序顺序	True是从大到小
take_start	take_start	0-最大值	0	开始位置	起始索引	从第几个开始取
take_count	take_count	0-最大值	1	取多少个	数量	要选择的区域数量

3.24 MakeImageList 节点 - 图片列表制作器

这个节点是干嘛的？ 这是一个"图片收集器"，能把多张单独的图片组合成一个图片列表。就像把散落的照片收集到一个相册里。

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
image1	image1	IMAGE	必需	第一张图片	图像1	连接第一张图

3.25 MakeImageBatch 节点 - 图片批次制作器

这个节点是干嘛的？ 这是一个"图片打包器"，能把多张图片打包成一个批次，方便批量处理。就像把多个包裹打包成一个大包裹。

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
image1	image1	IMAGE	必需	第一张图片	图像1	连接第一张图

3.26 ImageBatchToImageList 节点 - 图片批次拆分器

这个节点是干嘛的？ 这是一个"图片拆包器"，能把一个图片批次拆分成单独的图片列表。就像把一个大包裹拆成多个小包裹。

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
image	image	IMAGE	必需	图片批次	批次图像	连接批次图片

3.27 ImpactWildcardProcessor 节点 - 通配符处理器

这个节点是干嘛的？ 这是一个"随机词汇生成器"，能把带有通配符的文本转换成具体的文字。就像抽奖机一样，每次都能抽出不同的词汇组合。

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
wildcard_text	wildcard_text	STRING	空	通配符文本	通配符模板	"{color} cat"会随机选颜色
populated_text	populated_text	STRING	空	生成的文本	处理结果	显示实际生成的文字
mode	mode	populate, fixed, reproduce	populate	处理模式	工作模式	populate自动生成新的
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机结果

3.28 ImpactWildcardEncode 节点 - 通配符编码器

这个节点是干嘛的？ 这是一个"智能文字处理器"，不仅能处理通配符，还能直接转换成AI能理解的格式，并且支持LoRA语法。

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
model	model	MODEL	必需	AI模型	Stable Diffusion模型	连接主模型
clip	clip	CLIP	必需	文字理解器	CLIP编码器	连接CLIP
wildcard_text	wildcard_text	STRING	空	通配符文本	通配符模板	带通配符的提示词
populated_text	populated_text	STRING	空	生成的文本	处理结果	实际使用的提示词
mode	mode	populate, fixed, reproduce	populate	处理模式	工作模式	populate自动处理
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性

3.29 PreviewBridge 节点 - 预览桥接器

这个节点是干嘛的？ 这是一个"图片中转站"，能让图片在传递过程中显示预览，方便调试工作流。就像快递中转站会拍照记录一样。

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
images	images	IMAGE	必需	要预览的图片	输入图像	连接任何图片

3.30 ImageSender 节点 - 图片发送器

这个节点是干嘛的？ 这是一个"图片传送器"，能把图片发送到指定的接收器。就像邮递员把信件送到指定地址。

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
images	images	IMAGE	必需	要发送的图片	输入图像	连接要传送的图片
filename_prefix	filename_prefix	STRING	ImgSender	文件名前缀	文件命名前缀	保存时的文件名开头
link_id	link_id	0-最大整数	0	连接ID	链接标识符	用于匹配发送和接收

3.31 KSamplerProvider 节点 - 采样器提供者

这个节点是干嘛的？ 这是一个"采样器工厂"，能把各种采样参数打包成一个采样器对象，方便在其他地方重复使用。就像把调料配方装进调料包。

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
seed	seed	0-最大整数	0	随机种子	随机数种子	控制生成的随机性
steps	steps	1-10000	20	采样步数	推理步数	20步是质量和速度平衡
cfg	cfg	0.0-100.0	8.0	引导强度	CFG引导强度	8.0是标准设置
sampler_name	sampler_name	采样器列表	euler_a	采样器类型	采样算法	euler_a效果好速度快
scheduler	scheduler	调度器列表	normal	调度器类型	噪声调度	normal是通用选择
denoise	denoise	0.0-1.0	1.0	去噪强度	去噪程度	1.0是完全重新生成
basic_pipe	basic_pipe	BASIC_PIPE	必需	基础管道	基础处理管道	连接模型组合

3.32 TiledKSamplerProvider 节点 - 分块采样器提供者

这个节点是干嘛的？ 这是一个"分块处理专家"，能把大图片分成小块来处理，避免显存不够的问题。就像把大蛋糕切成小块来吃。

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
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性
steps	steps	1-10000	20	采样步数	推理步数	20步平衡质量速度
cfg	cfg	0.0-100.0	8.0	引导强度	CFG引导强度	8.0是标准值
sampler_name	sampler_name	采样器列表	euler_a	采样器类型	采样算法	euler_a效果好
scheduler	scheduler	调度器列表	normal	调度器类型	噪声调度	normal通用
denoise	denoise	0.0-1.0	1.0	去噪强度	去噪程度	1.0完全重新生成
tile_width	tile_width	320-MAX_RESOLUTION	512	分块宽度	瓦片宽度	512是平衡值
tile_height	tile_height	320-MAX_RESOLUTION	512	分块高度	瓦片高度	512是平衡值
tiling_strategy	tiling_strategy	random, padded, simple	random	分块策略	瓦片策略	random效果更自然
basic_pipe	basic_pipe	BASIC_PIPE	必需	基础管道	基础处理管道	连接模型组合

