【ComfyUI插件】ComfyUI Easy Use插件（七）

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、Easy Slider Control节点

节点功能：提供对sd1.5和sdxl的ipadapter模型中每一层的控制与调节

参数：

mode -> 目前只能选择ipadapter layer weights

mode_type -> 可选择sdxl和sd1，分为对应sdxl和sd1.5的ipadapter模型的层控制，默认是选择sdxl

层0 -> 设置sdxl的IPA的第0层的权重，该层主要影响构图的整体结构

层1 -> 设置sdxl的IPA的第1层的权重，该层主要影响构图的配色方案

层2 -> 设置sdxl的IPA的第2层的权重，该层主要影响构图的构成

层3 -> 设置sdxl的IPA的第3层的权重，该层主要影响构图的光照和阴影

层4 -> 设置sdxl的IPA的第4层的权重，该层主要影响构图的纹理和细节

层5 -> 设置sdxl的IPA的第5层的权重，该层主要影响构图的风格

层6 -> 设置sdxl的IPA的第6层的权重，该层主要影响构图的深度和透视

层7 -> 设置sdxl的IPA的第7层的权重，该层主要影响构图的深背景和环境

层8 -> 设置sdxl的IPA的第8层的权重，该层主要影响构图的对象特征

层9 -> 设置sdxl的IPA的第9层的权重，该层主要影响构图的运动和动力学

层10 -> 设置sdxl的IPA的第10层的权重，该层主要影响构图的情绪和表情

层11 -> 设置sdxl的IPA的第11层的权重，该层主要影响构图的上下文一致性

输出：

layer_weights -> 输出设置的每层权重参数

这些参数很难有个标准答案，得自己慢慢调试到自己需要的风格。但需要注意的是，需要正确选择适配的模型才能生效。

二、PreSampling (NoiseIn)节点

节点功能：该节点的功能是为图像生成管道（pipeline）设置预采样阶段的噪声注入操作。通过调整噪声因子、步数和采样器参数，可以在图像生成过程中引入不同程度的随机性和变化性，为最终结果提供更丰富的多样性。

输入：

pipe -> 输入的管道

optional_latent -> 输入的潜空间图片，可选项

optional_noise_seed -> 输入的噪声种子，可选项

参数：

factor -> 设置的额外噪声占总体噪声的比例

注意这里的噪声是经过球面线性插值处理的，所以即使factor为0，也不是和原本一点额外噪声都不加的采样器一样

steps -> 设置的采样步数

cfg -> 设置的引导系数

sampler_name -> 设置的采样器名字

scheduler -> 设置的调度器名字

denoise -> 设置的降噪强度

seed -> 设置的种子数

control_after_generate -> 设置的种子数生成模式，分为randomize（随机）、fixed（固定）、decrement（减少）和increment（增加）

输出：

pipe -> 输出设置完参数后的管道

三、Easy Apply Fooocus Inpaint节点

节点功能：使用fooocus模型进行重绘的节点，注意只适用于SDXL模型

输入：

model -> 输入的SDXL模型

latent -> 输入的潜空间图片

参数：

head -> 选择的fooocus重绘模式

patch -> 选择的重绘模型，默认是inpaint_v26

如下图，使用fooocus模型对人物的服装进行重绘，在正向提示词中只需要输入需要替换部分的描述词即可。

四、EasyLoader (HunyuanDiT)节点

节点功能：混元模型加载器

输入：

optional_lora_stack -> 输入的lora模型组，可选项

optional_controlnet_stack -> 输入的controlnet模型组，可选项

参数：

ckpt_name -> 设置混元模型

vae_name -> 设置vae模型

lora_name -> 设置混元lora模型

resolution -> 设置生成图片的分辨率

positive -> 设置输入的正向提示词

negative -> 设置输入的负向提示词

batch_size -> 设置一批图片生成的图片数

输出：

pipe -> 输出的管道

model -> 输出的混元模型

vae -> 输出使用的vae模型

五、EasyLoader (Kolors)节点

节点功能：快手的可图模型加载器

输入：

model_override -> 输入的用于覆盖的可图unet模型，可选项

vae_override -> 输入的用于覆盖的可图vae模型，可选项

optional_lora_stack -> 输入的用于覆盖的可图lora模型组，可选项

参数

unet_name -> 设置可图unet模型

vae_name -> 设置可图vae模型

chatglm3_name -> 设置chatglm3模型

lora_name -> 设置可图lora模型

resolution -> 设置可图模型生成的图片分辨率

positive -> 设置输入的正向提示词

negative -> 设置输入的负向提示词

batch_size -> 设置一批图片生成的图片数

auto_clean_gpu -> 设置图片生成后是否清除占用的gpu显存

输出：

pipe -> 输出的管道

model -> 输出可图模型

vae -> 输出可图的vae模型

六、Easy Apply IPAdapter (FaceID Kolors)节点

节点功能：使用可图模型的ipadapter模型

参数：

model -> 输入的模型

image -> 输入的参考图片

image_negative -> 输入的负向图片

attn_mask -> 输入的注意力蒙版

clip_vision -> 输入的clip模型

optional_ipadapter -> 输入的ipadapter模型，可选项

参数：

preset -> 预设的可图ipadapter模式

provider -> 使用的IPA模型加载方式，一般选择CUDA即可

weight -> 设置整体IPA模型权重乘积系数

weight_faceidv2 -> 设置IPA的faceidv2模型权重

weight_kolors -> 设置kolors的IPA模型权重

weight_type -> 设置的ipadapter模型权重类型，这个参数决定了权重在模型的不同层中应用的方式，分为linear、ease in、ease out、ease in-out、reverse in-out、weak input、weak output、weak middle、strong middle、style transfer、composition、strong style transfer、style and composition、style transfer precise

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

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）

use_batch -> 是否使用批量生成图片

输出：

model -> 输出调节后的模型

ipadapter -> 输出使用的ipadapter模型

masks -> 输出的注意力蒙版

ipadapter -> 输出的ipadapter模型

需要注意的是，这里需要加载clip vision模型，且必须是kolors模型支持的，否则报错。而更多关于__IPAdapter 细节可跳转b站：啦啦啦的小黄瓜。__