[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-TTPlanetPig--Comfyui_TTP_Toolset":3,"tool-TTPlanetPig--Comfyui_TTP_Toolset":62},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":74,"owner_company":74,"owner_location":74,"owner_email":74,"owner_twitter":76,"owner_website":74,"owner_url":77,"languages":78,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":10,"env_os":87,"env_gpu":88,"env_ram":87,"env_deps":89,"category_tags":93,"github_topics":74,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":94,"updated_at":95,"faqs":96,"releases":127},6359,"TTPlanetPig\u002FComfyui_TTP_Toolset","Comfyui_TTP_Toolset","for tile the image for advanced control or modification ","Comfyui_TTP_Toolset 是一款专为 ComfyUI 设计的图像分块处理工具集，旨在为 Flux、Hunyuan 和 SD3 等前沿扩散模型提供精细化的超分辨率工作流。它通过将大图自动切割为小块，利用图像分析器为每个局部提取专属提示词，再分别进行高清重绘并无缝拼接，有效解决了传统直接放大过程中容易出现的画面幻觉、细节丢失及条件控制不准等痛点。\n\n该工具的核心亮点在于其智能的“切分 - 分析 - 重组”逻辑，不仅支持自定义分块尺寸与重叠填充以消除拼接痕迹，还最新集成了 TeaCache 采样器，能在 Hunyuan Video 视频生成中实现约两倍的速度提升。此外，它兼容 bf16 和 fp8 精度，兼顾了效率与显存优化。\n\nComfyui_TTP_Toolset 特别适合需要高质量图像放大的数字艺术家、设计师，以及希望深入探索 DIT 模型高级控制能力的 AI 研究人员和开发者。对于追求极致细节且不愿受限于固定工作流的普通进阶用户，它也是一套灵活强大的解决方案，让超大分辨率内容的创作变得更加可控且自然。","# **Amazing Upscale Node Workflow for DIT Model**\n\nThis workflow is designed for **simple logic amazing upscale nodes** in the **DIT model**. It supports common applications for **Flux**, **Hunyuan**, and **SD3**. The workflow tiles the initial image into smaller pieces, uses an image-interrogator to extract prompts for each tile, and performs an accurate upscale process. This approach minimizes hallucinations and ensures proper condition handling.\n\nWe hope you enjoy using it!\n\n## **What's New**\n\n### **TeaCache Sampler Integration for Hunyuan Video**\n\nThanks to the contributions from the TeaCache code repository ([ali-vilab\u002FTeaCache](https:\u002F\u002Fgithub.com\u002Fali-vilab\u002FTeaCache)) and code references from [facok\u002FComfyUI-TeaCacheHunyuanVideo](https:\u002F\u002Fgithub.com\u002Ffacok\u002FComfyUI-TeaCacheHunyuanVideo), we’ve added support for the **TeaCache sampler**.\n\n- **How to Use:**\n  Replace the `samplercustomadvanced` node in the official workflow with the TeaCache sampler node. Adjust the acceleration rate as needed to start using it.\n  \n- **Performance:**\n  In testing with an NVIDIA 4090, rendering a 720×480 resolution video with 65 frames took only 55 seconds using a speedup factor of `x2.1`. This is approximately twice as fast as the original method.\n\n- **Caution:**\n  While the TeaCache sampler significantly accelerates processing, it may reduce image quality and dynamic effects. Use with discretion.\n\n- **Precision Support:**\n  Supports `bf16` and `fp8`.\n  \n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_8a8417ca73e9.png)\n\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Faf06b9d3-9c84-4a83-ba90-eb4ec4bb2e99\n\n\n---\n\n## **Instructions**\n\n### **1. Image Tile Batch Node**\nThis node cuts an image into pieces automatically based on your specified width and height. It also records the necessary information for further processing.