【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
ComfyUI IPAdapter Plus 是一个超级强大的图像到图像调节插件!简单来说,它就像是一个"图片魔法师",能够把一张参考图片的风格、构图或者人脸特征,神奇地转移到你要生成的新图片上。
插件原地址: https://github.com/cubiq/ComfyUI_IPAdapter_plus
它能给我们带来什么效果?
想象一下:你有一张喜欢的艺术作品,想让AI按照这个风格画一张新图,IPAdapter就是帮你实现这个愿望的神器!
2. 如何安装
下载插件:
下载必需的模型文件:
CLIP视觉模型放到:ComfyUI/models/clip_vision/
IPAdapter模型放到:ComfyUI/models/ipadapter/
人脸识别模型(如需要)放到:ComfyUI/models/loras/
重启ComfyUI
3. 节点详细解析
本插件总共包含37个节点,现在开始逐一详细解释:
3.1 IPAdapter(基础节点)
这是最简单的IPAdapter节点,就像一个"图片风格复印机",把参考图片的特征复制到生成的图片上。
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类型 | - | 这是你的AI画图大脑 | 主要的扩散模型管道 | 连接你的主模型,比如SD1.5或SDXL |
ipadapter | ipadapter | IPADAPTER类型 | - | 这是图片风格转换器 | IPAdapter模型实例 | 连接IPAdapter加载器节点 |
image | image | IMAGE类型 | - | 这是你的参考图片 | 用于生成正向条件的参考图像 | 上传一张你想模仿风格的图片 |
weight | weight | 0.0-3.0 | 0.8 | 影响强度调节器,像音量旋钮 | IPAdapter模型的权重强度 | 0.8表示80%的影响力,1.0是100% |
start_at | start_at | 0.0-1.0 | 0.0 | 什么时候开始生效 | 生成过程中开始应用的时间点 | 0.0从头开始,0.3表示生成到30%时才开始 |
end_at | end_at | 0.0-1.0 | 1.0 | 什么时候停止生效 | 生成过程中停止应用的时间点 | 1.0到最后,0.8表示生成到80%就停止 |
weight_type | weight_type | 选择列表 | standard | 影响方式选择器 | 权重应用的类型和分布方式 | standard是均匀影响,style transfer只影响风格 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码,控制影响区域 | 黑色区域不受影响,白色区域受最大影响 |
3.2 IPAdapterAdvanced(高级节点)
这是功能最全面的节点,就像一个"专业图片调色师",有各种精细的控制选项。
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类型 | - | 你的AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 图片风格转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 参考图片 | 用于生成正向条件的参考图像 | 上传参考图片 |
weight | weight | -1.0-5.0 | 1.0 | 影响强度大旋钮 | IPAdapter模型的权重强度 | 负数会产生相反效果,大于1会增强效果 |
weight_type | weight_type | 15种选择 | linear | 影响方式精选器 | 权重在不同UNet层的分布方式 | linear均匀,style transfer只传风格 |
combine_embeds | combine_embeds | 5种方式 | concat | 多图片混合方式 | 多个图像嵌入的组合方法 | concat是排队,average是平均混合 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 生成过程中开始应用的时间点 | 0.0从头开始 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 生成过程中停止应用的时间点 | 1.0到最后 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量的缩放应用方式 | V only只影响值,K+V影响键和值 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 用于生成负向条件的图像 | 告诉AI不要生成什么样的图 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制哪些区域受影响 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器模型 | 如果用统一加载器可以不连 |
3.3 IPAdapterBatch(批量处理节点)
这个节点就像一个"流水线工厂",可以一次处理多张图片,每张图片都能有不同的设置。
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 |
|---|
model | model | MODEL类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 图片风格转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 多张参考图片 | 批量处理的参考图像 | 可以上传多张图片一起处理 |
weight | weight | -1.0-5.0 | 1.0 | 影响强度 | IPAdapter模型的权重强度 | 控制整体影响力度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 选择如何应用权重 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用的时间点 | 控制何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用的时间点 | 控制何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 控制如何处理嵌入向量 |
