Logo
Project Icon

ComfyUI-Florence2

基于Florence-2视觉基础模型，可处理多种视觉和视觉-语言任务

Florence2ComfyUI视觉基础模型多任务学习DocVQAGithub开源项目

ComfyUI-Florence2项目基于Florence-2视觉基础模型，可处理多种视觉和视觉-语言任务。除支持图像描述、物体检测和分割外，还新增文档视觉问答功能。项目利用FLD-5B数据集进行多任务学习，采用序列到序列架构，在零样本和微调场景下表现优异。用户可通过ComfyUI界面便捷使用Florence2的各项功能。

GithubGithubHuggingfaceHuggingface
介绍相关项目
ComfyUI-StableDiffusion3-API - ComfyUI集成Stable Diffusion 3 API实现高级图像生成
AI绘图APIComfyUIGithubStable Diffusion 3图像生成开源项目
该项目为ComfyUI引入Stable Diffusion 3 API，支持多种画面比例的文生图和图生图功能。通过专门的SD3节点，用户可设置提示词、画面比例和生成模式等参数。项目支持SD3和SD3 Turbo模型，需申请Stability API密钥使用，每账户提供25个免费积分。这为ComfyUI用户提供了便捷访问最新SD3模型的途径，大大增强了图像生成能力。
ComfyUI-Custom-Scripts - ComfyUI扩展脚本集合 提升AI图像生成效率
AI绘图ComfyUIGithub工作流开源项目自定义脚本节点编辑
ComfyUI-Custom-Scripts是一个功能丰富的扩展脚本集合,为ComfyUI提供多项实用功能。它包括自动完成、图表自动排列、节点锁定等工具,提升了ComfyUI的使用体验。此外,该项目还引入图像预览、数学表达式和声音提醒等创新功能,为AI图像生成工作流程带来更多灵活性和效率。
ComfyUI-GPT_SoVITS - GPT-SoVITS语音合成与克隆的ComfyUI扩展节点
ComfyUIGPT-SoVITSGithubTTS开源项目自定义节点语音克隆
ComfyUI-GPT_SoVITS是GPT-SoVITS项目的ComfyUI扩展节点，集成了语音克隆和文本转语音功能。该项目支持SRT字幕文件处理、多说话人微调和推理，可与众多ComfyUI自定义节点协同工作。项目提供Windows一键安装包，适配NVIDIA GPU和CUDA 11.8及以上版本。ComfyUI-GPT_SoVITS为用户提供了在ComfyUI环境中实现AI语音合成和克隆的便捷解决方案。
ComfyUI-TiledDiffusion - ComfyUI大尺寸图像生成与放大扩展
ComfyUIGithubTiled DiffusionTiled VAEVRAM优化大图生成开源项目
ComfyUI-TiledDiffusion扩展采用分块扩散算法和VAE技术，实现大尺寸图像生成和放大。支持SDXL模型和ControlNet，可在有限显存下处理超大图像。提供灵活参数设置，如分块大小和重叠度，以优化图像处理效果。适用于需要高质量大图生成和放大的场景。
Llama-3.2-11B-Vision-Instruct-nf4 - 量化视觉语言模型实现高效图像分析与理解
GithubHuggingfaceLlama-3.2图像识别开源项目模型模型部署神经网络量化视觉AI模型
Llama-3.2-11B-Vision-Instruct-nf4是一个基于meta-llama/Llama-3.2-11B-Vision-Instruct的量化视觉语言模型，采用BitsAndBytes的NF4(4位)量化技术，无需双重量化即可实现高效推理。该模型主要用于图像字幕生成等视觉分析任务，并提供详细的使用示例代码。项目还包含配套的ComfyUI自定义节点，为开发者提供了便捷的视觉分析工具集成方案。
InternLM-XComposer - 多模态视觉语言模型实现超高分辨率理解与多场景交互
GithubInternLM-XComposer-2.5多回合多图对话多模态大语言模型开源项目网页制作高分辨率图像理解
InternLM-XComposer-2.5是一款高级多模态视觉语言模型，能处理高达96K的复杂图文背景。该模型优秀适用于超高清图像分析、多轮对话生成、网页创建等任务，并通过特殊算法优化输出质量，在多个基准测试中表现卓越。
rgthree-comfy - 通过改进节点提升ComfyUI工作流程的效率与直观性
ComfyUIGithubrgthree-comfy安装工作流程开源项目节点
rgthree-comfy通过一系列节点和改进来优化和简化ComfyUI工作流程，使其更高效和直观。包括种子控制节点、重路由节点、书签节点、图像比较器、图像裁剪器等功能节点，并提供节点设置选项。这个项目专注于用户定制，帮助配置和管理不同节点，提升工作效率，并兼容ComfyUI的扩展设置，灵活应对未来的更改或功能扩展需求。
Qwen2-VL-2B-Instruct-AWQ - 支持多分辨率的多语言多模态视觉模型
GithubHuggingfaceQwen2-VL多语言支持开源项目性能评估模型模型架构视觉理解
Qwen2-VL是一款先进的多模态模型，具备卓越的图像和视频理解能力，并能够处理多语言文本。其支持动态分辨率处理，适用于移动设备和机器人自动化操作。模型特色包括旋转位置嵌入和高效量化模型，提高推理速度和内存利用率，适合多种视觉任务如图像描述和视频分析。
llava-onevision-qwen2-0.5b-ov - 支持多模态输入的视觉语言AI模型
GithubHuggingfaceLLaVA-OneVisionQwen2图像处理多模态开源项目模型视频处理
LLaVA-OneVision-qwen2-0.5b-ov是基于Qwen2语言模型开发的多模态AI模型。该模型可处理图像、多图和视频输入,支持英语和中文交互。在LLaVA-OneVision数据集上训练后,模型具备32K tokens的上下文窗口,能执行图像问答、视频理解等多种视觉任务。其在多个多模态基准测试中表现优异,展现了强大的视觉语言处理能力。
flux.1-lite-8B-alpha-gguf - 量化模型转化与图像生成的精准实现
FreepikGithubHuggingface图像生成开源项目文本到图像模型量化非商业许可
通过GGUF转换，该项目实现了Freepik/flux.1-lite-8B-alpha模型的量化版本。该量化模型适用于ComfyUI-GGUF自定义节点的图像生成及文本转图像任务，同时遵循原始的限制和许可条款。模型文件需要存放在ComfyUI/models/unet路径下，安装说明请参见GitHub页面。该模型的量化转换有助于图像生成的灵活性。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号