ComfyUI Advanced ControlNet

NyamanUI-Advanced-ControlNet

Node untuk menjadwalkan kekuatan ControlNet di seluruh tahapan waktu dan batch laten, serta menerapkan bobot khusus dan masker perhatian. Node ControlNet di sini sepenuhnya mendukung pengambilan sampel konteks geser, seperti yang digunakan di node ComfyUI-AnimateDiff-Evolved. Saat ini mendukung ControlNets, T2IAdapters, ControlLoRAs, ControlLLLite, SparseCtrls, SVD-ControlNets, dan Referensi.

Bobot khusus memungkinkan replikasi fitur "Permintaan saya lebih penting" dari ekstensi ControlNet sd-webui Auto1111 melalui Bobot Lunak, dan fitur "ControlNet lebih penting" dapat dikontrol secara terperinci dengan mengubah uncond_multiplier pada Bobot Lunak yang sama.

Praprosesor ControlNet tersedia melalui node comfortui_controlnet_aux.

Fitur

• Penjadwalan timestep dan kekuatan laten
• Masker perhatian
• Replikasi fitur "Permintaan saya lebih penting" dari ekstensi sd-webui-controlnet melalui Soft Weights , dan izinkan kelembutan diubah melalui base_multiplier
• Replikasi fitur "ControlNet lebih penting" dari ekstensi sd-webui-controlnet melalui uncond_multiplier pada Soft Weights
  • uncond_multiplier=0.0 memberikan hasil yang identik dengan fitur auto1111, tetapi nilai antara 0.0 dan 1.0 dapat digunakan tanpa masalah untuk mengontrol pengaturan secara terperinci.
• Dukungan ControlNet, T2IAdapter, dan ControlLoRA untuk jendela konteks geser
• Dukungan KontrolLLLite
• Dukungan SparseCtrl
• Dukungan SVD-ControlNet
  • Jaringan Kontrol Difusi Video Stabil yang dilatih oleh CiaraRowles : Kedalaman, Lineart
• Dukungan referensi
  • Mendukung mode reference_attn , reference_adain , dan refrence_adain+attn . style_fidelity dan ref_weight masing-masing setara dengan style_fidelity dan control_weight di Auto1111, dan kekuatan Apply ControlNet adalah keseimbangan antara hasil yang dipengaruhi ref dan hasil tanpa ref. Ada juga node Referensi ControlNet (Finetune) yang memungkinkan penyesuaian style_fidelity, bobot, dan kekuatan attn dan adain secara terpisah.

Daftar isi:

• Penjelasan Penjadwalan
• Node
• Penggunaan (akan segera diisi)

Penjelasan Penjadwalan

Dua konsep inti penjadwalan adalah Timestep Keyframes dan Latent Keyframes .

Timestep Keyframes menyimpan nilai-nilai yang memandu pengaturan untuk jaringan kontrol, dan mulai berlaku berdasarkan start_percent-nya, yang sesuai dengan persentase proses pengambilan sampel. Mereka dapat berisi topeng untuk kekuatan masing-masing laten, control_net_weights, dan latent_keyframes (kekuatan spesifik untuk setiap laten), semuanya opsional.

Keyframe Laten menentukan kekuatan jaringan kontrol untuk laten tertentu - yang dikandungnya hanyalah batch_index dari laten, dan kekuatan yang harus diterapkan oleh jaringan kontrol untuk laten tersebut. Sebagai sebuah konsep, keyframe laten mencapai pengaruh yang sama seperti masker seragam dengan nilai kekuatan yang dipilih.

Node

Node ControlNet yang disediakan di sini adalah node Apply Advanced ControlNet dan Load Advanced ControlNet Model (atau diff). Node vanilla ControlNet juga kompatibel, dan dapat digunakan hampir secara bergantian - satu-satunya perbedaan adalah bahwa setidaknya satu dari node ini harus digunakan agar ControlNets versi Lanjutan dapat digunakan (penting untuk pengambilan sampel konteks geser, seperti dengan AnimateDiff-Evolved) .

