Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

COMFY UI中的Repeat或Tile功能

Answer

ComfyUI 中的 Repeat 或 Tile 功能：

  • 分块长度（t_tile_length）：时间维度上每次处理的帧数，用于处理长视频，如设置为 16。当分块长度与帧数一致时，画面较稳定但变化少。例如，帧数 32 时分块长度可为 24 或 32。
  • 分块重叠（t_tile_overlap）：相邻时间块之间重叠的帧数，如设置为 8。 其工作原理为：
  1. 将长视频分割成多个重叠的短片段（tiles）。
  2. 对每个片段单独进行处理。
  3. 在重叠区域使用混合或平滑技术，确保片段之间的过渡自然。

ComfyUI 相关动态：

  • 发布了相对大的版本更新 0.10，支持在 ComfyUI 中使用循环和条件语句，前端代码迁移到 TypeScript，新的搜索和设置 UI，实验性 FP8 算法支持以及 GGUF 量化支持。

ComfyUI 视频背景替换工作流：

  • 用了一个 tile 来固定画面，让采样生成后的视频与原来一致。
  • 资料链接：
    • https://pan.baidu.com/s/1NomdtOR6TbaurTuzGwoMUw?pwd=cycy
    • https://xiaobot.net/post/0e6aa763-98a2-4cc5-867c-44aca7e887ea
    • 更多内容收录在：https://xiaobot.net/p/GoToComfyUI
    • 网盘：https://pan.quark.cn/s/4e5232c92746
    • 工作流：https://www.liblib.art/modelinfo/23c073ff88194c32be15fe56977223ef?from=personal_page
    • 视频：https://www.bilibili.com/video/BV1NZHfeREAp/?vd_source=ecb7194379e23ea8b1cb52e3bd5d97ef
    • workflow：https://openart.ai/workflows/e3H4DwH55TlMBlT7MI4A
    • https://www.shakker.ai/modelinfo/9f06f370c1614be89180c1c9fb9864eb?from=personal_page
    • video：https://youtu.be/nf753qp1pLg
Content generated by AI large model, please carefully verify (powered by aily)

References

ComfyUI CogVideoX-5b开源文生视频

这里其他的参数都比较容易理解，重点说下分块长度和分块重叠。需要注意的是分辨率只支持720 x 480,不支持其他分辨率（包括微调）分块长度(t_tile_length):16，时间维度上的分块大小，用于处理长视频。分块重叠(t_tile_overlap):8，时间维度上相邻分块的重叠帧数。有使用过animatediff的小伙伴应该很会有点熟悉，是的，他们是一样的意思，但是，分块长度(t_tile_length)，如果和帧数一致，画面会比较稳定，但是变化就会少很多。可以对比下面两张图帧数32，分块长度24帧数32，分块长度32[heading4]分块长度(t_tile_length)[content]这个参数定义了在时间维度上每次处理的帧数，这样做的目的是为了克服GPU内存限制，允许生成比单次能处理的更长的视频。[heading4]分块重叠(t_tile_overlap)[content]这个参数定义了相邻时间块之间重叠的帧数，设置为8意味着每个16帧的块会与下一个块重叠8帧。这种技术的工作原理：1.将长视频分割成多个重叠的短片段（tiles）。2.对每个片段单独进行处理。3.在重叠区域使用混合或平滑技术，以确保片段之间的过渡自然。

AIGC Weekly #86

ComfyUI发布了一个相对大的[版本更新0.10](https://blog.comfy.org/comfyui-v0-1-x-release-devil-in-the-details-2/)，已经支持在ComfyUI中使用循环和条件语句，前端代码迁移到TypeScript，新的搜索和设置UI，实验性FP8算法支持以及GGUF量化支持。Cluade开始[支持LaTeX数学公式](https://x.com/AnthropicAI/status/1826667671364272301)的渲染。Cursor宣布获得了来自Andreessen Horowitz、Jeff Dean、John Schulman、Noam Brown以及Stripe和Github的创始人[的6000万美元融资](https://x.com/cursor_ai/status/1826656532072923219)。Google给Gemini的AI studio增加了一个[提示词库](https://aistudio.google.com/app/gallery)。可以帮助你学习一些常见需求的Gemini提示词写法。PixVerse视频生成模型更新到[V2.5版本](https://x.com/PixVerse_/status/1826446286675153175)。第一个支持运动笔刷的DiT模型，模型质量大幅提升。Midjourney[网页版版本全量上线](https://x.com/midjourney/status/1826305298560418171)，同时开启免费使用，未付费账号可以免费使用25次。X-Lab已经发布了[FLUX的IPapadter模型](https://github.com/XLabs-AI/x-flux-comfyui/blob/main/workflows/ip_adapter_workflow.json)。支持512x512和1024x1024分辨率。实验性模型迁移的稳定性和可靠性不太行。