3.33 TwoSamplersForMask 节点 - 双采样器遮罩处理

这个节点是干嘛的？ 这是一个"双重处理师"，能对图片的不同区域使用不同的采样器。就像给脸部用美颜滤镜，给背景用风景滤镜。

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
latent_image	latent_image	LATENT	必需	潜空间图像	潜在表示	连接编码后的图像
base_sampler	base_sampler	KSAMPLER	必需	基础采样器	背景区域采样器	处理遮罩外的区域
mask_sampler	mask_sampler	KSAMPLER	必需	遮罩采样器	遮罩区域采样器	处理遮罩内的区域
mask	mask	MASK	必需	区域遮罩	区域划分遮罩	定义处理区域

3.34 RegionalPrompt 节点 - 区域提示词

这个节点是干嘛的？ 这是一个"区域指挥官"，能为图片的特定区域指定专门的提示词和采样器。就像给不同房间安排不同的装修风格。

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
mask	mask	MASK	必需	区域遮罩	区域定义遮罩	指定处理区域
advanced_sampler	advanced_sampler	KSAMPLER_ADVANCED	必需	高级采样器	区域专用采样器	该区域的处理方式
variation_seed	variation_seed	0-最大整数	0	变化种子	噪声变化种子	增加随机变化
variation_strength	variation_strength	0.0-1.0	0.0	变化强度	噪声变化强度	0.0无变化，1.0最大变化
variation_method	variation_method	linear, slerp	linear	变化方法	噪声混合方法	linear是线性混合

3.35 RegionalSampler 节点 - 区域采样器

这个节点是干嘛的？ 这是一个"区域协调员"，能协调多个区域的不同处理方式，让整张图片既有统一性又有区域特色。就像城市规划师协调不同区域的建设。

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
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性
seed_2nd	seed_2nd	0-最大整数	0	第二随机种子	额外噪声种子	增加变化
seed_2nd_mode	seed_2nd_mode	ignore, fixed等	ignore	第二种子模式	种子应用方式	ignore不使用第二种子
steps	steps	1-10000	20	采样步数	总采样步数	20步平衡质量速度
base_only_steps	base_only_steps	0-10000	2	基础步数	仅基础采样步数	2步做基础处理
denoise	denoise	0.0-1.0	1.0	去噪强度	去噪程度	1.0完全重新生成
samples	samples	LATENT	必需	潜空间图像	输入潜在表示	连接编码图像
base_sampler	base_sampler	KSAMPLER_ADVANCED	必需	基础采样器	背景区域采样器	处理非区域部分
regional_prompts	regional_prompts	REGIONAL_PROMPTS	必需	区域提示词	区域处理配置	连接区域提示词
overlap_factor	overlap_factor	0-10000	10	重叠因子	区域重叠像素	10像素让边界更自然
restore_latent	restore_latent	True/False	True	恢复潜空间	是否恢复原始噪声	True保持修复原理
additional_mode	additional_mode	DISABLE, ratio additional等	ratio between	附加模式	恢复采样模式	ratio between平衡处理
additional_sampler	additional_sampler	AUTO, euler等	AUTO	附加采样器	恢复采样器	AUTO自动选择
additional_sigma_ratio	additional_sigma_ratio	0.0-1.0	0.3	附加噪声比例	恢复噪声比例	0.3是推荐值

3.36 CombineRegionalPrompts 节点 - 区域提示词合并器

这个节点是干嘛的？ 这是一个"提示词收集器"，能把多个区域提示词合并成一个列表。就像把不同部门的工作计划合并成总计划。

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
regional_prompts1	regional_prompts1	REGIONAL_PROMPTS	必需	第一个区域提示词	区域提示词1	连接第一个区域配置

3.37 CombineConditionings 节点 - 条件合并器

这个节点是干嘛的？ 这是一个"条件收集器"，能把多个条件（提示词）合并成一个。就像把多个要求合并成一个总要求。

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
conditioning1	conditioning1	CONDITIONING	必需	第一个条件	条件1	连接第一个提示词

3.38 ConcatConditionings 节点 - 条件连接器

这个节点是干嘛的？ 这是一个"条件拼接器"，能把多个条件按顺序连接起来。就像把多个句子连成一段话。

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
conditioning1	conditioning1	CONDITIONING	必需	第一个条件	基础条件	连接主要提示词