Kunci:

• ? - masukan yang diperlukan
• ? - masukan opsional
• ? - mulai sebagai widget, dapat dikonversi menjadi input
• ? - input/output opsional, tetapi tidak disarankan untuk digunakan kecuali diperlukan
• ? - keluaran

Terapkan ControlNet Tingkat Lanjut

Fungsionalitas yang sama dengan node Vanilla Apply Advanced ControlNet (Advanced), kecuali dengan fitur Advanced ControlNet yang ditambahkan ke dalamnya. Secara otomatis mengubah ControlNet apa pun dari pemuat ControlNet menjadi versi Lanjutan.

masukan

• ? positif : pengkondisian (positif).
• ? negatif : pengkondisian (negatif).
• ? control_net : jaringan kontrol dimuat; akan dikonversi ke versi Lanjutan secara otomatis oleh node ini, jika tipenya didukung.
• ? image : gambar untuk memandu jaringan kontrol - jika jaringan kontrol yang dimuat memerlukannya, gambar tersebut harus diproses terlebih dahulu. Jika satu gambar disediakan, akan digunakan untuk semua gambar laten. Jika lebih banyak gambar yang disediakan, akan menggunakan setiap gambar secara terpisah untuk setiap laten. Jika gambar tidak cukup untuk memenuhi jumlah laten, akan mengulangi gambar dari awal agar sesuai dengan fungsi vanilla ControlNet.
• ? mask_optional : masker perhatian untuk diterapkan pada jaringan kontrol; pada dasarnya, memutuskan bagian mana dari gambar yang akan diterapkan jaringan kontrol (dan kekuatan relatifnya, jika topengnya bukan biner). Sama seperti input gambar, jika Anda memberikan lebih dari satu mask, masing-masing mask dapat diterapkan ke laten yang berbeda.
• ? timestep_kf : keyframe timestep untuk memandu efek controlnet di seluruh langkah pengambilan sampel.
• ? latent_kf_override : penggantian keyframe laten, berguna jika tidak diperlukan fitur lain dari keyframe timestep. CATATAN: keyframe laten ini akan diterapkan ke SEMUA langkah waktu, terlepas apakah ada keyframe laten lain yang terpasang pada keyframe timestep yang terhubung.
• ? Weights_override : penggantian bobot, berguna jika tidak diperlukan fitur lain dari bingkai utama timestep. CATATAN: bobot ini akan diterapkan ke SEMUA langkah waktu, terlepas dari apakah ada bobot lain yang dipasang pada kerangka utama langkah waktu yang terhubung.
• ? kekuatan : kekuatan jaringan kendali; 1.0 adalah kekuatan penuh, 0.0 tidak berpengaruh sama sekali.
• ? start_percent : persentase langkah pengambilan sampel di mana jaringan kontrol harus mulai diterapkan - berapa pun start_percent yang disetel pada kerangka kunci timestep, persentase tersebut tidak akan berpengaruh hingga start_percent ini tercapai.
• ? stop_percent : persentase langkah pengambilan sampel di mana controlnet harus berhenti diterapkan - tidak peduli berapa pun start_percent yang disetel pada keyframe timestep, persentase tersebut tidak akan berlaku setelah end_percent ini tercapai.

Keluaran

• ? positif : pengkondisian (positif) dengan jaringan kendali yang diterapkan
• ? negatif : pengondisian (negatif) dengan jaringan kendali yang diterapkan

Muat Model ControlNet Tingkat Lanjut

Memuat model ControlNet dan mengubahnya menjadi versi Lanjutan yang mendukung semua fitur di repo ini. Ketika digunakan dengan node Apply Advanced ControlNet , tidak ada alasan untuk menggunakan input timestep_keyframe pada node ini - gunakan timestep_kf pada node Apply sebagai gantinya.

masukan

• ? timestep_keyframe : masukan opsional dan mungkin tidak perlu agar ControlNet menggunakan timestep_keyframes yang dipilih - tidak boleh digunakan kecuali Anda perlu. Berguna jika node ini tidak dilampirkan ke node Apply Advanced ControlNet , namun masih ingin menggunakan Timestep Keyframe, atau menggunakan output TK_SHORTCUT dari ControlWeights dalam skenario yang sama. Akan ditimpa oleh input timestep_kf pada node Apply Advanced ControlNet , jika ada yang disediakan di sana.
• ? model : model untuk dihubungkan ke versi node yang berbeda. Beberapa jaringan kontrol dirancang untuk menerima model; jika Anda tidak tahu apa fungsinya, Anda mungkin tidak ingin menggunakan versi node yang berbeda.

