ComfyUI Extension: ComfyUI ML Nodes

Authored by MichaelMaxAgent

Created

Updated

0 stars

Custom nodes for saving images/videos without metadata and GPU-accelerated frame rate processing (25fps→16fps). Includes 5 nodes: Save Image/Video (No Metadata), Frame Rate Resampler (CPU/GPU). Supports CUDA acceleration and multiple nterpolation methods. Requires ffmpeg.

Custom Nodes (0)

    README

    ComfyUI Image Saver & Frame Rate Processor

    ComfyUI custom nodes for saving images/videos without metadata and processing frame rates with GPU acceleration.

    中文文档 | English

    中文文档

    ComfyUI 自定义节点集合，提供以下功能：

    • 保存不含工作流元数据的图片和视频
    • GPU 加速的帧率重采样（如 25fps → 16fps）
    • 支持多种插值算法

    功能特点

    图片/视频保存节点

    • 清除元数据：保存的图片/视频不包含 ComfyUI 工作流数据
    • 自定义保存路径：可指定输出目录（相对路径或绝对路径）
    • 完全自定义文件名：支持两种命名模式
    • 时间戳选项：可选择在文件名中添加时间戳
    • 批量处理：支持批量保存多张图片或视频序列

    帧率重采样节点

    • 灵活的帧率转换：支持任意帧率之间的转换（如 25fps → 16fps）
    • GPU 加速：支持 NVIDIA CUDA 硬件加速，显著提升处理速度
    • 多种插值算法：
      • blend：帧混合，平滑过渡（推荐）
      • minterpolate：运动补偿插值，高质量
      • framestep：简单帧选择，速度最快
    • 智能回退：GPU 失败时自动回退到 CPU 处理
    • 多 GPU 支持：可选择使用特定的 GPU 设备

    安装方法

    方法 1：使用 ComfyUI Manager（推荐）

    1. 打开 ComfyUI Manager
    2. 搜索 "ML Image Saver" 或 "ML Frame Rate"
    3. 点击安装
    4. 重启 ComfyUI

    方法 2：手动安装

    cd /path/to/ComfyUI/custom_nodes/
git clone https://github.com/yourusername/comfyui_ML_nodes.git
cd comfyui_ML_nodes
pip install -r requirements.txt

    然后重启 ComfyUI。

    方法 3：Git URL 安装

    在 ComfyUI Manager 中使用 "Install via Git URL" 功能，输入仓库地址。

    依赖要求

    • Python >= 3.8
    • PyTorch (ComfyUI 已包含)
    • Pillow >= 9.0.0
    • NumPy (ComfyUI 已包含)
    • ffmpeg（必须安装）：用于视频和帧率处理

    安装 ffmpeg

    Ubuntu/Debian:

    sudo apt update
sudo apt install ffmpeg

    macOS:

    brew install ffmpeg

    Windows: 从 ffmpeg.org 下载并添加到 PATH。

    验证安装:

    ffmpeg -version

    使用方法

    1. ML Save Image (No Metadata)

    完全不保存任何元数据的图片保存节点。

    输入参数：

    • images: 输入图片（IMAGE 类型）
    • output_path: 输出目录路径（默认："output"）
    • naming_mode: 命名模式
      • prefix_number: 前缀+序号（如 image_00001.png）
      • custom: 自定义文件名
    • filename_prefix: 文件名前缀（prefix_number 模式）
    • custom_filename: 自定义文件名（custom 模式）
    • start_number: 起始序号（默认：1）
    • add_timestamp: 是否添加时间戳

    输出：

    • saved_path: 保存路径信息字符串

    使用示例：

    prefix_number 模式：
  image_00001.png, image_00002.png, ...

custom 模式：
  my_render.png 或 my_render_1.png, my_render_2.png, ...

添加时间戳：
  image_00001_20251013_143022.png

    2. ML Save Image (Clean Metadata)

    保存带有自定义元数据但不含工作流的图片。

    额外参数：

    • custom_metadata: 自定义元数据（多行文本，格式：key=value）

    元数据示例：

    Author=Your Name
Description=My artwork
Date=2025-10-13

    3. ML Save Video (No Metadata)

    将图片序列保存为视频文件，不含元数据。

    输入参数：

    • images: 图片序列（IMAGE 类型）
    • output_path: 输出目录
    • naming_mode: 命名模式（同上）
    • fps: 帧率（1-120，默认 30）
    • format: 视频格式
      • mp4: H.264 编码（推荐）
      • webm: VP9 编码
      • avi: MPEG-4 编码
      • mov: QuickTime 格式
      • gif: 动画 GIF
    • quality: 视频质量
      • high: CRF 18（最佳质量）
      • medium: CRF 23（平衡）
      • low: CRF 28（小文件）

