# ComfyUI-InferenceTimeScaling插件新手教程 ## 1. 插件简介 **GitHub原地址：** https://github.com/YRIKKA/ComfyUI-InferenceTimeScaling 这个插件就像是给你的画画机器人装了一个"优化挑选器"。想象一下，你让机器人画一张猫咪的照片，以前它只能画一张给你，现在这个插件能让它画好几张，然后自动帮你挑出最好看的那一张。 **具体效果：** - 能让你的AI画出质量更高的图片 - 自动生成多张图片，然后智能选出最好的 - 就像有个专业的美术老师在帮你挑选作品一样 这个插件用了两种"寻找好图片"的方法： 1. **随机搜索**：就像抽奖一样，生成很多张图片，然后从中挑最好的 2. **零阶优化**：更聪明一些，会根据前一张图片的质量来指导下一张图片怎么画 ## 2. 如何安装 ### 方法一：通过ComfyUI管理器安装（推荐） 1. 打开ComfyUI软件 2. 点击"管理器"按钮 3. 在搜索框里输入"ComfyUI-InferenceTimeScaling" 4. 找到后点击"安装" 5. 重启ComfyUI ### 方法二：手动安装 1. 打开命令行工具 2. 输入以下命令： ```bash cd ComfyUI/custom_nodes git clone https://github.com/YRIKKA/ComfyUI-InferenceTimeScaling cd ComfyUI-InferenceTimeScaling pip install -e . ``` **注意：** 这个插件需要比较大的显卡内存（推荐48GB），如果你的显卡内存不够，可能会运行缓慢或失败。 ## 3. 节点逐一解析 ### 3.1 InferenceTimeScaler节点 - 主要的图片优化器 这是整个插件的核心，就像一个"超级画家"，能够多次尝试画图，然后挑出最好的那一张。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 模型 | model | MODEL类型 | 根据你的模型 | 选择你要用的画画模型，就像选择用哪支画笔 | 扩散模型用于图像生成 | 连接你的Checkpoint加载器 | | 种子 | seed | 整数 | 随机或固定值 | 控制画面的随机性，相同种子画出相同图片 | 随机数生成器种子 | 想要重现相同结果就用固定数字 | | 步数 | steps | 整数 | 20-50 | 画画的精细程度，步数越多画得越仔细 | 去噪步数 | 新手建议20-30，追求质量用50+ | | CFG比例 | cfg | 小数 | 7.0-12.0 | 控制AI听话程度，数值越高越严格按提示画 | 分类器自由引导强度 | 7.0比较自然，12.0更严格 | | 采样器名称 | sampler_name | 选择项 | euler_a | 选择画画的方式，不同方式画出的效果不同 | 采样算法 | 新手推荐euler_a或dpm_2m | | 调度器 | scheduler | 选择项 | normal | 控制画画过程的节奏 | 噪声调度策略 | 一般用normal就行 | | 正向提示 | positive | CONDITIONING | 你的提示词 | 告诉AI你想画什么，越详细越好 | 正向条件编码 | 连接你的提示词编码器 | | 负向提示 | negative | CONDITIONING | 不想要的内容 | 告诉AI你不想画什么 | 负向条件编码 | 连接你的负向提示词编码器 | | 潜在图像 | latent_image | LATENT | 空白画布 | 画画的起始画布 | 潜在空间图像 | 通常连接空白潜在图像 | | 去噪强度 | denoise | 小数 | 1.0 | 控制画面改变程度，1.0是完全重画 | 去噪强度 | 1.0表示完全重新生成 | | 对比文本 | text_prompt_to_compare | 文本 | 你的提示词 | 用来评判图片质量的标准文本 | 用于评分的参考文本 | 输入和正向提示一样的内容 | | 搜索轮数 | search_rounds | 整数 | 5-10 | 要生成多少张图片来挑选，越多越费时间 | 搜索迭代次数 | 新手建议5-6轮，追求质量用10+ | | VAE模型 | vae | VAE | 你的VAE | 负责把潜在图像变成真实图片 | 变分自编码器 | 连接你的VAE加载器 | | 显示前几名 | view_top_k | 整数 | 3-5 | 显示前几张最好的图片 | 展示的最佳图片数量 | 建议3-5张，太多会占用内存 | | 搜索算法 | search_algorithm | random/zero-order | random | 选择找好图片的方法 | 优化算法类型 | 新手用random，进阶用zero-order | **零阶搜索专用参数（只有选择zero-order时才有用）：** | 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 邻居数量 | num_neighbors | 整数 | 4-8 | 每次尝试生成几个相似的图片 | 每次迭代的邻居样本数 | 4个够用，8个效果更好但更慢 | | 扰动阈值 | lambda_threshold | 小数 | 0.1-0.3 | 控制每次改变的幅度，越小改变越温和 | 扰动步长 | 0.1比较温和，0.3变化更明显 | **评判器连接（至少要连接一个）：** | 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | CLIP评分器 | loaded_clip_score_verifier | CS_VERIFIER | 连接CLIP加载器 | 判断图片和文字是否匹配 | CLIP模型相似度评分 | 连接CLIP Score Verifier Loader | | 图像奖励评分器 | loaded_image_reward_verifier | IR_VERIFIER | 连接IR加载器 | 判断图片的整体质量 | 图像质量评估模型 | 连接ImageReward Verifier Loader | | Qwen评分器 | loaded_qwen_verifier | QWN_VERIFIER | 连接Qwen加载器 | 像人类一样全面评判图片质量 | 大型视觉语言模型评分 | 连接Qwen Verifier Loader | ### 3.3 Qwen Verifier Loader节点 - 智能评判器加载器 这个节点就像请了一个专业的美术评委，能够像人类一样全面评判图片质量。