3.39 KSamplerBasicPipe 节点 - 基础管道采样器

这个节点是干嘛的？ 这是一个"一体化采样器"，把采样过程和基础管道结合，简化工作流。就像一台多功能一体机。

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
basic_pipe	basic_pipe	BASIC_PIPE	必需	基础管道	基础处理管道	连接模型组合
seed	seed	0-最大整数	0	随机种子	随机数种子	控制随机性
steps	steps	1-10000	20	采样步数	推理步数	20步平衡质量速度
cfg	cfg	0.0-100.0	8.0	引导强度	CFG引导强度	8.0标准设置
sampler_name	sampler_name	采样器列表	euler_a	采样器类型	采样算法	euler_a效果好
scheduler	scheduler	调度器列表	normal	调度器类型	噪声调度	normal通用
latent_image	latent_image	LATENT	必需	潜空间图像	输入潜在表示	连接编码图像
denoise	denoise	0.0-1.0	1.0	去噪强度	去噪程度	1.0完全重新生成

3.40 SEGSOrderedFilterDetailerHookProvider 节点 - 区域排序过滤钩子提供者

这个节点是干嘛的？ 这是一个"智能筛选钩子"，能在处理过程中自动按条件筛选区域。就像给流水线装上自动筛选器。

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
target	target	area, width, height等	area	排序目标	排序依据	area按面积排序
order	order	True/False	True	排序方向	排序顺序	True从大到小
take_start	take_start	0-最大值	0	开始位置	起始索引	从第几个开始
take_count	take_count	0-最大值	1	取多少个	选择数量	要保留的区域数

3.41 SEGSRangeFilterDetailerHookProvider 节点 - 区域范围过滤钩子提供者

这个节点是干嘛的？ 这是一个"范围筛选钩子"，能在处理过程中按数值范围筛选区域。就像设置一个自动筛选门槛。

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
target	target	area, width, height等	area	过滤目标	过滤依据	area按面积过滤
mode	mode	True/False	True	过滤模式	范围模式	True保留范围内的
min_value	min_value	0-最大值	0	最小值	范围下限	小于此值被过滤
max_value	max_value	0-最大值	67108864	最大值	范围上限	大于此值被过滤

3.42 PreviewDetailerHookProvider 节点 - 预览钩子提供者

这个节点是干嘛的？ 这是一个"预览助手"，能在处理过程中显示中间结果，方便调试和监控。就像给生产线装上监控摄像头。

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
quality	quality	20-100	95	预览质量	图像质量	95是高质量预览

3.43 LamaRemoverDetailerHookProvider 节点 - Lama移除钩子提供者

这个节点是干嘛的？ 这是一个"智能橡皮擦钩子"，能在处理过程中自动移除不需要的内容。就像给处理流程加上自动清理功能。

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
mask_threshold	mask_threshold	0-255	250	遮罩阈值	遮罩检测阈值	250是高敏感度
gaussblur_radius	gaussblur_radius	0-20	8	高斯模糊半径	模糊处理半径	8像素适中模糊
skip_sampling	skip_sampling	True/False	True	跳过采样	是否跳过重新采样	True提高速度

3.44 GITSSchedulerFuncProvider 节点 - GITS调度器函数提供者

这个节点是干嘛的？ 这是一个"智能调度器"，能提供更高级的噪声调度算法，提升生成质量。就像给引擎装上智能控制系统。

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
coeff	coeff	0.80-1.50	1.20	系数	GITS调度系数	1.20是推荐值
denoise	denoise	0.0-1.0	1.0	去噪强度	噪声调度去噪量	1.0完全去噪

3.45 NegativeConditioningPlaceholder 节点 - 负面条件占位符

这个节点是干嘛的？ 这是一个"占位符"，专门为不需要负面提示词的模型（如FLUX）提供占位。就像给不需要某个零件的机器装个占位块。

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
无参数	无参数	无	无	纯占位符节点	负面条件占位符	直接使用即可

3.46 SegmDetectorForEach 节点 - 分割检测器

这个节点是干嘛的？ 这是一个"精密检测师"，不仅能找到物体位置，还能精确描绘物体轮廓。就像从粗糙的素描变成精细的剪影。

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
segm_detector	segm_detector	SEGM_DETECTOR	必需	分割检测器	语义分割检测器	连接分割模型
image	image	IMAGE	必需	要检测的图片	输入图像	连接原图
threshold	threshold	0.0-1.0	0.5	检测阈值	检测敏感度	0.5平衡准确率
dilation	dilation	-512到512	10	膨胀程度	遮罩膨胀像素	10让检测区域稍大
crop_factor	crop_factor	1.0-100	3.0	裁剪因子	裁剪区域放大倍数	3.0让处理区域更大
drop_size	drop_size	1-MAX_RESOLUTION	10	丢弃尺寸	最小区域尺寸	10像素以下忽略
labels	labels	STRING	all	标签过滤	检测标签过滤	"person,car"只检测人和车