    4. ML Frame Rate Resampler

    CPU 版本的帧率重采样节点。

    输入参数：

    • images: 图片序列（IMAGE 类型）
    • input_fps: 输入帧率（默认 25）
    • output_fps: 输出帧率（默认 16）
    • interpolation_method: 插值方法
      • blend: 帧混合（推荐，速度和质量平衡）
      • minterpolate: 运动补偿插值（最高质量，较慢）
      • framestep: 帧选择（最快，可能有跳跃）

    输出：

    • resampled_images: 重采样后的图片序列（IMAGE 类型）

    使用场景：

    • 将 25fps 的视频转换为 16fps（如 InfiniteTalk 工作流）
    • 将 30fps 降为 24fps（电影帧率）
    • 提升帧率（如 24fps → 60fps，使用 minterpolate）

    5. ML Frame Rate Resampler (GPU)

    GPU 加速版本的帧率重采样节点，支持 NVIDIA CUDA。

    额外参数：

    • gpu_device: GPU 设备选择
      • auto: 自动检测（推荐，优先使用 GPU）
      • cuda:0: 使用第一块 GPU
      • cuda:1: 使用第二块 GPU
      • cpu: 强制使用 CPU

    性能优势：

    • 对于高分辨率图像（1080p+），GPU 加速可提升 3-10 倍速度
    • RTX 系列显卡加速效果最明显
    • 自动回退：GPU 失败时自动切换到 CPU

    推荐使用场景：

    • 处理大批量图像序列（>25 帧）
    • 高分辨率图像（1080p, 4K）
    • 需要快速处理的场景
    • 多 GPU 工作站可指定特定 GPU

    技术实现

    元数据清除原理

    ComfyUI 默认会在 PNG 图片中保存 workflow 和 prompt 信息。本节点通过以下方式清除：

    1. 使用 PIL 保存图片时不传递 pnginfo 参数
    2. 视频保存时使用 ffmpeg 的 -map_metadata -1 参数
    3. 确保输出文件仅包含图像/视频数据本身

    帧率重采样原理

    使用 ffmpeg 的高质量滤镜进行帧率转换：

    1. blend 模式：使用 fps 滤镜进行帧混合

      ffmpeg -framerate 25 -i input_%06d.png -vf "fps=16" output_%06d.png

    2. minterpolate 模式：运动补偿插值

      ffmpeg -framerate 25 -i input_%06d.png \
  -vf "minterpolate='fps=16:mi_mode=mci:mc_mode=aobmc'" output_%06d.png

    3. GPU 加速（CUDA）：

      ffmpeg -hwaccel cuda -hwaccel_device 0 \
  -framerate 25 -i input_%06d.png \
  -vf "hwdownload,format=nv12,fps=16" output_%06d.png

    项目结构

    comfyui_ML_nodes/
├── __init__.py                      # 包入口
├── README.md                        # 说明文档（本文件）
├── requirements.txt                 # Python 依赖
├── LICENSE                          # MIT 许可证
├── pyproject.toml                   # 项目配置
├── src/
│   └── comfyui_ML_nodes/
│       ├── __init__.py              # 模块初始化
│       └── nodes.py                 # 节点实现（5个节点）
└── tests/
    └── ...                          # 测试文件

    常见问题

    Q: 为什么需要清除元数据？

    A: ComfyUI 默认在图片中保存完整的工作流信息，这会：

    • 增加文件大小
    • 暴露您的工作流程
    • 在某些平台上传时可能包含敏感信息

    Q: 清除元数据会影响图片质量吗？

    A: 不会。元数据和图片的实际像素数据是分开存储的，删除元数据不影响图片质量。

    Q: GPU 加速需要什么硬件？

    A: 需要 NVIDIA GPU 和支持 CUDA 的 ffmpeg。大多数 RTX/GTX 系列显卡都支持。可以运行 ffmpeg -hwaccels 检查是否支持 cuda。

    Q: 帧率重采样会降低画质吗？

    A:

    • 降帧率（如 25→16）：画质基本不变，blend 模式可能略微柔和
    • 升帧率（如 24→60）：使用 minterpolate 可以生成较自然的中间帧
    • 建议使用 blend 模式以获得最佳平衡

    Q: 相对路径从哪里开始计算？

    A: 从 ComfyUI 的运行目录开始（通常是 ComfyUI 的根目录）。

    Q: ffmpeg 必须安装吗？

    A: 是的。视频保存和帧率重采样节点都需要 ffmpeg。图片保存节点不需要。

    开发

    运行测试

    pip install -e .[dev]
pytest tests/

    代码检查

    ruff check .

