【ComfyUI插件】ComfyUI Easy Use插件（六）

前言：

该插件由B站大佬乱乱呀AI进行开发出来的，此插件主要在使用管道、简化工作流、提供简便工具和集成化等方面起到了明显作用。

安装方法

安装方法，一共有2种

1、在manager里搜索Easy Use，然后点击安装第3个即可

__2、在custom_nodes目录下调用cmd，然后输入git clone __https://github.com/yolain/ComfyUI-Easy-Use.git

项目地址：https://github.com/yolain/ComfyUI-Easy-Use.git

一、PromptReplace节点

节点功能：将提示词按照自己设置的替换词进行替换从而形成新的提示词

输入：

prompt -> 输入的提示词

参数：

find1 -> 设置想要替换的提示词中的名词1

replace1 -> 设置提示词中的名词1对等的替换词1

find2 -> 设置想要替换的提示词中的名词2

replace2 -> 设置提示词中的名词2对等的替换词2

find3 -> 设置想要替换的提示词中的名词3

replace3 -> 设置提示词中的名词3对等的替换词3

prompt -> 输出提示词替换后的新提示词

如下图，其中的1gril提示词被替换成了1boy。

二、Easy Apply IPAdapter (From Params)节点

节点功能：接收IPA参数并输出调节后的模型，可用来和Easy Apply IPAdapter (Regional)节点一起使用完成对图片的区域控制

输入：

model -> 输入模型

ipadapter_params -> 输入ipadapter参数值

optional_ipadapter -> 输入ipadapter模型

image_negative -> 输入负向图片，用于剔除不想要的元素

参数：

preset -> 设置使用的ipadapter模型

combine_embeds -> 设置多个ipadapter参数之间的嵌入方式，分为concat（参数合并连接）、add（参数求和，增强共同特征）、subtract（参数求差，增强不同特征）、average（参数求平均值，平衡化）、norm average（参数求归一化平均值，更精细的平衡化）、max（取最大）、min（取最小）

embeds_scaling -> 分为V only、K+V、K+V w/C penalty、K+mean(V) w/C penalty，决定了嵌入在模型内的缩放或组合方式

cache_mode -> 选择模型加载到缓存，分为insightface only（只加载insightface模型）、clip_vision only（只加载clip模型）、ipadapter only（只加载ipadapter模型）、all（全加载）、none（不加载）

输出：

model -> 输出调节后的模型

ipadapter -> 输出使用的ipadapter模型

通过制作蒙版来控制生图的区域，从而让人物画面各自保持在各自的区域，但是在实践过程中发现该工作流有点随机，很难保证控图正确。想要更严格的__分区控制图片生成方法，大家可跳转b站：啦啦啦的小黄瓜。__

三、Easy Apply IPAdapter (StyleComposition)节点

节点功能：该节点主要用于在图像生成和风格化任务中，将图像的风格和组成进行结合与调整。

输入：

model -> 输入的模型

image_style -> 输入的风格参考图片

image_composition -> 输入的构图参考图片

image_negative -> 输入的负向参考图片

attn_mask -> 输入的图片蒙版

clip_vision -> 输入的clip模型

optional_ipadapter -> 可选择输入的ipadapter模型

参数：

preset -> 选择合适的ipadapter模型，按需选择即可

weight_style -> 设置风格迁移的权重

weight_composition -> 设置构图迁移的权重

expand_style -> 是否扩展风格

combine_embeds -> 在输入的多个参考图片使用的结合嵌入方式，分为concat、add、subtract、average、norm average

start_at -> 输入的ipadapter模型起始作用的时间，默认0代表从最开始就开始作用

end_at -> 输入的ipadapter模型结束作用的时间，默认1代表作用到最后

embeds_scaling -> 分为V only、K+V、K+V w/C penalty、K+mean(V) w/C penalty，决定了嵌入在模型内的缩放或组合方式

输出：

model -> 输出经过ipadapter模型调节后的模型

ipadapter -> 输出的ipadapter模型

其中__weight_style__越大，原图的风格越强，__weight_composition__越大，则构图的风格越强。

四、Easy Apply InstantID节点

节点功能：该节点用于将 instantID 模型的功能整合到图像处理管道中。其主要作用是结合预定义的 instantID 文件（如身份标识模板），对输入图像进行处理