ComfyUI 视频背景替换工作流

用了一个tile来固定画面，让采样生成后的视频与原来一致。之后就是采样部分了，在生成视频时候，使用了一个补帧。[heading3]资料链接[content]https://pan.baidu.com/s/1NomdtOR6TbaurTuzGwoMUw?pwd=cycy说明文档https://xiaobot.net/post/0e6aa763-98a2-4cc5-867c-44aca7e887ea由于AI技术更新迭代，请以文档更新为准更多内容收录在⬇️https://xiaobot.net/p/GoToComfyUI网盘https://pan.quark.cn/s/4e5232c92746工作流https://www.liblib.art/modelinfo/23c073ff88194c32be15fe56977223ef?from=personal_page视频https://www.bilibili.com/video/BV1NZHfeREAp/?vd_source=ecb7194379e23ea8b1cb52e3bd5d97efworkflowhttps://openart.ai/workflows/e3H4DwH55TlMBlT7MI4Ahttps://www.shakker.ai/modelinfo/9f06f370c1614be89180c1c9fb9864eb?from=personal_pagevideohttps://youtu.be/nf753qp1pLg

Others are asking
comfyui 官网
ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，您可以把它想象成集成了 stable diffusion 功能的 substance designer，通过将 stable diffusion 的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。 其优势包括： 1. 对显存要求相对较低，启动速度快，出图速度快。 2. 具有更高的生成自由度。 3. 可以和 webui 共享环境和模型。 4. 可以搭建自己的工作流程，可以导出流程并分享给别人，报错的时候也能清晰的发现错误出在哪一步。 5. 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势在于： 1. 操作门槛高，需要有清晰的逻辑。 2. 生态没有 webui 多（常用的都有），也有一些针对 Comfyui 开发的有趣插件。 ComfyUI 的官方链接为：https://github.com/comfyanonymous/ComfyUI 。 关于 ComfyUI 的学习资料，有以下几个网站提供相关教程： 1. ComfyUI 官方文档：提供了使用手册和安装指南，适合初学者和有经验的用户。网站为：https://www.comfyuidoc.com/zh/ 。 2. 优设网：提供了详细的入门教程，适合初学者。教程地址是：https://www.uisdc.com/comfyui3 。 3. 知乎：有用户分享了部署教程和使用说明，适合有一定基础并希望进一步了解的用户。地址：https://zhuanlan.zhihu.com/p/662041596 。 4. Bilibili：提供了一系列从新手入门到精通的视频教程。地址：https://www.bilibili.com/video/BV14r4y1d7r8/ 。 此外，在知乎的“深入浅出完整解析 Stable Diffusion（SD）核心基础知识”中，也有关于零基础使用 ComfyUI 搭建 Stable Diffusion 推理流的内容。
2025-01-23
comfyui
ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，以下是关于它的详细介绍： 简介：可以想象成集成了 stable diffusion 功能的 substance designer，通过将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优劣势： 优势： 对显存要求相对较低，启动速度快，出图速度快。 具有更高的生成自由度。 可以和 webui 共享环境和模型。 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势：操作门槛高，需要有清晰的逻辑；生态没有 webui 多（常用的都有），也有一些针对 Comfyui 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档按照即可：https://github.com/comfyanonymous/ComfyUI 安装部署： 电脑硬件要求： 系统：Windows7 以上。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够的空间，最低 100G 起步（包括模型）。 注：mac 系统，AMD 显卡，低显卡的情况也可以安装使用，功能不全，出错率偏高，严重影响使用体验个人建议升级设备或者采用云服务器玩耍。 下载并安装所需要环境：依次下载并安装 python、Git、VSCode，安装过程中一直点击勾选对应选项，一直下一步。 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装的时候选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 。 安装 Git：https://gitscm.com/download/win 。 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 。 