> ## Documentation Index > Fetch the complete documentation index at: https://docs.comfy.org/llms.txt > Use this file to discover all available pages before exploring further. # Tipos de datos de nodos personalizados de ComfyUI > Referencia de tipos de datos de nodos personalizados de ComfyUI: tipos de Python, formatos de tensor (IMAGE, LATENT, MASK), tipos personalizados y comodines en INPUT_TYPES. Estos son los tipos de datos integrados más importantes. También puedes [definir los tuyos propios](https://docs.comfy.org/es/custom-nodes/backend/more_on_inputs.md#tipos-de-datos-personalizados). Los tipos de datos se usan en el lado del cliente para evitar que un flujo de trabajo pase una forma incorrecta de datos a un nodo, algo parecido al tipado fuerte. Por lo general, el código JavaScript del lado del cliente no permitirá conectar la salida de un nodo a una entrada de otro tipo de datos, aunque a continuación se indican algunas excepciones. ## Tipos de datos de Comfy ### COMBO * Sin parámetros adicionales en `INPUT_TYPES` * Tipo de dato de Python: definido como `list[str]`, el valor de salida es `str` Representa un widget de menú desplegable. A diferencia de otros tipos de datos, `COMBO` no se especifica en `INPUT_TYPES` mediante un `str`, sino mediante un `list[str]` que corresponde a las opciones de la lista desplegable, con la primera opción seleccionada de forma predeterminada. Las entradas `COMBO` a menudo se generan dinámicamente en tiempo de ejecución. Por ejemplo, en el nodo integrado `CheckpointLoaderSimple`, encuentras ``` "ckpt_name": (folder_paths.get_filename_list("checkpoints"), ) ``` o pueden ser simplemente una lista fija de opciones, ``` "play_sound": (["no","yes"], {}), ``` ### Primitive y Reroute Los nodos Primitive y Reroute solo existen en el lado del cliente. No tienen un tipo de dato intrínseco, pero cuando están conectados adoptan el tipo de dato de la entrada o salida a la que se han conectado (por eso no pueden conectarse a una entrada `*`...) ## Tipos de datos de Python ### INT * Parámetros adicionales en `INPUT_TYPES`: * `default` es requerido * `min` y `max` son opcionales * Tipo de dato de Python `int` ### FLOAT * Parámetros adicionales en `INPUT_TYPES`: * `default` es requerido * `min`, `max`, `step` son opcionales * Tipo de dato de Python `float` ### STRING * Parámetros adicionales en `INPUT_TYPES`: * `default` es requerido * Tipo de dato de Python `str` ### BOOLEAN * Parámetros adicionales en `INPUT_TYPES`: * `default` es requerido * Tipo de dato de Python `bool` ## Tipos de datos de tensor ### IMAGE * No hay parámetros adicionales en `INPUT_TYPES` * Tipo de dato de Python `torch.Tensor` con *forma* \[B,H,W,C] Un lote de `B` imágenes, alto `H`, ancho `W`, con `C` canales (generalmente `C=3` para `RGB`). ### LATENT * No hay parámetros adicionales en `INPUT_TYPES` * Tipo de dato de Python `dict`, que contiene un `torch.Tensor` con *forma* \[B,C,H,W] El `dict` que se pasa contiene la clave `samples`, que es un `torch.Tensor` con *forma* \[B,C,H,W] que representa un lote de `B` latents, con `C` canales (generalmente `C=4` para los modelos de stable diffusion existentes), alto `H`, ancho `W`. El alto y el ancho son 1/8 del tamaño de imagen correspondiente (que es el valor que estableces en el nodo Empty Latent Image). Otras entradas del diccionario contienen cosas como máscaras de latent. ### MASK * No hay parámetros adicionales en `INPUT_TYPES` * Tipo de dato de Python `torch.Tensor` con *forma* \[H,W] o \[B,C,H,W] ### AUDIO * No hay parámetros adicionales en `INPUT_TYPES` * Tipo de dato de Python `dict`, que contiene un `torch.Tensor` con *forma* \[B, C, T] y una frecuencia de muestreo. El `dict` que se pasa contiene la clave `waveform`, que es un `torch.Tensor` con *forma* \[B, C, T] que representa un lote de `B` muestras de audio, con `C` canales (`C=2` para estéreo y `C=1` para mono) y `T` pasos de tiempo (es decir, la cantidad de muestras de audio). El `dict` contiene otra clave `sample_rate`, que indica la frecuencia de muestreo del audio. ## Tipos de datos de muestreo personalizados ### Noise El tipo de dato `NOISE` representa