ComfyUI-Custom-Scripts中Checkpoint加载器的自定义开发实践
2025-07-02 08:50:30作者:龚格成
在ComfyUI插件开发过程中,Checkpoint加载器是一个核心组件。本文将深入探讨如何基于ComfyUI-Custom-Scripts项目扩展标准Checkpoint加载器功能,实现模型名称输出等自定义特性。
标准Checkpoint加载器的局限性
ComfyUI内置的CheckpointLoaderSimple节点提供了基础的模型加载功能,但开发者经常需要获取更多信息,例如已加载模型的名称。标准实现仅返回模型、CLIP和VAE三个输出,缺乏这些元数据信息。
自定义加载器实现原理
通过继承CheckpointLoaderSimple类,我们可以扩展其功能:
- 扩展返回类型:在RETURN_TYPES中添加"STRING"类型,用于输出模型名称
- 保持原有输入:复用父类的INPUT_TYPES定义
- 增强验证逻辑:覆盖VALIDATE_INPUTS方法实现自定义验证
- 处理模型路径:在load_checkpoint方法中解析模型文件名
关键实现代码如下:
class my_Checkpoint_Loader_Simple(CheckpointLoaderSimple):
RETURN_TYPES = (*CheckpointLoaderSimple.RETURN_TYPES, "STRING",)
def load_checkpoint(self, **kwargs):
kwargs["ckpt_name"] = kwargs["ckpt_name"]["content"]
path, name = os.path.split(kwargs["ckpt_name"])
name, ext = os.path.splitext(name)
return (*super().load_checkpoint(**kwargs), name)
技术细节解析
- 路径处理:使用os.path模块拆分完整路径,提取纯模型名称
- 多重继承:通过super()调用保持父类核心功能
- 类型扩展:使用*运算符合并父类返回类型和新类型
- 参数处理:从kwargs中提取并转换ckpt_name参数
实际应用场景
这种自定义加载器特别适用于:
- 工作流调试:在复杂流程中快速识别当前使用的模型
- 日志记录:自动记录模型使用情况
- 条件分支:根据模型名称决定后续处理流程
- 用户界面增强:在节点上直接显示模型信息
开发经验分享
- 理解原始实现:深入分析父类代码是扩展的基础
- 保持兼容性:确保新增功能不影响原有工作流
- 命名规范:使用清晰的前缀(如"my")避免命名冲突
- 错误处理:考虑各种边界情况,如空路径、特殊字符等
进一步优化方向
- 多信息输出:可同时输出模型路径、大小、版本等信息
- 缓存机制:对频繁加载的模型实现缓存加速
- 模型验证:加载时检查模型完整性
- 元数据提取:从模型文件中读取更多描述信息
通过这种自定义开发方式,开发者可以灵活扩展ComfyUI功能,满足特定项目需求,同时保持与标准组件的兼容性。这种模式也适用于其他类型节点的功能增强。
登录后查看全文
热门项目推荐
相关项目推荐
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
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
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++
660
303
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
React Native鸿蒙化仓库
JavaScript
255
321
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
63
19
🎉 (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
1.19 K
651
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866