ComfyUI Sana Nodes

Sana文生图模型的ComfyUI自定义节点。

功能

• Sana模型加载: 支持加载标准的Sana模型和SanaSprint模型。
• 显存优化: 提供“高”和“低”两种显存模式，以适应不同配置的硬件。
  • 高模式: 优化性能，将模型完整加载到VRAM中。
  • 低模式: 优化显存占用，使用enable_model_cpu_offload()和NF4量化加载文本编码器，显著降低显存需求。
• PAG支持: 支持Perturbed-Attention-Guidance，可在高显存模式下（非Sprint模型）启用，以提升生成图像的细节和对齐度。
• Torch Compile: 可选的torch.compile优化，linux下用于加速模型推理（会增加初次加载时间）。

安装

1. 安装此节点:

   # 导航到你的ComfyUI自定义节点目录
   cd ComfyUI/custom_nodes/
   
   # 克隆本仓库
   git clone https://github.com/abelxiaoxing/ComfyUI_Sana.git
   

   安装所需依赖

   pip install -r requirements.txt
   

2. 下载Sana模型: 此节点会从 ComfyUI/models/sana/ 目录加载模型。

   模型下载实例 (Sana Sprint 1.6B):

   # 导航到ComfyUI的模型目录
   cd ComfyUI/models/
   
   # 创建sana目录（如果不存在）
   mkdir sana
   cd sana
   
   # 确保已安装 git-lfs (https://git-lfs.com)
   git lfs install
   
   # 克隆模型仓库
   git clone https://hf-mirror.com/Efficient-Large-Model/Sana_Sprint_1.6B_1024px_diff
   

   下载完成后，你的模型文件结构应如下所示:

   ComfyUI/
   └── models/
       └── sana/
           └── Sana_Sprint_1.6B_1024px_diff/
               ├── text_encoder/
               ├── transformer/
               ├── vae/
               └── ...
   

3. 重启ComfyUI。

如何使用

工作流中包含两个主要节点:

1. Sana模型加载器 (SanaModelLoader)

此节点负责加载Sana模型并进行配置。

• model_name: 选择要加载的模型。下拉列表会自动检测 ComfyUI/models/sana/ 目录下的所有模型文件夹。
• is_sprint_model: 如果加载的是Sprint模型，请勾选此项。
• vram_mode:
  • high: 适用于显存充足的设备，含带PAG指令遵循增强，同时性能更强。
  • low: 禁用PAG，同时速度较慢，适用于显存有限的设备。
• torch_compile: 是否启用torch.compile进行优化，建议只在linux环境中启用。

2. Sana采样器 (SanaSampler)

此节点使用加载的模型生成图像。

• sana_model: 连接来自SanaModelLoader的模型输出。
• prompt / negative_prompt: 输入你的正向和负向提示词。
• width / height: 设置生成图像的尺寸。
• guidance_scale: 提示词引导强度。
• num_inference_steps: 推理步数。spring模型通常只需要2步，sana1.5建议20步。
• seed: 随机种子。

示例工作流

1. 添加 SanaModelLoader 节点，选择你下载的模型（例如 Sana_Sprint_1.6B_1024px_diff），并根据你的硬件设置vram_mode。
2. 添加 SanaSampler 节点。
3. 将 SanaModelLoader 的 sana_model 输出连接到 SanaSampler 的 sana_model 输入。
4. 在 SanaSampler 中填写提示词和其他参数。
5. 连接一个预览图像节点 (PreviewImage) 到 SanaSampler 的 image 输出。
6. 点击 "Queue Prompt" 开始生成。