ComfyUI-Muye-nodes

ComfyUI-Muye-nodes

📁 插件节点预览

ComfyUI_Muye/
├── audio/                               # 音频节点
│   └── audio_to_fps.py                  #   音频到 FPS 转换
│
├── face/                                # 面部节点
│   ├── face_paste.py                    #   面部粘贴
│   └── face_selector_advanced.py        #   面部选择器（高级）
│
├── files/                               # 文件节点
│   ├── file_reader.py                   #   文件夹读取器
│   └── save_files_to_local.py           #   保存文件到本地
│
├── image/                               # 图像节点
│   ├── add_image_watermark.py           #   添加图片水印
│   ├── image_batch_resize.py            #   批量缩放
│   ├── image_blending_mode.py           #   图像混合模式
│   ├── image_info.py                    #   图像信息
│   ├── load_image.py                    #   加载图片
│   └── remove_alpha_channel.py          #   移除透明通道
│
├── image2prompt/                        # 图像反推节点
│   ├── model_loader.py                  #   反推模型加载
│   ├── prompt_expander.py               #   提示词反推及扩写
│   └── proofreader.py                   #   提示词校对
│
├── mask/                                # 遮罩节点
│   ├── mask_colorize.py                 #   遮罩区域上色
│   ├── mask_concatenate.py              #   遮罩拼接
│   ├── mask_fill_holes.py               #   遮罩填充漏洞
│   └── mask_merge_list.py               #   遮罩合并(列表)
│
├── text/                                # 文本节点
│   ├── batch_text_replace.py            #   批量文本替换
│   ├── split_list.py                    #   文本列表拆分
│   ├── text_edit_output.py              #   文本编辑输出
│   ├── text_overlay_image.py            #   文字叠加图像
│   └── text_split_delimiter.py          #   文本按分隔符分割
│
├── tool/                                # 工具节点
│   ├── math_calculator.py               #   数学表达式计算
│   ├── memory_cleanup.py                #   内存清理
│   └── size_selector.py                 #   尺寸选择器
│
├── 示例图片/                            # 节点演示截图
│
└── 示例工作流/                          # ComfyUI 工作流 JSON
    ├── 木叶节点展示.json
    ├── 面部选择器（高级）示例.json
    └── 反推工作流（lora批量打标）.json

---

2026年7月13日 更新:新增 图像反推相关节点

图像反推节点

基于 Qwen2.5-VL / Qwen3-VL / LLaVA 等多模态模型的图像描述与提示词处理节点。

🦞 反推模型加载

加载多模态模型供下游节点使用。自动扫描 Caption_checkpoints 和 LLavacheckpoints 目录,支持 BF16/FP16/INT8/INT4 量化和多种注意力加速方式,模型加载后自动缓存。

🦞 提示词反推及扩写

基于 Qwen3-VL / Qwen2.5-VL / LLaVA 的通用指令节点,支持四种推理模式:

• 文本推理 - 通常用于提示词扩写。
• 单图推理 - 逐张独立处理图片,每张图单独输出结果。有图时模型看图执行指令,无图时纯文本执行。适用于批量图片反推、提示词扩写、风格转换等。
• 多图参考 - 将多张图片一起作为交叉参考源,模型自动按输入顺序编号为【图1】、【图2】...,用户可在指令中指定"用图1的背景+图2的姿势"等方式融合多图元素。需 Qwen 系列模型支持。
• 视频序列帧 - 将输入的帧序列视为连续视频,让模型理解时间维度的动态变化。需 Qwen 系列模型支持(Qwen2.5-VL / Qwen3-VL)。

支持种子控制,输出结果可复现。

🦞 提示词校对

接收最多4个提示词来源,让模型对照原图进行交叉比对,去除幻觉和错误描述,输出准确的最终提示词。校对规则完全由用户自定义,可控性强。

多图参考:

