image (IMAGE): 输入图像
saturation (FLOAT): 饱和度调整系数
- 默认值: 1.0
- 范围: 0.0 ~ 5.0
- 步长: 0.1
- 说明:
  - 0.0 = 完全无饱和度（黑白图像）
  - 1.0 = 原始饱和度（不变）
  - 1.0 = 增加饱和度

输出:

IMAGE: 调整后的图像

使用场景:

将彩色图像转换为黑白
增强图像色彩表现力
降低过于鲜艳的色彩

2. 图像翻转 / Image Flip

分类: Rui-Node🐶/图像调节🎨

功能描述:
对图像进行水平或垂直翻转操作。

输入参数:

image (IMAGE): 输入图像
flip_direction (选择): 翻转方向
- 选项: "水平" 或 "垂直"
- 默认值: "水平"

输出:

IMAGE: 翻转后的图像

使用场景:

镜像翻转图像
创建对称效果
调整图像方向

3. 按路径加载图像 / Load Image By Path

分类: Rui-Node🐶/文件存储与加载📁

功能描述:
从指定的文件路径加载图像文件，支持绝对路径输入。

输入参数:

image_path (STRING): 图像文件的完整路径
- 默认值: "E:\ComfyUIModels\input\10\1.png"
- 支持格式: PNG、JPG、JPEG 等常见图像格式

输出:

IMAGE: 加载的图像

特殊处理:

如果文件不存在，返回 512x512 的黑色默认图像
自动将非 RGB 图像转换为 RGB 模式

使用场景:

从外部路径加载特定图像
批量处理指定目录的图像
加载非 ComfyUI 默认输入目录的图像

4. 千问编辑图像生成 / Qwen Edit Image Generation

分类: Rui-Node🐶/AI模型🤖

功能描述:
使用阿里云千问（Qwen）编辑模型 API 进行 AI 图像生成，支持多种控制模式。

输入参数:

image1 ~ image4 (IMAGE): 最多 4 张输入图像作为参考
api_key (STRING): 阿里云 API 密钥
base_url (STRING): API 基础 URL
- 默认值: "https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image-generation/generation"
seed (INT): 随机种子
- 默认值: -1（随机生成）
- 范围: -1 ~ 2147483647
control_mode (选择): 控制模式
- 选项: reference, sketch, scribble, pose, canny, depth, hed, mlsd, normal, seg
- 默认值: "reference"
width (INT): 输出图像宽度
- 默认值: 1024
- 范围: 512 ~ 2048
- 步长: 8
height (INT): 输出图像高度
- 默认值: 1024
- 范围: 512 ~ 2048
- 步长: 8

输出:

IMAGE: AI 生成的图像

使用场景:

AI 辅助图像创作
基于参考图生成新图像
多模态图像控制生成

5. 镜头分词器 / Shot Splitter

分类: Rui-Node🐶/文本处理📝

功能描述:
将包含多个分镜描述的脚本文本拆分成独立的分镜列表，支持按范围筛选导出。

输入参数:

input_text (STRING): 输入的多分镜描述脚本（多行文本）
- 格式要求: 使用 <SHOT_XXX>...</SHOT_XXX> 标签包裹每个分镜
start_shot_num (INT, 可选): 开始导出的分镜编号
- 默认值: 0（从第一个开始）
- 范围: 0 ~ 100
shot_count (INT, 可选): 导出的分镜数量
- 默认值: 0（导出全部）
- 范围: 0 ~ 100

输出:

shot_descriptions (LIST): 拆分后的分镜描述列表
summary (STRING): 总结信息

文本格式示例:

<SHOT_1>
第一个镜头的描述内容
</SHOT_1>
<SHOT_2>
第二个镜头的描述内容
</SHOT_2>

使用场景:

分镜脚本拆分
批量处理分镜描述
选择性导出特定范围的分镜

6. 对白提取器 / Dialogue Extractor

分类: Rui-Node🐶/文本处理📝

功能描述:
从分镜描述文本中自动提取旁白/对白内容。

输入参数:

input_text (STRING): 输入的分镜描述文本（多行文本）

输出:

dialogues (LIST): 提取的旁白/对白列表
summary (STRING): 总结信息

识别模式:

支持格式 1: 旁白：[对白内容]
支持格式 2: 旁白：对白内容
自动识别 <SHOT_XXX> 标签中的旁白

使用场景:

从分镜脚本中提取对白
批量收集旁白文本
准备配音文本

7. 页面旁白删除器 / Page Narration Remover

分类: Rui-Node🐶/文本处理📝

功能描述:
删除文本中所有以"页面旁白："或"页面旁白:"开头的整行内容。

输入参数:

input_text (STRING): 原始文本（多行文本）

输出:

clean_text (STRING): 移除页面旁白行后的文本

处理规则:

自动识别并删除以"页面旁白："或"页面旁白:"开头的行
忽略行首行尾的空白字符
保留其他所有内容

使用场景:

清理脚本中的页面旁白
文本预处理
提取纯净对白内容

8. 文本列表制作器 / Text List Creator

分类: Rui-Node🐶/文本处理📝

功能描述:
将多个独立的文本段落组织成列表形式输出。

输入参数:

text1 (STRING, 必需): 第一段文本（多行文本）
text2 ~ text5 (STRING, 可选): 第 2~5 段文本（多行文本）

输出:

text_list (LIST): 文本列表（Python 列表格式）
summary (STRING): 总结信息

处理规则:

自动过滤空文本
去除每段文本首尾的空白字符
保留内部段落结构

使用场景:

组织多段文本为列表
批量文本处理准备
文本分组管理

9. 遮罩筛选 / Mask Selector

分类: Rui-Node🐶/遮罩处理🎭

功能描述:
对输入的多个遮罩进行排序并选择特定遮罩，同时输出剩余遮罩的合并结果。

输入参数:

masks (MASK): 输入的遮罩（可包含多个遮罩）
sort_method (选择): 排序方法
- 选项:
  - "按面积排序 / By Area": 按遮罩面积从大到小排序
  - "从左到右 / Left to Right": 按遮罩质心 X 坐标升序排序
  - "从上到下 / Top to Bottom": 按遮罩质心 Y 坐标升序排序
- 默认值: "按面积排序 / By Area"
index (INT): 选择的遮罩编号（1-based 索引）
- 默认值: 1
- 最小值: 1
- 说明: 如果超出范围会自动夹取到有效范围

输出:

选中遮罩 / Selected (MASK): 选中的单个遮罩
剩余遮罩 / Remaining (MASK): 其他遮罩的合并结果
信息 / Info (STRING): JSON 格式的详细信息
- total_masks: 遮罩总数
- selected_index: 选中编号
- sort_method: 排序方式
- selected_area: 选中遮罩的像素面积
- selected_center: 选中遮罩的质心坐标 [x, y]
- index_clamped: 编号是否越界被修正

使用场景:

从多个检测结果中选择特定目标
分离主体和背景遮罩
基于大小或位置筛选遮罩

10. 遮罩预览 / Mask Preview

分类: Rui-Node🐶/遮罩处理🎭

功能描述:
将遮罩以半透明彩色形式叠加显示在图像上，方便直观查看遮罩覆盖区域。节点自带预览功能，同时输出合成后的图像。

输入参数:

image (IMAGE): 作为底图的原始图像
mask (MASK): 需要可视化的遮罩
mask_color (选择): 遮罩显示颜色
- 默认值: 红色 / Red
- 选项: 红色、绿色、蓝色、黄色、青色、品红、白色
opacity (FLOAT, 可选): 不透明度
- 默认值: 0.5
- 范围: 0.0 ~ 1.0
- 步长: 0.05

