ComfyUI’da Qwen Image 2.1 havolalari va prompt iboralarini boshqarish

ComfyUI-qwen_img_2_1_enhancer nima qiladi

ComfyUI-qwen_img_2_1_enhancer ComfyUI'dagi mahalliy Qwen Image 2.1 ish jarayonlari uchun ikkita tugun qo‘shadi. Bu tugunlar alohida referens rasmlarning diqqat ustuvorligini boshqarish va tanlangan prompt iboralarini kuchaytirish yoki bostirish imkonini beradi.

Tugunlardan alohida foydalanishingiz yoki ularni bir ish jarayonida birlashtirishingiz mumkin. Ular matn embeddinglarini qayta o‘lchamlash, referens piksellarini kompozitsiyalash yoki manba rasmlarni o‘zgartirish o‘rniga, mahalliy Qwen Image 2.1 transformeri ichidagi diqqat ballarini moslaydi.

• Qwen Image 2.1 Reference Strength: Tanlangan referens rasmning diqqat ustuvorligini o‘zgartiradi.
• Qwen Image 2.1 Edit — Phrase Weights: Ijobiy va salbiy promptlarga vaznli ibora sintaksisini qo‘shadi hamda conditioning va latent chiqishlarini hosil qiladi.

Talablar va o‘rnatish

Sizga mahalliy Qwen Image 2.1 qo‘llab-quvvatloviga ega ComfyUI, shuningdek ishlaydigan Qwen Image 2.1 modeli, matn enkoderi va VAE sozlamasi kerak bo‘ladi. Maxsus tugun qo‘shimcha Python paketlarini yoki ComfyUI yadrosi fayllarini tahrirlashni talab qilmaydi.

1. Terminalni oching va ComfyUI'ning custom-node katalogiga o‘ting:

cd ComfyUI/custom_nodes

1. Repository'ni klonlang:

git clone https://github.com/capitan01R/ComfyUI-qwen_img_2_1_enhancer.git

Tugunni o‘rnatgach yoki yangilagach, ComfyUI'ni qayta ishga tushiring. Qayta ishga tushirilgandan so‘ng, tugunlar menyusidan ikkita Qwen Image 2.1 enhancer tugunini qidiring.

Referens rasm kuchini sozlash

Qwen Image 2.1 Reference Strength tuguni ulangan bitta referens rasmga beriladigan diqqatni boshqaradi. Uni modelingiz va ixtiyoriy LoRA loaderlaridan keyin qo‘shing, so‘ng uning MODEL chiqishini samplerga ulang.

Load Diffusion Model -> LoRA loaders (optional) -> Reference Strength -> sampler

Referens rasmlar va VAE'ni mahalliy Text Encode Qwen Image 2.1 tuguniga yoki qo‘shilgan Phrase Weights enkoderiga ulang. Referens tanlovi enkoderga ulangan rasmlar tartibiga asoslanadi. Bo‘sh rasm kirishlari o‘tkazib yuboriladi.

Reference Strength kirishlari

• model: Qo‘llangan LoRA'larni ham o‘z ichiga olgan Qwen Image 2.1 modeli.
• reference_index: Sozlanadigan referens. 1 birinchi ulangan rasmni, 2 ikkinchi rasmni va hokazoni tanlaydi.
• strength: Diqqat koeffitsienti. Standart qiymati 1.2.

Kuch qiymatlarini talqin qilish

• 1.0 mahalliy referens vaznini saqlab qoladi.
• 1.0 dan yuqori qiymatlar tanlangan referens ustuvorligini oshiradi.
• 0.0 va 1.0 orasidagi qiymatlar uning ustuvorligini kamaytiradi.
• 0.0 tanlangan referensning latent tokenlariga bevosita diqqatni bloklaydi, ammo rasm haqidagi ma’lumot conditioningning boshqa qismlarida qolishi mumkin.

Sozlama butun referens rasmga tatbiq etiladi. Bir nechta referensni boshqarish uchun bir nechta Reference Strength tugunini zanjirlang. Bir xil indeks takrorlansa, keyingi sozlama avvalgi kuch qiymatining o‘rnini bosadi. Indeksni 1.0 ga o‘rnatish uning sozlamasini olib tashlaydi.

Vaznli prompt iboralarini qo‘llash

Mahalliy Text Encode Qwen Image 2.1 tuguni o‘rniga Qwen Image 2.1 Edit — Phrase Weights tugunidan foydalaning. Mahalliy Qwen Image 2.1 CLIP'ini, referens rasmlaringizni va VAE'ni ulang. So‘ng tugunning positive, negative va latent chiqishlarini samplerga yuboring.

Enkoderga MODEL ulanishi kerak emas. Model odatdagi yo‘li orqali samplerga boradi.

Ibora vazni sintaksisi

So‘z yoki iborani qavs ichiga oling, ikki nuqta qo‘ying va nomanfiy vaznni belgilang:

Add (warm lighting:1.3) and (soft shadows:1.1).

