## 1. 插件简介 ComfyUI-Ovis2 是一个专门为图像和视频分析而设计的插件，它就像给你的 ComfyUI 装了一个超级聪明的"看图说话"助手。这个插件可以帮你： - **看图说话**：把一张图片变成详细的文字描述，就像有个人在旁边给你解说这张图片里有什么 - **多图对比**：同时分析最多4张图片，告诉你它们的相同点和不同点 - **视频理解**：分析视频的画面内容，理解视频在讲什么故事 - **自动下载**：需要的智能模型会自动从网上下载，不用你手动去找 - **多种规格**：支持从小到大各种不同规格的智能模型（1B到34B参数） **插件原地址**：https://github.com/Andro-Meta/ComfyUI-Ovis2 ## 2. 如何安装 ### 方法一：通过 ComfyUI 管理器安装（推荐） 1. 在 ComfyUI 中打开 ComfyUI Manager（管理器） 2. 点击"Install Custom Nodes"（安装自定义节点）选项卡 3. 点击"Install from Git URL"（从网址安装） 4. 输入：`https://github.com/Andro-Meta/ComfyUI-Ovis2.git` 5. 点击Install（安装） 6. 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（如果没有就创建一个） 3. 在命令行中运行： ``` git clone https://github.com/Andro-Meta/ComfyUI-Ovis2.git pip install -r custom_nodes/ComfyUI-Ovis2/requirements.txt ``` 4. 重启 ComfyUI ## 3. 节点详细解析 安装完成后，你会在"Ovis2"分类下找到4个新节点： ### 3.1 Load Ovis2 Model（加载Ovis2模型）节点 这个节点就像是一个"模型选择器"，它负责选择和加载你想要使用的智能分析模型。 #### 3.1.1 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 | Ovis2-1B/2B/7B/34B | Ovis2-7B | 选择模型大小，就像选择汽车排量，数字越大越聪明但也越占内存 | 选择不同参数规模的Ovis2模型，影响分析能力和资源消耗 | 新手建议选Ovis2-1B或2B，显卡好的选7B或34B | | Precision | precision | float16/float32/bfloat16 | float16 | 计算精度，就像计算器的小数点位数，float16节省内存但可能不够精确 | 数值计算的精度格式，影响内存使用和计算准确性 | 显卡内存不够用就选float16 | | Max Token Length | max_token_length | 数字 | 2048 | 最大理解长度，就像阅读理解的文章长度限制 | 模型能处理的最大上下文长度 | 一般用默认值，分析复杂内容时可以调高 | | Device | device | cuda/cpu | cuda | 选择用显卡还是处理器来计算，显卡快但要求高 | 选择计算设备，GPU加速但需要CUDA支持 | 有独立显卡选cuda，没有就选cpu | | Auto Download | auto_download | True/False | True | 自动下载模型，就像自动更新软件 | 是否自动从网络下载所需模型文件 | 建议开启，第一次使用会自动下载 | ### 3.2 Ovis2 Image Caption（图像描述）节点 这个节点就像一个"看图说话"的小助手，给它一张图片，它就能告诉你图片里有什么。 #### 3.2.1 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 | 模型连接 | - | 连接上面加载的模型，就像给助手配个大脑 | 连接Load Ovis2 Model节点的输出 | 用线连接Load Ovis2 Model的输出到这里 | | Image | image | 图片连接 | - | 要分析的图片，就像给助手看的照片 | 输入需要分析的图像数据 | 从Load Image节点连线过来 | | Prompt | prompt | 文字指令 | "Describe this image" | 给助手的指令，告诉它你想知道什么 | 引导模型分析的文本提示 | 可以写"详细描述这张图片"或"这张图片的主要内容是什么" | | Max New Tokens | max_new_tokens | 数字 | 512 | 回答的最大长度，就像限制作文字数 | 生成文本的最大长度限制 | 想要详细描述就调高，简单描述就调低 | | Temperature | temperature | 0.1-2.0 | 0.7 | 创造性程度，就像调节想象力大小 | 控制生成文本的随机性和创造性 | 0.1很严谨，1.0很有想象力 | ### 3.3 Ovis2 Multi-Image Analysis（多图分析）节点 这个节点就像一个"对比专家"，能同时看多张图片并告诉你它们的异同点。 #### 3.3.1 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 | 模型连接 | - | 连接上面加载的模型，就像给对比专家配个大脑 | 连接Load Ovis2 Model节点的输出 | 用线连接Load Ovis2 Model的输出到这里 | | Image1 | image1 | 图片连接 | - | 第一张要对比的图片，必须要有的 | 第一张必需的输入图像 | 从Load Image节点连线过来 | | Image2 | image2 | 图片连接 | - | 第二张要对比的图片，可选的 | 第二张可选的输入图像 | 可以不连，也可以连第二张图片 | | Image3 | image3 | 图片连接 | - | 第三张要对比的图片，可选的 | 第三张可选的输入图像 | 可以不连，也可以连第三张图片 | | Image4 | image4 | 图片连接 | - | 第四张要对比的图片，可选的 | 第四张可选的输入图像 | 可以不连，也可以连第四张图片 | | Prompt | prompt | 文字指令 | "Compare these images" | 对比指令，告诉专家你想知道什么 | 引导模型进行对比分析的文本提示 | 可以写"比较这些图片的相同点和不同点" | | Max New Tokens | max_new_tokens | 数字 | 512 | 分析报告的最大长度 | 生成对比分析文本的最大长度 | 想要详细分析就调高到1024 | | Temperature | temperature | 0.1-2.0 | 0.7 | 分析的创造性程度 | 控制生成分析文本的随机性 | 0.3比较客观，0.7比较有想象力 | ### 3.4 Ovis2 Video Analysis（视频分析）节点 这个节点就像一个"视频解说员"，能够分析视频内容并告诉你视频在讲什么故事。 #### 3.4.1 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 | 模型连接 | - | 连接上面加载的模型，就像给解说员配个大脑 | 连接Load Ovis2 Model节点的输出 | 用线连接Load Ovis2 Model的输出到这里 | | Video Frames | video_frames | 视频帧连接 | - | 视频的画面序列，就像电影胶片 | 输入的视频帧序列数据 | 从Load Video或其他视频节点连线过来 | | Prompt | prompt | 文字指令 | "Describe this video" | 给解说员的指令，告诉它你想知道什么 | 引导模型分析视频的文本提示 | 可以写"描述这个视频的主要内容"或"这个视频在讲什么故事" | | Max New Tokens | max_new_tokens | 数字 | 512 | 解说的最大长度 | 生成视频描述文本的最大长度 | 短视频用512，长视频用1024 | | Temperature | temperature | 0.1-2.0 | 0.7 | 解说的创造性程度 | 控制生成描述文本的随机性 | 0.3比较客观，0.7比较生动 | | Frame Skip | frame_skip | 数字 | 5 | 跳过多少帧再分析，就像看电影时快进 | 每隔几帧采样一次进行分析 | 长视频可以调到10或20来节省时间 | | Max Frames | max_frames | 数字 | 100 | 最多分析多少帧，就像限制看电影的时长 | 限制分析的最大帧数 | 短视频用50，长视频用200 | ## 4. 使用技巧和建议 ### 4.1 选择合适的模型 - **新手或显卡内存不够**：选择 Ovis2-1B 或 Ovis2-2B - **显卡内存 8GB 以上**：可以选择 Ovis2-7B - **高端显卡（16GB+）**：可以尝试 Ovis2-34B ### 4.2 优化参数设置 - **精确分析**：Temperature 设为 0.1-0.3 - **创意分析**：Temperature 设为 0.7-1.0 - **节省内存**：使用 float16 精度 - **提高质量**：使用 float32 精度 ### 4.3 编写有效的提示词 - **描述图片**：「请详细描述这张图片中的内容、颜色、构图和氛围」 - **对比分析**：「请比较这些图片的相同点和不同点，重点关注风格和主题」 - **视频分析**：「请描述这个视频的主要情节、人物动作和场景变化」 ### 4.4 处理长视频 - 适当增加 frame_skip 值来跳过更多帧 - 设置合理的 max_frames 避免处理时间过长 - 可以先用小模型测试，再用大模型精细分析 ## 5. 常见问题解答 ### 5.1 显卡内存不够怎么办？ - 选择更小的模型（Ovis2-1B 或 Ovis2-2B） - 将 precision 设为 float16 - 降低 max_token_length 的值 - 如果还不行，可以选择 device 为 cpu（会很慢） ### 5.2 模型下载失败怎么办？ - 检查网络连接是否正常 - 确保 auto_download 设为 True - 检查 ComfyUI 的控制台是否有错误信息 - 可以尝试手动下载模型文件到 `models/ovis` 目录 ### 5.3 分析结果不准确怎么办？ - 尝试调整 prompt（提示词）让它更具体 - 降低 temperature 值让分析更客观 - 使用更大的模型（如从 1B 升级到 7B） - 检查输入图片的质量和清晰度 ### 5.4 视频分析很慢怎么办？ - 增加 frame_skip 值（比如从 5 改为 10） - 降低 max_frames 值（比如从 100 改为 50） - 使用较小的模型进行快速预览 - 确保使用 cuda 而不是 cpu ## 6. 实际应用场景 ### 6.1 内容创作 - **自媒体**：自动生成图片和视频的描述文案 - **电商**：批量生成商品图片的详细描述 - **教育**：为教学图片生成解说文字 ### 6.2 图片整理 - **相册管理**：自动为照片添加描述标签 - **素材库**：为设计素材生成搜索关键词 - **档案整理**：为历史图片添加文字说明 ### 6.3 内容审核 - **社交媒体**：自动识别图片内容进行初步审核 - **广告投放**：分析广告素材的内容合规性 - **品牌监控**：检测图片中的品牌元素 这个插件就像给你的 ComfyUI 配了一个超级聪明的图像分析助手，无论是看图说话、多图对比还是视频理解，都能帮你轻松搞定。记住，刚开始使用时选择小一点的模型，熟悉后再升级到大模型，这样既能保证效果又不会给电脑造成太大负担。
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)