输出:

图像 / Image (IMAGE): 合成了半透明彩色遮罩的图像

特性:

自动处理遮罩与图像的尺寸差异
节点界面直接显示预览效果
支持批量处理
7种预设颜色可选
可调节不透明度

使用场景:

检查分割结果的准确性
调试遮罩处理流程
多遮罩对比（使用不同颜色）
制作遮罩可视化图

11. 转化为utf-8编码 / Convert to UTF-8

分类: Rui-Node🐶/文本处理📝

功能描述:
删除输入字符串中所有非 UTF-8 编码字符（如孤立的代理对），确保输出的字符串符合 UTF-8 编码规范。

输入参数:

input_text (STRING): 需要处理的原始字符串（支持多行）

输出:

filtered_text (STRING): 过滤后的符合 UTF-8 规范的字符串
log (STRING): 处理日志，包含移除字符的详细信息和统计总结

使用场景:

清理可能包含非法字符的文本数据
确保文本在保存或传输时的编码安全性
调试文本编码问题

12. OpenAI API 连接 / OpenAI API Connector

分类: Rui-Node🐶/AI模型🤖

功能描述:
连接 OpenAI 或兼容 API（如 DeepSeek、Moonshot 等），进行文本生成或多模态图像理解，支持最多 6 张图像同时输入。

输入参数:

api_url (STRING): API 接口地址
- 默认值: "https://api.openai.com/v1/chat/completions"
api_key (STRING): API 密钥
model (STRING): 模型名称
- 默认值: "gpt-4o"
system_prompt (STRING): 系统提示词
user_prompt (STRING): 用户提示词
seed (INT): 随机种子，用于控制生成的随机性
image_1 ~ image_6 (IMAGE, 可选): 最多 6 张输入图像
- 说明: 用户有几张图就连接几个输入口，无需手动 Batch
- 规则: 节点内部会自动逐张处理每个输入图像，分别编码后发送到 API
- 优势: 不要求所有图像尺寸一致，512×512 和 511×768 之类的混合输入也可直接使用
temperature (FLOAT, 可选): 采样温度
- 默认值: 0.3
- 范围: 0.0 ~ 2.0
max_tokens (INT, 可选): 最大输出 token 数
- 默认值: 500
- 范围: 1 ~ 8192
detail (选择, 可选): 图像分析细节等级
- 选项: low, high, auto
- 默认值: auto
image_max_size (INT, 可选): 单张图像最长边缩放上限
- 默认值: 1024
- 范围: 256 ~ 4096
- 说明: 超过该尺寸的图像会在发送前按比例缩小，以减少 token 消耗与请求体积
proxy_url (STRING, 可选): HTTP/HTTPS 代理地址
- 示例: http://127.0.0.1:7890

输出:

text (STRING): 模型生成的文本内容

使用场景:

调用 LLM 进行文本生成
使用 Vision 模型进行单图或多图联合理解
连接本地或第三方兼容 OpenAI 协议的 API
对多张参考图做综合分析、比对与总结

13. 颜色匹配器 / Color Matcher

分类: Rui-Node🐶/图像调节🎨

功能描述:
将目标图像的颜色分布匹配到参考图像的颜色分布，支持多种匹配算法和混合调节。

输入参数:

reference_image (IMAGE): 作为颜色参考的图像
moving_image (IMAGE): 需要改变颜色的目标图像
match_method (选择): 匹配算法
- 选项: "histogram" (直方图匹配), "mean_std" (均值标准差匹配), "none" (无匹配)
- 默认值: "histogram"
blend_factor (FLOAT): 混合系数
- 默认值: 1.0
- 范围: 0.0 ~ 1.0
- 步长: 0.01
- 说明: 控制原图和匹配后图像的混合比例，1.0为完全使用匹配后图像

输出:

颜色匹配后图像 (IMAGE): 颜色调整后的图像
匹配信息 (STRING): 记录了使用的匹配方式以及混合系数的日志信息

使用场景:

统一多张图像的色调风格
将素材无缝融合进背景
图像色彩风格迁移

14. 素材拆分 / Sprite Splitter

分类: Rui-Node🐶/图像调节🎨

功能描述:
从白色/浅色背景的合图（Sprite Sheet）中自动拆分出每个独立的美术元素，通过连通区域检测进行裁剪，并将每个独立元素作为图像列表输出。

输入参数:

图像 (IMAGE): 输入的带有透明通道的合图图像（RGBA格式）
最小面积过滤（像素数） (INT): 最小面积过滤
- 默认值: 100
- 范围: 1 ~ 50000
- 说明: 面积小于此值（像素数）的连通区域将被过滤，避免拆分出噪点碎片。
裁剪边距 (INT): 裁剪边距
- 默认值: 2
- 范围: 0 ~ 50
- 说明: 每个元素裁剪时在包围盒外额外保留的像素边距。
排序方式 (选择): 排序方式
- 选项: "从左到右-从上到下", "从上到下-从左到右", "面积从大到小", "面积从小到大"
- 默认值: "从左到右-从上到下"
seed (INT): 随机种子
- 默认值: 0
- 说明: 仅用于强制重新执行节点，不影响实际拆分结果。适用于线上部署时强制刷新缓存。

输出:

图像列表 (IMAGE): 拆分后的多张图像列表，透明区域会用白色填充输出。

使用场景:

游戏素材合图切分
批量图标提取
白底素材自动裁剪

15. 素材拆分(带透明通道) / Sprite Splitter RGBA

分类: Rui-Node🐶/图像调节🎨

功能描述:
与标准素材拆分节点功能相同，但保留并额外输出 Alpha 透明通道，适用于需要透明背景的美术素材提取。

输入参数:

输入参数与素材拆分 / Sprite Splitter 完全一致。

输出:

图像列表 (IMAGE): 拆分后的多张 RGB 图像列表
遮罩列表 (MASK): 对应的多张 Alpha 透明通道遮罩列表，1.0代表不透明，0.0代表透明

使用场景:

提取带透明背景的游戏角色、道具素材
搭配 JoinImageWithAlpha 等节点生成透明 PNG 图像

16. 加载图像(带文件名) / Load Image With Name

分类: Rui-Node🐶/文件存储与加载📁

功能描述:
基础功能与 ComfyUI 原生的 "Load Image" 节点完全一致，支持从 ComfyUI 的 input 目录中选择图像，并支持拖拽上传。区别在于本节点额外提供了一个字符串输出端口，用于输出图像的文件名。

输入参数:

image (下拉选择): 从 input 目录中选择图像文件，或通过按钮上传

输出:

IMAGE: 图像数据
MASK: 图像的 Alpha 通道遮罩
filename (STRING): 图像的文件名（不包含后缀，例如上传了 test_image.png，则输出 test_image）

使用场景:

批量处理图像时，希望以原文件名保存处理后的结果
需要将当前图像的文件名作为提示词或其他参数传递给下游节点
建立更规范的自动化工作流

🔧 依赖库

主要依赖库包括：

torch: PyTorch 深度学习框架
numpy: 数值计算
Pillow (PIL): 图像处理
requests: HTTP 请求（用于 API 调用）

完整依赖请查看 requirements.txt

📝 注意事项

所有节点都兼容 ComfyUI 的标准图像处理流程
图像格式统一为 BHWC（批次、高度、宽度、通道）
图像值范围为 0.0 ~ 1.0 的浮点数
使用 AI 模型节点需要配置有效的 API 密钥
文本处理节点支持多行文本输入
所有节点名称采用中英双语显示
遮罩处理节点自动处理尺寸不匹配问题

