نود Empty Latent Image در ComfyUI
Empty Latent Image یک بوم خالی در فضای نهان (عرض، ارتفاع، اندازه دسته) ایجاد میکند که نمونه‌گیری متن به تصویر از آن شروع می‌شود؛ ابعاد باید مضربی از ۸ باشند و با خانواده مدل همخوانی داشته باشند.
Empty Latent Image چه میکند
متن به تصویر نیاز به یک نقطه شروع دارد. Empty Latent Image یک تنسور نهان پر از صفر در اندازه درخواست شده تولید میکند و KSampler نویز را اضافه میکند. فضای نهان برای مدل‌های SD هشت برابر کوچکتر از پیکسل‌هاست، پس یک تصویر ۱۰۲۴x۱۰۲۴ برابر با یک نهان ۱۲۸x۱۲۸ است؛ این نود اندازه‌های پیکسلی را می‌گیرد و خودش تقسیم میکند.
اندازه‌هایی را انتخاب کن که مدل روی آن‌ها آموزش دیده: ۵۱۲x۵۱۲ یا ۵۱۲x۷۶۸ برای SD 1.5، ۱۰۲۴x۱۰۲۴ / ۸۳۲x۱۲۱۶ / ۱۲۱۶x۸۳۲ برای SDXL، Pony و Illustrious. اندازه‌های بزرگتر در مرحله اول باعث تکرار سوژه‌ها می‌شوند؛ برای پیکسل‌های بیشتر از یک مرحله hires استفاده کن. برای Flux، SD3 و مدل‌های ویدئویی از EmptySD3LatentImage یا نود نهان مخصوص خانواده مدل استفاده کن که تعداد کانال متفاوتی دارد.
ورودی‌ها
نام | نوع | چیست |
|---|---|---|
width | INT | عرض تصویر به پیکسل، مضربی از ۸ (۶۴ توصیه می‌شود). |
height | INT | ارتفاع تصویر به پیکسل، مضربی از ۸. |
batch_size | INT | چند تصویر در یک اجرا با دانه‌های متوالی ساخته شود. |
خروجی‌ها
نام | نوع | چیست |
|---|---|---|
LATENT | LATENT | نهان خالی برای latent_image در KSampler. |
نحوه استفاده از Empty Latent Image
- Empty Latent Image را اضافه کن.
- عرض و ارتفاع را برای خانواده مدل تنظیم کن (مثلاً ۱۰۲۴x۱۰۲۴ برای SDXL).
- در تست، batch_size را روی ۱ بگذار، وقتی پرامپت درست شد عدد را بالا ببر.
- LATENT را به latent_image در KSampler وصل کن و denoise را روی ۱.۰ نگه دار.
تنظیمات و نکات
- نقاط مناسب SDXL: ۱۰۲۴x۱۰۲۴، ۸۹۶x۱۱۵۲، ۸۳۲x۱۲۱۶، ۱۱۵۲x۸۹۶، ۱۲۱۶x۸۳۲، ۱۳۴۴x۷۶۸.
- برای SD 1.5 وقتی ضلع بلند بالای ۷۶۸ باشد، سر و بدن‌ها معمولاً دو برابر می‌شوند؛ بهتر است بعداً upscale کنی.
- batch_size برابر ۴ راه ارزانی برای امتحان دانه‌هاست؛ حافظه VRAM با آن افزایش می‌یابد.
- عرض و ارتفاعی که مضربی از ۸ نباشند، به پایین گرد می‌شوند.
عیب‌یابی Empty Latent Image
Flux / SD3 / Wan با این نود خروجی خراب میدهند
چرا رخ می‌دهد
آن مدلها از نهانهای ۱۶ کاناله استفاده میکنند؛ Empty Latent Image نهان ۴ کاناله SD را میسازد.
چگونه رفع می‌شود
به جای آن از EmptySD3LatentImage (برای Flux، SD3، Qwen) یا نودهای نهان ویدئویی خالی Wan / Hunyuan استفاده کن.
دو سر، افراد تکراری یا الگوهای کاشیکاری
چرا رخ می‌دهد
بوم خیلی بزرگتر از رزولوشن آموزش است، پس مدل چند تصویر را در یک تصویر ترکیب میکند.
