【免费下载】 ComfyUI-WD14-Tagger 安装和配置指南
2026-01-21 04:57:20作者:范靓好Udolf
1. 项目基础介绍和主要编程语言
项目基础介绍
ComfyUI-WD14-Tagger 是一个基于 ComfyUI 的扩展插件,旨在从图像中提取 booru 标签。该项目基于 SmilingWolf/wd-v1-4-tags 和 toriato/stable-diffusion-webui-wd14-tagger 开发,能够自动下载和使用预训练模型进行图像标签的提取。
主要编程语言
该项目主要使用 Python 语言进行开发。
2. 项目使用的关键技术和框架
关键技术
- ComfyUI: 一个用于图像处理的 UI 框架。
- ONNX Runtime: 用于模型推理的高性能引擎。
- Python: 主要编程语言,用于实现图像标签提取的逻辑。
框架
- SmilingWolf/wd-v1-4-tags: 提供基础的图像标签提取模型。
- toriato/stable-diffusion-webui-wd14-tagger: 提供图像标签提取的 WebUI 实现。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
- 安装 Python: 确保你的系统中已经安装了 Python 3.7 或更高版本。
- 安装 Git: 用于克隆项目代码。
- 安装依赖包: 项目依赖于一些 Python 包,需要通过 pip 安装。
详细安装步骤
步骤 1: 克隆项目代码
首先,打开命令行工具(如 Windows 的 Command Prompt 或 PowerShell,Linux/Mac 的 Terminal),然后运行以下命令克隆项目代码:
git clone https://github.com/pythongosssss/ComfyUI-WD14-Tagger.git
步骤 2: 进入项目目录
克隆完成后,进入项目目录:
cd ComfyUI-WD14-Tagger
步骤 3: 安装 Python 依赖包
根据你的系统环境,选择合适的安装方式:
-
Windows Standalone 安装(嵌入式 Python): 如果你的系统中使用了嵌入式 Python,可以使用以下命令安装依赖包:
.\python_embeded\python.exe -s -m pip install -r requirements.txt -
手动/非 Windows 安装: 如果你使用的是非 Windows 系统,或者没有嵌入式 Python,可以使用以下命令安装依赖包:
pip install -r requirements.txt
步骤 4: 配置和使用
安装完成后,你可以通过以下步骤配置和使用 ComfyUI-WD14-Tagger:
- 添加节点: 在 ComfyUI 中,通过
image -> WD14Tagger|pysssss添加节点。 - 模型下载: 模型会在运行时自动下载,如果需要手动下载,可以参考项目文档中的说明。
- 设置参数: 你可以设置
threshold、character_threshold和exclude_tags等参数来调整标签提取的行为。
其他说明
- 离线使用: 如果你希望离线使用,可以手动下载模型并放置在
models文件夹中。 - 快速图像标签提取: 你可以在任何显示图像的节点上右键点击,选择
WD14 Tagger进行快速标签提取。
通过以上步骤,你应该能够成功安装和配置 ComfyUI-WD14-Tagger,并开始使用它进行图像标签的提取。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
Notepad--极速优化指南:中文开发者的轻量编辑器解决方案Axure RP本地化配置指南:提升设计效率的中文界面切换方案3个技巧让你10分钟消化3小时视频,B站学习效率翻倍指南让虚拟角色开口说话:ComfyUI语音驱动动画全攻略7个效率倍增技巧:用开源工具实现系统优化与性能提升开源船舶设计新纪元:从技术原理到跨界创新的实践指南Zynq UltraScale+ RFSoC零基础入门:软件定义无线电Python开发实战指南VRCX虚拟社交管理系统:技术驱动的VRChat社交体验优化方案企业级Office插件开发:从概念验证到生产部署的完整实践指南语音转换与AI声音克隆:开源工具实现高质量声音复刻全指南
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
568
98
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2