Keluaran

• ? CONTROL_NET : memuat ControlNet Tingkat Lanjut

Bingkai Utama Timestep

Menjadwalkan node di seluruh rentang waktu (langkah pengambilan sampel) berdasarkan set start_percent. Merangkai Timestep Keyframes memungkinkan penjadwalan ControlNet di seluruh langkah pengambilan sampel (berdasarkan persentase), melalui jadwal keyframe timestep.

masukan

• ? prev_timestep_kf : digunakan untuk menyatukan Timestep Keyframe untuk membuat jadwal. Urutannya tidak menjadi masalah - Timestep Keyframe mengurutkan dirinya sendiri secara otomatis berdasarkan start_percent-nya. Setiap Timestep Keyframe yang terdapat dalam prev_timestep_keyframe yang berisi start_percent yang sama dengan Timestep Keyframe akan ditimpa.
• ? cn_weights : bobot yang akan diterapkan ke controlnet saat Timestep Keyframe ini berlaku. Harus kompatibel dengan jaringan kontrol yang dimuat, atau akan muncul kesalahan yang menjelaskan jenis bobot apa yang kompatibel. Jika mewarisi_hilang adalah Benar, jika tidak ada control_net_weight yang diteruskan, akan mencoba menggunakan kembali bobot yang terakhir digunakan dalam jadwal bingkai utama timestep. Jika node Apply Advanced ControlNet memiliki Weight_override, Weight_override akan digunakan selama pengambilan sampel, bukan Control_net_weight.
• ? latent_keyframe : keyframe laten yang akan diterapkan ke controlnet saat Timestep Keyframe ini berlaku. Jika legacy_missing adalah True, jika tidak ada latent_keyframe yang diteruskan, akan mencoba menggunakan kembali bobot yang terakhir digunakan dalam jadwal keyframe timestep. Jika node Apply Advanced ControlNet memiliki latent_kf_override, latent_lf_override akan digunakan selama pengambilan sampel, bukan latent_keyframe.
• ? mask_optional : masker perhatian untuk diterapkan pada jaringan kontrol; pada dasarnya, memutuskan bagian mana dari gambar yang akan diterapkan jaringan kontrol (dan kekuatan relatifnya, jika topengnya bukan biner). Sama seperti mask_optional pada node Apply Advanced ControlNet, dapat menerapkan salah satu maks ke semua laten, atau masker individual untuk setiap laten. Jika legacy_missing adalah True, jika tidak ada mask_optional yang diteruskan, akan mencoba menggunakan kembali mask_optional yang terakhir digunakan dalam jadwal keyframe timestep. Ini TIDAK ditimpa oleh mask_optional pada node Apply Advanced ControlNet; akan digunakan bersama-sama.
• ? start_percent : persentase langkah pengambilan sampel di mana Timestep Keyframe memenuhi syarat untuk digunakan. Bertindak sebagai 'kunci' untuk Timestep Keyframe dalam jadwal timestep keyframe.
• ? kekuatan : kekuatan jaringan kendali; mengalikan controlnet dengan nilai ini, pada dasarnya, diterapkan bersamaan dengan kekuatan pada node Apply ControlNet. Jika disetel ke 0.0 tidak akan berpengaruh apa pun selama durasi efek Timestep Keyframe ini, dan akan meningkatkan kecepatan pengambilan sampel dengan tidak melakukan pekerjaan apa pun.
• ? null_latent_kf_strength : kekuatan untuk ditetapkan ke laten yang tidak terhitung dalam latent_keyframes. Tidak berpengaruh jika tidak ada latent_keyframes yang diteruskan, atau tidak ada batch_indeces yang tidak terhitung dalam latent_keyframes selama pengambilan sampel.
• ? mewarisi_hilang : menentukan apakah harus menggunakan kembali nilai dari Timestep Keyframes sebelumnya untuk nilai opsional (control_net_weights, latent_keyframe, dan mask_option) yang tidak disertakan dalam TimestepKeyframe ini. Untuk hanya mewarisi masukan tertentu, gunakan masukan default.
• ? Guarantee_steps : ketika 1 atau lebih besar, bahkan jika start_percent Timestep Keyframe sebelum jadwal ini lebih dekat dengan persentase pengambilan sampel saat ini, Timestep Keyframe ini akan tetap digunakan untuk jumlah langkah yang ditentukan sebelum berpindah ke Timestep Keyframe berikutnya yang dipilih di langkah berikut. Apakah Timestep Keyframe digunakan atau tidak, inputnya akan tetap diperhitungkan untuk tujuan warisan_hilang.

Keluaran

• ? TIMESTEP_KF : Timestep Keyframe yang dibuat, yang dapat ditautkan ke yang lain atau ke input Timestep Keyframe.

