ComfyUI-qwen_img_2_1_enhancer کیا کرتا ہے
ComfyUI-qwen_img_2_1_enhancer، ComfyUI میں مقامی Qwen Image 2.1 ورک فلو کے لیے دو نوڈز شامل کرتا ہے۔ یہ نوڈز آپ کو انفرادی حوالہ جاتی تصاویر کی توجہ کی ترجیح کو کنٹرول کرنے اور منتخب پرامپٹ فقروں کو نمایاں یا دبانے کی سہولت دیتے ہیں۔
نوڈز کو الگ الگ استعمال کریں یا ایک ہی ورک فلو میں ملا کر استعمال کریں۔ یہ مقامی Qwen Image 2.1 ٹرانسفارمر کے اندر توجہ کے اسکورز کو ایڈجسٹ کرتے ہیں، متن کی ایمبیڈنگز کو دوبارہ اسکیل نہیں کرتے، حوالہ جاتی پکسلز کو کمپوزٹ نہیں کرتے، اور ماخذ تصاویر کو تبدیل نہیں کرتے۔
- Qwen Image 2.1 Reference Strength: منتخب حوالہ جاتی تصویر کی توجہ کی ترجیح تبدیل کرتا ہے۔
- Qwen Image 2.1 Edit — Phrase Weights: مثبت اور منفی پرامپٹس میں وزنی فقرے کا نحو شامل کرتا ہے اور کنڈیشننگ و لیٹنٹ آؤٹ پٹس تیار کرتا ہے۔
تقاضے اور تنصیب
آپ کو مقامی Qwen Image 2.1 سپورٹ کے ساتھ ComfyUI، نیز کام کرنے والا Qwen Image 2.1 ماڈل، ٹیکسٹ انکوڈر اور VAE سیٹ اپ درکار ہے۔ کسٹم نوڈ کے لیے اضافی Python پیکیجز یا ComfyUI کی بنیادی فائلوں میں ترمیم کی ضرورت نہیں ہے۔
- ٹرمینل کھولیں اور ComfyUI کی کسٹم نوڈ ڈائریکٹری میں جائیں:
cd ComfyUI/custom_nodes- ریپوزٹری کلون کریں:
git clone https://github.com/capitan01R/ComfyUI-qwen_img_2_1_enhancer.gitنوڈ انسٹال یا اپ ڈیٹ کرنے کے بعد ComfyUI کو دوبارہ شروع کریں۔ دوبارہ شروع ہونے کے بعد، نوڈ مینو میں Qwen Image 2.1 enhancer کے دونوں نوڈز تلاش کریں۔
حوالہ جاتی تصویر کی طاقت ایڈجسٹ کریں
Qwen Image 2.1 Reference Strength نوڈ ایک منسلک حوالہ جاتی تصویر پر توجہ کو کنٹرول کرتا ہے۔ اسے اپنے ماڈل اور اختیاری LoRA لوڈرز کے بعد شامل کریں، پھر اس کے MODEL آؤٹ پٹ کو سیمپلر سے منسلک کریں۔
Load Diffusion Model -> LoRA loaders (optional) -> Reference Strength -> samplerحوالہ جاتی تصاویر اور VAE کو مقامی Text Encode Qwen Image 2.1 نوڈ یا شامل کردہ Phrase Weights انکوڈر سے منسلک کریں۔ حوالہ جاتی انتخاب انکوڈر میں منسلک تصاویر کی ترتیب کے مطابق ہوتا ہے۔ خالی تصویری ان پٹس نظر انداز کر دیے جاتے ہیں۔
Reference Strength کے ان پٹس
model: Qwen Image 2.1 ماڈل، جس میں لاگو شدہ LoRAs بھی شامل ہیں۔reference_index: ایڈجسٹ کی جانے والی حوالہ جاتی تصویر۔1پہلی منسلک تصویر،2دوسری تصویر، اور اسی طرح آگے منتخب کرتا ہے۔strength: توجہ کے امکان کا ضربی عامل۔ اس کی طے شدہ قدر1.2ہے۔
طاقت کی قدروں کی تشریح