地址：https://github.com/comfyanonymous/ComfyUI ，可以下载安装包也可以直接 Git clone https://github.com/comfyanonymous/ComfyUI.git ，或者下载安装包 file:ComfyUI.zip ，下载安装包或者点击链接下载并解压至本地除 C 盘外的任意盘。然后找到文件名称为 run_nvidia_gpu 的文件双击并启动。启动完成即进入基础界面。 节点存放目录：comfyUI 的节点包括后面安装的拓展节点都存放在本目录下 D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes 。 模型存放目录： 大模型：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\checkpoints 。 Lora：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\loras 。 Vae：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\vae 。 模型共用：已经安装了 SDWebUI 的同学可以通过修改文件路径和 WebUI 共用一套模型即可，这样就不用重复下载模型了。找到已安装好的 ComfyUI 目录文件下的 extra_model_paths.yaml.example 文件，将后缀.example 删除，然后右键用记事本打开。
2025-01-23
comfyui
ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，以下是关于它的详细信息： 简介：可以想象成集成了 stable diffusion 功能的 substance designer，通过将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优劣势： 优势： 对显存要求相对较低，启动速度快，出图速度快。 具有更高的生成自由度。 可以和 webui 共享环境和模型。 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势：操作门槛高，需要有清晰的逻辑；生态没有 webui 多（常用的都有），也有一些针对 Comfyui 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档按照即可：https://github.com/comfyanonymous/ComfyUI 安装部署： 电脑硬件要求： 系统：Windows7 以上。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够的空间，最低 100G 起步（包括模型）。 注：mac 系统，AMD 显卡，低显卡的情况也可以安装使用，功能不全，出错率偏高，严重影响使用体验个人建议升级设备或者采用云服务器玩耍。 下载并安装所需要环境： 依次下载并安装 python、Git、VSCode，安装过程中一直点击勾选对应选项，一直下一步。 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装的时候选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 。 安装 Git：https://gitscm.com/download/win 。 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 。 安装地址：https://github.com/comfyanonymous/ComfyUI ，可以下载安装包也可以直接 Git clone https://github.com/comfyanonymous/ComfyUI.git ，或者下载安装包 file:ComfyUI.zip ，下载安装包或者点击链接下载并解压至本地除 C 盘外的任意盘。然后找到文件名称为 run_nvidia_gpu 的文件双击并启动。启动完成即进入基础界面。 节点存放目录：comfyUI 的节点包括后面安装的拓展节点都存放在本目录下 D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes 。 模型存放目录： 大模型：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\checkpoints 。 Lora：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\loras 。 Vae：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\vae 。 模型共用：已经安装了 SDWebUI 的同学可以通过修改文件路径和 WebUI 共用一套模型即可，这样就不用重复下载模型了。找到已安装好的 ComfyUI 目录文件下的 extra_model_paths.yaml.example 文件，将后缀.example 删除，然后右键用记事本打开。
2025-01-23
如何学习comfyui
