Krea2T Enhancer ajoute les phrases pondérées pour Krea 2
Le Krea2T Enhancer de capitan01R ajoute un nœud de phrases pondérées par l'attention pour Krea 2 : renforcez ou supprimez des phrases du prompt dans l'attention DiT.
(phrase:weight) et le nœud ajuste avec quelle force les tokens d'image de Krea 2 accordent leur attention exactement à ces mots.
Pourquoi la pondération conventionnelle du prompt ne fonctionne pas sur Krea 2
Krea 2 ne consomme pas une embedding CLIP à couche unique conventionnelle. Son encodeur de texte fournit douze points de capture cachés Qwen sélectionnés, produisant une représentation 12 x 2560 par token, qui passe ensuite par un chemin de fusion de texte interne avant que les tokens texte et image n'entrent dans les blocs DiT partagés. Les astuces d'emphase standards ne s'adaptent pas proprement à ce pipeline : multiplier les lignes de conditionnement peut être neutralisé par une normalisation ultérieure, et la répétition de tokens change la longueur de la séquence.
Le nouveau nœud conserve la séquence de prompt originale intacte. Il encode le texte propre normalement, localise les lignes de tokens Qwen appartenant à chaque phrase pondérée, et ajoute log(w) aux logits d'attention image-vers-texte sélectionnés à l'intérieur des blocs DiT partagés. Après softmax, cela multiplie les probabilités d'attention de la phrase par w sans copier, supprimer, moyenner ou redimensionner aucune ligne de conditionnement.
Contrôle d'attention au niveau des phrases sur Krea 2 avec le nouveau nœud encodeur
Comment se comporte la pondération
| Poids | Effet |
|---|---|
1.0 | Neutre exact, aucun changement |
Au-dessus de 1.0 | Plus de priorité d'attention pour la phrase |
De 0.0 à 1.0 | Priorité d'attention réduite |
0.0 | Suppression la plus forte de la phrase |
Les poids sont des multiplicateurs de probabilités relatives, pas des garanties de taille ou de visibilité. L'Auteur recommande de commencer à 1.5 ou 2.0 et d'affiner une phrase à la fois sur une graine fixe avant de combiner les poids. Un exemple pratique ressemble à :
A scene containing a (primary subject:2.0) beside a (secondary object:0.6)L'annotation est supprimée avant la tokenisation, et les sections pondrées chevauchantes sont rejetées. Le nœud valide également la disposition du modèle : il ne s'exécute que sur le conditionnement Krea 2 uniquement texte avec la disposition 12 x 2560 et échoue bruyamment sur les encodeurs incompatibles ou les architectures non prises en charge au lieu d'appliquer une mappage incertain.
Sortie générée avec un conditionnement de phrases pondérées
Sortie d'inspection et débogabilité
Une sortie CHAÎNE enregistre le texte propre, chaque phrase pondérée, son poids numérique, et les lignes de tokens Qwen exactes, les identifiants de tokens et les morceaux décodés sélectionnés. Connectez-la à un APERÇU de texte lorsque vous devez vérifier sur quoi un poids a réellement porté. Il n'est pas Requis pour l'échantillonnage.
Flux de travail
Le Référentiel fournit un flux de travail exemple pour le nouveau nœud encodeur :
Installer
Cloner le Référentiel dans ComfyUI/custom_nodes et Redémarrer :
cd ComfyUI/custom_nodes
git clone https://github.com/capitan01R/ComfyUI-Krea2T-Enhancer.gitAucun package Python supplémentaire n'est Requis au-delà d'une configuration Krea 2 fonctionnelle. Le nœud se situe entre vos chargeurs LoRA et l'échantillonneur : connectez la chaîne de modèle finale et le CLIP Krea2 à lui, envoyez sa sortie MODEL à l'échantillonneur, et sa sortie CONDITIONING au chemin positif. La mise à jour v1.3 inclut également les nœuds améliorateurs existants : ComfyUI-Krea2T-Enhancer, Krea2T Enhancer Avancé (avec un contrôle text_scale post-txtmlp), et Krea2 Turbo Reference Sigmas (From Latent) pour le calendrier officiel Turbo 8 étapes.
Commentaires
Connectez-vous avec GitHub pour rejoindre la discussion.