\n\n| Parameter | Description                         |\n|-----------|-------------------------------------|\n| **Width** | The width of each tile.            |\n| **Height** | The height of each tile.           |\n| **Image** | The image to be tiled.             |\n\n**Node View**:\n\n![Image Tile Batch Node](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_b05c102afa9b.png)\n\n---\n\n### **2. Image Assembly Node**\nThis node reassembles image tiles back into a complete image while preventing visible lines between the tiles. It operates in pixel mode.\n\n| Parameter   | Description                                                   |\n|-------------|---------------------------------------------------------------|\n| **Tiles**   | Input the tiled image batch. Replace individual tiles if needed. |\n| **Position** | Paired with the Image Tile Batch Node.                        |\n| **Original Size** | Paired with the Image Tile Batch Node.                  |\n| **Grid Size** | Paired with the Image Tile Batch Node.                      |\n| **Padding** | The padding value used to merge the image pieces.             |\n\n**Node View**:\n\n![Image Assembly Node](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_a01ec88146ae.png)\n\n---\n\n### **3. Tile Image Size Node**\nThis node calculates the resolution of each tile based on the original image dimensions and your specified width\u002Fheight factors.\n\n| Parameter         | Description                                                        |\n|-------------------|--------------------------------------------------------------------|\n| **Width Factor**  | Divides the image width into equal parts.                          |\n| **Height Factor** | Divides the image height into equal parts.                         |\n\nFor example: A width factor of `2` and a height factor of `3` will divide the image into `6` equal tiles.\n\n**Node View**:\n\n![Tile Image Size Node](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_780f7788cc24.png)\n\n---\n\n### **4. Coordinate Splitter Node**\nThis node converts position information into coordinates and connects them to the corresponding positions.\n\n**Node View**:\n\n![Coordinate Splitter Node](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_4b4ca9728a7a.png)\n\n---\n\n### **5. Cond to Batch Node**\nThis node converts condition lists into batches. It is reserved for future functionality expansion and connects to the conditions.\n\n**Node View**:\n\n![Cond to Batch Node](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_bdac7ea5f2b9.png)\n\n---\n\n### **6. Condition Merge Node**\nThis node merges all tiled conditions into one and prepares them for building the final image. It connects to the **Coordinate Splitter Node** and **Cond to Batch Node**.