第三方插件
was-node-suite-comfyui
BLIP Analyze Image
节点中英文对比
按当前节点配置，分别展示中文与英文节点结构。
中文节点
BLIP Analyze Image
mode
question
min_length
max_length
num_beams
no_repeat_ngram_size
early_stopping
英文节点
BLIP Analyze Image
mode
question
min_length
max_length
num_beams
no_repeat_ngram_size
early_stopping
参数说明
依据当前节点关联的 `NodesItems` 数据展示输入、输出与控件说明。
输入参数
images
images
输入的图像张量序列。节点会遍历其中的每一张图像，转为PIL后送入BLIP模型处理。注意：需要确保图像张量格式与转换函数兼容，且模型以 RGB 输入。
blip_model
blip_model
提供一个已经加载好的BLIP模型。
输出参数
FULL_CAPTIONS
FULL_CAPTIONS
一个合并字符串，按处理顺序拼接各条 caption/answer，中间以空行分隔。
CAPTIONS
CAPTIONS
列表形式，每个元素对应一张输入图像的单条文本。
控件参数
mode
mode
工作模式选择，包括"caption"：对图像进行自由描述，生成自然语言说明；"interrogate"：对图像进行问答，需要结合 question 参数。
question
question
仅在 mode="interrogate" 时使用，作为对图像提出的问题。默认问题是“What does the background consist of？背景由什么组成？”。建议尽量明确、具体，例如：“What color is the car?”（车是什么颜色？）
min_length
min_length
生成文本的最小长度约束（以token计），默认24，范围1~1024。数值越大，输出越不会过短，但可能引入冗余。建议：caption模式：20-30起步，图像复杂时可上调。interrogate模式：若希望简明回答，可适当降低，如10-20。
max_length
max_length
生成文本的最大长度，默认64，范围2~1024。过小可能截断信息，过大可能冗长或跑偏。建议：caption：64-128常用；简要描述用48-64。interrogate：一般32-64足够，追求简洁可24-48。
num_beams
num_beams
Beam Search的束宽。越大越可能提升质量与一致性，但速度更慢。建议：快速出结果：3-5，重质量：6-8（代价是更慢）。
no_repeat_ngram_size
no_repeat_ngram_size
解码时避免重复的n-gram大小。默认3可以有效减少啰嗦和重复句式，范围：1~12。若发现重复严重可上调到4；若需要更自由的生成可下调到2。
early_stopping
early_stopping
Beam Search的早停标志。True时在满足停止条件后尽早结束。优点：加快生成、避免过长；缺点：在某些情况下可能减少多样性或覆盖不全。一般caption设为False以保证完整性；interrogate追求简洁可设True。
详细说明
结合节点用途、参数和调用方式，给出更完整的说明内容。
暂无节点说明
同类节点导航
继续浏览同一分类下的相邻节点，方便串联学习。
上一篇
已经是同类节点中的第一篇
下一篇
BLIP Model Loader
第三方插件