o1keyandClaude Sonnet 4.5
9ab209b2b7
Complete rewrite/sync of comfyui_o1key custom nodes. Treat this commit as the current canonical version. Co-Authored-By: Claude Sonnet 4.5 <[email protected]>
81 lines
3.2 KiB
Python
81 lines
3.2 KiB
Python
"""
|
||
批量图像（o1key）节点
|
||
复刻 ComfyUI 原生「批量图像」节点的动态输入行为：
|
||
|
||
- 默认显示 2 个图像输入端口（图1, 图2）
|
||
- 当最后一个端口连上图像后，自动追加新端口
|
||
- 断开连线后，多余的端口自动消失，最少保留 2 个
|
||
|
||
与原生节点的区别：
|
||
原生节点会把所有图像强制 resize 到第一张的分辨率再合并为单一 tensor。
|
||
本节点保留每张图的原始分辨率，以 list[Tensor] 形式输出（is_output_list）。
|
||
下游节点（如「多分辨率图像预览」）需开启 INPUT_IS_LIST 才能正确接收。
|
||
|
||
实现方式：使用 V3 API 的 io.Autogrow.TemplateNames，
|
||
框架原生支持动态 slot 增减，无需编写任何 JS 扩展。
|
||
"""
|
||
|
||
import torch
|
||
from comfy_api.latest import io
|
||
|
||
# 预生成 50 个端口名：图1, 图2, ..., 图50
|
||
_SLOT_NAMES = [f"图{i}" for i in range(1, 51)]
|
||
|
||
|
||
class BatchImagesO1key(io.ComfyNode):
|
||
"""
|
||
批量图像（o1key）
|
||
|
||
- 动态输入端口（默认 2 个，最多 50 个），端口名为 图1、图2、图3...
|
||
- 连接最后一个端口时自动增加新端口
|
||
- 断开后自动减少，保持界面整洁
|
||
- 保留每张图的原始分辨率，不做任何 resize / 裁剪
|
||
- 输出为图像列表，可直接接入「多分辨率图像预览」节点
|
||
"""
|
||
|
||
@classmethod
|
||
def define_schema(cls):
|
||
autogrow_template = io.Autogrow.TemplateNames(
|
||
input=io.Image.Input("image"),
|
||
names=_SLOT_NAMES,
|
||
min=2,
|
||
)
|
||
return io.Schema(
|
||
node_id="BatchImagesO1key",
|
||
display_name="加载图像（批量）",
|
||
category="image",
|
||
description=(
|
||
"将多个独立图像收集为图像列表输出，保留每张图的原始分辨率。\n"
|
||
"• 默认显示 2 个输入端口（图1、图2），连接最后一个后自动追加新端口\n"
|
||
"• 断开连线后端口自动减少，最少保留 2 个\n"
|
||
"• 不做任何 resize / 裁剪，原图尺寸原样输出\n"
|
||
"• 输出为图像列表，可直接接入「多分辨率图像预览」节点"
|
||
),
|
||
search_aliases=["批量图像", "batch images", "合并图像", "图像合并", "stack images"],
|
||
inputs=[
|
||
io.Autogrow.Input("images", template=autogrow_template)
|
||
],
|
||
outputs=[
|
||
io.Image.Output(display_name="图像", is_output_list=True),
|
||
],
|
||
)
|
||
|
||
@classmethod
|
||
def execute(cls, images: io.Autogrow.Type) -> io.NodeOutput:
|
||
# images 是 dict，key 为 "图1", "图2", ... ；未连接的 slot 值为 None
|
||
tensors = [v for v in images.values() if v is not None]
|
||
|
||
if not tensors:
|
||
raise ValueError("批量图像（o1key）：请至少连接一张图像")
|
||
|
||
for i, t in enumerate(tensors):
|
||
h, w = t.shape[1], t.shape[2]
|
||
print(f"批量图像（o1key）：图{i + 1} → {w}×{h}，shape={list(t.shape)}")
|
||
|
||
print(f"批量图像（o1key）：共收集 {len(tensors)} 张，原始分辨率原样输出")
|
||
|
||
# 以 list[Tensor] 形式返回，每张图保持自身分辨率
|
||
return io.NodeOutput(tensors)
|
||
|
||
|