ComfyUI WD 1.4 标签器扩展

一款基于 ComfyUI 的扩展，允许从图像中查询 booru 标签。

基于 SmilingWolf/wd-v1-4-tags 和 toriato/stable-diffusion-webui-wd14-tagger
所有模型由 SmilingWolf 创建

安装

1. 将 git clone https://github.com/pythongosssss/ComfyUI-WD14-Tagger 克隆到 custom_nodes 文件夹中
   • 例如 custom_nodes\ComfyUI-WD14-Tagger
2. 打开命令提示符/终端等
3. 切换到刚刚创建的 custom_nodes\ComfyUI-WD14-Tagger 文件夹
   • 例如 cd C:\ComfyUI_windows_portable\ComfyUI\custom_nodes\ComfyUI-WD14-Tagger 或您安装的任何位置
4. 安装 python 包
   • Windows 独立安装（嵌入式 python）:
     ../../../python_embeded/python.exe -s -m pip install -r requirements.txt
   • 手动/非 Windows 安装
     pip install -r requirements.txt

使用方法

通过 image -> WD14Tagger|pysssss 添加节点

如果模型缺失，运行时将自动下载。

支持对多个批量输入进行标记和输出。

• model：要使用的查询模型。您可以在这里尝试它们 WaifuDiffusion v1.4 Tags。最新模型（撰写时）是 MOAT，最受欢迎的是 ConvNextV2。
• threshold：标记被认为是有效的分数
• character_threshold：字符标记被认为是有效的分数
• exclude_tags：不应包含在结果中的标记列表，用逗号分隔

任何显示图像的节点，例如 LoadImage、SaveImage、PreviewImage 节点也提供快速查询图像的功能。
只需在节点上右键单击（如果是显示多个图像，请在要查询的图像上右键单击），然后从菜单中选择 WD14 Tagger

这些设置在 pysssss.json 的 settings 部分中。

离线使用

最简单的方法是在线使用，查询图像，模型将被下载并缓存，但如果您想手动下载模型：

• 在与 wd14tagger.py 相同的文件夹中创建一个 models 文件夹
• 使用 pysssss.json 列表中的模型 URL
• 下载 model.onnx 并以模型名称命名，例如 wd-v1-4-convnext-tagger-v2.onnx
• 下载 selected_tags.csv 并以模型名称命名，例如 wd-v1-4-convnext-tagger-v2.csv

所需依赖

onnxruntime（推荐，即使是在 CPU 上，查询速度也很快，包含在 requirements.txt 中）
或 onnxruntime-gpu（允许使用 GPU，很多人在使用时遇到了问题，如果您尝试，我无法为此提供支持）

更新日志

• 2023-05-14 - 移至自己的仓库，添加下载模型，支持多个输入