Rui-Node🐶 - ComfyUI 图像处理节点集

Rui-Node🐶 是一个功能丰富的 ComfyUI 节点集合，提供图像处理、文本处理、AI 模型集成和遮罩处理等多种功能。

📦 安装方法

1. 将此文件夹复制到 ComfyUI 的 custom_nodes 目录中
2. 安装依赖：pip install -r requirements.txt
3. 重启 ComfyUI

📋 节点目录

🎨 图像调节类

• 调整饱和度 / Saturation Adjustment
• 图像翻转 / Image Flip
• 颜色匹配器 / Color Matcher
• 素材拆分 / Sprite Splitter
• 素材拆分(带透明通道) / Sprite Splitter RGBA
• 满屏文字水印 / Full-Screen Text Watermark
• 像素化 / Pixelate
• 八方向序列拆分 / 8-Direction Sprite Split
• 半透明抠图 / Unmult Matting
• 加载透明视频 / Load Video (Alpha)

📁 文件存储与加载类

• 按路径加载图像 / Load Image By Path
• 加载图像(带文件名) / Load Image With Name

🤖 AI模型类

• 千问编辑图像生成 / Qwen Edit Image Generation
• SDMatte 精细抠图 / SDMatte Interactive Matting
• ZenMux API 连接 / ZenMux API Connector
• 越光 API 连接 / YueGuang API Connector
• FeyNobg 抠图 / FeyNobg Matting
• Lucida 抠图 / Lucida Matting

📝 文本处理类

• 镜头分词器 / Shot Splitter
• 对白提取器 / Dialogue Extractor
• 页面旁白删除器 / Page Narration Remover
• 文本列表制作器 / Text List Creator
• 转化为utf-8编码 / Convert to UTF-8
• Markdown转图片 / Markdown To Image
• 多行文本框(原样输出) / Text Box (Raw)

🎭 遮罩处理类

• 遮罩筛选 / Mask Selector
• 遮罩预览 / Mask Preview

---

📖 节点详细说明

1. 调整饱和度 / Saturation Adjustment

分类: Rui-Node🐶/图像调节🎨

功能描述:
调整图像的色彩饱和度，可以创建黑白图像或增强色彩鲜艳度。

输入参数:

• image (IMAGE): 输入图像
• saturation (FLOAT): 饱和度调整系数
  • 默认值: 1.0
  • 范围: 0.0 ~ 5.0
  • 步长: 0.1
  • 说明:
    • 0.0 = 完全无饱和度（黑白图像）
    • 1.0 = 原始饱和度（不变）

    • 1.0 = 增加饱和度

输出:

• IMAGE: 调整后的图像

使用场景:

• 将彩色图像转换为黑白
• 增强图像色彩表现力
• 降低过于鲜艳的色彩

---

2. 图像翻转 / Image Flip

分类: Rui-Node🐶/图像调节🎨

功能描述:
对图像进行水平或垂直翻转操作。

输入参数:

• image (IMAGE): 输入图像
• flip_direction (选择): 翻转方向
  • 选项: "水平" 或 "垂直"
  • 默认值: "水平"

输出:

• IMAGE: 翻转后的图像

使用场景:

• 镜像翻转图像
• 创建对称效果
• 调整图像方向

---

3. 按路径加载图像 / Load Image By Path

分类: Rui-Node🐶/文件存储与加载📁

功能描述:
从指定的文件路径加载图像文件，支持绝对路径输入。

输入参数:

• image_path (STRING): 图像文件的完整路径
  • 默认值: "E:\ComfyUIModels\input\10\1.png"
  • 支持格式: PNG、JPG、JPEG 等常见图像格式

输出:

• IMAGE: 加载的图像

特殊处理:

• 如果文件不存在，返回 512x512 的黑色默认图像
• 自动将非 RGB 图像转换为 RGB 模式

使用场景:

• 从外部路径加载特定图像
• 批量处理指定目录的图像
• 加载非 ComfyUI 默认输入目录的图像

---

4. 千问编辑图像生成 / Qwen Edit Image Generation

分类: Rui-Node🐶/AI模型🤖

功能描述:
使用阿里云千问（Qwen）编辑模型 API 进行 AI 图像生成，支持多种控制模式。

输入参数:

• image1 ~ image4 (IMAGE): 最多 4 张输入图像作为参考
• api_key (STRING): 阿里云 API 密钥
• base_url (STRING): API 基础 URL
  • 默认值: "https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image-generation/generation"
• seed (INT): 随机种子
  • 默认值: -1（随机生成）
  • 范围: -1 ~ 2147483647
• control_mode (选择): 控制模式
  • 选项: reference, sketch, scribble, pose, canny, depth, hed, mlsd, normal, seg
  • 默认值: "reference"
• width (INT): 输出图像宽度
  • 默认值: 1024
  • 范围: 512 ~ 2048
  • 步长: 8
• height (INT): 输出图像高度
  • 默认值: 1024
  • 范围: 512 ~ 2048
  • 步长: 8

输出:

• IMAGE: AI 生成的图像

使用场景:

• AI 辅助图像创作
• 基于参考图生成新图像
• 多模态图像控制生成

---

5. 镜头分词器 / Shot Splitter

分类: Rui-Node🐶/文本处理📝

功能描述:
将包含多个分镜描述的脚本文本拆分成独立的分镜列表，支持按范围筛选导出。

输入参数:

