WAS Node Suite - ComfyUI
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
WAS Node Suite - ComfyUI - WAS#0263
ComfyUI는 Stable Diffusion을 활용한 고급 노드 기반 사용자 인터페이스입니다. 사용자는 이미지 후처리나 변환과 같은 사용자 정의 워크플로우를 생성할 수 있습니다.
ComfyUI용 여러 새로운 노드를 포함한 노드 세트. 이미지 처리, 텍스트 처리 등이 포함됩니다.
워크플로우 공유를 워크플로우 위키에 게시하세요. 선호하는 것은 워크플로우를 내장한 PNG but JSON도 가능합니다. 워크플로우를 PNG 파일에 쉽게 추가하는 도구를 사용할 수 있습니다
주요 업데이트
[2023년 5월 29일 업데이트]
ASCII는 사용 중지되었습니다. 텍스트 노드 출력의 새로운 권장 방법은STRING입니다.ASCII에서STRING으로 변경된 것은 전달되는 데이터가 무엇인지 더 명확히 하기 위한 것입니다.was_suite_config.json파일은 자동으로use_legacy_ascii_text값을false로 설정합니다.
영상 노드 - 새로운 영상 노드 두 개:
영상에 쓰기,경로에서 영상 생성. 이들은 실험적 노드입니다.
현재 노드:
BLIP 이미지 분석: 이미지에서 텍스트 캡션을 가져오거나 질문을 통해 이미지를 조사합니다.
기본 URL에서 모델이 자동으로 다운로드되지만,
was_suite_config에서 다른 위치/캡션 모델로 다운로드를 지정할 수 있습니다.모델은
ComfyUI/models/blip/checkpoints/에 저장됩니다.
SAM 모델 로더: SAM 세그멘테이션 모델을 로드합니다.
SAM 매개변수: 이미지 세그멘테이션을 위한 SAM 매개변수를 정의합니다.
SAM 매개변수 결합: SAM 매개변수를 결합합니다.
SAM 이미지 마스크: SAM 이미지 마스크 처리를 수행합니다.
이미지 경계: 이미지의 경계를 설정합니다.
이미지 내부 경계: 이미지 경계를 내측으로 이동합니다.
경계 이미지 혼합: 경계 이미지를 혼합합니다.
마스크를 사용한 경계 이미지 혼합: 마스크를 사용하여 경계 이미지를 혼합합니다.
경계 이미지 자르기: 경계 이미지를 자릅니다.
마스크를 사용한 경계 이미지 자르기: 마스크를 사용하여 경계 이미지를 자릅니다.
캐시 노드: 디스크에 잠재 벡터, 텐서 배치(이미지), 조건을 캐시하여 나중에 사용합니다.
CLIPTextEncode (NSP): NSP 창고에서 국수 국물(ヌードルソープ)을 추출하거나, A1111 스타일 와일드카드를 포함한 디렉터리에서 와일드카드를 파싱합니다.
와일드카드는
__filename__형식이며,__appearance/haircolour__처럼 하위 디렉터리도 포함할 수 있습니다 (noodle_key가__로 설정된 경우).was_suite_config.json파일에서 사용자 지정 와일드카드 경로를 설정할 수 있습니다."wildcards_path": "E:\\python\\automatic\\webui3\\stable-diffusion-webui\\extensions\\sd-dynamic-prompts\\wildcards"경로가 설정되지 않은 경우 와일드카드 디렉터리는 WAS Node Suite의 루트에 위치한
/wildcards입니다.
조건 입력 스위치: 두 조건 입력 간에 스위치합니다.
상수 숫자
그리드 이미지 생성: 지정된 목적지에 사용자 정의 glob 패턴을 사용하여 이미지 그리드를 생성합니다. 선택적 테두리 크기와 색상 가능.
모핑 이미지 생성: 두 이미지 사이에서 페이드 효과를 통해 GIF/APNG 애니메이션을 생성합니다.