    许可证

    MIT License - 详见 LICENSE 文件

    贡献

    欢迎提交 Issue 和 Pull Request！

    请确保：

    1. 代码符合项目风格
    2. 添加适当的测试
    3. 更新相关文档

    致谢

    • ComfyUI 团队提供的优秀框架
    • ffmpeg 项目提供的强大视频处理能力

    更新日志

    v0.2.0 (2025-10-13)

    • 新增：ML Frame Rate Resampler 节点（CPU 版本）
    • 新增：ML Frame Rate Resampler (GPU) 节点（CUDA 加速）
    • 新增：ML Save Video (No Metadata) 节点
    • 支持多种插值算法（blend, minterpolate, framestep）
    • 支持 GPU 硬件加速（NVIDIA CUDA）
    • 支持多 GPU 选择
    • 智能回退机制（GPU 失败时自动使用 CPU）

    v0.1.0 (2025-10-10)

    • 初始版本
    • 实现基本的无元数据保存功能
    • 支持两种命名模式：前缀+序号 / 完全自定义
    • 支持自定义路径和文件名
    • 添加时间戳选项
    • 支持自定义清洁元数据模式

    English Documentation

    ComfyUI custom nodes collection for:

    • Saving images/videos without workflow metadata
    • GPU-accelerated frame rate resampling (e.g., 25fps → 16fps)
    • Multiple interpolation algorithms

    Features

    Image/Video Saving Nodes

    • Remove Metadata: Save images/videos without ComfyUI workflow data
    • Custom Save Path: Specify output directory (relative or absolute paths)
    • Flexible Naming: Two naming modes supported
    • Timestamp Option: Optionally add timestamps to filenames
    • Batch Processing: Save multiple images or video sequences

    Frame Rate Resampling Nodes

    • Flexible Frame Rate Conversion: Convert between any frame rates (e.g., 25fps → 16fps)
    • GPU Acceleration: NVIDIA CUDA hardware acceleration support for significant speedup
    • Multiple Interpolation Algorithms:
      • blend: Frame blending, smooth transitions (recommended)
      • minterpolate: Motion-compensated interpolation, highest quality
      • framestep: Simple frame selection, fastest
    • Smart Fallback: Automatically falls back to CPU if GPU fails
    • Multi-GPU Support: Choose specific GPU devices

    Installation

    Method 1: ComfyUI Manager (Recommended)

    1. Open ComfyUI Manager
    2. Search for "ML Image Saver" or "ML Frame Rate"
    3. Click Install
    4. Restart ComfyUI

    Method 2: Manual Installation

    cd /path/to/ComfyUI/custom_nodes/
git clone https://github.com/yourusername/comfyui_ML_nodes.git
cd comfyui_ML_nodes
pip install -r requirements.txt

    Then restart ComfyUI.

    Method 3: Git URL Installation

    Use "Install via Git URL" in ComfyUI Manager with the repository URL.

    Requirements

    • Python >= 3.8
    • PyTorch (included with ComfyUI)
    • Pillow >= 9.0.0
    • NumPy (included with ComfyUI)
    • ffmpeg (required): For video and frame rate processing

    Installing ffmpeg

    Ubuntu/Debian:

    sudo apt update
sudo apt install ffmpeg

    macOS:

    brew install ffmpeg

    Windows: Download from ffmpeg.org and add to PATH.

    Verify Installation:

    ffmpeg -version

    Usage

    Available Nodes

    1. ML Save Image (No Metadata) - Save images without any metadata
    2. ML Save Image (Clean Metadata) - Save images with custom metadata (no workflow)
    3. ML Save Video (No Metadata) - Save image sequences as videos without metadata
    4. ML Frame Rate Resampler - CPU-based frame rate conversion
    5. ML Frame Rate Resampler (GPU) - GPU-accelerated frame rate conversion

    See Chinese documentation above for detailed usage instructions.

    Why "ML" Prefix?

    The "ML" prefix distinguishes these nodes from other similar nodes in the ComfyUI ecosystem.

    GPU Acceleration

    The GPU version supports:

    • NVIDIA CUDA acceleration
    • Multi-GPU selection (cuda:0, cuda:1, etc.)
    • Automatic fallback to CPU on failure
    • Significant speedup for high-resolution images

    Performance: 3-10x faster for 1080p+ images on RTX series GPUs.

    License

    MIT License

    Contributing

    Issues and Pull Requests are welcome!

    Node List

    • SaveImageNoMetadata → ML Save Image (No Metadata)
    • SaveImageCleanMetadata → ML Save Image (Clean Metadata)
    • SaveVideoNoMetadata → ML Save Video (No Metadata)
    • MLFrameRateResampler → ML Frame Rate Resampler
    • MLFrameRateResampler_GPU → ML Frame Rate Resampler (GPU)