17. SDMatte 精细抠图 / SDMatte Interactive Matting

基于 SDMatte（vivo 相机研究院，ICCV 2025）的交互式抠图节点。擅长发丝、绒毛、玻璃、烟雾等常规抠图模型处理不好的边缘。

包含两个节点：

| 节点 | 作用 | |---|---| | SDMatte 加载器 | 载入权重，构建网络并常驻显存 | | SDMatte 精细抠图 | 用视觉提示（框/掩码/点）驱动模型输出 alpha |

模型准备

把权重放到 ComfyUI/models/SDMatte/ 下即可，两种格式任选其一：

SDMatte_plus.pth — 官方发布，12.1GB，LongfeiHuang/SDMatte
SDMatte_plus.safetensors — 社区转换，5.19GB，1038lab/SDMatte

这两个文件的模型权重逐比特完全相同，不必纠结选哪个。已实测比对全部 1316 个张量：键名、形状、精度（均为 F32）、数值全部一致，无一例外。官方 pth 是 detectron2 的训练检查点，顶层为 {"model", "trainer", "iteration"}，多出的约 6.9GB 是 trainer 里的优化器状态与梯度缩放器，推理不参与。换用 pth 不会带来任何质量提升。本节点两种格式都支持，读 pth 时只解析 model 段，内存占用与 safetensors 相当。

不需要下载 Stable Diffusion 2.1 的权重。 SDMatte 虽以 SD 2.1 为骨架，但官方推理配置（configs/SDMatte.py 中 load_weight=False）只用配置文件搭出网络结构，全部权重随后由 SDMatte 检查点覆盖。官方 HuggingFace 仓库本身也只发布 .pth 加若干 config.json，不含任何 SD 权重。所需配置已随本节点一起分发，开箱即用、无需联网。

参数说明

SDMatte 加载器

| 参数 | 说明 | |---|---| | ckpt_name | models/SDMatte/ 下的权重文件 | | precision | fp32（默认，与官方测试配置一致）/ fp16（省显存，但 SD 2.1 的 VAE 半精度下易溢出） | | device | auto / cpu | | attention_slicing | 默认开启。1024 下显存峰值从约 15.5GB 降到 9.1GB，实测速度反而略快，输出差异仅 1e-6 量级 |

显存参考（fp32 @ 1024，实测于 RTX 5090）：开分片约 9.1GB，关分片约 15.5GB。 12GB 显存的卡请保持分片开启。

SDMatte 精细抠图

| 参数 | 说明 | |---|---| | mask | 指示抠哪个目标的提示掩码，不必精确，粗略覆盖主体即可 | | prompt_type | 视觉提示类型，见下表 | | inference_size | 默认 1024，与官方测试一致 | | is_transparent | 玻璃、纱、烟雾等透明物体务必打开 | | caption | 目标物体的英文描述。仅 SDMatte.pth 有效，SDMatte_plus.pth 请留空，见下文 | | point_radius | 仅 point_mask 生效。每个点晕开的高斯 sigma，默认 35 | | seed | 仅 point_mask 生效（10 个点是随机取的） |

prompt_type 选择：

| 取值 | 含义 | 适用 | |---|---|---| | bbox_mask | 取掩码外接框作为提示 | 默认，官方测试脚本的主路径，通常最稳 | | mask | 直接用掩码本身 | 已有较准的粗分割时 | | point_mask | 在掩码内随机取 10 个点 | 仅 SDMatte.pth 支持，见下文 | | auto_mask | 不给定位信息 | 画面只有单一主体 |

⚠ 两个权重的能力不同（实测）

官方 README 里，SDMatte 与 SDMatte*（即 SDMatte_plus）的训练集不同：前者含 RefMatte（指代表达式抠图数据集，点提示与文本提示的来源），后者用 COCO-Matte 替换了它。这导致 plus 版不具备点提示与文本指代能力：

| | SDMatte.pth | SDMatte_plus.pth | |---|---|---| | bbox_mask / mask / auto_mask | ✅ | ✅ | | point_mask | ✅ MAD 0.0135 | ❌ 输出全黑（max 仅 0.079） | | caption 语义 | ✅ 填对小幅提升 | ❌ 无作用，填了反而更差 |

caption 实测（羊驼图，MAD 越低越好）：

| caption | SDMatte | SDMatte_plus | |---|---|---| | ""（留空） | 0.01120 | 0.01135 ← 最好 | | "alpaca"（语义正确） | 0.01072 ← 最好 | 0.01160 ← 最差 | | "tree"（语义错误） | 0.01111 | 0.01119 |

在 SDMatte 上，语义正确的描述确实更准；在 plus 上语义完全失效甚至反向，说明它只是给 cross-attention 注入了噪声扰动，并非在理解文本。

结论：用 SDMatte_plus.pth 时保持 caption 留空、prompt_type 用 bbox_mask；想用点提示或文本指代，请换 SDMatte.pth。节点在 point_mask 输出接近全黑时会打印警告。

典型接法

加载图像 ──────────────┬──> SDMatte 精细抠图 ──> alpha (MASK)
                       │         ▲                 └──> cutout (IMAGE)
任意分割节点 ──> mask ──┘         │
SDMatte 加载器 ───────────────────┘

mask 可以来自任何粗分割来源（SAM、rembg、手绘遮罩皆可）——SDMatte 的职责正是把粗糙边缘细化。

实测数据

用官方效果图中的羊驼原图（绒毛边缘）跑本节点，与官方给出的 GT alpha 对比：

| 指标 | 数值 | |---|---| | MAD（平均绝对误差） | 0.0113 | | MSE | 0.0026 | | SAD | 0.807 千像素 |

（GT 取自官方效果图截图，含有损压缩与水印，故存在固有误差下限。）

各配置对输出的实际影响（透明玻璃杯，差异像素指偏差 > 0.05 的占比）：

| 对照项 | 平均差 | 差异像素占比 | |---|---|---| | inference_size 1024 vs 512 | 0.082 | 32.4% | | is_transparent 关 vs 开 | 0.059 | 25.0% | | 官方 [F,T,F] vs 误用 [T,T,T] 条件分配 | 0.026 | 18.8% |

结论：分辨率影响最大，建议保持 1024；抠透明物体时 is_transparent 必须打开。

与 ComfyUI-SDMatte 的横向实测

同一张图、同一份权重、同一台机器，对跑 ComfyUI-SDMatte 与本节点，以官方公布的 alpha 为参照：

| 实现 | 配置 | MAD ↓ | |---|---|---| | 本节点 | 官方 configs/SDMatte.py，bbox 提示，fp32 | 0.0113 | | ComfyUI-SDMatte | 默认（trimap 提示 + mask_refine） | 0.0884 | | ComfyUI-SDMatte | 关闭 mask_refine | 0.0885 |

相差 7.8 倍，且其输出肉眼可见地发灰、边缘晕开。

主因是视觉提示类型：官方 configs/SDMatte.py 固定 aux_input="bbox_mask"，而其 aux_input_list 只含 point_mask / bbox_mask / mask —— trimap 从未作为视觉提示参与训练。 ComfyUI-SDMatte 传 aux_input="trimap"，把模型推到了没训练过的输入模式上，且该分支的 trimap_coords 恒为 [0,0,1,1]，定位信息全部丢失。开不开它的 mask_refine 几乎不影响这一结论（0.0884 vs 0.0885），说明问题不在后处理。