una *fuente* de ruido (no el ruido en sí). Puede representarlo cualquier objeto Python que proporcione un método para generar ruido, con la firma `generate_noise(self, input_latent:Tensor) -> Tensor`, y una propiedad, `seed:Optional[int]`. > [!TIP] > > La `seed` se pasa al guider de `sample` en `SamplerCustomAdvanced`, pero no parece usarse en ninguno de los guiders estándar. > Es opcional, así que por lo general puedes establecerla en None. Cuando hay que añadir ruido, el latent se pasa a este método, que debe devolver un `Tensor` de la misma forma que contenga el ruido. Consulta el [ejemplo de mezcla de ruido](./snippets#crear-variaciones-de-ruido) ### Sampler El tipo de dato `SAMPLER` representa un sampler, que se representa como un objeto Python que proporciona un método `sample`. El muestreo de Stable Diffusion está fuera del alcance de esta guía; consulta `comfy/samplers.py` si quieres profundizar en esta parte del código. ### Sigmas El tipo de dato `SIGMAS` representa los valores de sigma antes y después de cada paso del proceso de muestreo, tal como los produce un scheduler. Se representa como un tensor unidimensional, de longitud `steps+1`, donde cada elemento representa el ruido que se espera que esté presente antes del paso correspondiente, con el valor final representando el ruido presente después del último paso. Un scheduler `normal`, con 20 pasos y denoise de 1, para un modelo SDXL, produce: ``` tensor([14.6146, 10.7468, 8.0815, 6.2049, 4.8557, 3.8654, 3.1238, 2.5572, 2.1157, 1.7648, 1.4806, 1.2458, 1.0481, 0.8784, 0.7297, 0.5964, 0.4736, 0.3555, 0.2322, 0.0292, 0.0000]) ``` > [!TIP] > > El valor inicial de sigma depende del modelo, y por eso un nodo scheduler necesita una entrada `MODEL` para producir una salida SIGMAS ### Guider Un `GUIDER` es una generalización del proceso de eliminación de ruido, "guiado" por un prompt o cualquier otra forma de conditioning. En Comfy el guider se representa mediante un objeto Python `callable` que proporciona un método `__call__(*args, **kwargs)` que es invocado por el `sample`. El método `__call__` recibe (en `args[0]`) un lote de latents con ruido (tensor `[B,C,H,W]`) y devuelve una predicción del ruido (un tensor de la misma forma). ## Tipos de datos de modelos Existen varios tipos de datos más técnicos para los modelos de Stable Diffusion. Los más importantes son `MODEL`, `CLIP`, `VAE` y `CONDITIONING`. Trabajar con ellos está (por el momento) fuera del alcance de esta guía. ## Parámetros adicionales A continuación verás una lista de las claves admitidas oficialmente que puedes usar en la parte de 'opciones extra' de la definición de una entrada. > [!WARNING] > > Puedes usar claves adicionales para tus propios widgets personalizados, pero *no* debes reutilizar ninguna de las claves de abajo para otros fines. | Clave | Descripción | | - | - | | `default` | El valor predeterminado del widget | | `min` | El valor mínimo de un número (`FLOAT` o `INT`) | | `max` | El valor máximo de un número (`FLOAT` o `INT`) | | `step` | La cantidad en la que se incrementa o disminuye un widget | | `label_on` | La etiqueta que se muestra en la UI cuando el bool es `True` (`BOOL`) | | `label_off` | La etiqueta que se muestra en la UI cuando el bool es `False` (`BOOL`) | | `defaultInput` | Usa por defecto una conexión de entrada en lugar de un widget compatible | | `forceInput` | Igual que `defaultInput` y además no permite convertir a un widget | | `multiline` | Usa una caja de texto multilínea (`STRING`) | | `placeholder` | Texto de marcador de posición que se muestra en la UI cuando está vacío (`STRING`) | | `dynamicPrompts` | Hace que el front-end evalúe los prompts dinámicos | | `lazy` | Declara que esta entrada usa [Lazy Evaluation](https://docs.comfy.org/es/custom-nodes/backend/lazy_evaluation.md) | | `rawLink` | Cuando existe una conexión, en lugar de recibir el valor evaluado recibirás la conexión (es decir, `["nodeId", ]`). Es útil principalmente cuando tu nodo usa [Node Expansion](https://docs.comfy.org/es/custom-nodes/backend/expansion.md). | This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.