3.47 SimpleDetectorForEach 节点 - 简单检测器

这个节点是干嘛的？ 这是一个"智能检测助手"，结合了边界框检测和精确分割，提供一站式检测服务。就像既有望远镜又有显微镜的观察工具。

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
bbox_detector	bbox_detector	BBOX_DETECTOR	必需	边界框检测器	边界框检测器	连接检测模型
image	image	IMAGE	必需	要检测的图片	输入图像	连接原图
bbox_threshold	bbox_threshold	0.0-1.0	0.5	边界框阈值	边界框检测阈值	0.5平衡准确率
bbox_dilation	bbox_dilation	-512到512	0	边界框膨胀	边界框膨胀像素	0保持原始大小
crop_factor	crop_factor	1.0-100	3.0	裁剪因子	裁剪区域放大倍数	3.0让处理区域更大
drop_size	drop_size	1-MAX_RESOLUTION	10	丢弃尺寸	最小区域尺寸	10像素以下忽略
sub_threshold	sub_threshold	0.0-1.0	0.5	子检测阈值	SAM/分割检测阈值	0.5平衡准确率
sub_dilation	sub_dilation	-512到512	0	子检测膨胀	SAM/分割膨胀	0保持原始大小
sub_bbox_expansion	sub_bbox_expansion	0-1000	0	子检测框扩展	SAM边界框扩展	0默认大小
sam_mask_hint_threshold	sam_mask_hint_threshold	0.0-1.0	0.7	SAM遮罩提示阈值	SAM遮罩提示阈值	0.7推荐值

3.48 ONNXDetectorProvider 节点 - ONNX检测器提供者

这个节点是干嘛的？ 这是一个"通用检测器加载器"，能加载ONNX格式的检测模型。就像一个万能适配器，能使用各种格式的检测工具。

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
model_name	model_name	ONNX文件列表	选择模型	选择ONNX模型文件	ONNX检测模型	选择你下载的.onnx文件

3.49 CLIPSegDetectorProvider 节点 - CLIPSeg检测器提供者

这个节点是干嘛的？ 这是一个"文字描述检测器"，能根据文字描述来检测图片中的物体。就像告诉它"找出图片中的猫"，它就能找到猫。

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
text	text	STRING	空	检测目标描述	文本检测提示	"cat, dog"检测猫和狗
blur	blur	0.0-15.0	7.0	模糊程度	遮罩模糊半径	7.0让边缘柔和
threshold	threshold	0.0-1.0	0.4	检测阈值	检测敏感度	0.4平衡准确率
dilation_factor	dilation_factor	0-10	4	膨胀因子	遮罩膨胀程度	4让检测区域稍大

3.50 SEGSToImageList 节点 - 区域转图片列表

这个节点是干嘛的？ 这是一个"区域提取器"，能把检测到的每个区域单独提取成图片。就像把拼图的每一块都单独拿出来。

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
segs	segs	SEGS	必需	区域信息	分割区域数据	连接检测器输出
fallback_image_opt	fallback_image_opt	IMAGE	可选	备用图片	原始图像	当区域没有图片时使用

3.51 ImageReceiver 节点 - 图片接收器

这个节点是干嘛的？ 这是一个"图片接收站"，能接收ImageSender发送的图片。就像邮局的收件箱，专门接收特定地址的邮件。

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
link_id	link_id	0-最大整数	0	连接ID	链接标识符	必须与发送器ID匹配
trigger_always	trigger_always	True/False	False	总是触发	是否总是执行	False只在有新图片时触发

3.52 LatentSender 节点 - 潜空间发送器

这个节点是干嘛的？ 这是一个"潜空间传送器"，能把潜空间数据发送到指定接收器。就像专门传送编码数据的快递员。

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
latent	latent	LATENT	必需	要发送的潜空间数据	潜在表示	连接编码后的图像
link_id	link_id	0-最大整数	0	连接ID	链接标识符	用于匹配发送和接收

3.53 LatentReceiver 节点 - 潜空间接收器

这个节点是干嘛的？ 这是一个"潜空间接收站"，专门接收LatentSender发送的潜空间数据。就像专门接收编码数据的收件箱。

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
link_id	link_id	0-最大整数	0	连接ID	链接标识符	必须与发送器ID匹配
trigger_always	trigger_always	True/False	False	总是触发	是否总是执行	False只在有新数据时触发

3.54 SEGSPreview 节点 - 区域预览器

这个节点是干嘛的？ 这是一个"区域展示器"，能把检测到的区域用彩色框框标出来，方便查看检测效果。就像给检测结果加上彩色标签。

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
segs	segs	SEGS	必需	要预览的区域	分割区域数据	连接检测器输出
alpha	alpha	0.0-1.0	0.5	透明度	预览透明度	0.5半透明效果
fallback_image_opt	fallback_image_opt	IMAGE	可选	备用图片	背景图像	没有图片时的背景

