# ComfyUI-Transformers 插件完全小白教程 ## 1. 插件简介 **插件地址：** https://github.com/kadirnar/ComfyUI-Transformers ComfyUI-Transformers 是一个超级实用的图像识别小帮手！想象一下，你有一张照片，想知道里面都有什么东西，或者想把某个特定的物体单独抠出来，这个插件就是你的得力助手。 **这个插件能帮你做什么？** - 像侦探一样自动识别图片里的东西（比如看到一张照片就能告诉你这是猫、狗、还是汽车） - 像魔术师一样把图片里的特定物体框出来（比如把所有的人用方框圈起来） - 像剪刀手一样精准地把某个物体的轮廓抠出来（比如只要猫咪的形状，背景全部去掉） ## 2. 如何安装 **方法一：通过 ComfyUI Manager 安装（推荐，就像在手机上下载APP一样简单）** 1. 打开 ComfyUI Manager 2. 搜索 "ComfyUI-Transformers" 3. 点击安装 4. 重启 ComfyUI **方法二：手动安装（就像手动复制文件到指定文件夹）** 1. 找到你的 ComfyUI 文件夹 2. 进入 `custom_nodes` 文件夹 3. 在这里运行命令：`git clone https://github.com/kadirnar/ComfyUI-Transformers` 4. 重启 ComfyUI ## 3. 节点详细解析 ### 3.1 ImageClassificationPipeline 节点 - 图片分类小专家 **这个节点是干嘛的？** 就像一个很聪明的小朋友，你给它看一张图片，它就能告诉你这张图片的主要内容是什么。比如你给它看一张猫的照片，它会说"这是一只猫"，给它看一张汽车的照片，它会说"这是一辆汽车"。 **参数详解：** | 参数名 (界面显示) | 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 | |:---|:---|:---|:---|:---|:---|:---| | 输入图片 | image | 图片文件 | 任意图片 | 就像给小朋友看的那张图片 | 需要分类的输入图像 | 连接一个 LoadImage 节点 | | 模型名称 | model_name | 文本 | "google/vit-base-patch16-224" | 选择用哪个"聪明的小朋友"来识别 | 用于分类的预训练模型 | 保持默认即可，这是谷歌训练好的模型 | | 置信度阈值 | confidence_threshold | 0.0-1.0 | 0.5 | 设置小朋友说话的把握程度，数值越高越谨慎 | 分类结果的最小置信度要求 | 0.5表示至少要50%确定才说出答案 | ### 3.2 ImageSegmentationPipeline 节点 - 图片切割大师 **这个节点是干嘛的？** 就像一个很精准的剪刀手，它能够把图片里的某个特定物体的轮廓完美地抠出来。比如你想要把照片里的人物单独抠出来，它就能帮你做到，就像用PS里的魔术棒工具一样。 **参数详解：** | 参数名 (界面显示) | 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 | |:---|:---|:---|:---|:---|:---|:---| | 输入图片 | image | 图片文件 | 任意图片 | 需要切割的原始图片 | 需要进行分割的输入图像 | 连接一个 LoadImage 节点 | | 模型名称 | model_name | 文本 | "facebook/detr-resnet-50-panoptic" | 选择用哪把"剪刀"来切割 | 用于分割的预训练模型 | 保持默认，这是Facebook训练的模型 | | 类别名称 | category_name | 文本 | "person" | 告诉剪刀手要切割什么东西 | 要分割的目标类别名称 | 比如"person"切人，"car"切汽车 | | 阈值 | threshold | 0.0-1.0 | 0.5 | 设置切割的精准度，越高越精准但可能漏掉一些 | 分割置信度阈值 | 0.5是个不错的平衡点 | ### 3.3 ObjectDetectionPipeline 节点 - 物体侦探 **这个节点是干嘛的？** 就像一个眼神很好的侦探，它能在图片里找到各种物体，然后用方框把它们圈出来，还会在每个方框上写上标签说明这是什么东西。比如在一张街景图里，它会把所有的车、人、红绿灯都用不同的方框标出来。 **参数详解：** | 参数名 (界面显示) | 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 | |:---|:---|:---|:---|:---|:---|:---| | 输入图片 | image | 图片文件 | 任意图片 | 需要检测的原始图片 | 需要进行目标检测的输入图像 | 连接一个 LoadImage 节点 | | 模型名称 | model_name | 文本 | "facebook/detr-resnet-50" | 选择用哪个"侦探"来找物体 | 用于目标检测的预训练模型 | 保持默认，这是Facebook的检测模型 | | 置信度阈值 | confidence_threshold | 0.0-1.0 | 0.5 | 设置侦探说话的把握程度 | 检测结果的最小置信度要求 | 0.5表示至少50%确定才画框 | | 类别过滤 | class_filter | 文本列表 | 空或特定类别 | 告诉侦探只找特定的东西 | 要检测的目标类别过滤器 | 比如["person", "car"]只找人和车 | ### 3.4 ZeroShotImageClassification 节点 - 万能识别器 **这个节点是干嘛的？