경로 기반 모핑 이미지 생성: 이미지를 포함한 디렉터리 경로에서 GIF/APNG 애니메이션을 생성하며, 선택적 패턴 가능.
경로 기반 영상 생성: 지정된 경로에서 이미지를 기반으로 영상을 생성합니다.
CLIPSeg 마스크: 이미지를 CLIPSeg로 마스크 처리하고 원시 마스크를 반환합니다.
CLIPSeg 마스크 배치: 이미지 입력에서 배치 이미지를 생성하고 CLIPSeg로 배치 마스크 생성.
사전을 콘솔에 출력: 사전 입력을 콘솔에 출력합니다.
이미지 분석
흑백 수준
RGB 수준
matplotlib에 의존하며, 첫 실행 시 자동 설치 시도.
Diffusers 허브 다운로더: HuggingFace 허브에서 Diffusers 모델을 다운로드하고 로드합니다.
이미지 배치: 여러 배치 텐서에서 하나의 배치를 생성합니다.
공백 이미지 생성: 원하는 색상의 공백 이미지를 생성합니다.
마스크를 사용한 이미지 혼합: 마스크를 사용하여 두 이미지를 혼합합니다.
투명도를 사용한 이미지 혼합: 투명도를 사용하여 두 이미지를 혼합합니다.
이미지 혼합 모드: 다양한 혼합 모드로 두 이미지를 혼합합니다.
이미지 블룸 필터: 고역 통과 기반 블룸 필터 적용.
이미지 캐니 필터: 이미지에 캐니 필터 적용.
이미지 색수차: 과학 소설 영화, 영화관, 비디오 게임과 같은 과학적 시각 효과를 제공하는 색수차 렌즈 효과를 이미지에 적용합니다.
이미지 색조 팔레트
입력 이미지 기반으로 색조 팔레트 생성.
scikit-learn에 의존하며, 첫 실행 시 자동 설치 시도.
색상 범위 8-256 지원.
/res/에 포함된 폰트를 사용하며, 없을 경우 내장된 더 나은 폰트를 사용.
이미지 얼굴 자르기: 이미지에서 얼굴을 자릅니다.
제한 사항:
잘못 생성된 이미지 또는 각도 있는 얼굴의 경우 얼굴을 찾지 못할 수 있음.
얼굴 자르기 결과가 검정일 수 있음. 이는 패딩이 너무 크게 이미지 경계와 겹쳐졌기 때문입니다. 작은 패딩 크기를 사용하세요.
face_recognition모드는 때때로 임의의 물체를 얼굴로 인식합니다. 또한 [CUDA] GPU가 필요합니다.하나의 얼굴만 감지합니다. 간편한 사용을 위해 설계된 기능입니다.
메모:
- 감지가 차례로 실행됩니다. 선택된 감지 캐스케이드로 캐스케이드 파일이 없으면 다음 이용 가능한 캐스케이드 파일을 시도합니다.
이미지 위치 자르기: 이미지의 X 및 Y 좌표에 따른 상단, 왼쪽, 오른쪽, 하단 위치로 지정된 위치에 이미지를 자릅니다.
정사각형 위치 자르기: X/Y 중심 기준으로 정사각형 위치를 자릅니다.
이미지 왜곡 왜곡: 주어진 진폭으로 왜곡 맵 이미지를 사용하여 이미지를 왜곡합니다.
이미지 드라간 사진 필터: 아드리안 드라간 사진 스타일을 이미지에 적용합니다.
이미지 에지 감지 필터: 이미지 내 에지를 감지합니다.
이미지 필름 그레인: 필름 그레인을 이미지에 적용합니다.
이미지 필터 조정: 다양한 이미지 조정을 이미지에 적용합니다.
이미지 반전: 이미지를 수직 또는 수평으로 반전합니다.
이미지 그라디언트 맵: 이미지에 그라디언트 맵을 적용합니다.