encode_batch_size | encode_batch_size | 0-4096 | 0 | 编码批次大小 | 编码时的批处理大小 | 0表示自动,数字越大占用显存越多 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 告诉AI避免什么 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.4 IPAdapterFaceID(人脸识别节点)
这个节点就像一个"人脸复制机",专门用来保持人脸特征,特别适合做人像相关的生成。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 人脸识别转换器 | FaceID IPAdapter模型 | 连接FaceID专用加载器 |
image | image | IMAGE类型 | - | 人脸参考图 | 包含人脸的参考图像 | 上传一张清晰的人脸照片 |
weight | weight | -1.0-3.0 | 1.0 | 人脸影响强度 | IPAdapter权重强度 | 控制人脸特征的影响力度 |
weight_faceidv2 | weight_faceidv2 | -1.0-5.0 | 1.0 | FaceID v2权重 | FaceID v2模型的特殊权重 | 控制人脸ID的强度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 选择权重应用方式 |
combine_embeds | combine_embeds | 5种方式 | concat | 多人脸混合方式 | 多个人脸嵌入的组合方法 | 如果有多张人脸图如何混合 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用的时间点 | 控制何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用的时间点 | 控制何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 控制嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的人脸特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制人脸影响的区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
insightface | insightface | INSIGHTFACE类型 | 可选 | 人脸检测器 | InsightFace人脸识别模型 | 专门的人脸识别工具 |
3.5 IPAdapterFaceIDKolors(Kolors人脸节点)
这是专门为Kolors模型设计的人脸节点,就像一个"Kolors专用人脸复制机"。
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 |
|---|
model | model | MODEL类型 | - | Kolors AI大脑 | Kolors扩散模型管道 | 连接Kolors主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | Kolors人脸转换器 | Kolors FaceID IPAdapter模型 | 连接Kolors FaceID加载器 |
image | image | IMAGE类型 | - | 人脸参考图 | 包含人脸的参考图像 | 上传清晰人脸照片 |
weight | weight | -1.0-3.0 | 1.0 | 人脸影响强度 | IPAdapter权重强度 | 控制人脸特征影响力 |
weight_faceidv2 | weight_faceidv2 | -1.0-5.0 | 1.0 | FaceID v2权重 | FaceID v2特殊权重 | 控制人脸ID强度 |
weight_kolors | weight_kolors | -1.0-5.0 | 1.0 | Kolors专用权重 | Kolors模型特殊权重参数 | 专门调节Kolors模型的权重 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
combine_embeds | combine_embeds | 5种方式 | concat | 多人脸混合方式 | 多人脸嵌入组合方法 | 多张人脸如何混合 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
insightface | insightface | INSIGHTFACE类型 | 可选 | 人脸检测器 | InsightFace人脸识别模型 | 人脸识别工具 |
3.6 IPAAdapterFaceIDBatch(人脸批量处理节点)
这个节点就像一个"人脸批量复制工厂",可以一次处理多张人脸图片。
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 |
|---|
model | model | MODEL类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 人脸批量转换器 | FaceID IPAdapter模型 | 连接FaceID加载器 |
image | image | IMAGE类型 | - | 多张人脸参考图 | 批量人脸参考图像 | 上传多张人脸照片 |
weight | weight | -1.0-3.0 | 1.0 | 人脸影响强度 | IPAdapter权重强度 | 控制人脸影响力度 |
weight_faceidv2 | weight_faceidv2 | -1.0-5.0 | 1.0 | FaceID v2权重 | FaceID v2特殊权重 | 控制人脸ID强度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
combine_embeds | combine_embeds | 5种方式 | concat | 多人脸混合方式 | 多人脸嵌入组合方法 | 多张人脸混合方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
insightface | insightface | INSIGHTFACE类型 | 可选 | 人脸检测器 | InsightFace人脸识别模型 | 人脸识别工具 |
当前已输出:6个节点,还剩31个节点待输出
由于内容较多,我将继续在下一部分输出剩余的节点分析...
