TextGenerate - ComfyUI Built-in Node Documentation - ComfyUI

TextGenerate 节点使用 CLIP 模型根据用户提示词生成文本。它可以选择性地使用图像、视频或音频作为额外上下文来引导文本生成。你可以控制输出长度，为支持的模型启用思考模式，并选择使用带有各种设置的随机采样，还是不使用采样生成文本。

输入

通用输入

参数	描述	数据类型	必填	范围
`采样模式`	控制文本生成过程中是否使用随机采样。设置为 “on” 时，将提供额外的采样参数。设置为 “off” 时，节点将在不使用随机采样的情况下生成文本。	DYNAMIC_COMBO	是	`"on"` `"off"`
`clip`	用于对提示词进行分词并生成文本的 CLIP 模型。	CLIP	是	N/A
`提示词`	用于引导生成的文本提示词。此字段支持多行和动态提示词。默认值为空字符串。	STRING	是	N/A
`图像`	可选图像，可与文本提示词一起使用，以影响生成的文本。	IMAGE	否	N/A
`视频`	以图像批次形式提供的视频帧。假定为 24 FPS；内部会下采样到 1 FPS。	IMAGE	否	N/A
`音频`	可选音频输入，可与文本提示词一起使用，以影响生成的文本。	AUDIO	否	N/A
`最大长度`	模型将生成的最大 token 数量。默认值为 512。	INT	是	1 至 32768
`思考模式`	如果模型支持，则在思考模式下运行。默认值为 False。	BOOLEAN	否	True or False
`use_default_template`	如果模型有内置系统提示词/模板，则使用它。默认值为 True。这是一个高级参数。	BOOLEAN	否	True or False
`mtp`	使用 checkpoint 的多 token 预测头进行投机解码。没有 MTP 权重时没有效果。`"auto"` 会自适应草稿深度，`"2"` 到 `"5"` 会将其固定。采样输出仍保持正确分布，但在相同 `seed` 下会与非 MTP 输出不同（默认值：`"auto"`）。	COMBO	否	`"auto"` `"off"` `"2"` `"3"` `"4"` `"5"`
`系统提示词`	替换模型聊天模板中的系统提示词。未使用默认模板时会被忽略。以 STRING 输入连接，而不是在节点中输入（默认值：空）。	STRING	否	N/A

采样参数（当 `sampling_mode` 为 “on” 时）

参数	描述	数据类型	必填	范围
`temperature`	控制输出的随机性。较低的值使输出更可预测，较高的值使其更具创造性。默认值为 0.7。	FLOAT	是	0.01 至 2.0
`top_k`	将采样池限制为最可能的下一个 token 中的前 K 个。值为 0 时禁用此过滤器。默认值为 64。	INT	是	0 至 1000
`top_p`	使用核采样：保留累计概率达到该值的最小一组最可能 token。默认值为 0.95。	FLOAT	是	0.0 至 1.0
`min_p`	设置 token 被考虑的最低概率阈值。默认值为 0.05。	FLOAT	是	0.0 至 1.0
`repetition_penalty`	对已经生成的 token 进行惩罚，以减少重复。值为 1.0 时不施加惩罚。默认值为 1.05。	FLOAT	是	0.0 至 5.0
`seed`	用于初始化随机数生成器以获得可复现结果的数字。默认值为 0。	INT	是	0 至 18446744073709551615
`presence_penalty`	根据新 token 是否已在当前文本中出现过对其进行惩罚，鼓励模型讨论新主题。默认值为 0.0。	FLOAT	否	0.0 至 5.0

注意： 仅当 sampling_mode 设置为 “on” 时，上述采样参数才会在节点界面中生效并可见。当 sampling_mode 设置为 “off” 时，没有可用的采样参数，节点将在不使用随机采样的情况下生成文本。 注意： 当生成的文本包含推理块时（文本以 <think> 开头，或提示词以它结尾），推理内容会单独返回：generated_text 返回答案，thinking 返回去掉开头标签的推理内容。否则 generated_text 返回模型生成的全部内容，thinking 为空。

输出

输出名称	描述	数据类型
`generated_text`	模型根据输入提示词以及可选图像、视频或音频生成的文本，推理块会单独输出到 `thinking`。	STRING
`thinking`	模型产生的推理块，已移除开头的 `<think>` 标签。模型未产生推理块时为空。	STRING

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): 80813781c06dfb0c3b59ee72c8bd6ebced69a4de8152de916ebc15153a0757fa