3.55 SEGSPreviewCNet 节点 - ControlNet区域预览器

这个节点是干嘛的？ 这是一个"ControlNet专用预览器"，专门为ControlNet应用显示区域效果。就像专门的ControlNet显示器。

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
segs	segs	SEGS	必需	要预览的区域	分割区域数据	连接ControlNet处理后的区域
alpha	alpha	0.0-1.0	0.5	透明度	预览透明度	0.5半透明显示
fallback_image_opt	fallback_image_opt	IMAGE	可选	备用图片	背景图像	没有图片时使用

3.56 EmptySegs 节点 - 空区域生成器

这个节点是干嘛的？ 这是一个"空白制造器"，能生成一个空的区域数据。就像准备一个空的容器，等待后续填充内容。

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
无参数	无参数	无	无	生成空的SEGS数据	空分割区域	直接使用即可

3.57 ToBinaryMask 节点 - 二值化遮罩转换器

这个节点是干嘛的？ 这是一个"黑白转换器"，能把灰度遮罩转换成纯黑白的二值遮罩。就像把彩色照片变成黑白照片。

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
mask	mask	MASK	必需	要转换的遮罩	输入遮罩	连接灰度遮罩
threshold	threshold	0.0-1.0	0.5	二值化阈值	黑白分界线	0.5是中等亮度分界

3.58 MasksToMaskList 节点 - 遮罩批次转列表

这个节点是干嘛的？ 这是一个"遮罩拆包器"，能把一个遮罩批次拆分成单独的遮罩列表。就像把一盒饼干拆成单独的饼干。

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
masks	masks	MASK	必需	遮罩批次	批次遮罩数据	连接多个遮罩的批次

3.59 MaskListToMaskBatch 节点 - 遮罩列表转批次

这个节点是干嘛的？ 这是一个"遮罩打包器"，能把多个单独的遮罩打包成一个批次。就像把散装饼干装进一个盒子。

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
mask_list	mask_list	MASK_LIST	必需	遮罩列表	遮罩列表数据	连接遮罩列表

3.60 ImageListToImageBatch 节点 - 图片列表转批次

这个节点是干嘛的？ 这是一个"图片打包器"，能把图片列表转换成图片批次，方便批量处理。就像把单独的照片装进相册。

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
image_list	image_list	IMAGE_LIST	必需	图片列表	图像列表数据	连接图片列表

3.61 SetDefaultImageForSEGS 节点 - 区域默认图片设置器

这个节点是干嘛的？ 这是一个"默认图片管理员"，能为区域数据设置默认的参考图片。就像给每个房间指定一张标准照片。

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
segs	segs	SEGS	必需	区域数据	分割区域数据	连接要设置的区域
image	image	IMAGE	必需	默认图片	参考图像	连接要设为默认的图片

3.62 RemoveImageFromSEGS 节点 - 区域图片移除器

这个节点是干嘛的？ 这是一个"图片清理员"，能从区域数据中移除图片信息，只保留位置和遮罩。就像把照片从相框里取出来，只留下相框。

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
segs	segs	SEGS	必需	区域数据	分割区域数据	连接要清理的区域

3.63 SEGSLabelAssign 节点 - 区域标签分配器

这个节点是干嘛的？ 这是一个"标签贴纸员"，能给区域数据分配或修改标签。就像给不同的文件夹贴上不同颜色的标签。

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
segs	segs	SEGS	必需	区域数据	分割区域数据	连接要分配标签的区域
labels	labels	STRING	空	标签列表	标签字符串	"face,hand,body"分配不同标签

3.64 SEGSConcat 节点 - 区域连接器

这个节点是干嘛的？ 这是一个"区域合并器"，能把多个区域数据连接成一个。就像把多个拼图盒子里的拼图块倒在一起。

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
segs1	segs1	SEGS	必需	第一个区域数据	分割区域数据1	连接第一组区域

3.65 SEGSPicker 节点 - 区域选择器

这个节点是干嘛的？ 这是一个"区域挑选器"，能从区域数据中选择特定的区域。就像从一堆苹果中挑选最好的几个。

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
segs	segs	SEGS	必需	区域数据	分割区域数据	连接要挑选的区域
picks	picks	STRING	"0"	选择索引	选择的区域编号	"0,2,4"选择第1、3、5个区域

3.66 MakeTileSEGS 节点 - 瓦片区域制作器

这个节点是干嘛的？ 这是一个"瓦片切割器"，能把图片按网格切割成多个瓦片区域。就像把大蛋糕切成小方块。

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
images	images	IMAGE	必需	要切割的图片	输入图像	连接要分割的图片
bbox_size	bbox_size	64-MAX_RESOLUTION	512	瓦片大小	瓦片尺寸	512x512像素的方块
crop_factor	crop_factor	1.0-10.0	3.0	裁剪因子	裁剪区域放大倍数	3.0让处理区域更大
color_depth	color_depth	1-4	1	颜色深度	通道数量	1是灰度，3是RGB