3.7 IPAdapterTiled(瓦片处理节点)
这个节点就像一个"图片拼图师",把大图片切成小块分别处理,特别适合处理高分辨率图片。
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 |
|---|
model | model | MODEL类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 瓦片风格转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 大尺寸参考图 | 用于瓦片处理的参考图像 | 上传高分辨率参考图 |
weight | weight | -1.0-3.0 | 1.0 | 影响强度 | IPAdapter权重强度 | 控制整体影响力度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
combine_embeds | combine_embeds | 5种方式 | concat | 瓦片混合方式 | 瓦片嵌入组合方法 | 多个瓦片如何混合 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
sharpening | sharpening | 0.0-1.0 | 0.0 | 锐化强度 | 图像锐化处理强度 | 0.0不锐化,1.0最大锐化 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.8 IPAdapterTiledBatch(瓦片批量处理节点)
这个节点就像一个"瓦片批量工厂",可以同时处理多张大图片的瓦片化处理。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 瓦片批量转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 多张大尺寸参考图 | 批量瓦片处理的参考图像 | 上传多张高分辨率图 |
weight | weight | -1.0-3.0 | 1.0 | 影响强度 | IPAdapter权重强度 | 控制影响力度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
sharpening | sharpening | 0.0-1.0 | 0.0 | 锐化强度 | 图像锐化处理强度 | 图像锐化程度 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
encode_batch_size | encode_batch_size | 0-4096 | 0 | 编码批次大小 | 编码时的批处理大小 | 控制显存使用 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.9 IPAdapterEmbeds(嵌入向量节点)
这个节点就像一个"特征密码使用器",直接使用预先提取好的图像特征,而不需要重新分析图片。
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 |
|---|
model | model | MODEL类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 嵌入转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
pos_embed | pos_embed | EMBEDS类型 | - | 正面特征密码 | 正向图像嵌入向量 | 连接提取好的正面特征 |
weight | weight | -1.0-3.0 | 1.0 | 影响强度 | IPAdapter权重强度 | 控制影响力度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
neg_embed | neg_embed | EMBEDS类型 | 可选 | 负面特征密码 | 负向图像嵌入向量 | 不想要的特征密码 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.10 IPAdapterEmbedsBatch(嵌入向量批量节点)
这个节点就像一个"特征密码批量使用器",可以同时使用多组预提取的图像特征。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 嵌入批量转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
pos_embed | pos_embed | EMBEDS类型 | - | 多组正面特征密码 | 批量正向图像嵌入向量 | 连接多组正面特征 |
weight | weight | -1.0-3.0 | 1.0 | 影响强度 | IPAdapter权重强度 | 控制影响力度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
neg_embed | neg_embed | EMBEDS类型 | 可选 | 负面特征密码 | 负向图像嵌入向量 | 不想要的特征密码 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.11 IPAdapterStyleComposition(风格构图节点)
这个节点就像一个"风格构图分离器",可以分别控制图片的风格和构图,只适用于SDXL模型。
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类型 | - | SDXL AI大脑 | SDXL扩散模型管道 | 连接SDXL主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 风格构图转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image_style | image_style | IMAGE类型 | - | 风格参考图 | 用于风格转移的参考图像 | 上传想要模仿风格的图 |
image_composition | image_composition | IMAGE类型 | - | 构图参考图 | 用于构图参考的图像 | 上传想要模仿构图的图 |
weight_style | weight_style | -1.0-5.0 | 1.0 | 风格影响强度 | 风格转移的权重强度 | 控制风格影响力度 |
weight_composition | weight_composition | -1.0-5.0 | 1.0 | 构图影响强度 | 构图转移的权重强度 | 控制构图影响力度 |
expand_style | expand_style | 布尔值 | False | 扩展风格影响 | 是否扩展风格影响范围 | True会增强风格效果 |
combine_embeds | combine_embeds | 5种方式 | average | 嵌入混合方式 | 嵌入向量组合方法 | 风格和构图如何混合 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.12 IPAdapterStyleCompositionBatch(风格构图批量节点)
这个节点就像一个"风格构图批量分离器",可以批量处理多组风格和构图的分离控制。
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类型 | - | SDXL AI大脑 | SDXL扩散模型管道 | 连接SDXL主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 风格构图批量转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image_style | image_style | IMAGE类型 | - | 多张风格参考图 | 批量风格转移参考图像 | 上传多张风格图 |
image_composition | image_composition | IMAGE类型 | - | 多张构图参考图 | 批量构图参考图像 | 上传多张构图图 |
weight_style | weight_style | -1.0-5.0 | 1.0 | 风格影响强度 | 风格转移权重强度 | 控制风格影响力度 |
weight_composition | weight_composition | -1.0-5.0 | 1.0 | 构图影响强度 | 构图转移权重强度 | 控制构图影响力度 |
expand_style | expand_style | 布尔值 | False | 扩展风格影响 | 是否扩展风格影响范围 | 增强风格效果 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
当前已输出:12个节点,还剩25个节点待输出
继续输出剩余节点...