\n\n**Node View**:\n\n![Condition Merge Node](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_445e20e25514.png)\n\n---\n\n## **Examples**\n\n### **Pixel Example (Recommended)**\n\n![Pixel Example Workflow](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_fe6f721090cc.png)\n\n### **Latent Example**\n\n![Latent Example Workflow](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_eb7a81a5fc49.png)\n\n---\n\n### **ControlNet Tile Integration**\nThis workflow supports **ControlNet Tile** for enhanced upscaling. Here's an example of using tiles with the **Hunyuan DIT** model:\n\n| Resource | Link                                                                                          |\n|----------|-----------------------------------------------------------------------------------------------|\n| **Tile Example** | [Hugging Face Tile](https:\u002F\u002Fhuggingface.co\u002FTTPlanet)                                  |\n| **Hunyuan 1.2**  | [Download Hunyuan 1.2](https:\u002F\u002Fhuggingface.co\u002Fcomfyanonymous\u002Fhunyuan_dit_comfyui\u002Fblob\u002Fmain\u002Fhunyuan_dit_1.2.safetensors) |\n\n**Workflow Example**:\n\n![Hunyuan Example Workflow](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_e43854226729.png)\n\n---\n\n## **Star History**\n\u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#TTPlanetPig\u002FComfyui_TTP_Toolset&Date\">\n \u003Cpicture>\n   \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_1cf6c250a2ce.png&theme=dark\" \u002F>\n   \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_1cf6c250a2ce.png\" \u002F>\n   \u003Cimg alt=\"Star History Chart\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_1cf6c250a2ce.png\" \u002F>\n \u003C\u002Fpicture>\n\u003C\u002Fa>\n","# **DIT模型的惊艳高清放大节点工作流**\n\n此工作流专为**DIT模型中的简单逻辑惊艳高清放大节点**设计，支持**Flux**、**Hunyuan**和**SD3**等常见应用。该工作流会将初始图像切分为多个小块，利用图像询问器提取每个小块的提示词，并执行精确的高清放大处理。这种方法能够最大限度地减少幻觉现象，同时确保条件处理得当。\n\n希望您能喜欢使用！\n\n## **新增功能**\n\n### **Hunyuan Video的TeaCache采样器集成**\n\n感谢TeaCache代码库（[ali-vilab\u002FTeaCache](https:\u002F\u002Fgithub.com\u002Fali-vilab\u002FTeaCache)）的贡献以及[facok\u002FComfyUI-TeaCacheHunyuanVideo](https:\u002F\u002Fgithub.com\u002Ffacok\u002FComfyUI-TeaCacheHunyuanVideo)中的代码参考，我们现已添加对**TeaCache采样器**的支持。\n\n- **使用方法：**\n  将官方工作流中的`samplercustomadvanced`节点替换为TeaCache采样器节点，并根据需要调整加速倍率即可开始使用。\n  \n- **性能：**\n  在NVIDIA 4090显卡上测试时，以`x2.1`的加速因子渲染一个720×480分辨率、65帧的视频仅需55秒，速度约为原方法的两倍。\n  \n- **注意事项：**\n  虽然TeaCache采样器显著提升了处理速度，但可能会降低图像质量和动态效果，请谨慎使用。\n  \n- **精度支持：**\n  支持`bf16`和`fp8`格式。\n  \n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_8a8417ca73e9.png)\n\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Faf06b9d3-9c84-4a83-ba90-eb4ec4bb2e99\n\n\n---\n\n## **使用说明**\n\n### **1. 图像分块批量节点**\n该节点可根据您指定的宽度和高度自动将图像切割成若干小块，并记录后续处理所需的信息。\n\n| 参数       | 描述                         |\n|------------|------------------------------|\n| **宽度**   | 每个小块的宽度。            |\n| **高度**   | 每个小块的高度。            |\n| **图像**   | 需要分块的图像。            |\n\n**节点视图**：\n\n![图像分块批量节点](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_b05c102afa9b.png)\n\n---\n\n### **2. 图像拼接节点**\n该节点可将图像小块重新拼接成完整图像，同时避免小块之间的可见接缝。它以像素模式运行。