实现要点

若与其它 SDMatte 实现效果对不上，按影响从大到小排查：

视觉提示类型（影响最大）。必须用官方训练过的 bbox_mask / mask / point_mask，并传入真实的归一化坐标。用 trimap 当视觉提示是模型没见过的用法。
UNet 配置来源。SDMatte 在标准 SD 2.1 的 UNet 配置上额外定义了 bbox_time_embed_dim / point_embeddings_input_dim / bbox_embeddings_input_dim 三个字段。误用原版 SD 2.1 的 config.json 会缺这些字段，只能猜默认值，猜错则相应权重被 strict=False 静默丢弃。本节点直接分发官方配置，并在缺字段时直接报错而非猜测。
transformers 版本。官方权重用 transformers 4.x 保存，CLIPTextModel 内部裹了一层 text_model；transformers 5.x 起该层被移除，导致 text_encoder 的 372 个权重键名对不上、被整体静默丢弃、停留在随机初始化。本节点会按当前环境自动增删该前缀。
条件分配。官方 use_encoder_hidden_states_list=[False, True, False] 决定 UNet 下采样/中间/上采样三段各接收哪种条件，漏传会退化成 [True, True, True]。实测单独影响不大（羊驼 MAD 0.01135 → 0.01148），透明物体上更明显。
权重对齐校验。本节点在加载后校验键的完整性，一旦有权重未被覆盖或未被使用就中止并报错。这类问题不会让模型崩溃，只会让输出质量悄悄下降，是最难排查的一类，因此宁可停下也不放行。
全程 fp32、1024 分辨率，且不做任何启发式后处理（不做阈值裁剪、对比度拉伸之类的"优化"），输出即模型原始 alpha。

18. ZenMux API 连接 / ZenMux API Connector

分类: Rui-Node🐶/AI模型🤖

功能描述:
连接 ZenMux 聚合平台（OpenAI 兼容协议），一个节点即可调用其收录的所有文本类模型（Anthropic、OpenAI、Google、DeepSeek、Qwen 等 20 家厂商、130+ 模型）。支持文本生成与多模态图像理解（最多 6 张图）。

特色功能:

价格直接标在选项上: 每个模型后缀形如 [入$0.2/M 出$1.25/M]，即输入/输出每百万 token 的美元价格，选型时一目了然
快速筛选: 模型列表按「厂商/模型名」排序聚类，同厂商模型天然相邻；在下拉的搜索框输入厂商前缀（如 qwen/、anthropic/）即可只看该厂商的模型
离线可用的模型清单: 模型与价格来自随包分发的 zenmux/models_snapshot.json；价格有变动时运行 python zenmux/build_snapshot.py 即可重新拉取更新
旧工作流兼容: 价格快照更新后，旧工作流里保存的带旧价格标签仍能正确解析出模型 id，不会失效

单次消耗统计: usage_stats 输出本次运行的 token 用量、输出字数与费用换算（按快照单价计算，汇率可调），格式：

token消耗，输入：1234，输出：567
输出文字数量：328
模型类型：openai/gpt-5.4-nano [入$0.2/M 出$1.25/M]
价格换算，美元：0.000955，人民币：0.006876

自动参数兼容: 部分模型弃用或不支持某些采样参数（如 claude-sonnet-5 弃用 temperature、gpt-5 reasoning 系要求 max_completion_tokens）。节点会在收到相关 400 错误时自动剔除或改名该参数并重试，无需手动调整；剔除动作会打印到 ComfyUI 控制台。正常请求不受影响、无额外开销。

输入参数:

api_key (STRING): ZenMux 平台的 API Key（在 zenmux.ai 控制台获取）
model (选择): 模型（带价格标注），默认 openai/gpt-5.4-nano
system_prompt (STRING): 系统提示词
user_prompt (STRING): 用户提示词
seed (INT): 随机种子
temperature (FLOAT, 可选): 采样温度，默认 0.7，范围 0.0 ~ 2.0
top_p (FLOAT, 可选): 核采样阈值，默认 1.0
max_tokens (INT, 可选): 最大输出 token 数，默认 1024
image_1 ~ image_6 (IMAGE, 可选): 多模态图像输入（所选模型需支持 image 输入）
detail (选择, 可选): 图像分析细节等级，auto/low/high
image_max_size (INT, 可选): 发送前图像最长边缩放上限，默认 1024
base_url (STRING, 可选): API 地址，默认 zenmux.ai/api/v1（无需写 https://，节点会自动补全）
proxy_url (STRING, 可选): HTTP/HTTPS 代理地址，如 127.0.0.1:7890
usd_to_cny (FLOAT, 可选): 美元兑人民币汇率，默认 7.2，用于 usage_stats 的人民币换算，可按当日牌价调整

输出:

text (STRING): 模型生成的文本内容
model_id (STRING): 实际调用的模型 id（如 openai/gpt-5.4-nano），便于下游记录
usage_stats (STRING): 单次运行的 token 消耗、输出文字数量（按字符计，含标点）与费用统计（四行文本，格式见上）；请求失败时记为 0 消耗，token 数缺失或单价未知的项显示 ?

使用场景:

一个 Key 试遍多家厂商的模型，横向对比效果与成本
按预算选型：价格就写在下拉列表里，直接挑便宜的
调用 Claude / GPT / Gemini / DeepSeek 等做文本生成或图像理解

19. Markdown转图片 / Markdown To Image

分类: Rui-Node🐶/文本处理📝

功能描述:
输入 Markdown 文本，输出按阅读器级排版渲染的图片（IMAGE）。视觉规范对标 GitHub / Typora：标题层级字号（2.0/1.5/1.25/1.0/0.875/0.85 倍正文）、H1/H2 底部分隔线、引用左竖条、代码块圆角底色 + 等宽字体 + 语言标签、表格圆角外框 + 表头加粗底色 + 斑马纹 + 列对齐、任务清单勾选框、彩色 Emoji。纯 PIL 实现，无额外依赖。

支持的 Markdown 语法:
标题 #~######、段落（单换行即硬换行）、粗体、斜体、行内代码、~~删除线~~、链接、有序/无序/嵌套列表、任务清单 - [x]、引用 >（可嵌套）、围栏代码块、表格（:---: 对齐语法）、分割线 ---；表格与正文中的 Emoji 以系统彩色字体渲染。

输入参数:

markdown (STRING): Markdown 文本
size_preset (选择): 常用尺寸快选（1080×1440 / 1080×1920 / 1080×1080 / 1920×1080 / A4 等），选 custom 时使用下方宽高
width / height (INT): 精确尺寸（64~8192px，custom 时生效）
font (选择): 字体，列表来自 Ruinode/font 目录（ttf/otf/ttc 均可，放入后刷新页面即出现在下拉；同族粗体文件如 msyhbd 会自动配对用于渲染粗体，无粗体文件时描边模拟）
theme (选择): 浅色 / 深色 / 米色三套阅读器配色
body_size、h1_size ~ h6_size (STRING, 可选): 各级字号，auto（默认）按输出尺寸二分搜索「恰好优雅填满画布」的字号，各级也可分别填数字精确指定
letter_spacing (STRING, 可选): 字间距像素，默认 auto
line_spacing (STRING, 可选): 行高倍数（如 1.8），默认 auto（正文 1.65）
max_chars_per_line (STRING, 可选): 单行文字字数上限，达到即换行；默认 auto（按像素宽自然换行）

输出:

image (IMAGE): 渲染结果，固定为所选宽高；内容超高时按现有字号裁剪并在控制台提示

使用场景:

将 LLM 输出的 Markdown（如 ZenMux 节点的 text）直接转成可分享的长图
生成小红书 / 公众号风格的图文卡片、A4 打印稿
工作流内把结构化报告（含表格、代码）落成图像资产

⚠️ 重要：不要用 WAS 的「Text Multiline」节点喂 Markdown
WAS Node Suite 的「Text Multiline」会把 # 开头的行当注释删除，标题行会凭空消失，还会做动态提示词替换。请改用本套件的多行文本框(原样输出)，或直接在本节点的 markdown 输入框里粘贴文本。

