comfyui-lumi-batcher

GitHub
561 34 简单 1 次阅读 2天前GPL-3.0图像视频音频插件
AI 解读 由 AI 自动生成,仅供参考

ComfyUI-Lumi-Batcher 是由字节跳动智能创作团队开发的 ComfyUI 批量处理扩展插件,旨在显著提升 AIGC 工作流的调试与生成效率。它主要解决了创作者在模型选型、参数微调及素材管理上的痛点:无需再手动反复修改尺寸、权重或采样步数,也不必面对成百上千张命名混乱的图片束手无策。

通过该工具,用户可以突破传统 XYZ 图表的限制,自由组合任意工作流参数进行交叉测试(例如将“产品图 + 提示词”与不同底模灵活搭配)。其核心亮点在于强大的可视化结果管理功能,支持以多维网格形式预览生成内容,并允许直接将预览图拖回画布以还原精确参数,极大简化了从测试到定稿的流程。此外,它还全面支持文本、图像、视频乃至音频场景的批量处理,并能兼容多种主流插件节点。

ComfyUI-Lumi-Batcher 特别适合需要高频迭代工作流的 AI 设计师、数字艺术家以及研究人员使用。对于希望摆脱繁琐重复操作、专注于创意实现的普通用户而言,其直观的操作界面也能轻松上手,是优化 ComfyUI 生产力的得力助手。

使用场景

一位电商设计师正在为新款运动鞋策划营销素材,需要快速测试不同大模型风格与提示词组合下的百张生成效果,以选定最佳视觉方案。

没有 comfyui-lumi-batcher 时

  • 重复劳动低效:设计师必须手动切换 5 个不同的 Checkpoint 模型,每换一次都要重新点击生成,耗时数小时仅能完成基础测试。
  • 参数调整盲目:为了找到最佳光影效果,需反复修改采样步数和 CFG 值,缺乏系统性的对比记录,往往凭感觉“盲猜”参数。
  • 素材管理混乱:生成的上百张图片文件名随机且分散,无法直观对应具体的“模型 + 提示词”组合,后期筛选整理花费的时间远超生成时间。
  • 多维测试受限:想要同时测试“模型类型”与“背景提示词”的交叉效果时,传统 XYZ 图表功能受限,难以灵活自定义多变量组合。

使用 comfyui-lumi-batcher 后

  • 一键批量并发:只需在 comfyui-lumi-batcher 中配置好模型列表和提示词组,工具自动执行全量交叉测试,将原本半天的工作量压缩至几分钟。
  • 可视化网格对比:生成结果以多维网格形式直观呈现,设计师可同屏对比不同参数下的细节差异,迅速锁定最优风格组合。
  • 智能资产关联:每张输出图自动绑定对应的工作流参数元数据,支持拖拽回溯设置,彻底解决了“图不知从何而来”的管理痛点。
  • 灵活变量组合:突破传统坐标轴限制,自由定义“产品图 + 多模型 + 多变体提示词”的复杂测试矩阵,轻松覆盖所有创意可能性。

comfyui-lumi-batcher 通过将繁琐的手工迭代转化为自动化的批量流程,让创作者从机械的参数调整中解放出来,专注于核心创意的决策与优化。

运行环境要求

操作系统
  • Windows
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具是 ComfyUI 的扩展插件,需先安装 ComfyUI。支持通过 Git 克隆或 ComfyUI-Manager 安装。兼容 Windows 系统(已修复路径问题),其他操作系统未在文档中明确提及但通常取决于 ComfyUI 本身的兼容性。无明确的独立 GPU 显存或内存需求说明,具体取决于所运行的 ComfyUI 工作流及模型大小。
python3.10+
ComfyUI>=0.3.67
was-node-suite-comfyui (可选)
cg-use-everywhere (可选)
comfyui-lumi-batcher hero image

快速开始

简体中文 | English

🚀 ComfyUI Lumi Batcher

由字节跳动 Intelligent-Creation 团队开发

版本 许可证 星标 问题 Python

https://github.com/user-attachments/assets/9d4588b5-696f-4b5c-b01b-4b6def5056cf

 


 

📌 概述

ComfyUI-Lumi-Batcher 是 ComfyUI 的专用批量处理扩展,旨在提升 AIGC 创作效率。

 

😭 您是否正面临以下创作挑战?