3.13 IPAdapterMS(疯狂科学家节点)
这个节点就像一个"疯狂科学家的实验室",提供了最多的实验性参数,让你可以精细调节每一层的权重。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 实验性转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 参考图片 | 用于条件生成的参考图像 | 上传参考图片 |
weight | weight | -1.0-5.0 | 1.0 | 基础影响强度 | IPAdapter基础权重强度 | 控制整体影响力度 |
weight_faceidv2 | weight_faceidv2 | -1.0-5.0 | 1.0 | FaceID v2权重 | FaceID v2特殊权重 | 人脸模型专用权重 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
combine_embeds | combine_embeds | 5种方式 | concat | 嵌入混合方式 | 嵌入向量组合方法 | 多图嵌入混合方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
layer_weights | layer_weights | 字符串 | 空 | 层权重自定义 | 自定义每层权重的字符串 | 例如"0:0.5,1:1.0,2:0.8" |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
insightface | insightface | INSIGHTFACE类型 | 可选 | 人脸检测器 | InsightFace人脸识别模型 | 人脸识别工具 |
3.14 IPAdapterClipVisionEnhancer(视觉增强节点)
这个节点就像一个"图像视觉增强器",通过瓦片技术提升CLIP视觉编码的质量。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 视觉增强转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 待增强参考图 | 需要视觉增强的参考图像 | 上传参考图片 |
weight | weight | -1.0-5.0 | 1.0 | 影响强度 | IPAdapter权重强度 | 控制影响力度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
combine_embeds | combine_embeds | 5种方式 | concat | 嵌入混合方式 | 嵌入向量组合方法 | 多图嵌入混合方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
enhance_tiles | enhance_tiles | 1-16 | 2 | 增强瓦片数量 | 用于增强的瓦片数量 | 数量越多质量越好但速度越慢 |
enhance_ratio | enhance_ratio | 0.0-1.0 | 1.0 | 增强比例 | 增强效果的混合比例 | 1.0是完全增强,0.5是一半增强 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.15 IPAdapterClipVisionEnhancerBatch(视觉增强批量节点)
这个节点就像一个"批量图像视觉增强工厂",可以同时对多张图片进行视觉增强处理。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 批量视觉增强转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 多张待增强参考图 | 批量视觉增强的参考图像 | 上传多张参考图片 |
weight | weight | -1.0-5.0 | 1.0 | 影响强度 | IPAdapter权重强度 | 控制影响力度 |
weight_type | weight_type | 15种选择 | linear | 影响方式 | 权重分布类型 | 权重应用方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
enhance_tiles | enhance_tiles | 1-16 | 2 | 增强瓦片数量 | 用于增强的瓦片数量 | 瓦片数量控制 |
enhance_ratio | enhance_ratio | 0.0-1.0 | 0.5 | 增强比例 | 增强效果的混合比例 | 增强程度控制 |
encode_batch_size | encode_batch_size | 0-4096 | 0 | 编码批次大小 | 编码时的批处理大小 | 控制显存使用 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.16 IPAdapterFromParams(参数化节点)
这个节点就像一个"参数包使用器",可以使用预设好的参数包来应用IPAdapter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 |
|---|
model | model | MODEL类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 参数化转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
ipadapter_params | ipadapter_params | IPADAPTER_PARAMS类型 | - | 参数包 | 预设的IPAdapter参数包 | 连接参数生成节点 |
combine_embeds | combine_embeds | 5种方式 | concat | 嵌入混合方式 | 嵌入向量组合方法 | 多图嵌入混合方式 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.17 IPAdapterPreciseStyleTransfer(精确风格转移节点)
这个节点就像一个"精密风格复制机",专门用于精确的风格转移,可以精细控制风格强度。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 精确风格转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 风格参考图 | 用于风格转移的参考图像 | 上传风格参考图 |
weight | weight | -1.0-5.0 | 1.0 | 基础影响强度 | IPAdapter基础权重强度 | 控制整体影响力度 |
style_boost | style_boost | -5.0-5.0 | 1.0 | 风格增强强度 | 风格转移的增强权重 | 专门增强风格效果的参数 |
combine_embeds | combine_embeds | 5种方式 | concat | 嵌入混合方式 | 嵌入向量组合方法 | 多图嵌入混合方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.18 IPAdapterPreciseStyleTransferBatch(精确风格转移批量节点)
这个节点就像一个"精密风格复制工厂",可以批量进行精确的风格转移处理。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 批量精确风格转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 多张风格参考图 | 批量风格转移的参考图像 | 上传多张风格参考图 |
weight | weight | -1.0-5.0 | 1.0 | 基础影响强度 | IPAdapter基础权重强度 | 控制整体影响力度 |
style_boost | style_boost | -5.0-5.0 | 1.0 | 风格增强强度 | 风格转移的增强权重 | 专门增强风格效果 |
combine_embeds | combine_embeds | 5种方式 | concat | 嵌入混合方式 | 嵌入向量组合方法 | 多图嵌入混合方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
当前已输出:18个节点,还剩19个节点待输出
继续输出剩余节点...