3.67 SEGSMerge 节点 - 区域合并器

这个节点是干嘛的？ 这是一个"区域融合器"，能把相邻或重叠的区域合并成更大的区域。就像把相邻的房间打通成大房间。

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
segs	segs	SEGS	必需	要合并的区域	分割区域数据	连接要合并的区域
merge_criteria	merge_criteria	intersection, distance	intersection	合并标准	合并判断依据	intersection按重叠合并
merge_threshold	merge_threshold	0.0-1.0	0.5	合并阈值	合并判断阈值	0.5是中等严格程度

3.68 SEGSToMaskList 节点 - 区域转遮罩列表

这个节点是干嘛的？ 这是一个"遮罩提取器"，能把区域数据中的每个遮罩提取出来形成列表。就像把每个房间的平面图单独拿出来。

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
segs	segs	SEGS	必需	区域数据	分割区域数据	连接要提取遮罩的区域

3.69 SEGSToMaskBatch 节点 - 区域转遮罩批次

这个节点是干嘛的？ 这是一个"遮罩批次制作器"，能把区域数据中的遮罩打包成批次。就像把多张平面图装订成册。

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
segs	segs	SEGS	必需	区域数据	分割区域数据	连接要转换的区域

3.70 SegsToCombinedMask 节点 - 区域转合并遮罩

这个节点是干嘛的？ 这是一个"遮罩合成器"，能把所有区域的遮罩合并成一个大遮罩。就像把所有房间的平面图合并成整栋楼的平面图。

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
segs	segs	SEGS	必需	区域数据	分割区域数据	连接要合并的区域

4. 使用技巧和建议

4.1 新手入门建议

从简单开始：先用FaceDetailer处理人脸，这是最容易看到效果的
参数保守：初始参数用推荐值，熟悉后再调整
逐步学习：一次只学一个节点，不要贪多
保存工作流：好用的设置要保存成模板

4.2 性能优化技巧

显存管理：显存不够时开启tiled_vae
批处理：处理多张图时用batch_size
合理分辨率：guide_size不要设置过大
模型选择：根据显卡性能选择合适的SAM模型

4.3 质量提升技巧

多步处理：复杂图片可以分多次处理
遮罩优化：手动调整遮罩能获得更好效果
提示词优化：针对不同区域使用不同的提示词
参数微调：根据图片特点调整denoise和cfg

4.4 常用工作流组合

基础人脸增强：SAMLoader → FaceDetailer
精细区域处理：BboxDetector → DetailerForEach → SEGSPaste
智能放大：PixelKSampleUpscaler → IterativeLatentUpscale
批量处理：MaskToSEGS → SEGSDetailer → SEGSPaste

5. 常见问题解答

5.1 安装和配置问题

Q: 安装后节点不显示怎么办？ A: 检查是否重启了ComfyUI，确认插件文件夹在custom_nodes目录下

Q: 提示缺少依赖怎么办？ A: 运行插件目录下的install.py文件，或手动安装requirements.txt中的包

Q: SAM模型下载失败怎么办？ A: 检查网络连接，或手动下载模型文件到models/sams目录

5.2 使用过程问题

Q: 处理速度很慢怎么办？ A: 降低guide_size和steps，开启tiled_vae，选择较小的SAM模型

Q: 效果不理想怎么办？ A: 调整denoise强度，优化提示词，检查检测区域是否准确

Q: 显存不够用怎么办？ A: 开启use_tiled_vae，降低处理分辨率，减少batch_size

5.3 高级使用问题

Q: 如何处理多个人脸？ A: 使用DetailerForEach节点，它会自动处理所有检测到的区域

Q: 如何自定义检测区域？ A: 使用MaskToSEGS节点，先手动绘制遮罩再转换为区域信息

Q: 如何批量处理图片？ A: 使用ImageBatch相关节点，或者设置batch_size参数

6. 进阶应用案例

6.1 专业人像修复工作流

使用SAMLoader加载高精度模型
用FaceDetailer进行整体人脸增强
用DetailerForEach处理眼部、嘴部细节
最后用SEGSPaste精确合成

6.2 智能图片放大工作流

先用PixelKSampleUpscaler创建放大器
用IterativeLatentUpscale进行渐进放大
对放大后的图片用FaceDetailer增强细节
最终输出高质量大图

6.3 批量图片处理工作流

用ImageBatch节点组合多张图片
设置合适的batch_size参数
使用统一的处理参数
最后分离成单独的图片

7. 高级应用案例详解

7.1 专业人像修复完整工作流

工作流设计思路：

多层次检测：先用粗检测找到人脸区域，再用精检测找到眼部、嘴部等细节
分级处理：对不同区域使用不同强度的处理参数
质量控制：通过预览节点实时监控处理效果

具体节点连接：

原图 → SAMLoader → FaceDetailer(整体人脸) → 
     ↓
     SimpleDetectorForEach(眼部检测) → DetailerForEach(眼部精修) → 
     ↓
     SimpleDetectorForEach(嘴部检测) → DetailerForEach(嘴部精修) → 
     ↓
     SEGSPaste(最终合成)