Interpolasi Bingkai Utama Timestep

Memungkinkan untuk membuat Timestep Keyframe dengan nilai kekuatan yang diinterpolasi dalam rentang persentase tertentu. (Keyframe pertama yang dihasilkan akan memiliki jaminan_langkah=1, sisanya berikutnya akan memiliki jaminan_langkah=0).

masukan

• ? prev_timestep_kf : digunakan untuk menyatukan Timestep Keyframe untuk membuat jadwal. Urutannya tidak menjadi masalah - Timestep Keyframe mengurutkan dirinya sendiri secara otomatis berdasarkan start_percent-nya. Setiap Timestep Keyframe yang terdapat dalam prev_timestep_keyframe yang berisi start_percent yang sama dengan Timestep Keyframe akan ditimpa.
• ? cn_weights : bobot yang akan diterapkan ke controlnet saat Timestep Keyframe ini berlaku. Harus kompatibel dengan jaringan kontrol yang dimuat, atau akan muncul kesalahan yang menjelaskan jenis bobot apa yang kompatibel. Jika legacy_missing adalah True, jika tidak ada control_net_weight yang diteruskan, maka akan mencoba menggunakan kembali bobot yang terakhir digunakan dalam jadwal keyframe timestep. Jika node Apply Advanced ControlNet memiliki Weight_override, Weight_override akan digunakan selama pengambilan sampel, bukan Control_net_weight.
• ? latent_keyframe : keyframe laten yang akan diterapkan ke controlnet saat Timestep Keyframe ini berlaku. Jika legacy_missing adalah True, jika tidak ada latent_keyframe yang diteruskan, akan mencoba menggunakan kembali bobot yang terakhir digunakan dalam jadwal keyframe timestep. Jika node Apply Advanced ControlNet memiliki latent_kf_override, latent_lf_override akan digunakan selama pengambilan sampel, bukan latent_keyframe.
• ? mask_optional : masker perhatian untuk diterapkan pada jaringan kontrol; pada dasarnya, memutuskan bagian mana dari gambar yang akan diterapkan jaringan kontrol (dan kekuatan relatifnya, jika topengnya bukan biner). Sama seperti mask_optional pada node Apply Advanced ControlNet, dapat menerapkan salah satu maks ke semua laten, atau masker individual untuk setiap laten. Jika legacy_missing adalah True, jika tidak ada mask_optional yang diteruskan, akan mencoba menggunakan kembali mask_optional yang terakhir digunakan dalam jadwal keyframe timestep. Ini TIDAK ditimpa oleh mask_optional pada node Apply Advanced ControlNet; akan digunakan bersama-sama.
• ? start_percent : persentase langkah pengambilan sampel di mana Timestep Keyframe pertama yang dihasilkan memenuhi syarat untuk digunakan.
• ? end_percent : persentase langkah pengambilan sampel di mana Timestep Keyframe yang terakhir dihasilkan memenuhi syarat untuk digunakan.
• ? strenght_start : kekuatan Timestep Keyframe pada awal rentang.
• ? strenght_end : kekuatan Timestep Keyframe di akhir rentang.
• ? interpolasi : metode interpolasi.
• ? intervals : jumlah total keyframe yang akan dihasilkan - start_percent pertama akan sama dengan start_percent, start_percent terakhir akan sama dengan end_percent.
• ? null_latent_kf_strength : kekuatan untuk ditetapkan ke laten yang tidak terhitung dalam latent_keyframes. Tidak berpengaruh jika tidak ada latent_keyframes yang diteruskan, atau tidak ada batch_indeces yang tidak terhitung dalam latent_keyframes selama pengambilan sampel.
• ? mewarisi_hilang : menentukan apakah harus menggunakan kembali nilai dari Timestep Keyframes sebelumnya untuk nilai opsional (control_net_weights, latent_keyframe, dan mask_option) yang tidak disertakan dalam TimestepKeyframe ini. Untuk hanya mewarisi masukan tertentu, gunakan masukan default.
• ? print_keyframes : jika Benar, akan mencetak Timestep Keyframes yang dihasilkan oleh node ini untuk tujuan debugging.

Keluaran

• ? TIMESTEP_KF : Timestep Keyframe yang dibuat, yang dapat ditautkan ke yang lain atau ke input Timestep Keyframe.