3.19 IPAdapterPreciseComposition(精确构图节点)
这个节点就像一个"精密构图复制机",专门用于精确的构图转移,可以精细控制构图强度。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 精确构图转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 构图参考图 | 用于构图转移的参考图像 | 上传构图参考图 |
weight | weight | -1.0-5.0 | 1.0 | 基础影响强度 | IPAdapter基础权重强度 | 控制整体影响力度 |
composition_boost | composition_boost | -5.0-5.0 | 0.0 | 构图增强强度 | 构图转移的增强权重 | 专门增强构图效果的参数 |
combine_embeds | combine_embeds | 5种方式 | concat | 嵌入混合方式 | 嵌入向量组合方法 | 多图嵌入混合方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
3.20 IPAdapterPreciseCompositionBatch(精确构图批量节点)
这个节点就像一个"精密构图复制工厂",可以批量进行精确的构图转移处理。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
ipadapter | ipadapter | IPADAPTER类型 | - | 批量精确构图转换器 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 多张构图参考图 | 批量构图转移的参考图像 | 上传多张构图参考图 |
weight | weight | -1.0-5.0 | 1.0 | 基础影响强度 | IPAdapter基础权重强度 | 控制整体影响力度 |
composition_boost | composition_boost | -5.0-5.0 | 0.0 | 构图增强强度 | 构图转移的增强权重 | 专门增强构图效果 |
combine_embeds | combine_embeds | 5种方式 | concat | 嵌入混合方式 | 嵌入向量组合方法 | 多图嵌入混合方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
embeds_scaling | embeds_scaling | 4种选择 | V only | 嵌入缩放方式 | 嵌入向量缩放方式 | 嵌入处理方式 |
image_negative | image_negative | IMAGE类型 | 可选 | 反面参考图 | 负向条件图像 | 不想要的特征 |
attn_mask | attn_mask | MASK类型 | 可选 | 影响区域遮罩 | 注意力掩码 | 控制影响区域 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
4. 加载器节点详解
4.1 IPAdapterUnifiedLoader(统一加载器)
这个节点就像一个"一站式模型管家",可以自动加载所有需要的模型文件。
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 |
|---|
model | model | MODEL类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
preset | preset | 6种预设 | STANDARD | 模型预设选择器 | 预定义的模型配置组合 | LIGHT轻量级,PLUS高强度 |
ipadapter | ipadapter | IPADAPTER类型 | 可选 | 链式连接器 | 用于链式连接多个加载器 | 第一个加载器不连,后续连接前一个 |
4.2 IPAdapterUnifiedLoaderFaceID(人脸统一加载器)
这个节点就像一个"人脸专用模型管家",专门加载人脸识别相关的所有模型。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
preset | preset | 5种预设 | FACEID | 人脸模型预设选择器 | 预定义的人脸模型配置 | FACEID基础,PLUS增强版 |
lora_strength | lora_strength | 0.0-1.0 | 0.6 | LoRA强度调节器 | LoRA模型的应用强度 | 0.6是推荐的人脸LoRA强度 |
provider | provider | 6种选择 | CPU | 计算设备选择器 | InsightFace的计算后端 | CPU最兼容,CUDA最快 |
ipadapter | ipadapter | IPADAPTER类型 | 可选 | 链式连接器 | 用于链式连接多个加载器 | 链式连接用 |
这个节点就像一个"社区模型管家",专门加载社区制作的特殊IPAdapter模型。
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类型 | - | AI画图大脑 | 主要的扩散模型管道 | 连接主模型 |
preset | preset | 2种预设 | Composition | 社区模型预设选择器 | 社区制作的特殊模型配置 | Composition构图,Kolors中文模型 |
ipadapter | ipadapter | IPADAPTER类型 | 可选 | 链式连接器 | 用于链式连接多个加载器 | 链式连接用 |
