ComfyUI nodes in ComfyUI

CLIP Text Encode 會用模型的文字編碼器把文字提示轉成 CONDITIONING。有兩個節點，一個放正面提示，另一個放負面提示。

KSampler 執行去噪循環：它接收模型、提示詞和潛在向量，並產生完成的潛在圖像，透過種子、步數、cfg、採樣器、排程器和去噪程度來控制。

Load Checkpoint (CheckpointLoaderSimple) 會打開 .safetensors 或 .ckpt 模型檔案，並提供每個工作流程都需要的三個部分：diffusion MODEL、CLIP 文字編碼器和 VAE。

Save Image 會把 IMAGE 張量存成 PNG 檔到 ComfyUI/output，並且把整個工作流程嵌入檔案的元資料裡，這樣圖片就能直接拖回 ComfyUI，還原整個圖形。

VAE Decode 用 VAE 把取樣後的 LATENT 轉成像素 IMAGE；VAE Decode (Tiled) 則是用分塊方式處理超大張圖片。

Empty Latent Image 會建立空白的潛在畫布（寬度、高度、批次大小），這是文字轉圖片取樣的起點；尺寸必須是 8 的倍數，且要符合模型家族。

Load Image 從 ComfyUI 的輸入資料夾（或上傳）讀取圖片，並輸出一個 IMAGE 張量和從 alpha 通道取得的 MASK，這是 img2img、修補、ControlNet 和 IP-Adapter 圖表的起點。

Load LoRA (LoraLoader) 會將 LoRA 檔案套用到 MODEL 和 CLIP，並且可以分別調整強度，這樣你就能在任何檢查點加入風格、角色或概念，而不需要合併模型。

Load Diffusion Model (UNETLoader) 會從 models/diffusion_models 載入像 Flux、SD3.5、Wan 或 HunyuanVideo 這類的純去噪網路，並有 weight_dtype 選項可用 fp8 來節省 VRAM。

Apply ControlNet 會將引導圖像和已載入的 ControlNet 附加到正向和負向的 CONDITIONING，並設定強度及開始/結束百分比，讓取樣器能依照引導的邊緣、深度或姿勢進行生成。

Preview Image 在節點內顯示 IMAGE，但不會存到輸出資料夾（會保留一個暫存檔直到重新啟動），很適合用來檢查中間步驟像是遮罩、ControlNet 地圖和高解析度處理。

Upscale Image (using Model) 使用 ESRGAN 風格的放大器（4x-UltraSharp、RealESRGAN、4x_NMKD-Siax、4x_foolhardy_Remacri）對 IMAGE 進行放大，並以模型固定的倍數放大且增加細節。

DualCLIPLoader 一次載入兩個文字編碼器，例如 Flux 用的 clip_l 加 t5xxl，或 SD3 用的 clip_g 加 t5xxl，然後輸出一個 CLIP 物件給提示節點用。

VAE Encode 把像素 IMAGE 轉成 LATENT，方便 img2img 用；VAE Encode（用於修補）也是這樣，但會把遮罩區域變空白，讓修補模型能重新繪製。

Upscale Image (ImageScale) 和 Upscale Image By 是用經典插值法（nearest、bilinear、bicubic、lanczos、area）調整 IMAGE 大小，能調到精確尺寸或按比例縮放，完全不涉及 AI 模型。

WanImageToVideo 從起始圖片、CLIP Vision 嵌入和幀數，建立 Wan 2.1/2.2 影像轉影片的條件和空的影片潛變量；周邊的圖使用 Load Diffusion Model、Load CLIP、Load VAE 和 KSampler。

Load ControlNet Model 會從 models/controlnet 讀取 ControlNet（或 T2I-Adapter / ControlNet Union）檔案，並輸出一個用於 Apply ControlNet 的 CONTROL_NET 物件。

Load VAE (VAELoader) 從 models/vae 載入獨立的 VAE 檔案，這樣當檢查點缺少或 VAE 不佳時，解碼出來的顏色會乾淨，像 Flux 和 Wan 這種拆分模型也能取得它們的解碼器。

Flux Guidance (FluxGuidance) 將指導值寫入 Flux Dev 預期的 conditioning 中，取代 cfg；預設是 3.5，實用範圍是 2 到 5。

Upscale Latent 會把 latent 調整到新的大小（或放大倍數），讓第二次的 KSampler 可以在更高解析度下加細節：這是經典的高解析度修正方法。

Load Upscale Model (UpscaleModelLoader) 會從 models/upscale_models 載入 ESRGAN 風格的放大模型，例如 4x-UltraSharp 或 RealESRGAN，供 Upscale Image (using Model) 使用。

KSampler (進階) 是帶有步驟範圍控制的 KSampler：add_noise、start_at_step、end_at_step 和 return_with_leftover_noise，主要用於基礎 + 精煉鏈和雙模型取樣。

CLIP Set Last Layer 是 ComfyUI 裡面對應「clip skip」的功能：它會讓文字編碼器提前停止幾層（-2 是大部分動漫和 Pony 模型常用的設定）。

EmptySD3LatentImage 會建立 Flux、SD3 和 SD3.5 需要的 16 通道空潛變量；它取代那些工作流程中的 Empty Latent Image。

ModelSampling 節點會設定流匹配模型（Flux、SD3.5、Wan、Hunyuan、Qwen-Image、Chroma、Lumina）的噪聲時間表偏移，讓取樣器能在構圖和細節上花對時間。

Set Latent Noise Mask 會把一個 MASK 附加到 LATENT 上，讓取樣器只改變白色區域：用任何普通的檢查點做修補和區域重生。

Conditioning (Combine) 會合併兩個 conditioning，讓取樣器同時受到兩者指引；Conditioning (Concat) 則是把兩組 token 序列接在一起，變成一個更長的提示詞。相關節點可以設定區域、遮罩和時間步範圍。

載入圖片（作為遮罩）會把圖片的一個通道（alpha、紅、綠或藍）轉成遮罩，這樣黑白遮罩檔或繪製的圖層就能用來做修補和合成。

Primitive 節點可以讓多個節點共用一個值（像是種子、步數、提示詞文字、解析度），Reroute 用來整理線路，Notes 用來記錄流程圖，Groups 則可以一次跳過或靜音整個區塊。

這些核心遮罩工具能擴展（擴展遮罩）、柔化（羽化遮罩）和反轉（反轉遮罩）遮罩，讓修補區域能自然融合周圍畫面，不會有明顯接縫。