以下是一些学习 ComfyUI 的途径和资源： 1. 官方文档：ComfyUI 官方文档提供了使用手册和安装指南，适合初学者和有经验的用户，可在获取相关信息。 2. 优设网：有一篇详细的 ComfyUI 入门教程，适合初学者，详细介绍了其特点、安装方法及生成图像等内容，教程地址是。 3. 知乎：有用户分享了 ComfyUI 的部署教程和使用说明，适合有一定基础并希望进一步了解的用户，可在找到相关教程。 4. Bilibili：提供了一系列涵盖从新手入门到精通各个阶段的视频教程，可在找到。 此外，还有 ComfyUI 共学快闪的飞书学习群，其中包含了众多如 Stuart 风格迁移、红泥小火炉基础课程等各类课程和讲解，如郑个小目标针对于某个插件的深入讲解、波风若川报错解决等。 另外，有人因为以下原因学习使用 ComfyUI：更接近 SD 的底层工作原理；自动化工作流，消灭重复性工作；作为强大的可视化后端工具，可实现 SD 之外的功能，还能根据定制需求开发节点或模块。例如，有人为了工作室获取抠图素材的需求，基于创建了工作流，不仅能用于绿幕素材抠图，还能自动生成定制需求的抠图素材，全程仅需几秒。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-01-23
我想学习关于 comfy ui的内容
以下是一些关于 ComfyUI 的学习资源和相关信息： 1. 学习资料： ComfyUI 官方文档：提供使用手册和安装指南，适合初学者和有经验的用户。网站：https://www.comfyuidoc.com/zh/ 优设网：有详细的 ComfyUI 入门教程，适合初学者。教程地址：https://www.uisdc.com/comfyui3 知乎：有用户分享 ComfyUI 的部署教程和使用说明，适合有一定基础的用户。教程地址：https://zhuanlan.zhihu.com/p/662041596 Bilibili：提供一系列从新手入门到精通的视频教程。教程地址：https://www.bilibili.com/video/BV14r4y1d7r8/ 2. 8 月 13 日 ComfyUI 共学内容： 包括学习交流与活动安排，讨论了学习需求、教程分享、部署问题、应用场景及活动规划。 工作流的分享与探讨，涉及不同场景应用、优势、弊端及学习方法，还有分享会和开源社区情况。 学习交流与报错问题解决，包括使用、工作流分享、报错问题及解决方案，以及课程设计安排。 讨论了 AI 绘图技术在工作中的应用与分享，包括项目实践、技术调研、培训及未来教学计划等。 介绍了课程规划，包括从零基础开始，逐步深入到环境部署、底层技术概念、提示词等内容，还介绍了 config 牛角尖大王系列。 提到具备搭建复杂工作流能力，会拆解分析网上热门工作流，报错问题可分为网络、模型、工作流搭建、环境等方面，安装新插件时可参考项目地址的 requirement 文档，规划了实战案例思路。 3. ComfyUI 自动生成抠图素材： 学习使用 ComfyUI 的原因：更接近 SD 的底层工作原理，自动化工作流，作为强大的可视化后端工具可实现 SD 之外的功能，可根据定制需求开发节点或模块。 作者制作工作流的动机是工作室经常需要抠图素材，传统途径要么花钱要么花时间且不能定制，近期在 github 上看到相关项目，基于此创建了工作流，可自动生成定制需求的抠图素材，几秒即可完成。随后将分享创建工作流的思路及详细步骤讲解。
2025-01-22
comfui 出现SUPIR_Upscale怎么办
当 ComfyUi 出现 SUPIR_Upscale 时，以下是相关信息： 通过使用神经网络对潜在空间进行放大，无需使用 VAE 进行解码和编码。此方法比传统的 VAE 解码和编码快很多，并且质量损失很小。插件项目地址：https://github.com/Ttl/ComfyUi_NNLatentUpscale?tab=readmeovfile 。潜在表示是神经网络处理图像时生成的压缩版本，包含图像主要特征信息，处理潜在表示更快且资源消耗更少。 具体流程包括：生成潜在表示（生成低分辨率图像）、放大潜在表示、生成高分辨率图像（将放大的潜在图像反馈到稳定扩散 UNet 中进行低噪声扩散处理从而修复成高分辨率图像）。此节点用于一种工作流程，初始图像以较低分辨率生成，潜在图像被放大，然后将放大的潜在图像反馈到稳定扩散 unet 中进行低噪声扩散处理（高分辨率修复）。 UNet 是一种特别的神经网络结构，常用于图像处理，尤其是图像分割。其工作方式包括编码部分（逐步缩小图像提取重要特征）、解码部分（逐步放大图像把提取的特征重新组合成高分辨率的图像）、跳跃连接（在缩小和放大过程中保留细节信息使最终生成的图像更清晰），这种结构能在放大图像时保持细节和准确性。 ComfyUI 老照片修复 Flux Controlnet Upscale 中，关于 flux unet 的 weight_dtype： Flux 模型主要用于图像处理，特别是上采样。这类任务通常需要较高精度来保留图像细节。 fp8 格式包括 fp8_e4m3fn（4 位指数，3 位尾数，通常提供更好的精度）和 fp8_e5m2（5 位指数，2 位尾数，提供更大的数值范围但精度较低）。 图像处理通常更依赖于精确的小数值表示，现代 GPU 通常对 fp8_e4m3fn 格式有更好的优化支持。在没有特殊需求的情况下，图像处理模型通常倾向于选择提供更高精度的格式，对于 Flux 模型，特别是在进行图像上采样任务时，fp8_e4m3fn 可能是更好的选择，因为更高的精度有利于保留图像细节和纹理，图像处理通常不需要特别大的数值范围，fp8_e4m3fn 的精度优势更为重要，这种格式在现代 GPU 上可能有更好的性能表现。
2025-01-21
ComfyUI_LayerStyle
