CLIP Text Encode And Enhance

版本 4 更新：

进行了小规模的代码优化。由于计算负载高、效率低，删除了提示向量和上下文向量之间的角度计算。可以通过设置 “mean” 来禁用上下文向量。添加了第二个输出，旨在连接到 “negative” 输入，并包含一个介于提示向量和上下文向量之间的向量。

版本 3 更新：

注意：现在，通过 clip 连接任何东西时，CFG 必须缩小 2-2.5 倍才能正常工作。修正了提示符中没有分隔符时的一个错误。新增了三个影响 GPT 生成的单词的唯一性和可重复性的设置。用来自 FredZhang7 的 distilgpt2-stable-diffusion-v2 替换了 GPT 模型（权重略低，种类略多）。在 GPT 中，提示语是不带停顿词（冠词、连词、代词）的。在张量形成阶段，提示本身的矢量和中心矢量乘以它们之间夹角的余弦值被连接起来。这样，我们不仅考虑了提示语，还考虑了其上下文以及它们之间的语义接近性。

版本 2 更新：

修正了将文本转换为输入法时的一个错误。添加了禁用 GPT 的选项。更改了默认设置。简化了无用和重复的字符串有效性检查。指示 GPT "Please continue with the descriptive prompt: "。来自 GPT 的续行符会被截断到最后一个逗号，以避免在半字处换行。

版本 1：

对文本编码器进行了一些修改，以改善编写提示符的体验。

引入新的运算符">"，其功能类似于 BREAK 运算符或截止扩展。它将提示语的语义部分相互分离。例如，"蓝色头发 > 绿色眼睛 "更有可能生成蓝色头发，而不是绿色或蓝绿色头发。提示语中此类运算符过多会导致生成质量下降。超过 75 个提示符限制的提示符也可以用同样的方法分割成更小的部分。

内置的 GPT-2 模型可帮助编写提示符的结尾。为确保正确工作，包含模型的文件夹必须位于节点文件夹中。所使用的模型是来自 Ar4ikov 的 gpt2-pt-2-stable-diffusion-prompt-generator 模型，但你也可以将模型更改为其他任何模型，甚至自行训练。有四种设置：seed — 可以是固定的；num_beams — 如果多于一个，答案将从多代中选择，这对速度影响很大；max_new_tokens — 最大标记数；do_sample — 如果为 True，下一个标记将在前一个标记的基础上选择。

文本输入窗口的大小可以通过向下拖动节点的右下角来改变。