** 这是一个超级万能的识别器，就像一个博学的教授，你可以问它任何问题。不像前面的节点只能识别固定的类别，这个节点你可以自己定义要识别什么，比如问它"这是开心的表情还是难过的表情？" **参数详解：** | 参数名 (界面显示) | 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 | |:---|:---|:---|:---|:---|:---|:---| | 输入图片 | image | 图片文件 | 任意图片 | 需要识别的图片 | 需要分类的输入图像 | 连接一个 LoadImage 节点 | | 模型名称 | model_name | 文本 | "openai/clip-vit-base-patch32" | 选择用哪个"教授"来回答 | 用于零样本分类的预训练模型 | 保持默认，这是OpenAI的CLIP模型 | | 候选标签 | candidate_labels | 文本列表 | ["happy", "sad"] | 给教授几个选择让它挑选 | 可能的分类标签列表 | 比如["cat", "dog"]让它选是猫还是狗 | | 假设模板 | hypothesis_template | 文本 | "This is a photo of {}" | 告诉教授怎么理解你的问题 | 用于格式化标签的模板 | 默认的"This is a photo of {}"就很好用 | ### 3.5 QuestionAnswering 节点 - 图片问答专家 **这个节点是干嘛的？** 就像一个会看图说话的小助手，你可以对着图片问任何问题，它会根据图片内容来回答。比如你指着一张照片问"这里有几个人？"，它就会数给你看。 **参数详解：** | 参数名 (界面显示) | 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 | |:---|:---|:---|:---|:---|:---|:---| | 输入图片 | image | 图片文件 | 任意图片 | 需要问答的图片 | 需要分析的输入图像 | 连接一个 LoadImage 节点 | | 问题 | question | 文本 | "What is in this image?" | 你想问的问题 | 关于图像的问题 | 比如"How many people are there?" | | 模型名称 | model_name | 文本 | "dandelin/vilt-b32-finetuned-vqa" | 选择用哪个"小助手"来回答 | 用于视觉问答的预训练模型 | 保持默认，这是专门训练的问答模型 | | 最大答案长度 | max_answer_length | 整数 | 50 | 限制回答的字数，避免太啰嗦 | 生成答案的最大长度 | 50个字符通常够用了 | ## 4. 使用技巧和建议 **新手友好小贴士：** 1. **从简单开始**：先用 ImageClassificationPipeline 试试水，给它一张很明显的图片（比如一只大猫的特写），看看它能不能正确识别。 2. **调节置信度**：如果发现识别结果太少或者不准确，可以调整置信度阈值。数值调低一些（比如0.3）会得到更多结果，调高一些（比如0.7）会得到更准确的结果。 3. **选择合适的模型**：大部分时候保持默认模型就好，除非你有特殊需求。默认模型已经训练得很好了。 4. **图片质量很重要**：给这些节点喂清晰、光线好的图片，它们会表现得更好。模糊的、太暗的图片可能识别不准。 5. **组合使用更强大**：你可以先用 ObjectDetectionPipeline 找到物体，再用 ImageSegmentationPipeline 把它们抠出来，最后用 ImageClassificationPipeline 进一步分类。 ## 5. 常见问题解答 **Q：为什么安装后找不到这些节点？** A：记得重启 ComfyUI 并且刷新浏览器页面，有时候需要清除浏览器缓存。 **Q：节点运行很慢怎么办？** A：这个插件需要下载一些AI模型，第一次使用时需要联网下载，可能会比较慢。后续使用就会快很多。 **Q：识别结果不准确怎么办？** A：试试调整置信度阈值，或者换个更清晰的图片。另外，确保你的图片内容在模型的训练范围内。 **Q：可以识别中文物体名称吗？** A：大部分模型主要训练的是英文，建议使用英文标签，比如用"person"而不是"人"。 **Q：内存不够用怎么办？** A：这些AI模型比较占内存，如果电脑配置不高，可以尝试一次处理较小的图片，或者关闭其他占内存的程序。 ## 6. 进阶玩法 **创意组合使用：** 1. **智能图片整理**：用 ImageClassificationPipeline 自动给你的照片分类，再也不用手动整理照片了！ 2. **精准抠图**：ObjectDetectionPipeline 找到物体位置 → ImageSegmentationPipeline 精准抠图 → 完美的素材就出来了！ 3. **图片内容分析**：用 QuestionAnswering 节点问各种问题，比如"这张图片的主要颜色是什么？"、"画面中有几个人？" 4. **创意识别**：用 ZeroShotImageClassification 做一些有趣的识别，比如判断照片是"白天还是晚上"、"室内还是室外"等等。 记住，这个插件就像给你的 ComfyUI 装上了一双智能的眼睛，让它能够"看懂"图片内容。多试试不同的参数组合，你会发现很多有趣的用法！
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)
