EasyUse/Loadersgenerated

EasyLoader (HunyuanDiT)(hunyuanDiTLoader)

EasyLoader (HunyuanDiT) es un cargador de conveniencia para flujos de trabajo basados en HunyuanDiT.

hunyuan Di T Loader

optional_lora_stack
optional_controlnet_stack
pipe
model
vae
ckpt_name
COMBO
vae_name
COMBO
lora_name
COMBO
lora_model_strength
1.00
lora_clip_strength
1.00
resolution
1024 x 1024
empty_latent_width
INT
empty_latent_height
INT
positive
STRING
negative
STRING
batch_size
1
Easy Use

Descripción

EasyLoader (HunyuanDiT) es un cargador de conveniencia para flujos de trabajo basados en HunyuanDiT. Carga el checkpoint y el VAE de HunyuanDiT seleccionados, aplica opcionalmente un LoRA y empaqueta el modelo, las configuraciones de latente y el texto del prompt en un PIPE_LINE para el muestreo posterior. También expone directamente el MODEL y el VAE cargados, lo que lo hace útil tanto con los nodos de pipeline de EasyUse como con los flujos de trabajo estándar de muestreadores de ComfyUI.

Entradas

  • ckpt_name (COMBO, requerido): El checkpoint de HunyuanDiT a cargar.
  • vae_name (COMBO, requerido): El VAE a cargar y usar para decodificar latentes.
  • lora_name (COMBO, requerido): El LoRA a aplicar al checkpoint cargado.
  • lora_model_strength (FLOTANTE, requerido, predeterminado=1, rango -10 a 10): Fuerza del LoRA aplicado a los pesos del modelo.
  • lora_clip_strength (FLOTANTE, requerido, predeterminado=1, rango -10 a 10): Fuerza del LoRA aplicado al lado del codificador de texto / CLIP.
  • resolution (COMBO, requerido, predeterminado "1024 x 1024"): Resolución preestablecida para el latente generado.
  • empty_latent_width (ENTERO, requerido): Ancho del latente vacío a crear para la generación.
  • empty_latent_height (ENTERO, requerido): Alto del latente vacío a crear para la generación.
  • positive (CADENA, requerido, predeterminado ""): Texto del prompt positivo utilizado para construir el acondicionamiento.
  • negative (CADENA, requerido, predeterminado ""): Texto del prompt negativo utilizado para construir el acondicionamiento. Puede dejarse vacío.
  • batch_size (ENTERO, requerido, predeterminado=1, mín=1, máx=64): Cantidad de latentes a crear en el lote.
  • optional_lora_stack (LORA_STACK, opcional): Una pila de LoRAs adicionales a aplicar, con sus propias fuerzas de modelo y CLIP por elemento.
  • optional_controlnet_stack (CONTROL_NET_STACK, opcional): Una pila de ControlNets a aplicar al construir el pipeline del modelo.

Salidas

  • PIPE_LINE: Un pipeline de EasyUse que contiene el modelo cargado, el VAE, el acondicionamiento del prompt y las configuraciones de latente para los nodos posteriores de EasyUse.
  • MODEL: El modelo HunyuanDiT cargado después de las modificaciones de LoRA y ControlNet, listo para los muestreadores.
  • VAE: El VAE cargado, listo para decodificar latentes a imágenes.

Notas de uso

  • Este nodo está diseñado como un punto de partida integral de HunyuanDiT. Conecta PIPE_LINE a los muestreadores de pipeline de EasyUse, o usa MODEL y VAE directamente en flujos de trabajo de muestreadores estándar.
  • El combo resolution es una conveniencia para elegir un tamaño de lienzo común. Asegúrate de que empty_latent_width y empty_latent_height coincidan con las dimensiones de píxeles reales que deseas generar.
  • El LoRA se puede suministrar como un único LoRA a través de lora_name con fuerzas de modelo y CLIP separadas, o como una pila a través de optional_lora_stack para combinar múltiples LoRAs en una sola pasada.
  • Las configuraciones de ControlNet se proporcionan a través de optional_controlnet_stack; la fuerza individual y las configuraciones del preprocesador son transportadas por los elementos de la pila en lugar de entradas de nodo separadas.
  • Los textos de positive y negative se transportan dentro del PIPE_LINE, de modo que los nodos de muestreador posteriores pueden usarlos sin necesidad de un cargador de acondicionamiento separado.
  • Este nodo no genera un modelo CLIP/codificador de texto independiente. El acondicionamiento se construye internamente y se almacena en la salida PIPE_LINE.

Comentarios

Inicia sesión con GitHub para unirte a la conversación.

Cargando comentarios…