跳转到主要内容
为图像生成或交错文本与图像输出准备 SenseNova conditioning。task 选择器设置提示词模板和停止行为,节点会报告模型是否请求图像,从而让循环知道何时运行采样器。

输入

interleave 输入

当 task 设置为 "interleave" 时,这些输入会出现。

self-correction 输入

当 task 设置为 "self-correction" 时,这些输入会出现。 约束与行为:
  • clip 输入接收 SenseNova CLIP 模型本身,而不是 CLIP Text Encode 的输出(那是 CONDITIONING)。当传入的 conditioning 为空或已完成时,节点会提前返回,不使用 clip;否则 clip 缺失或不是 SenseNova CLIP 时会报错。
  • "image thinking" 需要恰好一个正面 conditioning 条目;"interleave" 和 "self-correction" 需要一个正面和一个负面条目。
  • 当模型正在等待图像时,将前一个采样器的 LATENT 输出连接到 samples。在请求图像之前传入 samples 是错误的。
  • 当传入的 conditioning 已经完成时,节点会原样返回它,generated_text 为空,image_requested 设置为 False。

输出

本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑

Source fingerprint (SHA-256): 97fcdc26ccf80f48c5628f695a4ae8231b065b67414c93dec9bced6bb8d4c77c