Bingkai Kunci Timestep Dari Daftar

Memungkinkan untuk membuat Timestep Keyframe melalui daftar float, seperti dengan Jadwal Nilai Batch dari node ComfyUI_FizzNodes. (Keyframe pertama yang dihasilkan akan memiliki jaminan_langkah=1, sisanya berikutnya akan memiliki jaminan_langkah=0).

masukan

• ? prev_timestep_kf : digunakan untuk menyatukan Timestep Keyframe untuk membuat jadwal. Urutannya tidak menjadi masalah - Timestep Keyframes mengurutkan dirinya sendiri secara otomatis berdasarkan start_percent-nya. Setiap Timestep Keyframe yang terdapat dalam prev_timestep_keyframe yang berisi start_percent yang sama dengan Timestep Keyframe akan ditimpa.
• ? cn_weights : bobot yang akan diterapkan ke controlnet saat Timestep Keyframe ini berlaku. Harus kompatibel dengan jaringan kontrol yang dimuat, atau akan muncul kesalahan yang menjelaskan jenis bobot apa yang kompatibel. Jika legacy_missing adalah True, jika tidak ada control_net_weight yang diteruskan, maka akan mencoba menggunakan kembali bobot yang terakhir digunakan dalam jadwal keyframe timestep. Jika node Apply Advanced ControlNet memiliki Weight_override, Weight_override akan digunakan selama pengambilan sampel, bukan Control_net_weight.
• ? latent_keyframe : keyframe laten yang akan diterapkan ke controlnet saat Timestep Keyframe ini berlaku. Jika legacy_missing adalah True, jika tidak ada latent_keyframe yang diteruskan, akan mencoba menggunakan kembali bobot yang terakhir digunakan dalam jadwal keyframe timestep. Jika node Apply Advanced ControlNet memiliki latent_kf_override, latent_lf_override akan digunakan selama pengambilan sampel, bukan latent_keyframe.
• ? mask_optional : masker perhatian untuk diterapkan pada jaringan kontrol; pada dasarnya, memutuskan bagian mana dari gambar yang akan diterapkan jaringan kontrol (dan kekuatan relatifnya, jika topengnya bukan biner). Sama seperti mask_optional pada node Apply Advanced ControlNet, dapat menerapkan salah satu maks ke semua laten, atau masker individual untuk setiap laten. Jika legacy_missing adalah True, jika tidak ada mask_optional yang diteruskan, akan mencoba menggunakan kembali mask_optional yang terakhir digunakan dalam jadwal keyframe timestep. Ini TIDAK ditimpa oleh mask_optional pada node Apply Advanced ControlNet; akan digunakan bersama-sama.
• ? float_strengths : daftar float, yang sesuai dengan kekuatan setiap Timestep Keyframe; yang pertama akan ditetapkan ke start_percent, yang terakhir akan ditetapkan ke end_percent, dan sisanya tersebar secara linear di antara keduanya.
• ? start_percent : persentase langkah pengambilan sampel di mana Timestep Keyframe pertama yang dihasilkan memenuhi syarat untuk digunakan.
• ? end_percent : persentase langkah pengambilan sampel di mana Timestep Keyframe yang terakhir dibuat memenuhi syarat untuk digunakan.
• ? null_latent_kf_strength : kekuatan untuk ditetapkan ke laten yang tidak terhitung dalam latent_keyframes. Tidak berpengaruh jika tidak ada latent_keyframes yang diteruskan, atau tidak ada batch_indeces yang tidak terhitung dalam latent_keyframes selama pengambilan sampel.
• ? mewarisi_hilang : menentukan apakah harus menggunakan kembali nilai dari Timestep Keyframes sebelumnya untuk nilai opsional (control_net_weights, latent_keyframe, dan mask_option) yang tidak disertakan dalam TimestepKeyframe ini. Untuk hanya mewarisi masukan tertentu, gunakan masukan default.
• ? print_keyframes : jika Benar, akan mencetak Timestep Keyframes yang dihasilkan oleh node ini untuk tujuan debugging.

Keluaran

• ? TIMESTEP_KF : Timestep Keyframe yang dibuat, yang dapat ditautkan ke yang lain atau ke input Timestep Keyframe.

Bingkai Utama Laten

Keyframe Laten tunggal, memilih kekuatan untuk batch_index tertentu. Jika batch_index tidak ada saat pengambilan sampel, tidak akan berpengaruh. Dapat dirangkai dengan node tipe Latent Keyframe lainnya untuk membuat jadwal keyframe laten.

masukan

• ? prev_latent_kf : digunakan untuk menyatukan Keyframe Laten untuk membuat jadwal. Jika Latent Keyframe yang ada di prev_latent_keyframes memiliki batch_index yang sama dengan Latent Keyframe ini, maka Latent Keyframe akan diprioritaskan di atas nilai node ini.
• ? batch_index : indeks laten dalam batch untuk menerapkan kekuatan jaringan kontrol. Bertindak sebagai 'kunci' untuk Latent Keyframe dalam jadwal keyframe laten.
• ? kekuatan : kekuatan jaringan kendali untuk diterapkan pada laten yang sesuai.