이미지 그라디언트 생성: 원하는 정지점과 색상으로 그라디언트 맵 생성.
이미지 고역 통과 필터: 이미지에 고주파 통과 필터를 적용하여 세부 정보를 반환합니다.
이미지 이력 로더: 이미지 로드 배치 노드 기반으로 이력을 가져옵니다. 설정 파일에서 최대 이력을 정의할 수 있습니다. (현재 마지막 세션 파일을 표시하려면 재시작이 필요합니다)
이미지 입력 스위치: 두 이미지 입력 사이를 전환합니다.
이미지 레벨 조정: 이미지의 레벨을 조정합니다.
이미지 로드: 시스템의 위치나
http로 시작하는 URL에서 _이미지_를 로드합니다.이미지 중앙값 필터: 이미지에 중앙값 필터를 적용하여 표면의 세부 정보를 부드럽게 합니다.
이미지 RGB 채널 혼합: RGB 채널을 하나의 이미지로 혼합합니다.
이미지 모니터 효과 필터: 다양한 모니터 효과를 이미지에 적용합니다.
디지털 왜곡
- 디지털 파손 왜곡 효과
신호 왜곡
- CRT 모니터와 유사한 수직 밴드에 적용되는 아날로그 신호 왜곡 효과
TV 왜곡
- TV 스캔라인 및 번짐 왜곡 효과
이미지 노바 필터: 삼각 주파수를 사용하여 이미지를 RGB 주파수로 분리하는 이미지.
이미지 퍼린 노이즈: 퍼린 노이즈 생성.
이미지 퍼린 힘 프랙탈: 퍼린 힘 프랙탈 생성.
이미지 얼굴 자르기 붙이기: 원래 위치와 크기에서 자른 얼굴을 이미지에 붙입니다.
- GFPGAN/CodeFormer보다 더 나은 혼합 기능으로 눈에 띄는 이음매가 없으며, 분산 결과와 결합하면 GFPGAN/CodeFormer보다 더 나은 결과를 제공합니다.
이미지 자르기 붙이기:
crop_data노드 입력을 활용하여 자른 이미지를 원래 위치와 크기로 붙입니다. 이는이미지 얼굴 자르기 붙이기와 다른 혼합 알고리즘을 사용하기 때문에 특정 상황에서 원하는 결과를 얻을 수 있습니다.이미지 힘 법 노이즈: 힘 법 노이즈 생성.
frequency: 주파수 매개변수는 노이즈가 다양한 주파수에 걸쳐 분포하는 방식을 제어합니다. 푸리에 분석에서 고주파수는 미세한 세부 사항 또는 고주파 성분을 나타내고, 저주파수는 넓은 세부 사항 또는 저주파 성분을 나타냅니다. 주파수 매개변수를 조정하면 생성된 노이즈에 따라 다양한 질감과 세부 사항 수준이 달라질 수 있습니다. 주파수 매개변수의 구체적인 범위와 의미는 노이즈 유형에 따라 달라질 수 있습니다.
attenuation: 감쇠 매개변수는 노이즈의 강도 또는 세기를 결정합니다. 이는 노이즈 값이 평균 또는 중심 값에서 얼마나 벗어나는지를 제어합니다. 감쇠 매개변수의 값이 높을수록 노이즈의 변화가 더 커지고 노이즈가 더 강하게 나타납니다. 반대로 낮을수록 더 부드럽고 눈에 덜 띄는 노이즈가 생성됩니다. 감쇠 매개변수의 구체적인 범위와 해석은 노이즈 유형에 따라 다릅니다.
noise_type: 생성할 힘 법 노이즈의 유형 (흰색, 회색, 분홍색, 녹색, 파란색)
위치에 따라 이미지 자르기 붙이기: 사용자 지정 위치에 자른 이미지를 붙입니다.