4.4 IPAdapterModelLoader(模型加载器)
这个节点就像一个"单一模型加载器",只加载IPAdapter模型文件,需要手动选择文件。
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 |
|---|
ipadapter_file | ipadapter_file | 文件列表 | - | 模型文件选择器 | IPAdapter模型文件路径 | 从下拉列表选择具体的模型文件 |
4.5 IPAdapterInsightFaceLoader(人脸识别加载器)
这个节点就像一个"人脸识别工具箱",专门加载InsightFace人脸识别模型。
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 |
|---|
provider | provider | 3种选择 | CPU | 计算设备选择器 | InsightFace的计算后端 | CPU兼容性好,CUDA速度快 |
model_name | model_name | 2种选择 | buffalo_l | 人脸模型选择器 | InsightFace的具体模型名称 | buffalo_l通用,antelopev2高精度 |
5. 辅助工具节点详解
5.1 IPAdapterEncoder(编码器节点)
这个节点就像一个"图片特征提取器",把图片转换成可以保存和重复使用的特征密码。
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 |
|---|
ipadapter | ipadapter | IPADAPTER类型 | - | 编码器工具 | IPAdapter模型实例 | 连接IPAdapter加载器 |
image | image | IMAGE类型 | - | 待编码图片 | 需要提取特征的图像 | 上传要提取特征的图片 |
weight | weight | -1.0-3.0 | 1.0 | 特征权重 | 编码特征的权重强度 | 控制特征强度 |
mask | mask | MASK类型 | 可选 | 编码区域遮罩 | 限制编码区域的掩码 | 只编码遮罩区域的特征 |
clip_vision | clip_vision | CLIP_VISION类型 | 可选 | 图像理解器 | CLIP视觉编码器 | 图像编码器 |
5.2 IPAdapterCombineEmbeds(嵌入合并节点)
这个节点就像一个"特征密码混合器",可以把多个图片特征按不同方式混合在一起。
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 |
|---|
embed1 | embed1 | EMBEDS类型 | - | 第一个特征密码 | 第一个图像嵌入向量 | 连接第一个特征 |
method | method | 7种方式 | concat | 混合方式选择器 | 嵌入向量的组合方法 | concat排队,add相加,average平均 |
embed2 | embed2 | EMBEDS类型 | 可选 | 第二个特征密码 | 第二个图像嵌入向量 | 连接第二个特征 |
embed3 | embed3 | EMBEDS类型 | 可选 | 第三个特征密码 | 第三个图像嵌入向量 | 连接第三个特征 |
embed4 | embed4 | EMBEDS类型 | 可选 | 第四个特征密码 | 第四个图像嵌入向量 | 连接第四个特征 |
embed5 | embed5 | EMBEDS类型 | 可选 | 第五个特征密码 | 第五个图像嵌入向量 | 连接第五个特征 |
5.3 IPAdapterNoise(噪声生成节点)
这个节点就像一个"图片干扰器",可以给图片添加各种类型的噪声效果。
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 |
|---|
type | type | 4种类型 | fade | 噪声类型选择器 | 噪声生成的算法类型 | fade淡化,dissolve溶解,gaussian高斯 |
strength | strength | 0.0-1.0 | 1.0 | 噪声强度 | 噪声效果的强度 | 0.0无噪声,1.0最大噪声 |
blur | blur | 0-32 | 0 | 模糊强度 | 高斯模糊的强度 | 0不模糊,数值越大越模糊 |
image_optional | image_optional | IMAGE类型 | 可选 | 基础图片 | 用作噪声基础的图像 | 不提供则生成纯噪声 |
5.4 PrepImageForClipVision(图片预处理节点)
这个节点就像一个"图片标准化器",把图片调整成CLIP视觉模型喜欢的格式。
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类型 | - | 待处理图片 | 需要预处理的图像 | 上传需要标准化的图片 |
interpolation | interpolation | 6种方式 | LANCZOS | 缩放算法选择器 | 图像缩放的插值算法 | LANCZOS质量最好,NEAREST速度最快 |
crop_position | crop_position | 6种位置 | center | 裁剪位置选择器 | 图像裁剪的位置设定 | center居中,top顶部,pad填充 |
sharpening | sharpening | 0.0-1.0 | 0.0 | 锐化强度 | 图像锐化处理强度 | 0.0不锐化,1.0最大锐化 |
当前已输出:29个节点,还剩8个节点待输出
继续输出最后的节点...