• input_text (STRING): 输入的多分镜描述脚本（多行文本）
  • 格式要求: 使用 <SHOT_XXX>...</SHOT_XXX> 标签包裹每个分镜
• start_shot_num (INT, 可选): 开始导出的分镜编号
  • 默认值: 0（从第一个开始）
  • 范围: 0 ~ 100
• shot_count (INT, 可选): 导出的分镜数量
  • 默认值: 0（导出全部）
  • 范围: 0 ~ 100

输出:

• shot_descriptions (LIST): 拆分后的分镜描述列表
• summary (STRING): 总结信息

文本格式示例:

<SHOT_1>
第一个镜头的描述内容
</SHOT_1>
<SHOT_2>
第二个镜头的描述内容
</SHOT_2>

使用场景:

• 分镜脚本拆分
• 批量处理分镜描述
• 选择性导出特定范围的分镜

---

6. 对白提取器 / Dialogue Extractor

分类: Rui-Node🐶/文本处理📝

功能描述:
从分镜描述文本中自动提取旁白/对白内容。

输入参数:

• input_text (STRING): 输入的分镜描述文本（多行文本）

输出:

• dialogues (LIST): 提取的旁白/对白列表
• summary (STRING): 总结信息

识别模式:

• 支持格式 1: 旁白：[对白内容]
• 支持格式 2: 旁白：对白内容
• 自动识别 <SHOT_XXX> 标签中的旁白

使用场景:

• 从分镜脚本中提取对白
• 批量收集旁白文本
• 准备配音文本

---

7. 页面旁白删除器 / Page Narration Remover

分类: Rui-Node🐶/文本处理📝

功能描述:
删除文本中所有以"页面旁白："或"页面旁白:"开头的整行内容。

输入参数:

• input_text (STRING): 原始文本（多行文本）

输出:

• clean_text (STRING): 移除页面旁白行后的文本

处理规则:

• 自动识别并删除以"页面旁白："或"页面旁白:"开头的行
• 忽略行首行尾的空白字符
• 保留其他所有内容

使用场景:

• 清理脚本中的页面旁白
• 文本预处理
• 提取纯净对白内容

---

8. 文本列表制作器 / Text List Creator

分类: Rui-Node🐶/文本处理📝

功能描述:
将多个独立的文本段落组织成列表形式输出。

输入参数:

• text1 (STRING, 必需): 第一段文本（多行文本）
• text2 ~ text5 (STRING, 可选): 第 2~5 段文本（多行文本）

输出:

• text_list (LIST): 文本列表（Python 列表格式）
• summary (STRING): 总结信息

处理规则:

• 自动过滤空文本
• 去除每段文本首尾的空白字符
• 保留内部段落结构

使用场景:

• 组织多段文本为列表
• 批量文本处理准备
• 文本分组管理

---

9. 遮罩筛选 / Mask Selector

分类: Rui-Node🐶/遮罩处理🎭

功能描述:
对输入的多个遮罩进行排序并选择特定遮罩，同时输出剩余遮罩的合并结果。

输入参数:

• masks (MASK): 输入的遮罩（可包含多个遮罩）
• sort_method (选择): 排序方法
  • 选项:
    • "按面积排序 / By Area": 按遮罩面积从大到小排序
    • "从左到右 / Left to Right": 按遮罩质心 X 坐标升序排序
    • "从上到下 / Top to Bottom": 按遮罩质心 Y 坐标升序排序
  • 默认值: "按面积排序 / By Area"
• index (INT): 选择的遮罩编号（1-based 索引）
  • 默认值: 1
  • 最小值: 1
  • 说明: 如果超出范围会自动夹取到有效范围

输出:

• 选中遮罩 / Selected (MASK): 选中的单个遮罩
• 剩余遮罩 / Remaining (MASK): 其他遮罩的合并结果
• 信息 / Info (STRING): JSON 格式的详细信息
  • total_masks: 遮罩总数
  • selected_index: 选中编号
  • sort_method: 排序方式
  • selected_area: 选中遮罩的像素面积
  • selected_center: 选中遮罩的质心坐标 [x, y]
  • index_clamped: 编号是否越界被修正

使用场景:

• 从多个检测结果中选择特定目标
• 分离主体和背景遮罩
• 基于大小或位置筛选遮罩

---

10. 遮罩预览 / Mask Preview

分类: Rui-Node🐶/遮罩处理🎭

功能描述:
将遮罩以半透明彩色形式叠加显示在图像上，方便直观查看遮罩覆盖区域。节点自带预览功能，同时输出合成后的图像。

输入参数:

• image (IMAGE): 作为底图的原始图像
• mask (MASK): 需要可视化的遮罩
• mask_color (选择): 遮罩显示颜色
  • 默认值: 红色 / Red
  • 选项: 红色、绿色、蓝色、黄色、青色、品红、白色
• opacity (FLOAT, 可选): 不透明度
  • 默认值: 0.5
  • 范围: 0.0 ~ 1.0
  • 步长: 0.05

输出:

• 图像 / Image (IMAGE): 合成了半透明彩色遮罩的图像

特性:

• 自动处理遮罩与图像的尺寸差异
• 节点界面直接显示预览效果
• 支持批量处理
• 7种预设颜色可选
• 可调节不透明度

使用场景:

• 检查分割结果的准确性
• 调试遮罩处理流程
• 多遮罩对比（使用不同颜色）
• 制作遮罩可视化图

---

11. 转化为utf-8编码 / Convert to UTF-8

分类: Rui-Node🐶/文本处理📝

功能描述:
删除输入字符串中所有非 UTF-8 编码字符（如孤立的代理对），确保输出的字符串符合 UTF-8 编码规范。

输入参数:

• input_text (STRING): 需要处理的原始字符串（支持多行）

输出:

• filtered_text (STRING): 过滤后的符合 UTF-8 规范的字符串
• log (STRING): 处理日志，包含移除字符的详细信息和统计总结

使用场景:

• 清理可能包含非法字符的文本数据
• 确保文本在保存或传输时的编码安全性
• 调试文本编码问题

---

12. OpenAI API 连接 / OpenAI API Connector

分类: Rui-Node🐶/AI模型🤖

功能描述:
连接 OpenAI 或兼容 API（如 DeepSeek、Moonshot 等），进行文本生成或多模态图像理解，支持最多 6 张图像同时输入。

输入参数:

• api_url (STRING): API 接口地址
  • 默认值: "https://api.openai.com/v1/chat/completions"
• api_key (STRING): API 密钥
• model (STRING): 模型名称
  • 默认值: "gpt-4o"
• system_prompt (STRING): 系统提示词
• user_prompt (STRING): 用户提示词
• seed (INT): 随机种子，用于控制生成的随机性
• image_1 ~ image_6 (IMAGE, 可选): 最多 6 张输入图像
  • 说明: 用户有几张图就连接几个输入口，无需手动 Batch
  • 规则: 节点内部会自动逐张处理每个输入图像，分别编码后发送到 API
  • 优势: 不要求所有图像尺寸一致，512×512 和 511×768 之类的混合输入也可直接使用
• temperature (FLOAT, 可选): 采样温度
  • 默认值: 0.3
  • 范围: 0.0 ~ 2.0
• max_tokens (INT, 可选): 最大输出 token 数
  • 默认值: 500
  • 范围: 1 ~ 8192
• detail (选择, 可选): 图像分析细节等级
  • 选项: low, high, auto
  • 默认值: auto
• image_max_size (INT, 可选): 单张图像最长边缩放上限
  • 默认值: 1024
  • 范围: 256 ~ 4096
  • 说明: 超过该尺寸的图像会在发送前按比例缩小，以减少 token 消耗与请求体积
• proxy_url (STRING, 可选): HTTP/HTTPS 代理地址
  • 示例: http://127.0.0.1:7890

输出:

• text (STRING): 模型生成的文本内容

使用场景:

• 调用 LLM 进行文本生成
• 使用 Vision 模型进行单图或多图联合理解
• 连接本地或第三方兼容 OpenAI 协议的 API
• 对多张参考图做综合分析、比对与总结

---

13. 颜色匹配器 / Color Matcher

分类: Rui-Node🐶/图像调节🎨

功能描述:
将目标图像的颜色分布匹配到参考图像的颜色分布，支持多种匹配算法和混合调节。

输入参数:

• reference_image (IMAGE): 作为颜色参考的图像
• moving_image (IMAGE): 需要改变颜色的目标图像
• match_method (选择): 匹配算法
  • 选项: "histogram" (直方图匹配), "mean_std" (均值标准差匹配), "none" (无匹配)
  • 默认值: "histogram"
• blend_factor (FLOAT): 混合系数
  • 默认值: 1.0
  • 范围: 0.0 ~ 1.0
  • 步长: 0.01
  • 说明: 控制原图和匹配后图像的混合比例，1.0为完全使用匹配后图像

输出:

• 颜色匹配后图像 (IMAGE): 颜色调整后的图像
• 匹配信息 (STRING): 记录了使用的匹配方式以及混合系数的日志信息

使用场景:

• 统一多张图像的色调风格
• 将素材无缝融合进背景
• 图像色彩风格迁移

---

14. 素材拆分 / Sprite Splitter

分类: Rui-Node🐶/图像调节🎨

功能描述:
从白色/浅色背景的合图（Sprite Sheet）中自动拆分出每个独立的美术元素，通过连通区域检测进行裁剪，并将每个独立元素作为图像列表输出。

输入参数:

• 图像 (IMAGE): 输入的带有透明通道的合图图像（RGBA格式）
• 最小面积过滤（像素数） (INT): 最小面积过滤
  • 默认值: 100
  • 范围: 1 ~ 50000
  • 说明: 面积小于此值（像素数）的连通区域将被过滤，避免拆分出噪点碎片。
• 裁剪边距 (INT): 裁剪边距
  • 默认值: 2
  • 范围: 0 ~ 50
  • 说明: 每个元素裁剪时在包围盒外额外保留的像素边距。
• 排序方式 (选择): 排序方式
  • 选项: "从左到右-从上到下", "从上到下-从左到右", "面积从大到小", "面积从小到大"
  • 默认值: "从左到右-从上到下"
• seed (INT): 随机种子
  • 默认值: 0
  • 说明: 仅用于强制重新执行节点，不影响实际拆分结果。适用于线上部署时强制刷新缓存。

输出:

• 图像列表 (IMAGE): 拆分后的多张图像列表，透明区域会用白色填充输出。

使用场景:

• 游戏素材合图切分
• 批量图标提取
• 白底素材自动裁剪

---

15. 素材拆分(带透明通道) / Sprite Splitter RGBA

分类: Rui-Node🐶/图像调节🎨

功能描述:
与标准素材拆分节点功能相同，但保留并额外输出 Alpha 透明通道，适用于需要透明背景的美术素材提取。

输入参数:

• 输入参数与 素材拆分 / Sprite Splitter 完全一致。

输出:

• 图像列表 (IMAGE): 拆分后的多张 RGB 图像列表
• 遮罩列表 (MASK): 对应的多张 Alpha 透明通道遮罩列表，1.0代表不透明，0.0代表透明

使用场景:

• 提取带透明背景的游戏角色、道具素材
• 搭配 JoinImageWithAlpha 等节点生成透明 PNG 图像

---

16. 加载图像(带文件名) / Load Image With Name

分类: Rui-Node🐶/文件存储与加载📁

功能描述:
基础功能与 ComfyUI 原生的 "Load Image" 节点完全一致，支持从 ComfyUI 的 input 目录中选择图像，并支持拖拽上传。区别在于本节点额外提供了一个字符串输出端口，用于输出图像的文件名。

输入参数:

• image (下拉选择): 从 input 目录中选择图像文件，或通过按钮上传

输出:

• IMAGE: 图像数据
• MASK: 图像的 Alpha 通道遮罩
• filename (STRING): 图像的文件名（不包含后缀，例如上传了 test_image.png，则输出 test_image）

使用场景:

• 批量处理图像时，希望以原文件名保存处理后的结果
• 需要将当前图像的文件名作为提示词或其他参数传递给下游节点
• 建立更规范的自动化工作流

---

🔧 依赖库

主要依赖库包括：

• torch: PyTorch 深度学习框架
• numpy: 数值计算
• Pillow (PIL): 图像处理
• requests: HTTP 请求（用于 API 调用）

完整依赖请查看 requirements.txt

📝 注意事项

1. 所有节点都兼容 ComfyUI 的标准图像处理流程
2. 图像格式统一为 BHWC（批次、高度、宽度、通道）
3. 图像值范围为 0.0 ~ 1.0 的浮点数
4. 使用 AI 模型节点需要配置有效的 API 密钥
5. 文本处理节点支持多行文本输入
6. 所有节点名称采用中英双语显示
7. 遮罩处理节点自动处理尺寸不匹配问题

17. SDMatte 精细抠图 / SDMatte Interactive Matting

基于 SDMatte（vivo 相机研究院，ICCV 2025）的交互式抠图节点。 擅长发丝、绒毛、玻璃、烟雾等常规抠图模型处理不好的边缘。

包含两个节点：

模型准备

把权重放到 ComfyUI/models/SDMatte/ 下即可，两种格式任选其一：

• SDMatte_plus.pth — 官方发布，12.1GB，LongfeiHuang/SDMatte
• SDMatte_plus.safetensors — 社区转换，5.19GB，1038lab/SDMatte

这两个文件的模型权重逐比特完全相同，不必纠结选哪个。 已实测比对全部 1316 个张量：键名、形状、精度（均为 F32）、数值全部一致，无一例外。 官方 pth 是 detectron2 的训练检查点，顶层为 {"model", "trainer", "iteration"}， 多出的约 6.9GB 是 trainer 里的优化器状态与梯度缩放器，推理不参与。 换用 pth 不会带来任何质量提升。本节点两种格式都支持，读 pth 时只解析 model 段， 内存占用与 safetensors 相当。

不需要下载 Stable Diffusion 2.1 的权重。 SDMatte 虽以 SD 2.1 为骨架，但官方推理配置 （configs/SDMatte.py 中 load_weight=False）只用配置文件搭出网络结构，全部权重随后由 SDMatte 检查点覆盖。官方 HuggingFace 仓库本身也只发布 .pth 加若干 config.json， 不含任何 SD 权重。所需配置已随本节点一起分发，开箱即用、无需联网。

参数说明

SDMatte 加载器

显存参考（fp32 @ 1024，实测于 RTX 5090）：开分片约 9.1GB，关分片约 15.5GB。 12GB 显存的卡请保持分片开启。

SDMatte 精细抠图

prompt_type 选择：

⚠ 两个权重的能力不同（实测）

官方 README 里，SDMatte 与 SDMatte*（即 SDMatte_plus）的训练集不同： 前者含 RefMatte（指代表达式抠图数据集，点提示与文本提示的来源）， 后者用 COCO-Matte 替换了它。这导致 plus 版不具备点提示与文本指代能力：

caption 实测（羊驼图，MAD 越低越好）：

在 SDMatte 上，语义正确的描述确实更准；在 plus 上语义完全失效甚至反向， 说明它只是给 cross-attention 注入了噪声扰动，并非在理解文本。

结论：用 SDMatte_plus.pth 时保持 caption 留空、prompt_type 用 bbox_mask； 想用点提示或文本指代，请换 SDMatte.pth。节点在 point_mask 输出接近全黑时会打印警告。

典型接法

加载图像 ──────────────┬──> SDMatte 精细抠图 ──> alpha (MASK)
                       │         ▲                 └──> cutout (IMAGE)
任意分割节点 ──> mask ──┘         │
SDMatte 加载器 ───────────────────┘

mask 可以来自任何粗分割来源（SAM、rembg、手绘遮罩皆可）——SDMatte 的职责正是把粗糙边缘细化。

实测数据

用官方效果图中的羊驼原图（绒毛边缘）跑本节点，与官方给出的 GT alpha 对比：

（GT 取自官方效果图截图，含有损压缩与水印，故存在固有误差下限。）

各配置对输出的实际影响（透明玻璃杯，差异像素指偏差 > 0.05 的占比）：

结论：分辨率影响最大，建议保持 1024；抠透明物体时 is_transparent 必须打开。

与 ComfyUI-SDMatte 的横向实测

同一张图、同一份权重、同一台机器，对跑 ComfyUI-SDMatte 与本节点，以官方公布的 alpha 为参照：

相差 7.8 倍，且其输出肉眼可见地发灰、边缘晕开。

主因是视觉提示类型：官方 configs/SDMatte.py 固定 aux_input="bbox_mask"， 而其 aux_input_list 只含 point_mask / bbox_mask / mask —— trimap 从未作为视觉提示参与训练。 ComfyUI-SDMatte 传 aux_input="trimap"，把模型推到了没训练过的输入模式上， 且该分支的 trimap_coords 恒为 [0,0,1,1]，定位信息全部丢失。 开不开它的 mask_refine 几乎不影响这一结论（0.0884 vs 0.0885），说明问题不在后处理。