1.0مقامی حوالہ جاتی وزن برقرار رکھتا ہے۔1.0سے زیادہ قدریں منتخب حوالہ جاتی تصویر کی ترجیح بڑھاتی ہیں۔0.0اور1.0کے درمیان قدریں اس کی ترجیح کم کرتی ہیں۔0.0منتخب حوالہ جاتی تصویر کے لیٹنٹ ٹوکنز پر براہِ راست توجہ روک دیتا ہے، اگرچہ تصویر سے متعلق معلومات کنڈیشننگ میں کسی اور جگہ موجود رہ سکتی ہیں۔
یہ ایڈجسٹمنٹ پوری حوالہ جاتی تصویر پر لاگو ہوتی ہے۔ متعدد حوالہ جاتی تصاویر کو کنٹرول کرنے کے لیے کئی Reference Strength نوڈز کو زنجیر میں منسلک کریں۔ اگر ایک ہی انڈیکس دہرایا جائے تو بعد کی ترتیب پہلے والی طاقت کی جگہ لے لیتی ہے۔ کسی انڈیکس کو 1.0 پر سیٹ کرنے سے اس کی ایڈجسٹمنٹ ختم ہو جاتی ہے۔
وزنی پرامپٹ فقرے لاگو کریں
مقامی Text Encode Qwen Image 2.1 نوڈ کے بجائے Qwen Image 2.1 Edit — Phrase Weights استعمال کریں۔ مقامی Qwen Image 2.1 CLIP، اپنی حوالہ جاتی تصاویر اور VAE کو منسلک کریں۔ پھر نوڈ کے positive، negative اور latent آؤٹ پٹس سیمپلر کو بھیجیں۔
انکوڈر کو MODEL کنکشن کی ضرورت نہیں ہوتی۔ ماڈل اپنے معمول کے راستے سے سیمپلر تک جاتا ہے۔
فقرہ وزن دینے کا نحو
کسی لفظ یا فقرے کو قوسین میں لکھیں، کولن شامل کریں، اور صفر یا اس سے زیادہ وزن درج کریں:
Add (warm lighting:1.3) and (soft shadows:1.1).1.0مقامی فقرہ وزن استعمال کرتا ہے۔1.0سے زیادہ قدریں فقرے کی ترجیح بڑھاتی ہیں۔0.0اور1.0کے درمیان قدریں فقرے کی ترجیح کم کرتی ہیں۔0.0منتخب فقرے کے ٹوکنز پر توجہ کو نمایاں طور پر دبا دیتا ہے۔
مثبت اور منفی پرامپٹس کے وزن الگ الگ ہوتے ہیں۔ صرف نشان زدہ وقوعہ ایڈجسٹ ہوتا ہے، اس لیے مکمل الفاظ یا فقرے الگ، غیر متداخل حصوں میں استعمال کریں۔
Phrase Weights کے کنکشنز اور آؤٹ پٹس
clip: مقامی Qwen Image 2.1 ٹیکسٹ انکوڈر، جوqwen_imageقسم کے CLIP کے ساتھ لوڈ کیا گیا ہے۔prompt: مثبت پرامپٹ، جس میں اختیاری وزنی فقرے شامل ہیں۔negative_prompt: منفی پرامپٹ، جس کے اپنے اختیاری وزنی فقرے ہوتے ہیں۔vae: مقامی Qwen Image 2.1 VAE۔ Reference Strength کے ساتھ اس نوڈ کو ملاتے وقت یہ ضروری ہے۔resolution: حوالہ جاتی تصویر کو دوبارہ سائز دینے کا ہدف۔ طے شدہ قدر1024ہے؛ اسے0پر سیٹ کرنے سے حوالہ جاتی تصاویر اپنے اصل ابعاد کے قریب رہتی ہیں، جو 32 کے مضارب تک گول کیے جاتے ہیں۔images: حوالہ جاتی تصاویر۔ ضرورت کے مطابق اضافی تصویری ساکٹس ظاہر ہوتے ہیں۔positiveاورnegative: سیمپلر کے لیے کنڈیشننگ آؤٹ پٹس۔latent: پہلی حوالہ جاتی تصویر کو دوبارہ سائز دینے کے بعد اس کے سائز کے مطابق خالی لیٹنٹ۔phrase_report: اختیاری JSON متن، جس میں صاف پرامپٹس، وزن اور منتخب ٹوکن قطاریں دکھائی جاتی ہیں۔