• 1.0 mahalliy ibora vaznini qo‘llaydi.
• 1.0 dan yuqori qiymatlar ibora ustuvorligini oshiradi.
• 0.0 va 1.0 orasidagi qiymatlar ibora ustuvorligini kamaytiradi.
• 0.0 tanlangan ibora tokenlariga diqqatni kuchli bostiradi.

Ijobiy va salbiy promptlarning vaznlari mustaqil. Sozlama faqat belgilangan uchrashuvga ta’sir qiladi, shuning uchun to‘liq so‘z yoki iboralarni alohida, ichma-ich bo‘lmagan qismlarda ishlating.

Phrase Weights ulanishlari va chiqishlari

• clip: qwen_image CLIP turi bilan yuklangan mahalliy Qwen Image 2.1 matn enkoderi.
• prompt: Ixtiyoriy vaznli iboralarni o‘z ichiga olgan ijobiy prompt.
• negative_prompt: O‘zining ixtiyoriy vaznli iboralariga ega salbiy prompt.
• vae: Mahalliy Qwen Image 2.1 VAE'si. Bu tugunni Reference Strength bilan birlashtirganda talab qilinadi.
• resolution: Referensni o‘zgartirish maqsadli o‘lchami. Standart qiymat 1024; uni 0 ga o‘rnatish referenslarni 32 ga karrali qiymatlarga yaxlitlab, asl o‘lchamlariga yaqin saqlaydi.
• images: Referens rasmlar. Zaruratga qarab qo‘shimcha rasm slotlari paydo bo‘ladi.
• positive va negative: Sampler uchun conditioning chiqishlari.
• latent: O‘zgartirilgandan keyingi birinchi referens o‘lchamiga mos bo‘sh latent.
• phrase_report: Toza promptlar, vaznlar va tanlangan token qatorlarini ko‘rsatuvchi ixtiyoriy JSON matni.

Ikkala tugundan birgalikda foydalanish

Rasm referenslari va prompt iboralarini birgalikda boshqaradigan ish jarayoni uchun modelni Reference Strength orqali yo‘naltiring, Phrase Weights tugunining conditioning va latent chiqishlarini esa samplerga ulang.

MODEL -> Reference Strength -------------------------> sampler MODEL

CLIP + VAE + images -> Phrase Weights
                           |------------------------> sampler positive
                           |------------------------> sampler negative
                           `------------------------> sampler latent_image

Natijalarni taqqoslashda boshqa sozlamalarni o‘zgartirmagan holda bir vaqtning o‘zida faqat bitta boshqaruv parametrini o‘zgartiring. Bu vizual farq mos yozuvlar ustuvorligi yoki ibora ustuvorligidan kelib chiqqanini aniqlashni osonlashtiradi.

Ilg‘or maslahatlar va cheklovlar

Har ikkala tugun ham matematik e’tibor sozlamasini qo‘llaydi. Ijobiy w vazn uchun tanlangan e’tibor ballariga softmaxdan oldin log(w) qo‘shiladi. Bu normallashtirishni saqlagan holda nisbiy e’tibor ustuvorligini o‘zgartiradi.

• 2.0 ga teng kuch yoki ibora vazni ko‘rinadigan ta’sir ikki baravar bo‘lishini kafolatlamaydi.
• Juda katta qiymatlar boshqa ko‘rsatmalar yoki mos yozuvlarni bosib ketishi va tahrirlash moslashuvchanligini kamaytirishi mumkin.
• Reference Strength mos yozuvlar tasvirlariga tegishli kalitlarni, Phrase Weights esa belgilangan iboralarga tegishli matn kalitlarini tanlaydi.
• Asl prefiks keshlash saqlanadi.
• E’tibor backendlari qo‘shiluvchi maskalarni qo‘llab-quvvatlashi kerak.
• Ibora xaritalashida tokenizerning to‘liq qismlari talab qilinadi va textual-inversion embeddinglari qo‘llab-quvvatlanmaydi.
• Ibora kodlangandan keyin conditioning token qatorlarini o‘zgartirish ibora xaritalashini yaroqsiz holga keltirishi mumkin.

Amaliy sozlash uchun 1.0 dagi asl qiymatdan boshlang, kichik o‘zgarishlar kiriting va qaysi prompt tokenlari tanlanganini tekshirish kerak bo‘lsa, ixtiyoriy phrase_report hisobotini ko‘rib chiqing.

Xulosa

ComfyUI-qwen_img_2_1_enhancer ComfyUI asosiy fayllarini o‘zgartirmagan holda Qwen Image 2.1 tahrirlash jarayonlari uchun aniq boshqaruvni taqdim etadi. Maxsus tugunni o‘rnating, alohida tasvirlarga ustuvorlik berish uchun Reference Strengthdan foydalaning, prompt iboralarini kuchaytirish yoki bostirish uchun Phrase Weightsdan foydalaning va vizual mos yozuvlar hamda matnli ko‘rsatmalarni muvofiqlashtirib boshqarish kerak bo‘lganda ikkala tugunni birlashtiring.

Loyiha MIT litsenziyasi ostida chiqarilgan.