이미지 자르기 붙이기와 동일한 혼합 알고리즘을 사용합니다.이미지 픽셀화: 이미지를 풍선 아트(픽셀 아트)로 변환! 최대 색상 수, 픽셀화 모드, 랜덤 상태, 최대 반복 횟수를 정의하고 최대한 빛나게 만드세요.
이미지 배경 제거 (알파): 임계값과 허용 오차를 기반으로 이미지에서 배경을 제거합니다.
이미지 색상 제거: 이미지에서 특정 색상을 제거하고 다른 색으로 대체합니다.
이미지 크기 조정
이미지 회전: 이미지를 회전합니다.
이미지 저장: 형식 지원과 경로 지원을 가진 이미지 저장 노드. (버그: 이미지를 표시하지 않음)
이미지 무결한 텍스처: 옵션 티핑을 사용하여 이미지에서 무결한 텍스처를 생성합니다.
이미지 채널 선택: RGB 이미지 중 하나의 채널을 선택합니다.
이미지 색상 선택: 흑색 캔버스 위에 선택된 이미지만 반환합니다.
이미지 그림자 및 하이라이트 조정: 이미지의 그림자와 하이라이트를 조정합니다.
이미지 크기 번호 변환: 입력 이미지의
width와height를 Number 노드와 함께 사용하기 위해 가져옵니다.이미지 스티치: 다양한 쪽에 이미지를 스티치하며, 선택적으로 부드러운 혼합을 통해 라이닝합니다.
이미지 스타일 필터: Pilgram 인스타그램 스타일의 필터를 사용하여 이미지를 스타일화합니다.
pilgram모듈을 필요로 합니다.
이미지 임계값: 이미지의 원하는 임계값 범위를 반환합니다.
이미지 타일: 이미지를 타일 배치로 분할합니다. 캐시 배치와 함께 사용할 수 있습니다. 배치에서 개별 타일 선택 가능.
이미지 전치
이미지 fDOF 필터: 이미지에 가짜 심도 효과를 적용합니다.
이미지 잠재 마스크로 변환: 이미지를 잠재 마스크로 변환합니다.
이미지 노이즈로 변환: 이미지를 노이즈로 변환합니다. 초기 혼합이나 테마를 주는 분산 시 입력으로 유용합니다.
이미지 시드로 변환: 이미지를 재현 가능한 시드로 변환합니다.
이미지 보로노이 노이즈 필터
- 워리 고 보로노이 노이즈 다이어그램에 대한 사용자 정의 구현
입력 스위치 (일시적 비활성화,
*와일드카드 문제 수정 시 복구)KSampler (WAS): 노드 입력으로 시드를 수용하는 샘플러
캐시 로더: 캐시된 잠재, 텐서 배치(이미지), 조건 파일을 로드합니다.
텍스트 파일 로드
이제 파일 이름 또는 사용자 정의 입력을 기반으로 이름이 지정된 사전을 출력할 수 있습니다.
사전은 파일 내 모든 줄의 목록을 포함합니다.
이미지 배치 로드
폴더 내 이미지를 순차적으로 증가시키거나, 배치에서 하나의 이미지를 가져옵니다.
경로 또는 패턴이 변경되면 위치를 리셋합니다.
패턴은 glob를 사용하여
**/*로 디렉터리 및 하위 디렉터리의 모든 파일을 얻거나,*.jpg로 지정된 디렉터리의 JPEG 이미지만 선택할 수 있습니다.
마스크를 이미지로 변환:
MASK를IMAGE로 변환합니다.마스크 배치에서 마스크 선택: 마스크 배치에서 하나의 마스크를 반환합니다.
마스크 반전: 마스크를 반전합니다.
마스크 덧셈: 마스크들을 더합니다.
마스크 뺄셈: 마스크를 다른 마스크에서 빼냅니다.
마스크 주도 영역: 마스크의 주도 영역(가장 큰 면적)을 반환합니다.
마스크 소수 영역: 마스크의 가장 작은 영역(가장 작은 면적)을 반환합니다.