模型选择困难
花费数小时手动更换模型,却始终无法确定最佳风格。

参数调优头疼
反复调整尺寸、权重、采样步数等参数多达20次,仍无法达到预期效果。

素材管理混乱
生成100张图片命名不统一,耗费10分钟生成,却要花2小时才能找到所需文件。

 


 

☀️ ComfyUI-Lumi-Batcher 如何解决这些问题?

ComfyUI-Lumi-Batcher 不仅超越了 WebUI 中的 XYZ Plot 等工具,更成为强大的批量生成与参数测试利器。

  • 突破基础维度限制:可自由交叉测试任何工作流参数,不受 XYZ 轴的约束。
  • 灵活的参数组合:支持创意性地组合参数(如“产品图 + 提示词” × 不同基础模型)。
  • 可视化结果管理:以多维网格形式浏览输出结果,便于预览和批量导出。

 


 

😁 为什么选择 ComfyUI-Lumi-Batcher?

  • 🔥 易于上手:界面直观,学习曲线低——可无缝衔接您现有的 ComfyUI 使用经验。
  • 🔥 效率大幅提升:用单次参数配置取代重复的手动输入,并借助 AI 辅助进行素材管理。
  • 🔥 多模态支持:加速文本、图像及视频创作流程。

 


 

⭐️ 发布说明

  • 🎵 1.0.11 版:支持音频场景批量处理

  • ✂️ 1.0.10 版:适配 ComfyUI 最新 0.3.67 版本更新,确保批量工具功能正常运行。

  • 🚀 1.0.9 版:修复预览表格中切换含图片/视频单元格时的缩放问题;新增使用方向键导航单元格的功能。

  • 🚀 1.0.8 版:修复 ComfyUI 官方最新 UI 模板选择弹窗中的滚动问题,并支持将结果图片拖拽至画布以恢复准确参数。

  • ✂️ 1.0.7 版:适配 ComfyUI 最新更新,保障批量工具功能稳定。

  • ☀️ 1.0.6 版:兼容 ComfyUI 官方 0.3.44 版本对 validate_prompt 的改动。

  • ☕️ 1.0.5 版:支持 API 节点场景下的批量处理,允许自定义输出目录,并且批量支持 was-node-suite-comfyui 插件中的 Image Save 输出节点。

  • 👁 1.0.4 版:优化从工作流发起批量任务时的检测逻辑,避免实际启动推理任务;同时支持使用 cg-use-everywhere 插件场景下的批量处理。

  • 🔍 1.0.3 版:任务管理新增删除功能,自定义参数支持魔法表达式快速输入,单张结果预览新增下载功能。

  • 📚 1.0.2 版:支持中英双语版本及语言切换功能。

  • 💻 1.0.1 版:修复 Windows 环境下文件相对路径及路径兼容性问题。

  • 🎉 1.0.0 版:ComfyUI-Lumi-Batcher 首次发布,具备基础批量处理功能及多模态支持。

 


 

🚀 安装

本地环境需安装 Python 3.10 或更高版本

  • 方法一:在 ComfyUI 的 CustomNode 目录下,使用 git 命令克隆该项目,然后重启 ComfyUI:
git clone https://github.com/bytedance/comfyui-lumi-batcher.git
  • 方法二:在 ComfyUI-Manager 中搜索 comfyui-lumi-batcher 并点击安装。

安装完成后,在 ComfyUI 的 UI 面板右上角,默认位置,点击按钮即可打开批量工具界面。

 


 

🤝 获取帮助

新手指南

联系我们
联系图片

常见问题

相似工具推荐

openclaw

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。 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。 OpenClaw 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

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-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。 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。

162.1k|★★★☆☆|1周前
开发框架图像Agent

opencode

OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信

144.3k|★☆☆☆☆|今天
Agent插件

ComfyUI

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。 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。 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。

108.3k|★★☆☆☆|6天前
开发框架图像Agent

gemini-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。 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。 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。

100.8k|★★☆☆☆|1周前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架