输入：

pipe -> 输入的管道

image -> 输入的人物面部参考图片

image_kps -> 输入的人物面部姿势参考图片

mask -> 输入的蒙版，可选项

control_net -> 输入的controlnet模型，可选项

参数：

instant_file -> 设置使用的instantID中的IPA模型

insightface -> 设置使用的insightface模型加载方式，分为CPU、CUDA和ROCM，一般选择CPU即可

control_net_name -> 设置使用的controlnet模型

cn_strength -> 设置controlnet模型作用强度

cn_soft_weights -> 设置controlnet模型作用比例系数，与前面的cn_strength相乘得到实际使用的controlnet模型作用强度

weight -> 设置instandID模型中IPA模型的强度

start_at -> 设置模型起始作用时间

end_at -> 设置模型终止作用时间

noise -> 设置的负向噪声输入，默认为0.35

因为原始instantid生成的图片会出现一定程度的烧毁图片，所以使用负向噪声进行调节改变这一情况

输出：

pipe -> 输出调节参数后的管道

model -> 输出调节后的模型

positve -> 输出调节后的正向条件

negative -> 输出调节后的负向条件

如下图，该节点基本就是把原图的脸部姿势变为参考图的脸部姿势。

五、Easy Apply PuLID节点

节点功能：该节点主要用于通过加载和应用 PulID（预训练身份模型）对输入图像进行风格调整、身份保真度优化或风格中立化操作。

输入：

model -> 输入的模型

image -> 输入的参考图片

attn_mask -> 输入的参考图片的注意力蒙版

参数：

pulid_file -> 设置输入的pulid模型

insightface -> 设置使用的insightface模型加载方式，分为CPU、CUDA和ROCM，一般选择CPU即可

method -> 设置模型的三种使用方式，分为fidelity（保真）、style（风格）、neutral（中性），按需选择即可

weight -> 设置使用的模型权重

start_at -> 设置模型起始作用时间

end_at -> 设置模型终止作用时间

如下图，根据__method__选定的模式生成三种风格不同的图片。

六、Easy Apply PuLID (Advanced)节点

节点功能：使用PuLID模型的高级节点，提供更多的控制参数输入：

model -> 输入的模型

image -> 输入的参考图片

attn_mask -> 输入的参考图片的注意力蒙版

参数：

pulid_file -> 设置输入的pulid模型

insightface -> 设置使用的insightface模型加载方式，分为CPU、CUDA和ROCM，一般选择CPU即可

weight -> 设置使用的模型权重

projection -> 设置使用的投影算法，分为ortho、ortho_v2和none，按需选择即可

fidelity -> 设置保真度，最小值0，最大值32，按需设置即可

noise -> 输入的额外噪声，用来防止图片被烧毁

start_at -> 设置模型起始作用时间

end_at -> 设置模型终止作用时间

三种投影方式ortho_v2，ortho，none，使用投影方式的人物真实度较高。

七、Is Mask Empty节点

节点功能：判断图片蒙版是否为空，在很多大型工作流中蒙版判断很有用

参数：

mask -> 输入图片蒙版

输出：

boolean -> 输出判断蒙版是否为空的布尔值（true或者false）

八、Human Segmentation节点

节点功能：该节点用于对输入图像中的人体进行分割和解析，生成对应的分割掩码（mask）和边界框（bbox）。输入：

image -> 输入的图片

参数：

method -> 一共3种分割方法，分为selfie_multiclass_256x256、human_parsing_lip、human_parts (deeplabv3p)，按需选择即可

confidence -> 设置图片分割识别的阈值，默认为0.4

crop_multi -> 设置分割的蒙版占整个图片的比例，默认0则是按照原有图片比例分割

分割部分 -> 通过勾选设置要识别分割的部分

输出：

image -> 输出分割后的图片

mask -> 输出分割蒙版

bbox -> 输出分割参数

三种分割方法，里面的功能有所不同，可根据自己要分割的部分选择。

九、Image Chooser节点

节点功能：选择输入的多个图片中的一张进行下一步传输输入：

images -> 输入的多张图片

参数：

mode -> 选择模式，分为Always Pause（总是暂停）和（Keep Last Selection（保持上一个选择）

Progress selected image -> 在选择下面的多张图片中的一张后，点击此按键来完成选择图片

Cancel current run -> 取消当前运行

十、Pixels W/H Norm节点

节点功能：提供预设图片的宽高和比例

参数：

resolution -> 可选择的图片分辨率，可自己设置，也可以选择提供中的

width -> 设置在自设置情况下的图片的宽

height -> 设置在自设置情况下的图片的高

scale -> 设置图片将要放大的比例

flip_w/h -> 是否翻转现有的宽高

输出：

width_norm -> 输出图片的宽的整数值

height_norm -> 输出图片的高的整数值

width -> 输出图片的宽的小数值

height -> 输出图片的高的小数值

scale_factor -> 输出图片宽高的比例值

十一、EasyKSampler (Tiled Decode)节点

节点功能：提供分块解码的K采样器，适用在生成图片比较大的情况下用来减少显存的使用输入：

pipe -> 输入的管道

model -> 输入的模型

参数：

tile_size -> 设置分块解码的每块大小

image_output -> 设置图片输出的方式，一般选择Preview或Save

输出：

pipe -> 输出调节参数后的管道

image -> 输出解码后的图片

从下图可以看到使用分块解码占用内存会更少，但运行时间变慢。

__ComfyUI Easy Use插件（一）: __https://articles.zsxq.com/easyuse/1.html

__ComfyUI Easy Use插件（二）: __https://articles.zsxq.com/easyuse/2.html

__ComfyUI Easy Use插件（三）: __https://articles.zsxq.com/easyuse/3.html

__ComfyUI Easy Use插件（四）: __https://articles.zsxq.com/easyuse/4.html

__ComfyUI Easy Use插件（五）: __https://articles.zsxq.com/easyuse/5.html

__ComfyUI Easy Use插件（七）: __https://articles.zsxq.com/easyuse/7.html

__ComfyUI Easy Use插件（八）: __https://articles.zsxq.com/easyuse/8.html