视频推理

批量打标

支持的模型架构

• Qwen2.5-VL 系列
• Qwen3-VL
• LLaVA 系列

transformers 版本要求

| transformers 版本 | 支持的模型 | |---|---| | >= 4.50.3 | Qwen2.5-VL、Qwen3-VL、LLaVA(推荐) | | < 4.50.3 | 仅支持 Qwen2.5-VL、LLaVA(不支持 Qwen3 系列) |

建议升级到最新 transformers 以使用全部模型。

推荐模型

thesby/Qwen3-VL-8B-NSFW-Caption-V4.5 ⭐ 首选推荐

适合人群: 追求最高描述质量,显存充足(BF16 约需 16GB+),需要处理复杂场景和短视频的用户。

模型特点:

• SFW 与 NSFW 内容全覆盖,无审查过滤，质量比2.5高
• 擅长长文本详细描述,适合复杂场景的深度内容解读

适合场景: LoRA 训练高质量 caption、深度图片分析、短视频内容理解、需要长描述的创意写作灵感

下载地址: https://huggingface.co/monkeyslikebananas/Qwen3-VL-8B-NSFW-Caption-V4.5

---

thesby/Qwen2.5-VL-7B-NSFW-Caption-V3

适合人群: 显存有限(BF16 约需 14GB+)、需要稳定可靠描述质量的用户,也能反推视频,不过时间别太长,图像别太大,否则容易给显存干爆了。

模型特点:

• SFW 与 NSFW 内容全覆盖,无审查过滤
• 擅长长文本详细描述,适合复杂场景的深度内容解读

下载地址: https://www.modelscope.cn/models/fireicewolf/Qwen2.5-VL-7B-N-Caption-V3

---

fancyfeast/llama-joycaption-beta-one-hf-llava

适合人群: 显存紧张(BF16 约需 8-10GB)、主要用于 AI 绘画 LoRA 训练数据标注、需要快速推理的用户。

模型特点:

• SFW / NSFW 平等覆盖,拒绝审查式描述(不会出现"白色物质圆柱体"之类的模糊表达)
• 显存占用明显低于 Qwen 系列,推理速度更快

适合场景: 批量图片打标、LoRA/Checkpoint 训练集准备、对显存敏感的设备、需要快速处理大量图片的工作流

下载地址: https://huggingface.co/fancyfeast/llama-joycaption-beta-one-hf-llava

模型放置路径

将模型放在以下目录之一:

ComfyUI/models/Caption_checkpoints/模型名/
## 如果你之前使用过llama-joycaption-beta-one-hf-llava模型,并存放在ComfyUI/models/LLavacheckpoints/模型名/ 路径中,则无需重复下载,也能识别到

2026年7月14日 更新：面部选择器节点全面升级为 UniFace（ONNX），移除 MediaPipe/DeepFace 依赖，性能与精度双提升

面部选择器 + 面部粘贴节点

基于 UniFace (ONNX) 的高精度人脸检测、性别识别、智能裁剪节点。

📸 面部选择器

使用 RetinaFace 模型进行人脸检测和 5 点关键点定位，支持多脸分别处理、性别过滤、自动旋转扶正。

核心功能：

| 功能 | 说明 | |------|------| | 人脸检测 | 基于UniFace RetinaFace (ONNX, ~3.5MB)，检测速度快（~36ms/图） | | 性别识别 | 基于UniFace AgeGender (~8MB)，自动预测每张脸的性别和年龄 | | 多脸索引输出 | 支持 1 3 5、2,4,6、0(全部) 等多序号输入，空格/中英文逗号分隔，如果只想要1张脸 输入对应的序号即可| | 智能旋转扶正 | 基于两眼关键点连线计算倾斜角，以每张脸各自中心为旋转点独立旋转，±5°以内不旋转 | | 辅助遮罩 | 支持外接 mask（如 SAM/Impact/yolo 检测器输出），自动 IoU 配对优化边界框 | | 性别过滤 | 可按男/女筛选，过滤后为空时自动回退到全部结果 |