关键参数设置：

整体人脸：denoise=0.3（轻度修复）
眼部细节：denoise=0.5（中度修复）
嘴部细节：denoise=0.4（适中修复）

7.2 智能批量图片处理工作流

适用场景：

批量处理写真照片
自动修复老照片
统一风格化处理

工作流设计：

图片文件夹 → MakeImageBatch → FaceDetailer → 
           ↓
           PixelKSampleUpscaler(2x放大) → 
           ↓
           ImageBatchToImageList → 保存单独文件

效率优化技巧：

使用batch_size=4同时处理4张图
开启tiled_vae节省显存
设置合理的guide_size平衡质量和速度

7.3 创意区域重绘工作流

创意应用：

局部风格转换
服装替换
背景重绘

工作流设计：

原图 → CLIPSegDetectorProvider("clothing") → 
     ↓
     SEGSDetailer(服装重绘) → 
     ↓
     RegionalPrompt("elegant dress") → 
     ↓
     SEGSPaste(合成最终效果)

8. 故障排除和优化指南

8.1 常见错误及解决方案

错误1：显存不足 (CUDA out of memory)

原因：图片分辨率过高或batch_size过大
解决方案：
- 降低guide_size到256-384
- 开启use_tiled_vae=True
- 减少batch_size到1
- 使用PixelTiledKSampleUpscaler替代普通放大器

错误2：检测不到人脸或物体

原因：检测阈值设置不当
解决方案：
- 降低bbox_threshold到0.3-0.4
- 增加bbox_dilation扩大检测区域
- 检查图片质量和光照条件
- 尝试不同的检测模型

错误3：处理效果不自然

原因：参数设置过于激进
解决方案：
- 降低denoise强度到0.3-0.5
- 增加feather值到10-15
- 使用noise_mask=True
- 调整cfg值到6-8之间

8.2 性能优化建议

硬件配置建议：

入门级：GTX 1660 6GB + 16GB RAM
推荐级：RTX 3060 12GB + 32GB RAM
专业级：RTX 4090 24GB + 64GB RAM

软件优化设置：

使用最新版本的ComfyUI
定期清理模型缓存
合理设置ComfyUI的显存管理参数
使用SSD存储模型文件

9. 进阶技巧和创意应用

9.1 通配符系统高级应用

创建动态提示词库：

# 在wildcards文件夹创建style.txt
realistic, photorealistic
artistic, painterly
cinematic, dramatic
vintage, retro
modern, contemporary

在工作流中使用：

ImpactWildcardProcessor: "{__style__} portrait of a beautiful woman"

9.2 区域提示词创意组合

多风格融合：

人脸区域："realistic, detailed skin texture"
头发区域："flowing, dynamic hair"
背景区域："artistic, bokeh effect"
服装区域："elegant, fashionable clothing"

9.3 自动化工作流设计

智能判断处理流程：

图片输入 → ImpactImageInfo(获取尺寸) → 
         ↓
         ImpactCompare(判断是否需要放大) → 
         ↓
         ImpactConditionalBranch(选择处理路径) → 
         ↓
         不同的处理分支

10. 总结与展望

ComfyUI-Impact-Pack是一个革命性的图像处理插件，它将复杂的图像处理技术包装成了易于使用的节点系统。通过本教程的学习，你已经掌握了：

🎯 核心能力

智能检测：自动识别人脸、物体等区域
精细处理：对不同区域进行针对性增强
高质量放大：无损放大图片分辨率
批量处理：高效处理大量图片
工作流自动化：创建复杂的处理流程

🚀 进阶应用

专业修图：媲美专业修图师的效果
创意设计：实现各种创意图像效果
商业应用：批量处理商品图片、人像照片
艺术创作：辅助数字艺术创作

💡 学习建议

循序渐进：从简单节点开始，逐步掌握复杂功能
多做实验：不同参数组合会产生不同效果
保存模板：将好用的工作流保存为模板
关注更新：插件持续更新，新功能不断增加
社区交流：与其他用户分享经验和技巧

