ComfyUI nodes in ComfyUI

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.

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.

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 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.

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.

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.

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.

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.

Load Diffusion Model (UNETLoader) یک شبکه حذف نویز ساده مثل Flux، SD3.5، Wan یا HunyuanVideo را از models/diffusion_models بارگذاری می‌کند، با گزینه weight_dtype برای استفاده از fp8 که حافظه VRAM را ذخیره می‌کند.

Apply ControlNet یک تصویر راهنما و یک ControlNet بارگذاری شده را به CONDITIONING مثبت و منفی با قدرت و درصد شروع/پایان وصل می‌کند، تا نمونه‌گیر لبه‌ها، عمق یا حالت را از راهنما دنبال کند.

Preview Image یک تصویر را داخل نود نمایش می‌دهد بدون اینکه آن را در پوشه خروجی ذخیره کند (یک فایل موقت تا زمان راه‌اندازی مجدد نگه داشته می‌شود)، که برای بررسی مراحل میانی مثل ماسک‌ها، نقشه‌های ControlNet و عبورهای با کیفیت بالا عالی است.

گره Upscale Image (using Model) یک بزرگ‌کننده سبک ESRGAN (مثل 4x-UltraSharp، RealESRGAN، 4x_NMKD-Siax، 4x_foolhardy_Remacri) را روی یک IMAGE اجرا می‌کند و تصویر را با ضریب ثابت مدل و جزئیات بیشتر بزرگ می‌کند.

DualCLIPLoader دو رمزگذار متن را همزمان بارگذاری می‌کند، مثلاً clip_l به همراه t5xxl برای Flux یا clip_g به همراه t5xxl برای SD3، و یک شیء CLIP واحد برای نودهای پرامپت خروجی می‌دهد.

کدگذاری VAE یک تصویر پیکسلی را به یک فضای نهفته (LATENT) برای img2img تبدیل می‌کند؛ کدگذاری VAE (برای نقاشی مجدد) همین کار را انجام می‌دهد ولی ناحیه ماسک شده را خالی می‌کند تا مدل نقاشی مجدد بتواند آن را دوباره رنگ‌آمیزی کند.

بزرگ‌نمایی تصویر (ImageScale) و بزرگ‌نمایی تصویر با، یک تصویر را با روش‌های کلاسیک درون‌یابی (nearest, bilinear, bicubic, lanczos, area) به اندازه دقیق یا بر اساس یک ضریب تغییر اندازه می‌دهند، بدون استفاده از مدل هوش مصنوعی.

WanImageToVideo شرط‌بندی و ویدئوی خالی لاتنت را برای رندر تصویر به ویدئو Wan 2.1/2.2 از یک تصویر شروع، جاسازی CLIP Vision و تعداد فریم‌ها می‌سازد؛ گراف اطراف از Load Diffusion Model، Load CLIP، Load VAE و KSampler استفاده می‌کند.

بارگذاری مدل ControlNet یک فایل ControlNet (یا T2I-Adapter / ControlNet Union) را از models/controlnet می‌خواند و یک شیء CONTROL_NET برای Apply ControlNet خروجی می‌دهد.

Load VAE (VAELoader) یک فایل VAE جداگانه از models/vae بارگذاری می‌کند تا چک‌پوینتی که VAE ندارد یا VAE ضعیفی دارد، رنگ‌های تمیز را رمزگشایی کند و مدل‌های تقسیم‌شده مثل Flux و Wan دیکودر خودشان را بگیرند.

Flux Guidance (FluxGuidance) مقدار راهنمایی را داخل conditioning می‌نویسد که مدل Flux Dev انتظار دارد، و جایگزین cfg می‌شود؛ مقدار پیش‌فرض 3.5 است و بازه مفید بین 2 تا 5 است.

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.

Load Upscale Model (UpscaleModelLoader) یک مدل بزرگ‌کننده تصویر به سبک ESRGAN مثل 4x-UltraSharp یا RealESRGAN را از پوشه models/upscale_models بارگذاری می‌کند تا با گره Upscale Image (using Model) استفاده شود.

KSampler (پیشرفته) نسخه‌ای از KSampler است که کنترل محدوده مرحله دارد: add_noise، start_at_step، end_at_step و return_with_leftover_noise، که برای زنجیره‌های پایه + تصفیه‌کننده و نمونه‌گیری دو مدلی استفاده می‌شود.

CLIP Set Last Layer معادل "clip skip" در ComfyUI است: این گزینه باعث می‌شود رمزگذار متن چند لایه زودتر متوقف شود (-2 تنظیم رایج برای مدل‌های انیمه و Pony است).

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.

گره‌های ModelSampling تنظیم تغییر برنامه نویز رو برای مدل‌های flow-matching (مثل Flux، SD3.5، Wan، Hunyuan، Qwen-Image، Chroma، Lumina) انجام میدن تا نمونه‌گیرها زمان مناسب رو بین ترکیب‌بندی و جزئیات صرف کنن.

تنظیم ماسک نویز نهفته یک ماسک به یک نهفته وصل می‌کند تا نمونه‌گیر فقط ناحیه سفید را تغییر دهد: برای نقاشی مجدد و بازسازی منطقه‌ای با هر چک‌پوینت عادی.

Conditioning (Combine) دو conditioning را با هم ترکیب می‌کند تا نمونه‌گیر همزمان از هر دو راهنمایی بگیرد؛ Conditioning (Concat) توکن‌های دو دنباله را به هم وصل می‌کند و یک پرامپت بلندتر می‌سازد. نودهای مرتبط محدوده منطقه، ماسک و بازه زمانی را تنظیم می‌کنند.

بارگذاری تصویر (به عنوان ماسک) یک کانال از تصویر (آلفا، قرمز، سبز یا آبی) را به یک ماسک تبدیل می‌کند، پس فایل‌های ماسک سیاه و سفید یا لایه‌های نقاشی شده می‌توانند برای درون‌نگاری و ترکیب استفاده شوند.

گره‌های Primitive یک مقدار (مثل seed، تعداد مراحل، متن پرامپت، رزولوشن) را بین چند گره به اشتراک می‌گذارند، Reroute سیم‌ها را مرتب می‌کند، Notes برای مستندسازی گراف استفاده می‌شوند و Groups اجازه می‌دهند بخش‌های کامل را یکجا رد یا بی‌صدا کنی.

ابزارهای اصلی ماسک، ماسک را بزرگ می‌کنند (Grow Mask)، نرم می‌کنند (Feather Mask) و معکوس می‌کنند (Invert Mask) تا بخش‌های ترمیم شده به شکل طبیعی و بدون خط جداکننده در تصویر اطراف ترکیب شوند.