\n\n| 参数         | 描述                                                   |\n|--------------|---------------------------------------------------------|\n| **小块**     | 输入已分块的图像批次。如有需要，可替换单个小块。      |\n| **位置**     | 与图像分块批量节点配套使用。                          |\n| **原始尺寸** | 与图像分块批量节点配套使用。                          |\n| **网格大小** | 与图像分块批量节点配套使用。                          |\n| **填充值**   | 用于合并图像各部分的填充值。                          |\n\n**节点视图**：\n\n![图像拼接节点](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_a01ec88146ae.png)\n\n---\n\n### **3. 小块图像尺寸节点**\n该节点会根据原始图像尺寸及您设定的宽高因子计算每个小块的分辨率。\n\n| 参数         | 描述                                                        |\n|--------------|-------------------------------------------------------------|\n| **宽度因子** | 将图像宽度等分为若干份。                                    |\n| **高度因子** | 将图像高度等分为若干份。                                    |\n\n例如：宽度因子设为`2`，高度因子设为`3`，则图像将被分割成`6`个相等的小块。\n\n**节点视图**：\n\n![小块图像尺寸节点](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_780f7788cc24.png)\n\n---\n\n### **4. 坐标拆分节点**\n该节点负责将位置信息转换为坐标，并将其与对应位置连接起来。\n\n**节点视图**：\n\n![坐标拆分节点](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_4b4ca9728a7a.png)\n\n---\n\n### **5. 条件转批量节点**\n该节点可将条件列表转换为批量形式，为未来功能扩展预留接口，并与条件相关联。\n\n**节点视图**：\n\n![条件转批量节点](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_bdac7ea5f2b9.png)\n\n---\n\n### **6. 条件合并节点**\n该节点负责将所有分块后的条件合并为一个整体，以便构建最终图像。它与**坐标拆分节点**和**条件转批量节点**相连。\n\n**节点视图**：\n\n![条件合并节点](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_445e20e25514.png)\n\n---\n\n## **示例**\n\n### **像素示例（推荐）**\n\n![像素示例工作流](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_fe6f721090cc.png)\n\n### **潜在空间示例**\n\n![潜在空间示例工作流](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_eb7a81a5fc49.png)\n\n---\n\n### **ControlNet分块集成**\n本工作流支持**ControlNet分块**，以进一步提升放大效果。以下是以**Hunyuan DIT**模型为例的分块使用示例：\n\n| 资源           | 链接                                                                                          |\n|----------------|-----------------------------------------------------------------------------------------------|\n| **分块示例**   | [Hugging Face分块](https:\u002F\u002Fhuggingface.co\u002FTTPlanet)                                  |\n| **Hunyuan 1.2**  | [下载Hunyuan 1.2](https:\u002F\u002Fhuggingface.co\u002Fcomfyanonymous\u002Fhunyuan_dit_comfyui\u002Fblob\u002Fmain\u002Fhunyuan_dit_1.2.safetensors) |\n\n**工作流示例**：\n\n![Hunyuan示例工作流](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_e43854226729.png)\n\n---\n\n## **星标历史**\n\u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#TTPlanetPig\u002FComfyui_TTP_Toolset&Date\">\n \u003Cpicture>\n   \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_1cf6c250a2ce.png&theme=dark\" \u002F>\n   \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_1cf6c250a2ce.png\" \u002F>\n   \u003Cimg alt=\"星标历史图表\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_readme_1cf6c250a2ce.png\" \u002F>\n \u003C\u002Fpicture>\n\u003C\u002Fa>","# Comfyui_TTP_Toolset 快速上手指南\n\nComfyui_TTP_Toolset 是一套专为 DIT 模型（如 Flux、Hunyuan、SD3）设计的高效分块放大工作流节点。