参数说明：

• 区分男女：不区分 / 男 / 女 — 基于 AgeGender 模型预测结果筛选
• 人物排序：像素占比（从大到小）/ 从左向右（按 X 坐标）
• 输出索引：0=全部，或如 1 3、2,6、2，6 等多序号
• 最小尺寸：小于此值的人脸被忽略
• 置信度阈值：过滤低置信度检测
• 裁剪系数：默认 2.0，即按检测到的人脸框向外扩展至 2 倍大小
• 是否旋转面部：开启后自动扶正每张歪斜的脸

🔄 面部粘贴

将处理后的脸部图像精确贴回原图。支持单张和批量粘贴。

• 自动处理旋转后的坐标逆变换，避免黑边
• 使用遮罩实现自然融合，不破坏周围像素
• 与面部选择器节点的数据格式完全匹配

📦 所需模型

| 模型 | 大小 | 说明 | |------|------|------| | RetinaFace MNET_V2 | ~3.5MB | 人脸检测 + 5点关键点（两眼、鼻、两口角） | | AgeGender | ~8MB | 性别(0=女/1=男) + 年龄预测 |

**模型权重会在首次运行时自动下载到 ~/.uniface/models/。

⚠️ 注意事项

• 面部选择器节点名称已统一为 "面部选择器"（原高级节点合并替代旧版）
• 不再依赖旧节点 MediaPipe / DeepFace，新节点使用模型为 UniFace
• 遮罩辅助接口可连接任意 mask 输出源（Segment Anything、ImpactPack 等）
• 旋转功能对多脸图片逐脸独立计算角度和中心点，互不干扰

以下是一些我自己常用的一些节点分享,这些节点都是AI写的,全中文实现节点。

1,音频节点: audio_to_fps 音频到FPS转换,

功能是,获取音频时长(以秒为单位)并输出,设置帧率和因数之后,输出与时长对应的FPS数值,这在一些对口型,或者数字人生成的工作流程中相当有用

2,文件节点: file_reader 文件夹读取器, save_files_to_local 保存文件(列表)到本地,

3,图像节点: image_blending_mode 图像混合模式, load_image 加载图片(文件名), remove_alpha_channel 移除透明通道,

4,遮罩节点: mask_colorize 遮罩区域上色,mask_concatenate 遮罩拼接,mask_fill_holes 遮罩填充漏洞, mask_merge_list 遮罩合并(列表)

5,文本节点: batch_text_replace 批量文本替换, text_edit_output 文本, split_list 文本列表拆分, text_overlay_image 文字叠加图像,text_split_delimiter 文本按分隔符分割

6.,额外节点: math_calculator 数学表达式计算,size_selector 尺寸选择器

数学表达式:

支持整数,文本,浮点作为输入,然后进行运算,拥有5个输入接口

尺寸选择器 :

主要功能

尺寸优先级为: 左侧输入端口>边长覆盖>分辨率预设

提供丰富的分辨率预设(如 16:9、4:3、1:1 等常见比例),一键选择。

支持自定义输入宽度、高度,或通过比例字符串(如"3:2","2.39/1","2 3"等) 灵活指定宽高比。

可设置"长边覆盖",自动按比例调整另一边,适合需要指定最大边长的场景。如果输入了比例和长边,节点会自动计算出合适的宽高。

支持"因数"参数,自动将分辨率调整为某个数的倍数,方便兼容模型输入要求。所有分辨率都会根据"因数"参数自动对齐,保证兼容性。

支持批量生成(批次大小)和多帧(帧数)设置,兼容图片和视频生成任务。并自动限制最大分辨率,防止显存溢出。

自动安装

在comfyui manager中搜索 “muye” ，点击安装即可。

手动安装:

将本仓库克隆到 你的.\ComfyUI\custom_nodes\ 文件夹下 cd xx\ComfyUI\custom_nodes

[git clone https://github.com/muyexiuluo/ComfyUI_Muye.git] 然后安装下 requirements.txt 文件中的依赖就行了