دونوں نوڈز کو ایک ساتھ استعمال کریں
ایسے ورک فلو کے لیے جو تصویری حوالہ جات اور پرامپٹ فقروں دونوں کو کنٹرول کرتا ہو، ماڈل کو Reference Strength کے ذریعے گزاریں اور Phrase Weights کے کنڈیشننگ و لیٹنٹ آؤٹ پٹس کو سیمپلر تک پہنچائیں۔
MODEL -> ریفرنس کی طاقت -------------------------> سیمپلر MODEL
CLIP + VAE + images -> فقرے کے وزن
|------------------------> سیمپلر مثبت
|------------------------> سیمپلر منفی
`------------------------> سیمپلر latent_imageنتائج کا موازنہ کرتے وقت ایک وقت میں صرف ایک کنٹرول تبدیل کریں اور باقی ترتیبات کو برقرار رکھیں۔ اس سے یہ تعین کرنا آسان ہو جاتا ہے کہ بصری فرق ریفرنس کی ترجیح کی وجہ سے ہے یا فقرے کی ترجیح کی وجہ سے۔
اعلیٰ درجے کی تجاویز اور حدود
دونوں نوڈز توجہ میں ریاضیاتی ایڈجسٹمنٹ نافذ کرتے ہیں۔ مثبت وزن w کے لیے، منتخب کردہ توجہ کے اسکورز کو softmax سے پہلے log(w) موصول ہوتا ہے۔ اس سے نارملائزیشن برقرار رکھتے ہوئے نسبتاً توجہ کی ترجیح تبدیل ہوتی ہے۔
2.0کی طاقت یا فقرے کا وزن نظر آنے والے اثر کے دگنا ہونے کی ضمانت نہیں دیتا۔- بہت بڑی قدریں دیگر ہدایات یا ریفرنسز پر غالب آ سکتی ہیں اور ایڈیٹنگ کی لچک کم کر سکتی ہیں۔
- Reference Strength ریفرنس امیج کیز منتخب کرتا ہے، جبکہ Phrase Weights نشان زدہ فقروں سے متعلق ٹیکسٹ کیز منتخب کرتا ہے۔
- Native prefix caching برقرار رہتی ہے۔
- توجہ کے بیک اینڈز کو additive masks کی معاونت کرنا ضروری ہے۔
- فقرے کی میپنگ کے لیے ٹوکنائزر کے مکمل حصے درکار ہوتے ہیں اور textual-inversion embeddings کی معاونت نہیں کی جاتی۔
- فقرے کی انکوڈنگ کے بعد conditioning token rows تبدیل کرنے سے فقرے کی میپنگ غیر مؤثر ہو سکتی ہے۔
عملی ٹیوننگ کے لیے، native قدر 1.0 سے شروع کریں، چھوٹی تبدیلیاں کریں، اور جب یہ جانچنا ہو کہ پرامپٹ کے کون سے ٹوکن منتخب کیے گئے ہیں تو اختیاری phrase_report دیکھیں۔
نتیجہ
ComfyUI-qwen_img_2_1_enhancer، ComfyUI کی بنیادی فائلوں میں ترمیم کیے بغیر Qwen Image 2.1 کی ایڈیٹنگ ورک فلو کے لیے مرکوز کنٹرول فراہم کرتا ہے۔ کسٹم نوڈ انسٹال کریں، انفرادی تصاویر کو ترجیح دینے کے لیے Reference Strength استعمال کریں، پرامپٹ کے فقروں کو نمایاں یا دبانے کے لیے Phrase Weights استعمال کریں، اور جب بصری ریفرنسز اور ٹیکسٹ ہدایات پر مربوط کنٹرول درکار ہو تو دونوں نوڈز کو یکجا کریں۔
یہ پروجیکٹ MIT License کے تحت جاری کیا گیا ہے۔