实现要点

若与其它 SDMatte 实现效果对不上，按影响从大到小排查：

1. 视觉提示类型（影响最大）。必须用官方训练过的 bbox_mask / mask / point_mask， 并传入真实的归一化坐标。用 trimap 当视觉提示是模型没见过的用法。

2. UNet 配置来源。SDMatte 在标准 SD 2.1 的 UNet 配置上额外定义了 bbox_time_embed_dim / point_embeddings_input_dim / bbox_embeddings_input_dim 三个字段。 误用原版 SD 2.1 的 config.json 会缺这些字段，只能猜默认值，猜错则相应权重被 strict=False 静默丢弃。本节点直接分发官方配置，并在缺字段时直接报错而非猜测。

3. transformers 版本。官方权重用 transformers 4.x 保存，CLIPTextModel 内部裹了一层 text_model；transformers 5.x 起该层被移除，导致 text_encoder 的 372 个权重键名对不上、 被整体静默丢弃、停留在随机初始化。本节点会按当前环境自动增删该前缀。

4. 条件分配。官方 use_encoder_hidden_states_list=[False, True, False] 决定 UNet 下采样/中间/上采样三段各接收哪种条件，漏传会退化成 [True, True, True]。 实测单独影响不大（羊驼 MAD 0.01135 → 0.01148），透明物体上更明显。

5. 权重对齐校验。本节点在加载后校验键的完整性，一旦有权重未被覆盖或未被使用就中止并报错。 这类问题不会让模型崩溃，只会让输出质量悄悄下降，是最难排查的一类，因此宁可停下也不放行。

6. 全程 fp32、1024 分辨率，且不做任何启发式后处理（不做阈值裁剪、对比度拉伸之类的"优化"）， 输出即模型原始 alpha。

---

18. ZenMux API 连接 / ZenMux API Connector

分类: Rui-Node🐶/AI模型🤖

功能描述:
连接 ZenMux 聚合平台（OpenAI 兼容协议），一个节点即可调用其收录的所有文本类模型（Anthropic、OpenAI、Google、DeepSeek、Qwen 等 20 家厂商、130+ 模型）。支持文本生成与多模态图像理解（最多 6 张图）。

特色功能:

• 价格直接标在选项上: 每个模型后缀形如 [入$0.2/M 出$1.25/M]，即输入/输出每百万 token 的美元价格，选型时一目了然

• 快速筛选: 模型列表按「厂商/模型名」排序聚类，同厂商模型天然相邻；在下拉的搜索框输入厂商前缀（如 qwen/、anthropic/）即可只看该厂商的模型

• 离线可用的模型清单: 模型与价格来自随包分发的 zenmux/models_snapshot.json；价格有变动时运行 python zenmux/build_snapshot.py 即可重新拉取更新

• 旧工作流兼容: 价格快照更新后，旧工作流里保存的带旧价格标签仍能正确解析出模型 id，不会失效

• 单次消耗统计: usage_stats 输出本次运行的 token 用量、输出字数与费用换算（按快照单价计算，汇率可调），格式：

  token消耗，输入：1234，输出：567
  输出文字数量：328
  模型类型：openai/gpt-5.4-nano [入$0.2/M 出$1.25/M]
  价格换算，美元：0.000955，人民币：0.006876
  

• 自动参数兼容: 部分模型弃用或不支持某些采样参数（如 claude-sonnet-5 弃用 temperature、gpt-5 reasoning 系要求 max_completion_tokens）。节点会在收到相关 400 错误时自动剔除或改名该参数并重试，无需手动调整；剔除动作会打印到 ComfyUI 控制台。正常请求不受影响、无额外开销。

输入参数:

• api_key (STRING): ZenMux 平台的 API Key（在 zenmux.ai 控制台获取）
• model (选择): 模型（带价格标注），默认 openai/gpt-5.4-nano
• system_prompt (STRING): 系统提示词
• user_prompt (STRING): 用户提示词
• seed (INT): 随机种子
• temperature (FLOAT, 可选): 采样温度，默认 0.7，范围 0.0 ~ 2.0
• top_p (FLOAT, 可选): 核采样阈值，默认 1.0
• max_tokens (INT, 可选): 最大输出 token 数，默认 1024
• image_1 ~ image_6 (IMAGE, 可选): 多模态图像输入（所选模型需支持 image 输入）
• detail (选择, 可选): 图像分析细节等级，auto/low/high
• image_max_size (INT, 可选): 发送前图像最长边缩放上限，默认 1024
• base_url (STRING, 可选): API 地址，默认 zenmux.ai/api/v1（无需写 https://，节点会自动补全）
• proxy_url (STRING, 可选): HTTP/HTTPS 代理地址，如 127.0.0.1:7890
• usd_to_cny (FLOAT, 可选): 美元兑人民币汇率，默认 7.2，用于 usage_stats 的人民币换算，可按当日牌价调整

输出:

• text (STRING): 模型生成的文本内容
• model_id (STRING): 实际调用的模型 id（如 openai/gpt-5.4-nano），便于下游记录
• usage_stats (STRING): 单次运行的 token 消耗、输出文字数量（按字符计，含标点）与费用统计（四行文本，格式见上）；请求失败时记为 0 消耗，token 数缺失或单价未知的项显示 ?