20. 多行文本框(原样输出) / Text Box (Raw)

分类: Rui-Node🐶/文本处理📝

功能描述:
把输入的多行文本一字不动输出为 STRING：不删注释行、不做动态提示词/通配符/token 替换。专门用来安全承载 Markdown、代码等格式敏感文本（WAS 的「Text Multiline」会把 # 开头的行当注释吃掉，喂 Markdown 时标题会消失）。

输入参数:

text (STRING): 多行文本

输出:

text (STRING): 与输入完全一致的文本

使用场景:

为 Markdown转图片提供含 # 标题的原样文本
存放任何不希望被上游文本节点"加工"的内容

21. 满屏文字水印 / Full-Screen Text Watermark

分类: Rui-Node🐶/图像调节🎨

功能描述:
给输入图像铺满一层平铺的文字水印，常用于版权标注、样图防盗、批量打标。文字按交错网格平铺，整体旋转后从中心裁切与原图等大的区域，因此任意旋转角度下四角也都被水印覆盖，不留空白。支持中英文混排与多行文案（用换行分隔），逐字符绘制以支持字间距。批量图像逐张处理。

输入参数:

image (IMAGE): 输入图像
text (STRING, 多行): 水印文案，支持换行分隔的多行文本
font (选择): 字体，列表来自 Ruinode/font 目录（ttf/otf/ttc，放入后刷新页面即出现，与 Markdown 节点共用同一套字体扫描）
font_size (INT): 文字大小（像素），默认 48，范围 8~500
angle (FLOAT): 水印整体旋转角度（度），默认 30，范围 -180~180
density (FLOAT): 水印密度，综合控制行间距与同行水印之间的间距，值越大越密，默认 1.0，范围 0.1~5.0
letter_spacing (INT): 字间距，单条文案内相邻字符的额外间距（像素，可为负），默认 0，范围 -20~200
opacity (FLOAT): 水印透明程度，0=完全透明（原样返回），100=完全不透明，默认 35，范围 0~100
color (STRING): 水印文字颜色，支持 #RRGGBB / #RGB / "r,g,b" / 常见英文色名（white、red、yellow…），默认 #FFFFFF

输出:

image (IMAGE): 叠加水印后的图像

使用场景:

给出图 / 样片加满屏防盗水印
批量素材统一打上版权或"仅供参考"标注

22. FeyNobg 抠图 / FeyNobg Matting

分类: Rui-Node🐶/抠图✂️

功能描述:
全自动去背景抠图，不需要任何提示，输入图像直接输出 alpha。模型为 feyn 开源的 FeyNobg（Apache-2.0），在 BiRefNet（CAAI AIR 2024）基础上扩展：Swin-Large 主干 + 梯度注意力 / 图像块注入 / 多尺度输入三项增强，原生 1024×1024 推理，权重约 1.05GB。

与 SDMatte 精细抠图的分工:

FeyNobg：全自动、一步出图、速度快，适合批量去背景（画面主体明确时首选）
SDMatte：需要框/掩码提示指定目标，适合画面里有多个主体、要精确抠其中一个

模型准备:
首次运行会自动从 HuggingFace 下载到 ComfyUI/models/nobg/FeyNobg（约 1.05GB）。也可手动下载 config.json、preprocessor_config.json、model.safetensors 放入该目录。

输入参数:

image (IMAGE): 输入图像
model_name (选择): models/nobg 下的模型目录，未找到时自动下载
resolution (选择): 推理分辨率，默认 1024（模型原生训练分辨率）。调低省显存但边缘变粗；调高不一定更好，可能出现结构断裂
precision (选择): fp32（默认）/ fp16。实测两者输出一致（同图 alpha 均值均为 0.657），fp16 显存减半且明显更快，推荐优先用 fp16
device (选择): auto / cpu
alpha_threshold (FLOAT, 可选): 前景判定阈值，默认 0.5。见下方「主体半透明发灰怎么救」
alpha_softness (FLOAT, 可选): 阈值两侧过渡带宽度，默认 1.0 = 完全不处理
keep_aspect_ratio (BOOLEAN, 可选): 保持宽高比（等比缩放 + 边缘延展补边），默认关闭
invert_mask (BOOLEAN, 可选): 反转 alpha，默认前景为白

输出:

alpha (MASK): 抠图 alpha，值域 [0,1]
cutout (IMAGE): 去背景图（黑底）。需要透明 PNG 时，把 alpha 接到 JoinImageWithAlpha 一类节点

实测数据（1139×1280 人物插画，RTX 显卡）:

| 配置 | 耗时 | 前景占比 | |:-----|-----:|--------:| | fp32 @1024 | 12.4s（含首次加载） | 0.659 | | fp16 @1024 | 2.4s | 0.659 | | fp32 @768 | 2.2s | 0.656 |

发丝、飘带、细链条等高频细节均能完整分离，边缘为自然的半透明过渡而非硬边。

主体「整片半透明发灰」怎么救:

模型对拿不准的区域会输出 0.5 上下的中间值，表现为整个人物/物体呈半透明。模型本身没有开放任何控制该行为的参数（use_gradient_attention 等是训练时固化的架构参数，推理期不可调），因此节点在后处理层提供了一对色阶参数：

| alpha_threshold | alpha_softness | 效果 | |:---------------:|:--------------:|:-----| | 0.5 | 1.0 | 默认，原样输出，一个像素都不动 | | 0.35 | 0.3 | 推荐，半透明像素占比 1.49% → 0.31%（降 79%），主体均值几乎不变 | | 0.5 | 0.0 | 硬二值化，锯齿硬边，抠头发/玻璃慎用 |

原理是以 threshold 为中心、softness 为宽度取一段区间线性拉伸到 [0,1]：区间以下压成全透明，以上提成全不透明，区间内保留平滑过渡。默认参数下该区间恰好是 [0,1]，等于恒等变换。

两点边界必须说明：

只对已有一定响应的区域有效。模型压根没认出来的地方 alpha 接近 0，再降阈值也救不回来——那属于语义判断差异（BiRefNet-General 倾向保留画面全部前景，FeyNobg 更强调「找主要主体」），需要换模型或改用 SDMatte 指定目标。
softness 越小，发丝等真实半透明细节损失越多，是一对权衡。

长图形变：模型固定吃 1024×1024，默认把图直接拉伸成正方形（与官方训练方式一致）。手机截图这类 1:2 以上的长图横向会被压到一半，可开 keep_aspect_ratio 改为等比缩放 + 边缘延展补边、推理后裁掉补边。实测 2.36:1 的图半透明占比 0.1192 → 0.1041。该选项与训练分布不同，属试验性，常规比例建议保持关闭。

实现说明（两个坑，都已在节点内处理）:

预处理依赖：上游 nobg 的预处理模块继承 transformers>=5.4 的 TorchvisionBackend，而 ComfyUI 常见环境仍是 transformers 4.x，直接引入会报 No module named 'transformers.image_processing_backends'。本节点内嵌了 nobg 推理子集（feynobg/）并重写了预处理，数值规格与官方逐项对齐（1024 双线性抗锯齿缩放 + ImageNet 标准化；后处理先 sigmoid 再缩放），无需升级 transformers。同时绕开了上游 AutoModel 里会联网查 tags 的 model_info()，保证离线可用。
权重键名不兼容（更隐蔽）：FeyNobg 的权重用 transformers 5.x 导出，其 SwinBackbone 的模块命名与 4.x 不同（bb.swin.* 多一层、attention 从 self.query/key/value 重构为 q/k/v_proj、前馈层 mlp.fc1/fc2 对应 intermediate.dense/output.dense）。若不处理，958 个参数只有 405 个能对上，整个 backbone 形同随机初始化——模型照样跑完不报错，但输出的 alpha 几乎全黑（实测 max 0.02、mean 0.000）。节点内做了键名重映射（按环境自动判断是否需要），并严格校验：除确定性 buffer relative_position_index 与 backbone 末端未使用的 bb.layernorm 外，任何缺失/多余都直接报错中止，绝不接受静默劣化的结果。