它通过将图像自动切片、提取局部提示词并独立处理，有效减少放大过程中的幻觉，确保细节还原。\n\n## 环境准备\n\n*   **系统要求**：Windows \u002F Linux \u002F macOS\n*   **核心依赖**：\n    *   Python 3.10+\n    *   ComfyUI (最新版本)\n    *   GPU: 推荐 NVIDIA 显卡 (支持 CUDA)，显存建议 8GB 以上以处理高分辨率任务。\n*   **前置插件**：确保已安装基础的 ComfyUI 管理器 (ComfyUI-Manager) 以便管理依赖。\n\n## 安装步骤\n\n推荐使用 Git 直接克隆到 ComfyUI 的自定义节点目录。国内用户若访问 GitHub 受限，可配置本地代理或使用镜像源。\n\n```bash\n# 进入 ComfyUI 自定义节点目录\ncd ComfyUI\u002Fcustom_nodes\n\n# 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002FTTPlanetPig\u002FComfyui_TTP_Toolset.git\n\n# 进入插件目录并安装依赖\ncd Comfyui_TTP_Toolset\npip install -r requirements.txt\n```\n\n*注：安装完成后请重启 ComfyUI。*\n\n## 基本使用\n\n本工具的核心逻辑是\"**切分 -> 处理 -> 重组**\"。以下是最简单的像素级放大工作流搭建步骤：\n\n### 1. 核心节点介绍\n工作流主要依赖以下两个关键节点进行图像的切分与无缝拼接：\n*   **Image Tile Batch Node**：根据设定的宽高将原图自动切割成小块。\n*   **Image Assembly Node**：将处理后的图块重新拼合，自动消除拼接缝隙。\n\n### 2. 搭建简易放大工作流\n\n1.  **加载图像**：使用标准的 `Load Image` 节点载入需要放大的图片。\n2.  **图像切分**：\n    *   添加 `Image Tile Batch Node`。\n    *   连接原图，设置 `Width` 和 `Height`（例如 512x512），这将决定每个处理块的大小。\n3.  **执行放大逻辑**：\n    *   在切分节点后接入你的放大模型节点（如 Flux\u002FUpscaler 模型）。\n    *   利用 `Tile Image Size Node` 计算分块比例，配合 `Coordinate Splitter Node` 和 `Cond to Batch Node` 处理对应的条件提示词（Prompt），确保每个图块拥有准确的局部描述。\n4.  **图像重组**：\n    *   添加 `Image Assembly Node`。\n    *   将放大后的图块 (`Tiles`)、位置信息 (`Position`)、原始尺寸 (`Original Size`) 和网格尺寸 (`Grid Size`) 连入该节点。\n    *   调整 `Padding` 参数以优化边缘融合效果。\n5.  **保存结果**：连接 `Save Image` 节点输出最终高清大图。\n\n### 3. 进阶功能：TeaCache 加速 (针对 Hunyuan Video)\n若使用 Hunyuan 视频模型，可集成 TeaCache  sampler 进行加速：\n*   在工作流中将标准的 `samplercustomadvanced` 节点替换为 **TeaCache sampler node**。\n*   调整加速倍率（Speedup factor），测试显示在 RTX 4090 上可实现约 2.1 倍提速。\n*   *注意：开启加速可能会轻微牺牲动态效果或画质，请按需调整。*\n\n### 4. 参考示例\n安装成功后，可在插件目录下的 `examples` 文件夹中找到预设工作流：\n*   **像素级放大**：`Flux_8Mega_Pixel_image_upscale_process_pixel.png` (推荐初学者使用)\n*   **潜空间放大**：`Flux_8Mega_Pixel_image_upscale_process.png`\n*   **ControlNet 集成**：支持结合 ControlNet Tile 进行更精细的控制（参考 Hunyuan 示例）。\n\n直接将这些图片拖入 ComfyUI 界面即可加载完整工作流模板。","一位数字艺术家需要将一张低分辨率的旧海报放大为 4K 宣传图，同时必须保留原始文字细节并避免 AI 生成常见的“幻觉”乱码。\n\n### 没有 Comfyui_TTP_Toolset 时\n- 直接整体放大高分辨率图像时，显存极易爆满，导致生成过程频繁中断或被迫降低画质。\n- AI 模型在处理大面积细节时容易产生“幻觉”，将海报上的细小文字重绘成无法辨认的乱码符号。\n- 缺乏对局部区域的精准控制，无法针对特定区块单独提取提示词进行优化，导致整体风格不一致。\n- 手动切割图片再拼接不仅耗时费力，还难以消除瓷砖间的明显接缝，破坏画面完整性。\n\n### 使用 Comfyui_TTP_Toolset 后\n- 利用 Image Tile Batch Node 自动将大图切割为小块并行处理，显著降低显存占用，流畅完成 4K 级超分。\n- 工作流自动调用图像询问器为每个切片提取专属提示词，确保海报文字被准确识别并重绘，彻底杜绝乱码。\n- 基于 DIT 模型（如 Flux、Hunyuan）的逻辑，实现对每个切片的精细化控制，在提升清晰度的同时完美保持原始风格。\n- 通过 Image Assembly Node 智能重组切片并自动计算填充值，无缝消除拼接痕迹，输出一张完整且自然的高清大图。\n\nComfyui_TTP_Toolset 通过智能分块与重组机制，让超高分辨率图像修复在保持细节真实性的同时，变得高效且可控。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTTPlanetPig_Comfyui_TTP_Toolset_8a8417ca.png","TTPlanetPig",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FTTPlanetPig_3e61c4e7.png","ttplanet","https:\u002F\u002Fgithub.com\u002FTTPlanetPig",[79],{"name":80,"color":81,"percentage":82},"Python","#3572A5",100,966,37,"2026-04-09T10:37:15","MIT","未说明","需要 NVIDIA GPU (测试环境为 RTX 4090)，支持 bf16 和 fp8 精度，具体显存需求取决于处理的图像分辨率及所选模型（如 Flux, Hunyuan, SD3），未明确最低显存要求。",{"notes":90,"python":87,"dependencies":91},"本工具是 ComfyUI 的自定义节点集，需先安装 ComfyUI 主程序。