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 模型标识 | qwen_verifier_id | 文本 | "Qwen/Qwen2.5-VL-7B-Instruct" | 选择用哪个版本的评委 | 模型标识符 | 默认就行，除非你有特殊需求 | | 设备 | device | cuda/cpu | cuda | 选择用显卡还是CPU运算 | 计算设备 | 有显卡就选cuda，没有就选cpu | | 评分类型 | score_type | 选择项 | overall_score | 选择评分的重点方向 | 评分维度 | 详见下表 | **评分类型选项：** - **overall_score**: 综合评分，像总分一样 - **accuracy_to_prompt**: 看图片和提示词匹配度 - **creativity_and_originality**: 看创意和原创性 - **visual_quality_and_realism**: 看画面质量和真实感 - **consistency_and_cohesion**: 看画面是否协调统一 - **emotional_or_thematic_resonance**: 看情感表达是否到位 ### 3.5 CLIP Score Verifier Loader节点 - 文字图片匹配评判器 这个节点专门判断图片和文字描述是否匹配，就像检查画的内容是否符合要求。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 模型标识 | clip_verifier_id | 文本 | "openai/clip-vit-base-patch32" | 选择用哪个版本的匹配检查器 | CLIP模型标识符 | 默认就行，这个是经典版本 | | 设备 | device | cuda/cpu | cuda | 选择用显卡还是CPU运算 | 计算设备 | 有显卡就选cuda，运算更快 | ### 3.7 ImageReward Verifier Loader节点 - 图片质量评判器 这个节点专门评判图片的整体质量，就像有个专业摄影师在评判你的作品。 #### 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 模型标识 | ir_verifier_id | 文本 | "ImageReward-v1.0" | 选择用哪个版本的质量评判器 | ImageReward模型标识符 | 默认就行，这是标准版本 | | 设备 | device | cuda/cpu | cuda | 选择用显卡还是CPU运算 | 计算设备 | 有显卡就选cuda，效率更高 | ## 4. 使用技巧和建议 ### 4.1 新手入门建议 1. **先用随机搜索**：比较简单，效果也不错 2. **搜索轮数从5开始**：太多会很慢，太少效果不明显 3. **至少连接一个评判器**：推荐先用CLIP，最容易理解 ### 4.2 进阶使用技巧 1. **组合使用多个评判器**：三个都连上，效果最好 2. **零阶搜索更精细**：适合对质量要求很高的场景 3. **调整CFG值**：风格化内容用高CFG，写实内容用低CFG ### 4.3 性能优化建议 1. **显存不够就减少搜索轮数**：从10轮减到5轮 2. **CPU用户要耐心**：用CPU会比较慢，建议减少参数 3. **批量处理注意**：目前只支持单张图片处理 ## 5. 常见问题解答 ### Q1: 为什么我的显卡内存不够？ A: 这个插件比较吃显存，建议至少8GB显存，如果不够可以： - 减少搜索轮数 - 只连接一个评判器 - 使用CPU模式（会很慢） ### Q2: 为什么生成速度很慢？ A: 因为要生成多张图片然后评分，正常现象，可以： - 减少搜索轮数 - 选择更快的采样器 - 使用随机搜索而不是零阶搜索 ### Q3: 三个评判器有什么区别？ A: - **CLIP**：专门看图片和文字是否匹配 - **ImageReward**：专门看图片质量 - **Qwen**：最全面，像人类一样评判 ### Q4: 随机搜索和零阶搜索该选哪个？ A: - 新手或追求速度：选随机搜索 - 追求最高质量：选零阶搜索 - 零阶搜索会更慢但通常效果更好 ### Q5: 模型会自动下载吗？ A: 是的，第一次使用时会自动下载需要的模型，需要网络连接。 ## 6. 工作流程示例 ### 6.1 基础工作流程 1. **加载模型**：使用Checkpoint Loader加载你的主模型 2. **设置提示词**：用CLIP Text Encode设置正负提示词 3. **加载评判器**：至少加载一个评判器（推荐CLIP） 4. **连接主节点**：把所有内容连接到InferenceTimeScaler 5. **设置参数**：搜索算法选"random"，轮数设置5-10 6. **运行生成**：等待生成和评分完成 ### 6.2 高级工作流程 1. **加载三个评判器**：获得最全面的评分 2. **使用零阶搜索**：获得最佳质量 3. **调整专业参数**：根据需要微调各项参数 4. **批量测试**：尝试不同的参数组合 ## 7. 总结 这个插件就像给你的AI画家装了一个"质量控制系统"，能够自动生成多张图片并挑选出最好的。虽然会增加生成时间，但能显著提升图片质量。新手建议从简单的随机搜索开始，熟悉后再尝试更高级的零阶搜索。 记住最重要的一点：**至少要连接一个评判器**，否则插件无法工作！
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)