23. Lucida 抠图 / Lucida Matting

分类: Rui-Node🐶/抠图✂️

功能描述:
全自动去背景，不需要任何提示。模型为 Lucida（MIT），是 BiRefNet_HR 的微调版，训练目标是攻克多数开源抠图模型的短板：伪装物体、透明材质（玻璃）、文字与 Logo、VFX 光效、插画。权重约 885MB（220M 参数，Swin-Large 主干）。

作者在 203 图 9 类别基准上的 MAE（越低越好）：

| 类别 | Lucida | 商业参考 | |:-----|-------:|--------:| | 文字 / Logo 保留 | 0.0091 | 0.0123 | | 插画 | 0.0092 | — | | 伪装物体 | 0.0270 | — | | 印刷设计 / 贴纸 | 0.0235 | — | | 总体 | 0.0257 | — |

模型准备:
首次运行自动下载到 ComfyUI/models/lucida/lucida.safetensors。也可手动下载仓库的 model.safetensors，改名为 lucida.safetensors 放入该目录。

输入参数:

image (IMAGE): 输入图像
model_name (选择): models/lucida 下的权重文件，未找到时自动下载
precision (选择): fp16（默认）/ fp32
device (选择): auto / cpu
alpha_threshold / alpha_softness (FLOAT, 可选): 遮罩色阶，默认 (0.5, 1.0) 为恒等变换。用法同 FeyNobg 节点
keep_aspect_ratio (BOOLEAN, 可选): 保持宽高比，默认关闭
invert_mask (BOOLEAN, 可选): 反转 alpha

输出:

alpha (MASK) / cutout (IMAGE，黑底)

⚠ 没有分辨率选项：模型内部 Config.size=1024 且 decoder 走 patch split，与 1024 输入绑定，因此不像 FeyNobg 那样可调分辨率。

三个抠图节点怎么选:

| 节点 | 特点 | 适用 | |:-----|:-----|:-----| | Lucida | 全自动，把半透明材质也算前景 | 文字/Logo、插画、玻璃、发光特效、伪装物体 | | FeyNobg | 全自动，只找主要主体 | 常规主体照片，要求背景剥离干净 | | SDMatte | 需框/掩码提示 | 画面里多个主体、只抠其中一个 |

实测对比（同图、同参数，本仓库两个全自动节点）:

| 测试图 | Lucida 前景占比 | FeyNobg 前景占比 | |:-------|---------------:|----------------:| | 动漫插画（人物 + 云 + 栏杆） | 0.391 | 0.098 | | 游戏场景图 | 0.395 | 0.378 | | 人物插画 | 0.315 | 0.336 |

第一张图差异最大，肉眼核对后确认不是精度高低，而是「前景」的定义不同：FeyNobg 只抠出人物，云与栏杆全部排除；Lucida 除人物外还把半透明的云判为前景（灰度 alpha）并保留了栏杆——这与它专门训练透明材质的目标一致。所以两者是互补关系：要干净剥离主体用 FeyNobg，要保住文字/玻璃/光效等半透明元素用 Lucida。建议在自己的素材上实测再定，示例工作流已把两者并联便于对照。

⚠ alpha_softness 调小会把玻璃、发光这类真实半透明一并压实，而这正是 Lucida 的强项，务必按素材取舍。

实现说明:
模型代码（birefnet.py / BiRefNet_config.py，2250 行）内嵌在 lucida/ 子包，不使用 trust_remote_code——那会在运行时从 HuggingFace 拉取并执行远程 Python 代码，ComfyUI 场景下既不该联网也不该执行随时可变的远程代码；内嵌后版本固定、可离线、可审计。构造时传 bb_pretrained=False，避免联网下载 Swin 的 ImageNet 预训练权重。预处理规格与 BiRefNet 系一致，直接复用 FeyNobg 节点那份已验证实现。权重加载同样做严格校验（除窗口尺寸推出的确定性 buffer 外，任何失配直接报错中止）。

24. 像素化 / Pixelate

分类: Rui-Node🐶/图像调节🎨

功能描述:
把普通图像转成能直接当素材用的像素画。与"马赛克滤镜"的区别在于：滤镜只是把画面涂成方块、输出仍是原尺寸大图；而像素游戏要的是真实小分辨率、颜色数受控、边缘硬朗的 sprite。纯 numpy/PIL 实现，无额外依赖、无需模型权重。

三种模式:

| 模式 | 用途 | |:-----|:-----| | 按目标宽度 | 普通图/照片/插画 → 像素画，给输出宽度即可（高度按比例自动算）| | 按像素块大小 | 每 N×N 原像素合成一个像素，已知放大倍数时最精确 | | 自动检测网格 | 探测图中隐含的像素网格并还原——专治 AI 生成的伪像素图 |

第三种是重点：SD/Flux 生成的"像素风"图往往是 1024×1024，看着像素风，实际网格歪斜、边缘带抗锯齿、颜色成千上万，直接进引擎会糊。

输入参数:

image (IMAGE) / mask (MASK, 可选): 接抠图节点的 alpha 会按同一网格降采样并二值化成硬边
mode / target_width / pixel_size: 见上表
downsample (选择): 主导色 dominant（默认，取块内最多的颜色，不会凭空造出新颜色）/ median / mean（会糊边） / center
palette (选择): 不量化 / 自适应 k-means（CIELAB 空间聚类）/ 自适应 median cut / PICO-8 (16色) / Game Boy (4色绿) / 黑白 1-bit / 灰阶 4·8·16 级
palette_size (INT): 自适应调色板的颜色数。8~16 复古感强，32~64 细节更多
dither (选择): 无 / Bayer 2×2·4×4·8×8 / Floyd-Steinberg / 随机噪声
output_scale (INT): 1 = 真实像素尺寸（导出素材必须用 1）；>1 仅为在 ComfyUI 里看清，放大是整数倍纯复制不插值
dither_strength / mask_threshold / seed (可选)

输出: image (IMAGE) / mask (MASK) / info (STRING，含检测到的网格与置信度)

方案选型（研究后的结论）:
Pixel Snapper（Sprite Fusion，MIT）解决的是「伪像素图 → 完美像素图」，思路是检测网格 + 按主导色重采样；而「普通图 → 像素画」是另一个问题，核心在降采样方式与调色板量化。本节点把两条路做进同一节点，算法为自研实现。网格检测按公开研究的要点处理了两类经典误判：

谐波（八度）错误：2s 与 s 得分往往接近，容易把 2 倍大小当真值 → 取得最高分后回查其真约数（octave killer）
内容周期冒充像素周期：画面里重复的纹理/花纹也形成周期 → 真网格对相位极其敏感、内容周期则不敏感，把「最佳相位与最差相位的分差」并入评分（anti-phase）

评分用单元内方差而非相邻像素差分：差分对模糊极敏感，而 AI 伪像素图的边界都带抗锯齿，尖峰被摊平后压不住内容周期（开发中实测：4 像素的网格被判成 24~28）。改用组内方差后，过大的 s 会因单元跨越多个真实色块导致方差爆掉而被天然压制。