主要支持 Flux、Hunyuan 和 SD3 等 DIT 模型的图像分块放大工作流。新增了对 Hunyuan Video 的 TeaCache 采样器支持，可显著提升渲染速度（约 2 倍），但可能轻微降低画质。使用时需注意替换官方工作流中的采样器节点并调整加速系数。",[28,92],"TeaCache (可选，用于 Hunyuan Video 加速)",[15,61],"2026-03-27T02:49:30.150509","2026-04-11T03:24:41.531573",[97,102,107,112,117,122],{"id":98,"question_zh":99,"answer_zh":100,"source_url":101},28790,"安装自定义节点后出现黑屏或节点失效，可能是什么原因？","这通常是因为仓库中包含了 '__pycache__' 文件夹，其中的缓存文件与当前 Python 版本不兼容，导致 comfy nodes.py 出错。解决方法是手动删除插件目录下的 '__pycache__' 文件夹，然后重启 ComfyUI，系统会自动生成新的兼容缓存文件。维护者已将该文件夹从 GitHub 仓库中移除。","https:\u002F\u002Fgithub.com\u002FTTPlanetPig\u002FComfyui_TTP_Toolset\u002Fissues\u002F1",{"id":103,"question_zh":104,"answer_zh":105,"source_url":106},28787,"遇到 'ValueError: Crop sizes do not match' 错误怎么办？","该错误通常由输入图像尺寸无法被整除或重叠率设置不当引起。解决方法是将输入图像的尺寸调整为 8 的倍数（例如使用 Resize 节点），或者修改代码中的 blend_tiles 函数，确保在计算偏移量时裁剪尺寸一致。核心修复逻辑是强制调整 blend_size，避免因整数除法导致的尺寸偏差：offset = (overlap_size - blend_size) \u002F\u002F 2; blend_size = overlap_size - 2 * offset。","https:\u002F\u002Fgithub.com\u002FTTPlanetPig\u002FComfyui_TTP_Toolset\u002Fissues\u002F6",{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},28788,"安装后生成全黑图像且控制台出现警告，如何解决？","如果所有节点运行正常但输出为黑图，且控制台出现 'RuntimeWarning: invalid value encountered in cast' 警告，这通常不是插件本身的问题，而是 VAE Decode 节点配置不当造成的。尝试替换为 ComfyUI 自带的 'VAE Decode Tiled' 节点，或者检查是否与其他节点冲突。插件作者表示该插件尽量使用原生库，不处理 KSampler 采样，建议排查其他节点设置。","https:\u002F\u002Fgithub.com\u002FTTPlanetPig\u002FComfyui_TTP_Toolset\u002Fissues\u002F5",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},28789,"低显存显卡在进行高倍率放大时出现内存分配错误（OOM）怎么办？","此问题是由于 ComfyUI 早期版本在处理中间设备（intermediate_device）时将潜在变量错误地保留在显存中导致的。该问题已在 ComfyUI 官方仓库的最新提交中修复。请更新您的 ComfyUI 到最新版本即可解决，无需修改插件代码。","https:\u002F\u002Fgithub.com\u002FTTPlanetPig\u002FComfyui_TTP_Toolset\u002Fissues\u002F19",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},28791,"在使用 Flux 进行放大时，如何控制生成图像与原图的相似度，避免变化过大？","降低去噪强度（denoise）低于 0.5 可能会导致图像过度模糊或出现噪点。建议在分块条件（tiled conditioning）上添加 Upscaler ControlNet 来控制细节。如果需要更精细的控制，可能需要先将 ControlNet 进行分块处理再应用。此外，确保使用的是最新的节点版本，作者已更新了关于像素应用的示例以供参考。","https:\u002F\u002Fgithub.com\u002FTTPlanetPig\u002FComfyui_TTP_Toolset\u002Fissues\u002F9",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},28792,"当重叠值（overlap）设为 0 时，切分图片出现多余行或列的 Bug 如何修复？","这是一个已知的切分逻辑问题，特别是在切分数量不能被整除时会出现多余图像。维护者表示已经修改了分行方法来解决此问题。如果遇到此情况，请确保将插件更新到最新版本。如果问题依旧，请提供具体的分辨率参数以便进一步排查，因为旧版本（如 10 月 1 日前的版本）可能存在此缺陷。","https:\u002F\u002Fgithub.com\u002FTTPlanetPig\u002FComfyui_TTP_Toolset\u002Fissues\u002F14",[128,133,138],{"id":129,"version":130,"summary_zh":131,"released_at":132},197649,"V1.0.3fix","修改节点注册的初始化文件","2026-01-08T23:22:02",{"id":134,"version":135,"summary_zh":136,"released_at":137},197650,"V1.0.3","修复逻辑错误，并添加 LTX_2 名字中间名图片控件功能。","2026-01-08T12:55:22",{"id":139,"version":140,"summary_zh":141,"released_at":142},197651,"v1.0.2","使用 ttp_expand 和更新后的掩码节点","2025-04-20T04:21:31"]