ComfyUI_Noise

ComfyUI_Noise

ComfyUI噪声控制增强节点集

ComfyUI_Noise为ComfyUI提供6个新节点,增强噪声控制和灵活性。功能包括噪声生成、批次复制、潜在空间插值、噪声强度计算、噪声注入和反向采样。这些工具支持小幅度变化生成、匹配输入图像和提示词的噪声查找,以及精细图像操作。该项目扩展了AI图像生成的创意可能性,适用于需要更多噪声控制选项的ComfyUI用户。

ComfyUI噪声控制图像生成latent空间AI绘图Github开源项目

ComfyUI 噪声

本仓库包含了6个用于 ComfyUI 的节点,可以对噪声进行更多控制和灵活操作。这允许例如创建具有微小变化的生成工作流,或者为某些输入图像和提示词找到相应的噪声。

节点

噪声潜在图像:

该节点允许你生成噪声,你可以在 latent>noise 下找到这个节点,它有以下设置:

  • source: 生成噪声的位置,当前支持 GPU 和 CPU。
  • seed: 噪声种子。
  • width: 图像宽度。
  • height: 图像高度。
  • batch_size: 批量大小。

复制批次索引:

此节点的功能已移至核心,请使用:Latent>Batch>Repeat Latent BatchLatent>Batch>Latent From Batch 代替。

该节点允许你复制批次中的某个样本,这可以用于复制例如编码后的图像,也可以复制上面列出的节点生成的噪声。你可以在 latent 下找到这个节点,它有以下设置:

  • latents: 潜在表示。
  • batch_index: 要复制的潜在表示中的样本索引。
  • batch_size: 新的批量大小(即复制样本的次数)。

球面线性插值潜在表示:

该节点允许你混合两个潜在表示。两个输入的潜在表示必须具有相同的维度,否则节点将忽略混合因子,而输出顶部槽位的内容。对于附加到潜在表示的其他内容,如掩码,只有顶部槽位的内容会被传递。你可以在 latent 下找到这个节点,它有以下输入:

  • latents1: 第一批潜在表示。
  • latents2: 第二批潜在表示。此输入是可选的。
  • mask: 决定在潜在表示中哪里进行球面线性插值。此输入是可选的。
  • factor: 第二批潜在表示应该插值到第一批的程度。

获取 Sigma:

该节点可用于计算采样器开始去噪时预期的噪声量。你可以在 latent>noise 下找到这个节点,它有以下输入和设置:

  • model: 用于计算 sigma 的模型。
  • sampler_name: 用于计算 sigma 的采样器名称。
  • scheduler: 采样器中使用的调度类型。
  • steps: 调度中的总步数。
  • start_at_step: 采样器的起始步骤,即它预期输入图像中的噪声量。
  • end_at_step: 前一个采样器的当前结束步骤,即图像中已有的噪声量。

大多数情况下,你只需将 start_at_step 保持为零,end_at_step 保持为 steps。但如果你想在两个采样器之间重新注入一些噪声,例如一个采样器从 0 到 15 去噪,第二个从 10 到 20 去噪,你需要使用 start_at_step 为 10,end_at_step 为 15。这样我们得到的图像处于步骤 15,可以被加噪回到步骤 10,然后第二个采样器可以将其带到 20。注意,高级 K 采样器有 add_noisereturn_with_leftover_noise 的设置,在使用这些节点时,我们都希望将它们禁用。

注入噪声:

该节点允许您将噪声实际注入到图像潜空间中,您可以在"latent>noise"下找到此节点,它具有以下输入:

  • 潜变量:要注入噪声的潜变量。
  • 噪声:噪声。此输入是可选的。
  • 掩码:确定在哪里注入噪声。此输入是可选的。
  • 强度:噪声的强度。请注意,我们可以使用上面的节点为我们计算适当的强度值。

反采样器:

该节点执行与采样器相反的操作。它计算给定模型和提示词下生成图像所需的噪声。您可以在"sampling"下找到此节点,它接受以下输入和设置:

  • 模型:目标模型。
  • 步骤:噪声化的步骤数。
  • 结束步骤:回溯到哪一步。
  • CFG:分类器自由引导尺度。
  • 采样器名称:使用的采样技术名称。
  • 调度器:使用的调度类型。
  • 归一化:是否在输出前对噪声进行归一化。在将其传递给期望归一化噪声的注入噪声节点时很有用。
  • 正面提示词:正面提示词。
  • 负面提示词:负面提示词。
  • 潜在图像:要重新添加噪声的图像。

当尝试尽可能忠实地重建目标图像时,如果反采样器和采样器都使用接近1.0的CFG尺度和相似的步骤数,效果最佳。但是尝试调整这些设置以更好地了解结果也很有趣且值得。这个节点让您可以执行类似于A1111 img2img替代方案脚本的操作。

示例

以下是一些展示如何使用上述节点的示例。这些示例的工作流程可以在"example_workflow"文件夹中找到。

<details> <summary> 生成变体 </summary>

展示如何为给定种子生成小变体的工作流程截图

要为给定生成创建小变体,我们可以执行以下操作:使用"噪声潜在图像"节点生成我们感兴趣的种子的噪声,然后使用"复制批次索引"节点创建整个批次。请注意,如果我们对img2img执行此操作,我们可以使用相同的节点来复制图像潜变量。接下来,我们生成更多噪声,但这次我们生成一批噪声而不是单个样本。然后,我们使用"Slerp潜变量"节点将这个新创建的噪声插值到另一个中。为了确定注入此噪声所需的强度,我们使用"获取Sigma"节点。最后,我们使用"注入噪声"节点将插值后的噪声注入到一批空白潜变量中。请注意,我们使用高级Ksampler,并禁用了"add_noise"设置。

</details> <details> <summary> "反采样" </summary>

展示如何为给定种子生成小变体的工作流程截图 要获得重现特定图像的噪声,我们首先加载一张图像。然后,我们使用低cfg值的Unsampler节点。为了检查这是否有效,我们将生成的噪声重新输入到高级ksampler中,同时禁用add_noise设置,并将cfg设为1.0。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多