ComfyUI JankhiDiffusion 项目更新日志与技术解析
2025-06-02 20:54:42作者:齐冠琰
项目概述
ComfyUI JankhiDiffusion 是一个基于 ComfyUI 平台的扩散模型扩展项目,主要提供了一系列增强的节点功能,特别是针对 MSW-MSA 注意力和 RAUNet 模型的优化。该项目通过不断更新迭代,为 AI 图像生成工作流带来了更多灵活性和控制选项。
2025年5月6日更新
前端参数显示调整
本次更新主要解决了 ComfyUI 前端显示逻辑变更带来的兼容性问题。由于 ComfyUI 调整了参数控件的显示方式,现在 YAML 参数在节点中会占用更多空间且无法隐藏。
技术细节:
- 参数控件现在即使使用输入连接也会占据完整空间
- 为了保持向后兼容性,开发者选择保留现有设计而非完全改为输入模式
- 这一变化主要影响工作流界面的空间布局
2024年12月24日更新
外部节点包集成重构
本次更新对与外部节点包的集成方式进行了重构,虽然从用户角度看应该没有明显变化,但底层实现更加健壮。
开发者建议:
- 如果发现任何异常行为,建议及时反馈
- 这一重构为未来的功能扩展奠定了基础
2024年10月14日更新
重大功能升级
本次更新带来了多项重要改进,特别是对 MSW-MSA 注意力和 RAUNet 模型的增强。
MSW-MSA 注意力改进
- 现在支持所有图像尺寸处理
- 当尺寸不兼容时,会自动缩放潜在空间
- 引入了自动调整输出尺寸为8的倍数的功能(提高兼容性)
缩放算法优化
- 默认使用
adaptive_avg_pool2d方法,支持分数级缩放 - 新增宽度和高度独立缩放因子支持
- 添加了 CA 缩放效果的淡出控制
其他改进
- 简单节点新增"auto"模型类型参数
- 高级节点增加
yaml_parameters输入 - SDXL 模型的默认参数调整为更接近官方 HiDiffusion 配置
注意事项:
- 此更新可能会轻微改变种子效果
- 如需保持旧版行为,可设置
ca_latent_pixel_increment: 1
2024年8月27日更新
RAUNet 模型修复
修复了 RAUNet 模型修补中可能导致半非确定性输出的问题。
影响:
- 修复可能会改变种子效果
- 提高了生成结果的稳定性
2024年8月13日更新
RAUNet 节点重构
本次更新对 RAUNet 节点进行了重大重构。
主要变更:
- 重构了修补后端,使其作为标准模型修补工作
- 新增 CA 降尺度因子设置(类似深度收缩功能)
- 新增 CA 降尺度模式选择(之前固定为
avg_pool2d)
注意事项:
- 高级 RAUNet 节点参数变更,会破坏现有工作流
- 可能轻微改变种子效果
2024年8月2日更新
RAUNet 两阶段放大改进
功能改进:
- 修复了两阶段放大设置无效的问题
- 两阶段放大不再是开关选项,而是允许选择缩放方法
注意事项:
- 如需保持旧版行为,可将两阶段放大模式设为
nearest-exact - 高级 RAUNet 节点参数变更,会破坏现有工作流
- 可能改变种子效果
技术总结
ComfyUI JankhiDiffusion 项目通过持续的更新迭代,为用户提供了更加强大和灵活的 AI 图像生成工具。特别是对 MSW-MSA 注意力和 RAUNet 模型的优化,使得处理不同尺寸图像更加高效,同时提供了更多精细控制选项。
对于用户而言,需要注意以下几点:
- 重大更新可能会改变种子效果
- 高级节点参数变更可能会影响现有工作流
- 项目提供了多种参数配置选项,可以根据需要调整生成效果
建议用户定期关注更新日志,了解功能变化和兼容性注意事项,以获得最佳的使用体验。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
410
3.16 K
Ascend Extension for PyTorch
Python
227
254
暂无简介
Dart
674
160
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++
664
322
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
264
326
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
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868