ComfyUI_LayerStyle 相关内容如下： 加载模型部分： 下好工作流中的所需三张图片“SeasonYou_Reference、BG、MASK”以及上传自己所需的照片到 Input 部分。右上角放自己的人像图片（非人像会报错提示“no face detected”）。 对于 vae 加载器部分，选择 xl 版本（因为大模型用的 xl）的 vae 即可。 对于 ipadater 部分，倘若加载器部分报错说 model 不存在，将文中画圈部分修改调整到不报错。 Pulid 部分，除了下载好对应的节点以及参考官方网站最下面的安装对应要求外，还要注意对应安装一些内容，具体要求可查看云盘中命名为“pulid 插件模型位置.png”及对应的云盘链接：PulID 全套模型 链接:https://pan.baidu.com/s/1ami4FA4w9mjuAsPK49kMAw?pwd=y6hb 提取码:y6hb ，否则将会报错。 爆肝博主 ZHO 的更新记录： 3 月 7 日：ComfyUI 支持 Stable Cascade 的 Inpainting ControlNet，ComfyUI 作者在示例页面给出了说明和工作流：https://comfyanonymous.github.io/ComfyUI_examples/stable_cascade/ ，博主自己也整理了一版，分享在：https://github.com/ZHOZHOZHO/ComfyUIWorkflowsZHO ，说明第二个 inpainting+composite 是将原图帖回到重绘之后的效果，是非必要项，按需使用。 3 月 6 日：国内作者把 ps 很多功能都迁移到了 ComfyUI 里，项目是：https://github.com/chflame163/ComfyUI_LayerStyle 。最新版 ComfyUI 支持了一系列图像形态学处理，包括 erode 腐蚀（去除小噪点/分离相邻对象）、dilate 膨胀（填补小洞/连接临近对象）、open 开（先腐蚀后膨胀）、close 闭（先膨胀后腐蚀）、gradient 梯度（膨胀与腐蚀之差）、top_hat 顶帽（原图与开之差）、bottom_hat 底帽（原图与闭之差）。使用方法为：1）更新 ComfyUI；2）右键 image/postprocessing/ImageMorphology；3）接上图像输入和输出即可。
2025-01-15
在 COMFY UI 中，关于 Tile 平铺预处理器怎么工作流中怎么使用
在 ComfyUI 中，关于 Tile 平铺预处理器的使用方法如下： 1. 平铺和切片都是用于处理大尺寸视频的技术，可以帮助在有限的 GPU 内存下处理高分辨率视频。 tile_sample_min_height:96，最小平铺高度。 tile_sample_min_width:96，最小平铺宽度。这两个参数定义了在使用平铺时的最小尺寸。 tile_overlap_factor_height:0.083，高度方向的重叠因子。 tile_overlap_factor_width:0.083，宽度方向的重叠因子。这些因子决定了平铺时各个块之间的重叠程度。 enable_vae_tiling:设置为 false，表示不启用 VAE（变分自编码器）的图像平铺。 enable_vae_slicing:设置为 false，表示不启用 VAE 切片。如果启用了平铺（tiling），它会将大图像分割成小块进行处理，然后再组合起来，这有助于处理大分辨率的视频。VAE 切片（如果启用）可以通过分割输入张量来分步计算解码，这有助于节省内存。 2. 将您的 ComfyUI 更新到最新。 3. 将 clip_l 和 t5xxl_fp16 模型下载到 models/clip 文件夹。确保您的 ComfyUI/models/clip/目录中，有 t5xxl_fp16.safetensors 和 clip_l.safetensors，您可以改用 t5xxl_fp8_e4m3fn.safetensors 来降低内存使用量，但如果您的 RAM 超过 32GB，建议使用 fp16。跑过 flux 就有这些模型，没有的话翻之前文章有下载。 4. 在您的 ComfyUI/models/vae/文件夹中，有 ae.safetensors。 5. 将最开始下载的 flux1filldev.safetensors 放于 ComfyUI/models/unet/文件夹中。 6. 使用 flux_inpainting_example 或者 flux_outpainting_example 工作流。
2024-12-26
COMFY UI中的Tile平铺预处理器
在 COMFY UI 中，关于 Tile 平铺预处理器： CogVideoX5b 开源文生视频： 分块长度（t_tile_length）：时间维度上的分块大小，用于处理长视频，值为 16。如果和帧数一致，画面会比较稳定，但变化会少很多。 分块重叠（t_tile_overlap）：时间维度上相邻分块的重叠帧数，值为 8。 解码： tile_sample_min_height：最小平铺高度，值为 96。 tile_sample_min_width：最小平铺宽度，值为 96。 tile_overlap_factor_height：高度方向的重叠因子。 tile_overlap_factor_width：宽度方向的重叠因子。 enable_vae_tiling：设置为 false，表示不启用 VAE 的图像平铺。 enable_vae_slicing：设置为 false，表示不启用 VAE 切片。启用平铺会将大图像分割成小块处理再组合，有助于处理大分辨率视频。VAE 切片可通过分割输入张量分步计算解码以节省内存。 图像编码： chunk_size：在时间维度上每次处理的帧数，值为 16，有助于处理长视频序列时管理内存使用。 enable_vae_slicing：控制是否启用 VAE 切片，设置为 false 时不使用。 此外，ComfyUI 中的 SD3 预训练文本编码器使用了三个固定的预训练文本编码器（CLIPViT/G、CLIPViT/L 和 T5xxl）。CLIPViT/G 优化了图像和文本之间的关系理解，CLIPViT/L 专注于从图像和文本对中提取特征，T5xxl 是一个强大的文本生成模型，增强了文本提示的理解和生成能力。
2024-12-26