5.5 IPAdapterSaveEmbeds(嵌入保存节点)
这个节点就像一个"特征密码保险箱",可以把提取的图片特征保存到文件中,方便以后重复使用。
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 |
|---|
embeds | embeds | EMBEDS类型 | - | 待保存的特征密码 | 需要保存的图像嵌入向量 | 连接编码器输出的特征 |
filename_prefix | filename_prefix | 字符串 | IP_embeds | 文件名前缀 | 保存文件的名称前缀 | 自定义保存的文件名开头 |
5.6 IPAdapterLoadEmbeds(嵌入加载节点)
这个节点就像一个"特征密码读取器",可以加载之前保存的图片特征文件。
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 |
|---|
embeds | embeds | 文件列表 | - | 特征文件选择器 | 已保存的嵌入向量文件 | 从下拉列表选择要加载的特征文件 |
5.7 IPAdapterWeights(权重生成节点)
这个节点就像一个"动画权重制作器",可以生成随时间变化的权重序列,特别适合制作动画。
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 |
|---|
weights | weights | 字符串 | 1.0, 0.0 | 权重数值列表 | 逗号分隔的权重数值序列 | "1.0,0.8,0.5,0.0"表示递减权重 |
timing | timing | 6种时序 | linear | 时序曲线选择器 | 权重变化的时间曲线 | linear线性,ease_in_out缓入缓出 |
frames | frames | 0-9999 | 0 | 总帧数 | 动画的总帧数 | 0表示使用图片数量 |
start_frame | start_frame | 0-9999 | 0 | 开始帧 | 权重变化的开始帧 | 从第几帧开始变化 |
end_frame | end_frame | 0-9999 | 9999 | 结束帧 | 权重变化的结束帧 | 到第几帧结束变化 |
add_starting_frames | add_starting_frames | 0-9999 | 0 | 添加开始帧数 | 在开头添加的固定帧数 | 开头保持不变的帧数 |
add_ending_frames | add_ending_frames | 0-9999 | 0 | 添加结束帧数 | 在结尾添加的固定帧数 | 结尾保持不变的帧数 |
method | method | 3种方法 | full batch | 批处理方法 | 权重应用的批处理方式 | full batch全批次,shift batches移位 |
image | image | IMAGE类型 | 可选 | 参考图片序列 | 用于动画的图片序列 | 上传动画用的图片序列 |
5.8 IPAdapterWeightsFromStrategy(策略权重节点)
这个节点就像一个"权重策略执行器",使用预设的权重策略来生成权重序列。
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 |
|---|
weights_strategy | weights_strategy | WEIGHTS_STRATEGY类型 | - | 权重策略包 | 预设的权重生成策略 | 连接权重策略生成器 |
image | image | IMAGE类型 | 可选 | 参考图片序列 | 用于动画的图片序列 | 上传动画用的图片序列 |
5.9 IPAdapterPromptScheduleFromWeightsStrategy(提示词调度节点)
这个节点就像一个"提示词时间表制作器",根据权重策略生成提示词的时间调度表。
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 |
|---|
weights_strategy | weights_strategy | WEIGHTS_STRATEGY类型 | - | 权重策略包 | 权重生成策略参数 | 连接权重策略 |
prompt | prompt | 字符串 | 空 | 提示词列表 | 多行提示词文本 | 每行一个提示词,对应不同帧 |
5.10 IPAdapterCombineWeights(权重合并节点)
这个节点就像一个"权重合并器",可以把两组权重数值合并成一组。
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 |
|---|
weights_1 | weights_1 | 0.0-1.0 | 0.0 | 第一组权重 | 第一个权重数值或序列 | 连接第一组权重 |
weights_2 | weights_2 | 0.0-1.0 | 0.0 | 第二组权重 | 第二个权重数值或序列 | 连接第二组权重 |
5.11 IPAdapterRegionalConditioning(区域条件节点)