چگونه رفع می‌شود
در اندازه اصلی تولید کن و بعد با یک مرحله hires نهان یا پیکسلی بزرگ کن.
خطا: ارتفاع و عرض باید بر ۸ بخشپذیر باشند
چرا رخ می‌دهد
اندازهای مثل ۱۰۰۰x۷۰۰ وارد شده.
چگونه رفع می‌شود
از مضربهای ۸ استفاده کن، بهتر است ۶۴ (مثل ۱۰۲۴، ۹۶۰، ۸۹۶، ۸۳۲، ۷۶۸).
کمبود حافظه با batch بزرگ
چرا رخ می‌دهد
batch_size حافظه مورد نیاز نمونهگیر را زیاد میکند.
چگونه رفع می‌شود
batch_size را کم کن و چند اجرا را در صف بگذار.
پرسش‌ها درباره Empty Latent Image
میتوانم تصاویر غیر مربعی بسازم؟
بله، هر نسبت تصویری که مدل بتواند تحمل کند. تعداد پیکسلها را نزدیک اندازه آموزش نگه دار.
batch_size روی دانه چه تاثیری دارد؟
هر تصویر در دسته از دانه پایه به اضافه شماره اندیس خودش استفاده میکند.
نودهای مرتبط
KSampler
ComfyUI core
KSampler حلقه حذف نویز رو اجرا می‌کنه: مدل، پرامپت‌ها و یک latent رو می‌گیره و تصویر نهایی latent رو تولید می‌کنه، که با seed، steps، cfg، sampler، scheduler و denoise کنترل می‌شه.
EmptySD3LatentImage
ComfyUI core
EmptySD3LatentImage یک فضای تهی ۱۶ کاناله ایجاد میکند که Flux، SD3 و SD3.5 نیاز دارند؛ این جایگزین Empty Latent Image در این روندها می‌شود.
Upscale Latent and Upscale Latent By
ComfyUI core
Upscale Latent اندازه یک latent را به اندازه جدید (یا بر اساس یک ضریب) تغییر می‌دهد تا یک KSampler دوم بتواند در وضوح بالاتر جزئیات اضافه کند: این روش همان رفع کلاسیک hires است.
VAE Decode
ComfyUI core
رمزگشایی VAE نمونه LATENT را با استفاده از VAE به تصویر پیکسلی تبدیل میکند؛ رمزگشایی VAE (کاشی‌شده) همین کار را به صورت کاشی برای تصاویر خیلی بزرگ انجام می‌دهد.
نودهای بیشتر ComfyUI
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode یک متن پرامپت رو با استفاده از مدل انکودر متن به CONDITIONING تبدیل می‌کنه. یک نود پرامپت مثبت رو نگه می‌داره و نود دوم پرامپت منفی رو.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager افزونه‌ای است که بسته‌ها و مدل‌های سفارشی را از داخل رابط نصب، به‌روزرسانی و رفع مشکل میکند، گره‌های گمشده در جریان‌های کاری وارد شده را حل میکند و تنظیمات شما را ذخیره میکند.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) یک فایل مدل .safetensors یا .ckpt را باز میکند و سه بخش اصلی که هر ورک‌فلو نیاز دارد را تحویل می‌دهد: مدل diffusion، کدگذار متن CLIP و VAE.
Save Image
ComfyUI core
Save Image تصویر IMAGE را به صورت PNG در پوشه ComfyUI/output ذخیره میکند، به‌طوری که کل روند کاری در متادیتای فایل جاسازی شده تا بتوان تصویر را دوباره به ComfyUI کشید و گراف را بازیابی کرد.
Load Image
ComfyUI core
Load Image یک تصویر را از پوشه ورودی ComfyUI (یا آپلود شده) می‌خواند و یک تنسور IMAGE به همراه یک MASK که از کانال آلفا گرفته شده است، خروجی می‌دهد. این نقطه شروع برای گراف‌های img2img، inpainting، ControlNet و IP-Adapter است.
Load LoRA
ComfyUI core
بارگذاری LoRA (LoraLoader) یک فایل LoRA را با قدرت‌های جداگانه روی MODEL و CLIP اعمال میکند، تا بتوان سبک، شخصیت یا مفهوم را به هر چک‌پوینتی اضافه کرد بدون اینکه آن‌ها را ادغام کنیم.