> ## 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.

# WeVisOne-VL en ComfyUI: segmentación y detección con indicaciones de texto

> Segmenta, detecta, cuenta y hace OCR a imágenes en ComfyUI con WeVisOne-VL: una consulta de texto devuelve máscaras alfa, cajas, puntos o la respuesta en bruto.

WeVisOne-VL es un modelo compacto de visión-lenguaje que responde con formas en lugar de texto. Dale una imagen y una consulta de texto breve, y devuelve cajas, puntos o una máscara alfa por instancia en una sola pasada: sin anotación y sin indicaciones por objeto.

En ComfyUI funciona como el nodo **WeVisOne-VL Detect**. La plantilla a continuación lo envuelve en un subgrafo y previsualiza la máscara alfa, las cajas dibujadas sobre la imagen fuente y los recortes de primer plano y de fondo, de modo que la máscara alfa entra directamente en una cadena de eliminación de fondo, enmascaramiento o composición.

Los pesos son las versiones de Tencent con licencia Apache-2.0, reempaquetados para ComfyUI en [Comfy-Org/WeVisOne-VL](https://huggingface.co/Comfy-Org/WeVisOne-VL). El soporte llegó en [ComfyUI #17632](https://github.com/Comfy-Org/ComfyUI/pull/17632) y la plantilla requiere ComfyUI 0.45.0 o posterior.

> [!TIP]
>
> > [tab] Usuarios locales
> >
> > Asegúrate de que tu ComfyUI esté actualizado.
> >
> > * [Descargar ComfyUI](https://www.comfy.org/download)
> > * [Guía de actualización](https://docs.comfy.org/es/installation/update_comfyui.md)
> >
> > Los flujos de trabajo de esta guía se encuentran en las [Plantillas de flujos de trabajo](https://docs.comfy.org/es/interface/features/template.md).
> > Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.
> >
> > Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:
> >
> > 1. No estás usando la última versión de ComfyUI (versión nocturna)
> > 2. Algunos nodos fallaron al importarse durante el inicio
>
> > [tab] Usuarios de Cloud
> >
> > * [Cloud](https://cloud.comfy.org) se actualizará después del lanzamiento estable de ComfyUI.
> >
> > Por lo tanto, si notas que falta algún nodo central en este documento, puede deberse a que los nuevos nodos centrales aún no se han publicado en la última versión estable. Espera al próximo lanzamiento estable.

## Segmentación de imágenes: WeVisOne-VL

Escribe en `query` lo que quieres recortar y ejecuta. Con la tarea `segmentation` predeterminada y la consulta `human`, el gráfico devuelve una sola máscara combinada con las personas que encuentra, además de sus cajas. Activa `individual_masks` en el nodo para obtener una máscara por persona.

![Vista previa del flujo de trabajo de segmentación WeVisOne-VL con matte, cajas y recortes](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/utility_image_segment_wevisone_vl-1.webp)

> [card] [Descargar flujo de trabajo](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/utility_image_segment_wevisone_vl.json)
>
> Descarga el JSON o busca "Segmentación de imagen: WeVisOne-VL" en la Biblioteca de plantillas

**Material de entrada**

> [card] [utility\_image\_segment\_wevisone\_vl\_input.png](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/utility_image_segment_wevisone_vl_input.png)
>
> Cárgala en el nodo `LoadImage`

## Tareas

El widget `task` reescribe tu consulta como la instrucción con la que se entrenó el checkpoint. Cada tarea recibe su consulta en una forma ligeramente distinta:

| `task` | Forma de la consulta | Devuelve |
| :- | :- | :- |
| `segmentation` | Una frase nominal corta, como `human` | Máscara alfa y cajas (una máscara combinada salvo que `individual_masks` esté activado) |
| `detection` | Una etiqueta por línea | Solo cajas |
| `referring` | Una frase descriptiva, como `the cup on the left` | Cajas |
| `point` | Una etiqueta por línea | Puntos centrales como JSON |
| `count_box` | El sujeto a contar | Un conteo, con una caja en cada instancia |
| `count_point` | El sujeto a contar | Un conteo, con un punto en cada instancia |
| `ocr` | Nada | Una caja en cada palabra de la imagen |
| `ocr_grounding` | La cadena exacta que quieres encontrar | Una caja alrededor de esa cadena |
| `visual_prompt` | Nada, usa la entrada `bboxes` | Cajas para objetos similares a las cajas de referencia |
| `freeform` | Cualquier cosa | La respuesta sin procesar, con la consulta como prompt completo |

Mantén la consulta corta. Una oración completa hace que `segmentation` divague, y una frase que nombre la cosa funciona mejor que una descripción de ella.

## Modelos

El flujo de trabajo carga el codificador de texto 2B INT8. Los otros tres archivos son reemplazos directos de `clip_name` en el nodo `CLIPLoader` (tipo `stable_diffusion`): el par 4B es más pesado y lento, y los archivos BF16 intercambian tamaño por precisión.

> [card] [2B INT8 (este flujo de trabajo)](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_2b_int8_convrot.safetensors)
>
> wevisone\_vl\_2b\_int8\_convrot.safetensors → ComfyUI/models/text\_encoders/

> [card] [2B BF16](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_2b_bf16.safetensors)
>
> wevisone\_vl\_2b\_bf16.safetensors → ComfyUI/models/text\_encoders/

> [card] [4B INT8](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_4b_int8_convrot.safetensors)
>
> wevisone\_vl\_4b\_int8\_convrot.safetensors → ComfyUI/models/text\_encoders/

> [card] [4B BF16](https://huggingface.co/Comfy-Org/WeVisOne-VL/resolve/main/text_encoders/wevisone_vl_4b_bf16.safetensors)
>
> wevisone\_vl\_4b\_bf16.safetensors → ComfyUI/models/text\_encoders/

## Más control sobre el nodo

* **`individual_masks`**: activado, una máscara por caja; desactivado, una máscara de unión por fotograma
* **`max_length`**: límite de longitud de la respuesta, 4096 tokens por defecto y hasta 32768
* **Salidas**: `masks`, `bboxes`, `points` (JSON con x, y, label y frame) y `text` (la respuesta sin procesar)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.