实测数据:

| 测试项 | 结果 | |:-------|:-----| | 干净放大图（k=2~16，各 3 组） | 27/27 全对，零八度错误 | | 退化图（模糊+噪点，模拟 AI 伪像素图） | 10/15 | | 非方形网格（9×6）、相位偏移 (3,5) | 全部正确 | | 普通插画（无网格） | 正确判定为"未检出" | | 端到端还原（32×32 放大 10 倍 + 模糊噪点） | 还原回 32×32，与真值 MAE 0.0049 | | 完美像素校验（8× 放大抽样 == 1× 输出） | True（整数倍纯复制，无插值） |

⚠ 自动检测对干净放大图几乎必中，对模糊严重的图约 2/3 命中率。info 输出会给出检测到的网格与置信度，结果不对时改用「按像素块大小」手动指定即可。

25. 八方向序列拆分 / 8-Direction Sprite Split

分类: Rui-Node🐶/图像调节🎨

功能描述:
用于 8 方向行走动画 制作管线：把每帧都排布着 8 个朝向的雪碧图序列，一次拆成 8 条各自独立、可直接成片的动画序列，并完成方向编号与分组。

完整管线与分工:

| 步骤 | 由谁完成 | |:-----|:---------| | 角色图 → 八方向静态图 | GPTimage2 / Holopix Universal Edit 等 | | 静态图 → 循环行走视频 | Seedance 首尾帧等 | | 视频 → 序列帧 | 从文件读用 VHS「Load Video」；接在视频生成节点后面用原生「Get Video Components」 | | 抽帧（降帧率）| VHS「Select Every Nth Image」| | 抠图（提供语义级 alpha）| Lucida / BiRefNet 等 | | 拆分 + 编号 + 分组 + 8 队列输出 | 本节点 | | 8 组透明 PNG 序列帧 | SaveImage（4 通道输入会自动存成 RGBA）| | 8 个透明 webm | VHS「Video Combine」，format=video/webm + pix_fmt=yuva420p |

整条链路只有拆分环节是缺失的，其余全部复用成熟实现。

两个示例工作流:

八方向行走动画.json：从已有视频文件出发（VHS Load Video）
角色图到八方向行走动画（一体化）.json：从角色图一路到成品，把生图、生视频、拆分、导出串成一条链

一体化工作流的关键是打通 VIDEO → IMAGE：视频生成节点输出的是 ComfyUI 的 VIDEO 类型，而 VHS「Load Video」只能从文件读、接不上。用 ComfyUI 原生的「Get Video Components」（image/video 分类）即可，输入 VIDEO、输出 images/audio/fps，不需要装任何额外插件。

⚠️ 帧率两处必须匹配：Seedance 出的是 24fps，抽帧间隔与输出帧率要对应，否则 webm 播放速度不对。 select_every_nth=3 ↔ frame_rate=8；要 12fps 就用 2 ↔ 12；要全量 24fps 就用 1 ↔ 24。

输入参数:

images (IMAGE): 视频转出的序列帧
masks (MASK, 可选): 上游抠图节点的遮罩，强烈建议接上（见下方「透明通道怎么来」）
grid_cols / grid_rows / empty_cells: 网格布局。3×3 中间留空即 empty_cells=4（序号行优先、从 0 开始）
direction_names (STRING): 按「跳过空格后的先后顺序」命名，默认 SW,S,SE,W,E,NW,N,NE，对应行 1 面向观众、行 3 背对观众的排布
bg_mode / bg_threshold: 透明通道来源，见下
edge_shrink / decontaminate: 治白边，见下
fragment_threshold (FLOAT): 清掉面积不足主体这一比例的连通碎片
expand_beyond_cell (BOOLEAN): 务必开启，允许角色超出格子边界
auto_crop / crop_padding: 按内容裁剪

透明通道怎么来（关系到成品质量，别用默认凑合）:

| bg_mode | 原理 | 代价 | |:--------|:-----|:-----| | 已带透明通道（默认推荐）| 用上游 Lucida / FeyNobg 的语义级 alpha | 需要跑模型 | | 白底转透明 | 纯颜色阈值 + 边缘连通性 | 角色身上的白衣服会被啃出破洞 | | 不处理 | 输出不透明（仍按角色范围裁剪不切断）| — |

颜色阈值法的死穴在于它按「离白色多远」估 alpha，白衬衫本身就接近白、alpha 天生偏低，一旦收边压白边，衬衫就被啃穿。实测同一素材、同等白边水平下：

| 方案 | 白边强度 | 主体被啃面积 | |:-----|--------:|-----------:| | 颜色阈值法（收边 0.35）| 0.0261 | 0.0373 | | Lucida alpha（收边 0.2） | 0.0256 | 0.0242（少 35%） |

Lucida 一次就能识别整张雪碧图的全部 8 个角色（各格前景占比 0.18~0.24，中间空格 0.002），肉眼比对：模型 alpha 的白衬衫完好，阈值法的衬衫上布满背景色斑块。

治白边的两个参数:

edge_shrink（主力）：把边缘那圈「几乎全是背景」的半透明像素收掉。白底素材的边缘像素本就掺了白，不收掉贴到深色背景就发白。实测白边强度：0 → 0.048；0.2 → 0.026；0.5 → 0.016。配模型 alpha 用 0.15~0.25，配阈值法要 0.35 以上
decontaminate（辅助）：颜色反溢出，按 观察色 = 前景×a + 白×(1-a) 反解真正的前景色。单独用只改善约 3%（因为观察色本身已经太白，反解出来还是白），必须和收边配合

输出: dir_1 ~ dir_8 (IMAGE，4 通道 RGBA) + info (STRING)

锚点对齐：让 8 个方向尺寸统一、切换朝向不跳

做游戏素材时这一步是刚需。不开对齐时，每个方向各按自己的内容裁剪，8 个方向出 8 种尺寸，角色在各自画面里的位置也不一致——游戏里切换朝向角色就会跳一下。人工做法是「一帧一帧手动对位置」，本节点把它自动化了：

| 参数 | 说明 | |:-----|:-----| | align_mode | 锚点对齐·统一画布（默认）／不对齐 | | anchor_type | 脚底中心（默认）／包围盒底边中心／包围盒中心 | | align_scope | 逐帧对齐·脚底钉死（默认）／按方向统一平移 |

为什么锚点取「脚底中心」而不是包围盒中心：角色站在地面上，脚底才是它在世界里的位置；而斗篷、披风、手杖会把包围盒拽向一侧。所以 y 取最低的不透明行，x 取底部窄带的水平质心——那些外挂物基本不会垂到脚底，走路时两脚一前一后，窄带质心正好落在两脚之间，也就是人真正站立的点。

实测（97 帧真实素材）:

| | 输出尺寸 | 各方向锚点散布 | 同方向跨帧位移 | |:---|:---|---:|---:| | 不对齐 | 8 种各不相同 | x 48.9px / y 27px | — | | 按方向统一平移 | 统一 267×372 | x 7.1px / y 4px | 13~23px（保留摆动）| | 逐帧对齐（默认） | 统一 284×367 | x 0.76px / y 0px | ~1px |

默认选逐帧对齐，是因为行走循环本就该原地播放、位移交给游戏代码，sprite 内部不该有整体漂移；而 AI 生成的视频往往有（实测同方向跨帧漂移达 22px）。角色本就该有前后摆动的动作（挥剑、跳跃）则改用「按方向统一平移」。

info 输出会给出统一画布尺寸、锚点坐标、以及 Unity/Godot 的归一化 pivot（左下为原点），例如：

统一画布 267×372，锚点(脚底中心)位于 (144.5, 346.0)
Unity/Godot 归一化 pivot（左下为原点）：(0.5411, 0.0699)