🔮 未来发展

随着AI技术的不断发展，ComfyUI-Impact-Pack也在持续进化：

更精确的检测算法
更自然的处理效果
更丰富的创意功能
更好的性能优化

本教程持续更新中，如有问题或建议，欢迎反馈交流！

ComfyUI-Impact-Pack插件使用指南 从入门到精通教程

1. 插件简介

2. 如何安装

方法一：通过ComfyUI管理器安装（推荐）

方法二：手动安装

3. 核心节点详细解析

3.1 SAMLoader 节点 - SAM模型加载器

3.2 FaceDetailer 节点 - 人脸细节增强器

3.3 DetailerForEach 节点 - 区域细节增强器

3.4 BboxDetectorForEach 节点 - 边界框检测器

3.5 SAMDetectorCombined 节点 - SAM组合检测器

3.6 PixelKSampleUpscalerProvider 节点 - 像素级放大器提供者

3.7 IterativeLatentUpscale 节点 - 迭代潜空间放大器

3.8 MaskToSEGS 节点 - 遮罩转区域信息

3.9 SEGSDetailer 节点 - 区域细节处理器

3.10 SEGSPaste 节点 - 区域粘贴器

3.8 MaskToSEGS 节点 - 遮罩转区域信息

3.9 SEGSDetailer 节点 - 区域细节处理器

3.10 SEGSPaste 节点 - 区域粘贴器

3.11 ToDetailerPipe 节点 - 详细处理管道构建器

3.12 FromDetailerPipe 节点 - 详细处理管道分解器

3.13 ImpactCompare 节点 - 数值比较器

3.14 ImpactConditionalBranch 节点 - 条件分支器

3.15 GeneralSwitch 节点 - 通用切换器

3.16 BitwiseAndMask 节点 - 遮罩与运算

3.17 SubtractMask 节点 - 遮罩减法运算

3.18 AddMask 节点 - 遮罩加法运算

3.19 DilateMask 节点 - 遮罩膨胀器

3.20 GaussianBlurMask 节点 - 遮罩高斯模糊器

3.21 SEGSLabelFilter 节点 - 区域标签过滤器

3.22 SEGSRangeFilter 节点 - 区域范围过滤器

3.23 SEGSOrderedFilter 节点 - 区域排序过滤器

3.24 MakeImageList 节点 - 图片列表制作器

3.25 MakeImageBatch 节点 - 图片批次制作器

3.26 ImageBatchToImageList 节点 - 图片批次拆分器

3.27 ImpactWildcardProcessor 节点 - 通配符处理器

3.28 ImpactWildcardEncode 节点 - 通配符编码器

3.29 PreviewBridge 节点 - 预览桥接器

3.30 ImageSender 节点 - 图片发送器

3.31 KSamplerProvider 节点 - 采样器提供者

3.32 TiledKSamplerProvider 节点 - 分块采样器提供者

3.33 TwoSamplersForMask 节点 - 双采样器遮罩处理

3.34 RegionalPrompt 节点 - 区域提示词

3.35 RegionalSampler 节点 - 区域采样器

3.36 CombineRegionalPrompts 节点 - 区域提示词合并器

3.37 CombineConditionings 节点 - 条件合并器

3.38 ConcatConditionings 节点 - 条件连接器

3.39 KSamplerBasicPipe 节点 - 基础管道采样器

3.40 SEGSOrderedFilterDetailerHookProvider 节点 - 区域排序过滤钩子提供者

3.41 SEGSRangeFilterDetailerHookProvider 节点 - 区域范围过滤钩子提供者

3.42 PreviewDetailerHookProvider 节点 - 预览钩子提供者

3.43 LamaRemoverDetailerHookProvider 节点 - Lama移除钩子提供者

3.44 GITSSchedulerFuncProvider 节点 - GITS调度器函数提供者

3.45 NegativeConditioningPlaceholder 节点 - 负面条件占位符

3.46 SegmDetectorForEach 节点 - 分割检测器

3.47 SimpleDetectorForEach 节点 - 简单检测器

3.48 ONNXDetectorProvider 节点 - ONNX检测器提供者

3.49 CLIPSegDetectorProvider 节点 - CLIPSeg检测器提供者

3.50 SEGSToImageList 节点 - 区域转图片列表

3.51 ImageReceiver 节点 - 图片接收器

3.52 LatentSender 节点 - 潜空间发送器

3.53 LatentReceiver 节点 - 潜空间接收器

3.54 SEGSPreview 节点 - 区域预览器

3.55 SEGSPreviewCNet 节点 - ControlNet区域预览器

3.56 EmptySegs 节点 - 空区域生成器

3.57 ToBinaryMask 节点 - 二值化遮罩转换器

3.58 MasksToMaskList 节点 - 遮罩批次转列表

3.59 MaskListToMaskBatch 节点 - 遮罩列表转批次

3.60 ImageListToImageBatch 节点 - 图片列表转批次

3.61 SetDefaultImageForSEGS 节点 - 区域默认图片设置器

3.62 RemoveImageFromSEGS 节点 - 区域图片移除器

3.63 SEGSLabelAssign 节点 - 区域标签分配器

3.64 SEGSConcat 节点 - 区域连接器

3.65 SEGSPicker 节点 - 区域选择器

3.66 MakeTileSEGS 节点 - 瓦片区域制作器

3.67 SEGSMerge 节点 - 区域合并器

3.68 SEGSToMaskList 节点 - 区域转遮罩列表

3.69 SEGSToMaskBatch 节点 - 区域转遮罩批次

3.70 SegsToCombinedMask 节点 - 区域转合并遮罩

4. 使用技巧和建议

ComfyUI-Impact-Pack插件使用指南从入门到精通教程