Keluaran

• ? LATENT_KF : Latent Keyframe yang dibuat, yang dapat ditautkan ke yang lain atau ke input Latent Keyframe.

Grup Keyframe Laten

Memungkinkan untuk membuat Keyframe Laten melalui indeks individual atau rentang gaya python.

masukan

• ? prev_latent_kf : digunakan untuk menyatukan Keyframe Laten untuk membuat jadwal. Jika ada Latent Keyframe yang terdapat dalam prev_latent_keyframes yang memiliki batch_index yang sama dengan Latent Keyframe ini, maka Latent Keyframe tersebut akan diprioritaskan dibandingkan versi node ini.
• ? latent_optional : laten yang diharapkan diteruskan untuk pengambilan sampel; hanya diperlukan jika Anda ingin menggunakan indeks negatif (akan otomatis dikonversi ke nilai riil).
• ? index_strengths : daftar string indeks atau rentang indeks bergaya python untuk ditetapkan kekuatannya. Jika latent_optional diteruskan, dapat berisi indeks negatif atau rentang yang berisi angka negatif, bergaya python. Indeks yang berbeda harus dipisahkan koma. Laten individual dapat ditentukan dengan batch_index=strength , seperti 0=0.9 . Rentang dapat ditentukan dengan start_index_inclusive:end_index_exclusive=strength , seperti 0:8=strength . Indeks negatif dimungkinkan ketika latents_optional memiliki input, dengan string seperti 0,-4=0.25 .
• ? print_keyframes : jika Benar, akan mencetak Latent Keyframes yang dihasilkan oleh node ini untuk tujuan debugging.

Keluaran

• ? LATENT_KF : Latent Keyframe yang dibuat, yang dapat ditautkan ke yang lain atau ke input Latent Keyframe.

Interpolasi Keyframe Laten

Memungkinkan untuk membuat Keyframe Laten dengan nilai yang diinterpolasi dalam suatu rentang.

masukan

• ? prev_latent_kf : digunakan untuk menyatukan Keyframe Laten untuk membuat jadwal. Jika ada Latent Keyframe yang terdapat dalam prev_latent_keyframes yang memiliki batch_index yang sama dengan Latent Keyframe ini, maka Latent Keyframe tersebut akan diprioritaskan dibandingkan versi node ini.
• ? batch_index_from : mulai batch_index dari rentang, disertakan.
• ? batch_index_to : akhir batch_index dari rentang, dikecualikan (rentang gaya python).
• ? strenght_from : kekuatan awal interpolasi.
• ? strenght_to : kekuatan akhir interpolasi.
• ? interpolasi : metode interpolasi.
• ? print_keyframes : jika Benar, akan mencetak Latent Keyframes yang dihasilkan oleh node ini untuk tujuan debugging.

Keluaran

• ? LATENT_KF : Latent Keyframe yang dibuat, yang dapat ditautkan ke yang lain atau ke input Latent Keyframe.

Keyframe Laten Dari Daftar

Memungkinkan untuk membuat Keyframe Laten melalui daftar float, seperti dengan Jadwal Nilai Batch dari node ComfyUI_FizzNodes.

masukan

• ? prev_latent_kf : digunakan untuk menyatukan Keyframe Laten untuk membuat jadwal. Jika ada Latent Keyframe yang terdapat dalam prev_latent_keyframes yang memiliki batch_index yang sama dengan Latent Keyframe ini, maka Latent Keyframe tersebut akan diprioritaskan dibandingkan versi node ini.
• ? float_strengths : daftar float, yang sesuai dengan kekuatan setiap Keyframe Laten; batch_index adalah indeks dari setiap nilai float dalam daftar.
• ? print_keyframes : jika Benar, akan mencetak Latent Keyframes yang dihasilkan oleh node ini untuk tujuan debugging.

Keluaran

• ? LATENT_KF : Latent Keyframe yang dibuat, yang dapat ditautkan ke yang lain atau ke input Latent Keyframe.

Ada lebih banyak node untuk didokumentasikan dan menunjukkan penggunaan - akan segera menambahkannya! TODO