마스크 임의 영역: 입력 크기와 가장 유사한 영역을 반환합니다(크기는 픽셀의 직접 표시가 아니라 근사값임).
마스크 부드러운 영역: 마스크의 경계를 매끄럽게 합니다.
마스크 침식 영역: 마스크의 경계를 침식합니다.
마스크 팽창 영역: 마스크의 경계를 팽창합니다.
마스크 홀 채우기: 마스크 영역 내의 구멍을 채웁니다.
마스크 천장 영역: 지정된 오프셋 범위 내의 흰색 픽셀만 반환.
마스크 바닥 영역: 가장 낮은 픽셀 값을 흰색(255)으로 반환.
마스크 임계값 영역: 검은 색 값과 흰색 값 사이의 임계 처리된 이미지를 적용합니다.
마스크 가우시안 영역: 마스크에 가우시안 블러를 적용합니다.
마스크 결합 마스크: 2개 이상의 마스크를 하나의 마스크로 합칩니다.
마스크 결합 배치: 배치된 마스크들을 하나의 마스크로 합칩니다.
ComfyUI 로더: 모델 이름을 포함하는 문자열을 출력하는 ComfyUI 로더 세트.
잠재 노이즈 주입: 잠재 이미지에 잠재 노이즈를 주입합니다.
잠재 크기 번호 변환: 텐서의 너비/높이에 대한 잠재 크기
인자에 따른 잠재 확대: 인자에 따라 잠재 이미지를 확대합니다.
잠재 입력 스위치: 두 잠재 입력 간에 전환합니다.
논리 부울: 논리 작업에 사용할 수 있는 간단한
1또는0출력MiDaS 깊이 근사: 단일 이미지 입력의 깊이 근사를 생성합니다.
MiDaS 마스크 이미지: 원하는 색상으로 MiDaS를 사용하여 입력 이미지를 마스크 처리합니다.
숫자 연산
숫자에서 범위 생성
숫자를 부동 소수점으로 변환
숫자 입력 스위치: 두 숫자 입력 간에 전환합니다.
숫자 조건 입력: 두 입력 간 또는 A 입력과 비교합니다.
숫자를 정수로 변환
숫자를 문자열로 변환
숫자를 텍스트로 변환
난수 생성
텍스트 파일 저장: 텍스트 문자열을 파일에 저장합니다.
시드: 시드를 반환합니다.
텐서 배치를 이미지로 변환: 후처리용 필터와 함께 잠재 배치에서 하나의 이미지를 선택합니다.
텍스트 토큰 추가: 파일명 또는 기타 텍스트에 파싱할 수 있는 사용자 지정 토큰을 추가합니다.
입력을 통한 텍스트 토큰 추가: 입력을 사용하여 단일 줄 이름과 값으로 구성된 사용자 지정 토큰을 추가합니다.
텍스트 비교: 두 문자열을 비교합니다. 동일 여부를 불린 값으로 반환하고, 유사도 점수 및 유사성 또는 차이 텍스트를 반환합니다.
텍스트 병합: 두 문자열을 병합합니다.
텍스트 사전 업데이트: 두 사전을 병합합니다.
텍스트 파일 이력: 이전에 열린 텍스트 파일 목록 표시 (현재 마지막 세션 파일을 표시하려면 재시작이 필요합니다)
텍스트 찾기 및 대체: 문자열 내 특정 부분 문자열을 찾고 대체합니다.
사전 기반 텍스트 찾기 및 대체: ASCII 텍스트 입력 내에서 사전을 사용하여 부분 문자열을 대체합니다.
- 사전 키는 대체하는 키로 사용되며, 선택된 줄 목록은 시드를 기반으로 무작위로 선택됩니다.
텍스트 입력 스위치: 두 텍스트 입력 간에 전환합니다.
텍스트 목록 생성: 텍스트 문자열 목록을 생성합니다.