这个节点就像一个"区域控制器",可以在图片的不同区域应用不同的IPAdapter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 |
|---|
image | image | IMAGE类型 | - | 区域参考图 | 用于区域条件的参考图像 | 上传区域参考图 |
image_weight | image_weight | -1.0-3.0 | 1.0 | 图像影响权重 | 图像条件的权重强度 | 控制图像影响力度 |
prompt_weight | prompt_weight | 0.0-10.0 | 1.0 | 提示词影响权重 | 文本提示词的权重强度 | 控制文字提示影响力度 |
weight_type | weight_type | 15种选择 | linear | 权重类型 | 权重分布类型 | 权重应用方式 |
start_at | start_at | 0.0-1.0 | 0.0 | 开始时机 | 开始应用时间点 | 何时开始生效 |
end_at | end_at | 0.0-1.0 | 1.0 | 结束时机 | 停止应用时间点 | 何时停止生效 |
mask | mask | MASK类型 | 可选 | 区域遮罩 | 定义影响区域的掩码 | 黑色不影响,白色最大影响 |
positive | positive | CONDITIONING类型 | 可选 | 正面条件 | 正向文本条件 | 连接正面提示词 |
negative | negative | CONDITIONING类型 | 可选 | 负面条件 | 负向文本条件 | 连接负面提示词 |
5.12 IPAdapterCombineParams(参数合并节点)
这个节点就像一个"参数包合并器",可以把多个IPAdapter参数包合并成一个大的参数包。
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 |
|---|
params_1 | params_1 | IPADAPTER_PARAMS类型 | - | 第一个参数包 | 第一组IPAdapter参数 | 连接第一个参数包 |
params_2 | params_2 | IPADAPTER_PARAMS类型 | - | 第二个参数包 | 第二组IPAdapter参数 | 连接第二个参数包 |
params_3 | params_3 | IPADAPTER_PARAMS类型 | 可选 | 第三个参数包 | 第三组IPAdapter参数 | 连接第三个参数包 |
params_4 | params_4 | IPADAPTER_PARAMS类型 | 可选 | 第四个参数包 | 第四组IPAdapter参数 | 连接第四个参数包 |
params_5 | params_5 | IPADAPTER_PARAMS类型 | 可选 | 第五个参数包 | 第五组IPAdapter参数 | 连接第五个参数包 |
6. 使用技巧和建议
6.1 新手入门建议
6.2 进阶使用技巧
组合使用:可以同时使用多个IPAdapter节点,每个控制不同方面
遮罩控制:使用attn_mask可以精确控制影响区域
时间控制:通过start_at和end_at控制在生成过程的哪个阶段生效
批量处理:使用Batch节点可以提高效率
6.3 常见参数组合
风格转移:weight_type选择"style transfer",weight设置1.0-1.5
人像生成:使用FaceID节点,weight设置0.8-1.2
构图参考:weight_type选择"composition",weight设置0.6-1.0
细节增强:使用ClipVisionEnhancer节点,enhance_tiles设置2-4
7. 常见问题解答
7.1 安装相关问题
Q: 提示缺少InsightFace怎么办? A: 在ComfyUI环境中安装:pip install insightface
Q: 模型文件放在哪里? A: IPAdapter模型放在models/ipadapter/,CLIP视觉模型放在models/clip_vision/
7.2 使用相关问题
Q: 生成的图片效果太强怎么办? A: 降低weight参数,从1.0调到0.8或更低
Q: 人脸识别失败怎么办? A: 确保人脸图片清晰,光线充足,人脸占图片比例较大
Q: 显存不够用怎么办? A: 使用encode_batch_size参数控制批处理大小,或使用CPU模式
7.3 效果优化问题
Q: 如何让风格转移更准确? A: 使用IPAdapterPreciseStyleTransfer节点,调节style_boost参数
Q: 如何控制影响区域? A: 使用attn_mask参数,黑色区域不受影响,白色区域受最大影响
8. 总结
ComfyUI IPAdapter Plus插件是一个功能极其强大的图像条件生成工具,包含了37个不同功能的节点,从基础的风格转移到高级的区域控制,从单张图片处理到批量动画制作,几乎涵盖了所有图像到图像生成的需求。
无论你是想要简单的风格转移,还是复杂的多区域控制,这个插件都能满足你的需求。记住,熟练掌握这些节点需要时间和练习,建议从基础节点开始,逐步探索更高级的功能。
祝你在AI绘画的道路上越走越远!🎨✨