ComfyUI-LCM 的安装和配置教程
项目基础介绍
ComfyUI-LCM 是一个开源项目,旨在将 Latent Consistency Model (LCM) 集成到 ComfyUI 中。LCM 是一种不同于 Stable Diffusion 的模型类别,目前可用的唯一检查点是 LCM_Dreamshaper_v7。该项目使用 Python 编程语言。
项目使用的关键技术和框架
该项目使用了 diffusers 库,而非 ComfyUI 的模型加载机制。diffusers 是一个用于生成模型的库,它允许用户通过简化的接口来使用先进的生成模型。
准备工作
在开始安装之前,请确保您的系统中已安装了 Git,因为我们将使用 Git 来克隆项目仓库。
安装步骤
-
克隆项目仓库到您的
custom_nodes/目录:git clone https://github.com/0xbitches/ComfyUI-LCM.git -
克隆完成后,您需要重启 ComfyUI 以便项目加载。
-
对于基本的 img2img 功能,您可以直接使用
LCM_img2img_Sampler节点。 -
如果您需要进行 vid2vid 操作,您需要安装一个辅助节点:ComfyUI-VideoHelperSuite。安装后,使用
Load Video和Video Combine节点来创建 vid2vid 工作流。 -
在使用过程中,可能会遇到一个错误:
ValueError: Non-consecutive added token '<|startoftext|>' found. Should have index 49408 but has index 49406 in saved vocabulary.为了解决这个问题,您需要找到 Huggingface hub 缓存目录。在大多数系统中,它看起来像这样:- Unix/Linux:
~/.cache/huggingface/hub/path_to_lcm_dreamshaper_v7/tokenizer/ - Windows:
C:\Users\YourUserName\.cache\huggingface\hub\models--SimianLuo--LCM_Dreamshaper_v7\snapshots\c7f9b672c65a664af57d1de926819fd79cb26eb8\tokenizer\
找到
added_tokens.json文件,并将内容更改为:{ "": 49409, "<|startoftext|>": 49408 } - Unix/Linux:
按照上述步骤操作,您应该能够成功安装和配置 ComfyUI-LCM 项目。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00