把那个 pivot 填进引擎的 Sprite 设置，8 个方向就能共用同一套坐标。

三个关键设计:

用固定网格而非连通区域拆分（本仓库的素材拆分节点）。连通区域按包围盒排序，角色走动时位置浮动，一旦跨过排序行界方向就会错乱——上百帧里错一帧整条动画就废了；且每个 sprite 按各自 bbox 裁剪、尺寸不一，无法合成视频。固定网格没有这两个问题。（连通区域拆分依然更适合单张静态合图，两者各有用途。）
白底转透明用边缘连通性判断。角色常穿白衣服，按亮度阈值一刀切会把白衬衫一起掏空。这里只把与画面边缘相连的白色判为背景，被角色包围的白色一律保留。
裁剪框取全序列并集。逐帧各自裁剪会导致尺寸不一且角色在帧间跳动；取并集则整条序列尺寸一致、位置连贯。

实测（97 帧 834×1112 的真实素材）:

| 项目 | 结果 | |:-----|:-----| | 拆分耗时 | 约 4 秒，8 方向 × 97 帧 | | 输出尺寸 | 150×335 ~ 206×326，方向内完全一致 | | 方向稳定性 | 跨帧内容重心极差 0.5~12 px（走路摆动的正常范围，无跳变）| | 碎片清理效果 | E 方向 172×370 → 150×335，重心极差 8.0 → 0.5 px | | webm 透明 | 导出后回读透明像素占比 0.635，与素材一致 |

⚠️ 验证 webm 透明时容易被误导：alpha 存放在 WebM 的独立边带里，ffprobe 看主流会显示 yuv420p，用 ffmpeg 默认解码回读也会得到全不透明——这是内置 vp9 解码器不处理 alpha 边带所致，并非文件丢了透明。需显式加 -c:v libvpx-vp9 解码才能读到。播放器与 Unity/Godot 走的是 libvpx，能正确读取。

26. 越光 API 连接 / YueGuang API Connector

分类: Rui-Node🐶/AI模型🤖

功能描述:
通过越光（Nebula）聚合平台调用其收录的文本类模型。OpenAI 兼容协议，chat 端点 https://llm.ai-nebula.com/v1/chat/completions。参数、输出与容错行为与 ZenMux 节点保持一致，便于两者互换。

模型清单（25 个，价格单位 USD / 百万 token）:

| 厂商 | 模型 | 输入 | 输出 | |:-----|:-----|-----:|-----:| | OpenAI | gpt-5.6-sol | 4.75 | 5.00 | | | gpt-5.6-terra | 2.375 | 2.50 | | | gpt-5.6-luna | 0.95 | 1.00 | | | gpt-4.1 / gpt-4.1-mini | 2.00 / 0.40 | 8.00 / 1.60 | | | gpt-4o / gpt-4o-mini | 2.50 / 0.15 | 10.00 / 0.60 | | | o4-mini / o3-mini | 1.10 | 4.40 | | Anthropic | claude-opus-5 | 5.00 | 5.00 | | | claude-opus-4-7 / 4-6 | 15.00 | 75.00 | | | claude-sonnet-5 | 2.00 | 2.00 | | | claude-sonnet-4-6 | 3.00 | 15.00 | | | claude-haiku-4-5-20251001 | 0.80 | 4.00 | | | claude-fable-5 | 3.00 | 15.00 | | DeepSeek | deepseek-v4-pro | 2.19 | 8.76 | | | deepseek-v4-flash（默认）| 0.10 | 0.30 | | | deepseek-r1-250528 | 0.55 | 2.19 | | | deepseek-v3-250324 | 0.27 | 1.10 | | Kimi | kimi-k3 | 2.86 | 2.86 | | | kimi-k2.7-code / k2.6 / k2.5 / k2-thinking | 1.00 | 4.00 |

输入参数: 与 ZenMux 节点相同——api_key、model（下拉带价签）、system_prompt、user_prompt、seed，以及可选的 temperature、top_p、max_tokens、image_1~image_6、detail、image_max_size、base_url、proxy_url、usd_to_cny。

输出: text / model_id / usage_stats（五行：token 消耗、输出字数、厂商、模型与单价、美元与人民币费用）

与 ZenMux 节点的三点差异:

模型清单内置，不做在线快照。越光没有可枚举的模型接口，清单与价格来自官方规范文档，直接写在 yueguang/model_registry.py 里——少一个联网环节，也不会因拉取失败导致下拉变空。价格变动时改那张表即可。
model id 不带厂商前缀（是 gpt-4o 而非 openai/gpt-4o）。下拉里同厂商靠排序聚在一起，搜索时输 gpt / claude / deepseek / kimi 过滤。
默认模型是全表最便宜的 deepseek-v4-flash（$0.10/$0.30），官方示例也用它，默认值便宜可避免误触发时产生意外费用。

沿用的实战经验:

base_url 默认值不带 ://——ComfyUI 前端会吞掉文本框里的协议片段（本仓库为此修过多次），协议由后端自动补全
自适应参数重试：部分模型弃用 temperature、或要求用 max_completion_tokens 取代 max_tokens，命中这类 400 时会剔除/改名后自动重试，正常请求零额外开销
VALIDATE_INPUTS 宽松放行：价格表更新后旧工作流里保存的标签不再逐字匹配，但只要能解析出 model id 就放行，不会让整个工作流失效

🐕 关于 Rui-Node🐶

Rui-Node🐶 致力于为 ComfyUI 用户提供实用、高效的节点工具集。🐶 是我们的项目标志，代表着忠诚、友好和可靠。

📄 许可证

本项目遵循开源协议，欢迎使用和贡献。

Happy Creating with Rui-Node🐶! 🎨✨

RUI-Nodes

Nodes (17)

Rui-Node🐶 - ComfyUI 图像处理节点集

📦 安装方法

📋 节点目录

🎨 图像调节类

📁 文件存储与加载类

🤖 AI模型类

📝 文本处理类

🎭 遮罩处理类

📖 节点详细说明

1. 调整饱和度 / Saturation Adjustment

2. 图像翻转 / Image Flip

3. 按路径加载图像 / Load Image By Path

4. 千问编辑图像生成 / Qwen Edit Image Generation

5. 镜头分词器 / Shot Splitter

6. 对白提取器 / Dialogue Extractor

7. 页面旁白删除器 / Page Narration Remover

8. 文本列表制作器 / Text List Creator

9. 遮罩筛选 / Mask Selector

10. 遮罩预览 / Mask Preview

11. 转化为utf-8编码 / Convert to UTF-8

12. OpenAI API 连接 / OpenAI API Connector

13. 颜色匹配器 / Color Matcher

14. 素材拆分 / Sprite Splitter

15. 素材拆分(带透明通道) / Sprite Splitter RGBA

16. 加载图像(带文件名) / Load Image With Name

🔧 依赖库

📝 注意事项

17. SDMatte 精细抠图 / SDMatte Interactive Matting

模型准备

参数说明

⚠ 两个权重的能力不同（实测）

典型接法

实测数据

与 ComfyUI-SDMatte 的横向实测

实现要点

18. ZenMux API 连接 / ZenMux API Connector

19. Markdown转图片 / Markdown To Image

20. 多行文本框(原样输出) / Text Box (Raw)

21. 满屏文字水印 / Full-Screen Text Watermark

22. FeyNobg 抠图 / FeyNobg Matting

23. Lucida 抠图 / Lucida Matting

24. 像素化 / Pixelate

25. 八方向序列拆分 / 8-Direction Sprite Split

26. 越光 API 连接 / YueGuang API Connector

🐕 关于 Rui-Node🐶

📄 许可证