텍스트 병합: 문자열 목록을 병합합니다.
다중 줄 텍스트 작성: 다중 줄 텍스트 문자열 작성.
텍스트 A1111 임베딩 파싱: 프롬프트 내의 임베딩 파일명을
/ComfyUI/models/embeddings/파일 기반으로embedding:[filename]]형식으로 변환합니다.텍스트 NSP 프롬프트 파싱: 텍스트 입력 내에서 NSP를 파싱합니다.
텍스트 토큰 파싱: 텍스트 내 사용자 지정 토큰을 파싱합니다.
텍스트 랜덤 줄 선택: 텍스트 입력 문자열에서 무작위 줄을 선택합니다.
텍스트 문자열 작성: 단일 줄 텍스트 문자열 값을 작성합니다.
텍스트를 조건으로 변환: 텍스트 문자열을 조건으로 변환합니다.
진짜 무작위 번호 생성기 Random.org: 대기온 공기 사운드를 기반으로 온라인에서 진짜 무작위 번호 생성 Random.org
모핑 GIF에 쓰기: 기존 GIF에 새 프레임을 씁니다(또는 새 파일 생성). 프레임 사이에 보간 효과를 사용합니다.
영상 쓰기: 생성 중인 프레임을 영상에 씁니다(손실 없는 이미지용 FFV1 추천됨)
추가 노드
- CLIPTextEncode (BlenderNeko 고급 + NSP): BlenderNeko의 고급 CLIP 텍스트 인코더가 설치되어 있는 경우에만 사용 가능. 고급 CLIPTextEncode를 사용하여 NSP 및 와일드카드 사용 가능.
영상 노드
코덱
was_suite_config.json에 여기에 올바른 컨테이너 확장자를 입력하는 4자리 코드 ID를 제공하여 ffmpeg 이진 파일이 제공하는 코덱을 사용할 수 있습니다.
예시 H264 코덱 (기본값)
"ffmpeg_extra_codecs": {
"avc1": ".mp4",
"h264": ".mkv"
}
참고 사항
현재 영상 노드 지원은 Windows 설치에 국한됩니다.
- 저는 Mac이나 독립형 리눅스 배포판에 접근할 수 없습니다. 작동하는 경우 PR 또는 지침을 제출해주시면 감사하겠습니다.
영상 노드는 FFMPEG가 필요합니다. 적절한 FFMPEG 이진 파일을 시스템에 다운로드하고 설정 파일에서 FFMPEG 경로를 설정하세요.
또한 H264 코덱을 사용하려면 OpenH264 1.8.0 다운로드하고 ComfyUI 루트 폴더에 넣으세요(예:
C:\ComfyUI_windows_portable).FFV1은 잘못된 컨테이너로 인해 경고를 보냅니다. 이 경고는 무시해도 됩니다. 생성된 MKV 파일은 읽을 수 있습니다. 이 문제의 원인을 아직 파악하지 못했습니다. 문서에서는 MKV를 사용하라고 하지만, 그것은 지원되지 않는다고 알려줍니다.
- 이 문제를 해결하는 방법을 아시면, PR을 기다리고 있습니다.
영상에 쓰기노드는 손실 없는 영상 코덱을 사용하거나, 프레임을 복사하고 압축을 다시 적용할 때 시작 프레임이 반복될 때마다 지속적으로 손상되어야 하므로, 복사 후 다시 압축할 때 비정상적으로 손상되는 것을 방지할 수 있습니다.
텍스트 토큰
텍스트 토큰은 Save Text File 및 Save Image 노드에서 사용할 수 있습니다. 또한 Text Add Tokens 노드를 사용해 사용자 지정 토큰을 추가할 수 있습니다.
토큰 이름은 콜론(:) 문자를 제외한 어떤 이름이든 사용할 수 있으며, 간단한 정규 표현식도 가능합니다.
