TextEncodeBooguEdit - ComfyUI Built-in Node Documentation

Este nodo prepara el condicionamiento para la edición de imágenes con Boogu. Procesa imágenes de referencia para generar salidas de condicionamiento tanto positivas como negativas. La imagen de referencia se usa dos veces: los tokens de visión de la imagen se agregan solo al condicionamiento positivo para amplificar la instrucción de edición, mientras que un latente de referencia del VAE se agrega tanto al condicionamiento positivo como al negativo para que se cancele bajo CFG, preservando la identidad de la imagen original; el tokenizador selecciona automáticamente el prompt del sistema apropiado según la presencia de imágenes y prompts negativos vacíos.

Entradas

Parámetro	Descripción	Tipo de Dato	Obligatorio	Rango
`clip`	El modelo CLIP utilizado para la codificación de texto	CLIP	Sí
`prompt`	El prompt de texto que describe la edición deseada. Admite texto multilínea y prompts dinámicos.	STRING	Sí
`negative_prompt`	El prompt de texto que describe lo que se debe evitar en la edición. Puede dejarse vacío para eliminar el condicionamiento negativo. Parámetro avanzado.	STRING	Sí
`vae`	El modelo VAE utilizado para codificar imágenes de referencia en el espacio latente. Necesario para agregar latentes de referencia a las salidas de condicionamiento.	VAE	No
`imágenes`	Imagen(es) de referencia a editar. Boogu se enfoca en una referencia por muestra; se permiten más.	IMAGE	No	Hasta 16 imágenes
Los latentes de referencia se agregan a ambas salidas de condicionamiento solo cuando se proporciona `vae` junto con al menos una `image` de referencia. Si se omite `vae`, la salida positiva aún recibe tokens de visión de las imágenes de referencia, pero ninguna salida incluye latentes de referencia.

Salidas

Nombre de Salida	Descripción	Tipo de Dato
`positivo`	Condicionamiento que contiene tanto el prompt de texto con tokens visuales como los latentes de referencia	CONDITIONING
`negativo`	Condicionamiento que contiene el prompt de texto negativo y los latentes de referencia	CONDITIONING

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): 170979acf5b2e9f25f96231a4b23a4376cfddcd4bda2fdd6e03528417e6931b0