내장 토큰
[time]
- 현재 시스템 마이크로타임
[time(
format_code)]인간이 읽을 수 있는 형식의 현재 시스템 시간. datetime 포맷팅을 사용
예:
[hostname]_[time]__[time(%Y-%m-%d__%I-%M%p)]는 SKYNET-MASTER_1680897261__2023-04-07__07-54PM 와 같이 출력됩니다.
[hostname]
- ComfyUI를 실행하는 시스템의 호스트명
[user]
- ComfyUI를 실행하는 사용자
기타 기능
AUTOMATIC1111 WebUI 스타일 가져오기
최신 WAS Node Suite 빌드를 사용할 경우, was_suite_config.json 파일이 생성됩니다(기존 파일이 없는 경우). 이 파일에서 A1111 스타일 수입을 설정할 수 있습니다.
ComfyUI를 실행하여 새
/custom-nodes/was-node-suite-comfyui/was_Suite_config.json파일을 생성합니다.was_suite_config.json파일을 텍스트 편집기로 엽니다.webui_styles값을None에서 A1111 스타일 파일인 styles.csv의 경로로 변경합니다. 윈도우 경로의 경우 백슬래시를 두 번 사용해야 합니다.- 예:
C:\\python\\stable-diffusion-webui\\styles.csv
- 예:
ComfyUI를 재시작합니다.
Prompt Styles Node로 스타일을 선택합니다.- 첫 번째 ASCII 출력은 긍정적 프롬프트이며, 두 번째 ASCII 출력은 부정적 프롬프트입니다.
webui_styles_persistent_update 값을 true로 설정하면 ComfyUI 시작 시마다 WebUI에서 WAS Node Suite 스타일을 자동 업데이트할 수 있습니다.
추천 설치 방법:
Linux 또는 Windows에서 관리자 권한 없이 실행 중인 경우 /ComfyUI/custom_nodes, was-node-suite-comfyui, WAS_Node_Suite.py에 쓰기 권한이 있어야 합니다.
/ComfyUI/custom_nods/폴더로 이동합니다.git clone https://github.com/WASasquatch/was-node-suite-comfyui/was-node-suite-comfyui폴더로 이동합니다.Portable/venv:
path/to/ComfUI/python_embeded/python.exe -m pip install -r requirements.txt실행
시스템 파이썬 사용:
pip install -r requirements.txt실행
ComfyUI 시작
WAS 세트가 자동으로 레거시 노드를 제거합니다.
도구는 WAS 세트 메뉴에 위치합니다.
대안 설치 방법:
Linux 또는 Windows에서 관리자 권한 없이 실행 중인 경우 /ComfyUI/custom_nodes, WAS_Node_Suite.py에 쓰기 권한이 있어야 합니다.
WAS_Node_Suite.py다운로드파일을
/ComfyUI/custom_nodes/폴더로 이동WAS Node Suite는 자체적으로 종속성을 설치하려고 시도하지만, 수동으로 설치해야 할 수 있습니다. 필요한 종속성은 이 저장소의
requirements.txt에 있습니다. 위의 설치 단계를 참조하세요.ComfyUI 시작 또는 재시작
WAS 세트가 자동으로 레거시 노드를 제거합니다.
도구는 WAS 세트 메뉴에 위치합니다.
이 방법은 이미지 얼굴 자르기 노드에 필요한 자원을 설치하지 않으며, ./res/ 폴더는 수동으로 다운로드해야 합니다.
Colab에서 설치하기
새 셀을 만들고 다음 코드를 추가하고 셀을 실행하세요. custom_nodes 폴더의 경로를 수정해야 할 수 있습니다. 여기에 호스팅된 Colab도 사용 가능합니다.
!git clone https://github.com/WASasquatch/was-node-suite-comfyui /content/ComfyUI/custom_nodes/was-node-suite-comfyuiColab 런타임 재시작 (연결을 끊지 마세요)
- 도구는 WAS 세트 메뉴에 위치합니다.