使用场景:

• 一个 Key 试遍多家厂商的模型，横向对比效果与成本
• 按预算选型：价格就写在下拉列表里，直接挑便宜的
• 调用 Claude / GPT / Gemini / DeepSeek 等做文本生成或图像理解

网络自动重连: 线上跑批时最常见的失败不是参数错，而是链路抖动 —— 典型报错是 SSLError(SSLEOFError(8, 'EOF occurred in violation of protocol'))， 即 TLS 握手/传输被中途打断。这类失败重连一次往往就好了，因此节点内置了重连机制。

会重连：SSL 握手被打断（SSLEOFError）、连接被重置、连接/读超时、 响应体传到一半截断（ChunkedEncodingError / JSON 解析失败）， 以及 429 限流与 5xx 服务端临时故障。

不重连：参数类 400、鉴权类 401/403、404 —— 这些重试多少次都是同样结果， 重连只会拖慢报错。

退避策略：1s → 2s → 4s → 8s → 16s 指数增长，每次叠加 ±25% 随机抖动。 抖动不是可有可无的装饰 —— 一条工作流里常有多个 API 节点同时失败，没有抖动它们会在 同一毫秒一起重连，把刚缓过来的服务端再打垮一次。服务端返回 Retry-After 头时以它为准。

与「自适应参数重试」的关系：两者是不同层次，互不消耗额度。参数自适应处理的是 「这个模型不认这个参数」（HTTP 400），网络重连处理的是「没拿到完整响应」。 参数被剔除后的 payload 会在后续重连中保留，不会重蹈覆辙。

重连过程会打印到控制台，例如：

[Rui-Node] 越光: 连接失败（SSLError），1.1s 后重连（第 1/3 次）
[Rui-Node] 越光: 第 2 次重连后成功

若重连耗尽仍失败，错误信息会注明已重连次数，便于区分「网络确实不通」和「压根没重试」。

---

19. Markdown转图片 / Markdown To Image

分类: Rui-Node🐶/文本处理📝

功能描述:
输入 Markdown 文本，输出按阅读器级排版渲染的图片（IMAGE）。视觉规范对标 GitHub / Typora：标题层级字号（2.0/1.5/1.25/1.0/0.875/0.85 倍正文）、H1/H2 底部分隔线、引用左竖条、代码块圆角底色 + 等宽字体 + 语言标签、表格圆角外框 + 表头加粗底色 + 斑马纹 + 列对齐、任务清单勾选框、彩色 Emoji。纯 PIL 实现，无额外依赖。

支持的 Markdown 语法:
标题 #~######、段落（单换行即硬换行）、粗体、斜体、行内代码、删除线、链接、有序/无序/嵌套列表、任务清单 - [x]、引用 >（可嵌套）、围栏代码块、表格（:---: 对齐语法）、分割线 ---；表格与正文中的 Emoji 以系统彩色字体渲染。

输入参数:

• markdown (STRING): Markdown 文本
• size_preset (选择): 常用尺寸快选（1080×1440 / 1080×1920 / 1080×1080 / 1920×1080 / A4 等），选 custom 时使用下方宽高
• width / height (INT): 精确尺寸（64~8192px，custom 时生效）
• font (选择): 字体，列表来自 Ruinode/font 目录（ttf/otf/ttc 均可，放入后刷新页面即出现在下拉；同族粗体文件如 msyhbd 会自动配对用于渲染粗体，无粗体文件时描边模拟）
• theme (选择): 浅色 / 深色 / 米色三套阅读器配色
• body_size、h1_size ~ h6_size (STRING, 可选): 各级字号，auto（默认）按输出尺寸二分搜索「恰好优雅填满画布」的字号，各级也可分别填数字精确指定
• letter_spacing (STRING, 可选): 字间距像素，默认 auto
• line_spacing (STRING, 可选): 行高倍数（如 1.8），默认 auto（正文 1.65）
• max_chars_per_line (STRING, 可选): 单行文字字数上限，达到即换行；默认 auto（按像素宽自然换行）

输出:

• image (IMAGE): 渲染结果，固定为所选宽高；内容超高时按现有字号裁剪并在控制台提示

使用场景:

• 将 LLM 输出的 Markdown（如 ZenMux 节点的 text）直接转成可分享的长图
• 生成小红书 / 公众号风格的图文卡片、A4 打印稿
• 工作流内把结构化报告（含表格、代码）落成图像资产

⚠️ 重要：不要用 WAS 的「Text Multiline」节点喂 Markdown
WAS Node Suite 的「Text Multiline」会把 # 开头的行当注释删除，标题行会凭空消失，还会做动态提示词替换。请改用本套件的 多行文本框(原样输出)，或直接在本节点的 markdown 输入框里粘贴文本。

---

20. 多行文本框(原样输出) / Text Box (Raw)

分类: Rui-Node🐶/文本处理📝

功能描述:
把输入的多行文本一字不动输出为 STRING：不删注释行、不做动态提示词/通配符/token 替换。专门用来安全承载 Markdown、代码等格式敏感文本（WAS 的「Text Multiline」会把 # 开头的行当注释吃掉，喂 Markdown 时标题会消失）。

输入参数:

• text (STRING): 多行文本

输出:

• text (STRING): 与输入完全一致的文本

使用场景:

• 为 Markdown转图片 提供含 # 标题的原样文本
• 存放任何不希望被上游文本节点"加工"的内容

---

21. 满屏文字水印 / Full-Screen Text Watermark

分类: Rui-Node🐶/图像调节🎨

功能描述:
给输入图像铺满一层平铺的文字水印，常用于版权标注、样图防盗、批量打标。文字按交错网格平铺，整体旋转后从中心裁切与原图等大的区域，因此任意旋转角度下四角也都被水印覆盖，不留空白。支持中英文混排与多行文案（用换行分隔），逐字符绘制以支持字间距。批量图像逐张处理。

输入参数:

• image (IMAGE): 输入图像
• text (STRING, 多行): 水印文案，支持换行分隔的多行文本
• font (选择): 字体，列表来自 Ruinode/font 目录（ttf/otf/ttc，放入后刷新页面即出现，与 Markdown 节点共用同一套字体扫描）
• font_size (INT): 文字大小（像素），默认 48，范围 8~500
• angle (FLOAT): 水印整体旋转角度（度），默认 30，范围 -180~180
• density (FLOAT): 水印密度，综合控制行间距与同行水印之间的间距，值越大越密，默认 1.0，范围 0.1~5.0
• letter_spacing (INT): 字间距，单条文案内相邻字符的额外间距（像素，可为负），默认 0，范围 -20~200
• opacity (FLOAT): 水印透明程度，0=完全透明（原样返回），100=完全不透明，默认 35，范围 0~100
• color (STRING): 水印文字颜色，支持 #RRGGBB / #RGB / "r,g,b" / 常见英文色名（white、red、yellow…），默认 #FFFFFF

输出:

• image (IMAGE): 叠加水印后的图像

使用场景:

• 给出图 / 样片加满屏防盗水印
• 批量素材统一打上版权或"仅供参考"标注

---

22. FeyNobg 抠图 / FeyNobg Matting

分类: Rui-Node🐶/抠图✂️

功能描述:
全自动去背景抠图，不需要任何提示，输入图像直接输出 alpha。模型为 feyn 开源的 FeyNobg（Apache-2.0），在 BiRefNet（CAAI AIR 2024）基础上扩展：Swin-Large 主干 + 梯度注意力 / 图像块注入 / 多尺度输入三项增强，原生 1024×1024 推理，权重约 1.05GB。

与 SDMatte 精细抠图 的分工:

• FeyNobg：全自动、一步出图、速度快，适合批量去背景（画面主体明确时首选）
• SDMatte：需要框/掩码提示指定目标，适合画面里有多个主体、要精确抠其中一个

模型准备:
首次运行会自动从 HuggingFace 下载到 ComfyUI/models/nobg/FeyNobg（约 1.05GB）。也可手动下载 config.json、preprocessor_config.json、model.safetensors 放入该目录。

输入参数:

• image (IMAGE): 输入图像
• model_name (选择): models/nobg 下的模型目录，未找到时自动下载
• resolution (选择): 推理分辨率，默认 1024（模型原生训练分辨率）。调低省显存但边缘变粗；调高不一定更好，可能出现结构断裂
• precision (选择): fp32（默认）/ fp16。实测两者输出一致（同图 alpha 均值均为 0.657），fp16 显存减半且明显更快，推荐优先用 fp16
• device (选择): auto / cpu
• alpha_threshold (FLOAT, 可选): 前景判定阈值，默认 0.5。见下方「主体半透明发灰怎么救」
• alpha_softness (FLOAT, 可选): 阈值两侧过渡带宽度，默认 1.0 = 完全不处理
• keep_aspect_ratio (BOOLEAN, 可选): 保持宽高比（等比缩放 + 边缘延展补边），默认关闭
• invert_mask (BOOLEAN, 可选): 反转 alpha，默认前景为白

输出:

• alpha (MASK): 抠图 alpha，值域 [0,1]
• cutout (IMAGE): 去背景图（黑底）。需要透明 PNG 时，把 alpha 接到 JoinImageWithAlpha 一类节点

实测数据（1139×1280 人物插画，RTX 显卡）:

发丝、飘带、细链条等高频细节均能完整分离，边缘为自然的半透明过渡而非硬边。

主体「整片半透明发灰」怎么救:

模型对拿不准的区域会输出 0.5 上下的中间值，表现为整个人物/物体呈半透明。模型本身没有开放任何控制该行为的参数（use_gradient_attention 等是训练时固化的架构参数，推理期不可调），因此节点在后处理层提供了一对色阶参数：

原理是以 threshold 为中心、softness 为宽度取一段区间线性拉伸到 [0,1]：区间以下压成全透明，以上提成全不透明，区间内保留平滑过渡。默认参数下该区间恰好是 [0,1]，等于恒等变换。

两点边界必须说明：

• 只对已有一定响应的区域有效。模型压根没认出来的地方 alpha 接近 0，再降阈值也救不回来——那属于语义判断差异（BiRefNet-General 倾向保留画面全部前景，FeyNobg 更强调「找主要主体」），需要换模型或改用 SDMatte 指定目标。
• softness 越小，发丝等真实半透明细节损失越多，是一对权衡。

长图形变：模型固定吃 1024×1024，默认把图直接拉伸成正方形（与官方训练方式一致）。手机截图这类 1:2 以上的长图横向会被压到一半，可开 keep_aspect_ratio 改为等比缩放 + 边缘延展补边、推理后裁掉补边。实测 2.36:1 的图半透明占比 0.1192 → 0.1041。该选项与训练分布不同，属试验性，常规比例建议保持关闭。

实现说明（两个坑，都已在节点内处理）:

1. 预处理依赖：上游 nobg 的预处理模块继承 transformers>=5.4 的 TorchvisionBackend，而 ComfyUI 常见环境仍是 transformers 4.x，直接引入会报 No module named 'transformers.image_processing_backends'。本节点内嵌了 nobg 推理子集（feynobg/）并重写了预处理，数值规格与官方逐项对齐（1024 双线性抗锯齿缩放 + ImageNet 标准化；后处理先 sigmoid 再缩放），无需升级 transformers。同时绕开了上游 AutoModel 里会联网查 tags 的 model_info()，保证离线可用。

2. 权重键名不兼容（更隐蔽）：FeyNobg 的权重用 transformers 5.x 导出，其 SwinBackbone 的模块命名与 4.x 不同（bb.swin.* 多一层、attention 从 self.query/key/value 重构为 q/k/v_proj、前馈层 mlp.fc1/fc2 对应 intermediate.dense/output.dense）。若不处理，958 个参数只有 405 个能对上，整个 backbone 形同随机初始化——模型照样跑完不报错，但输出的 alpha 几乎全黑（实测 max 0.02、mean 0.000）。节点内做了键名重映射（按环境自动判断是否需要），并严格校验：除确定性 buffer relative_position_index 与 backbone 末端未使用的 bb.layernorm 外，任何缺失/多余都直接报错中止，绝不接受静默劣化的结果。

---

23. Lucida 抠图 / Lucida Matting

分类: Rui-Node🐶/抠图✂️

功能描述:
全自动去背景，不需要任何提示。模型为 Lucida（MIT），是 BiRefNet_HR 的微调版，训练目标是攻克多数开源抠图模型的短板：伪装物体、透明材质（玻璃）、文字与 Logo、VFX 光效、插画。权重约 885MB（220M 参数，Swin-Large 主干）。

作者在 203 图 9 类别基准上的 MAE（越低越好）：

模型准备:
首次运行自动下载到 ComfyUI/models/lucida/lucida.safetensors。也可手动下载仓库的 model.safetensors，改名为 lucida.safetensors 放入该目录。

输入参数:

• image (IMAGE): 输入图像
• model_name (选择): models/lucida 下的权重文件，未找到时自动下载
• precision (选择): fp16（默认）/ fp32
• device (选择): auto / cpu
• alpha_threshold / alpha_softness (FLOAT, 可选): 遮罩色阶，默认 (0.5, 1.0) 为恒等变换。用法同 FeyNobg 节点
• keep_aspect_ratio (BOOLEAN, 可选): 保持宽高比，默认关闭
• invert_mask (BOOLEAN, 可选): 反转 alpha

输出:

• alpha (MASK) / cutout (IMAGE，黑底)

⚠ 没有分辨率选项：模型内部 Config.size=1024 且 decoder 走 patch split，与 1024 输入绑定，因此不像 FeyNobg 那样可调分辨率。

三个抠图节点怎么选:

实测对比（同图、同参数，本仓库两个全自动节点）:

第一张图差异最大，肉眼核对后确认不是精度高低，而是「前景」的定义不同：FeyNobg 只抠出人物，云与栏杆全部排除；Lucida 除人物外还把半透明的云判为前景（灰度 alpha）并保留了栏杆——这与它专门训练透明材质的目标一致。所以两者是互补关系：要干净剥离主体用 FeyNobg，要保住文字/玻璃/光效等半透明元素用 Lucida。建议在自己的素材上实测再定，示例工作流已把两者并联便于对照。

⚠ alpha_softness 调小会把玻璃、发光这类真实半透明一并压实，而这正是 Lucida 的强项，务必按素材取舍。

实现说明:
模型代码（birefnet.py / BiRefNet_config.py，2250 行）内嵌在 lucida/ 子包，不使用 trust_remote_code——那会在运行时从 HuggingFace 拉取并执行远程 Python 代码，ComfyUI 场景下既不该联网也不该执行随时可变的远程代码；内嵌后版本固定、可离线、可审计。构造时传 bb_pretrained=False，避免联网下载 Swin 的 ImageNet 预训练权重。预处理规格与 BiRefNet 系一致，直接复用 FeyNobg 节点那份已验证实现。权重加载同样做严格校验（除窗口尺寸推出的确定性 buffer 外，任何失配直接报错中止）。

---

24. 像素化 / Pixelate

分类: Rui-Node🐶/图像调节🎨

功能描述:
把普通图像转成能直接当素材用的像素画。与"马赛克滤镜"的区别在于：滤镜只是把画面涂成方块、输出仍是原尺寸大图；而像素游戏要的是真实小分辨率、颜色数受控、边缘硬朗的 sprite。纯 numpy/PIL 实现，无额外依赖、无需模型权重。

三种模式:

第三种是重点：SD/Flux 生成的"像素风"图往往是 1024×1024，看着像素风，实际网格歪斜、边缘带抗锯齿、颜色成千上万，直接进引擎会糊。

输入参数:

• image (IMAGE) / mask (MASK, 可选): 接抠图节点的 alpha 会按同一网格降采样并二值化成硬边
• mode / target_width / pixel_size: 见上表
• downsample (选择): 主导色 dominant（默认，取块内最多的颜色，不会凭空造出新颜色）/ median / mean（会糊边） / center
• palette (选择): 不量化 / 自适应 k-means（CIELAB 空间聚类）/ 自适应 median cut / PICO-8 (16色) / Game Boy (4色绿) / 黑白 1-bit / 灰阶 4·8·16 级
• palette_size (INT): 自适应调色板的颜色数。816 复古感强，3264 细节更多
• dither (选择): 无 / Bayer 2×2·4×4·8×8 / Floyd-Steinberg / 随机噪声
• output_scale (INT): 1 = 真实像素尺寸（导出素材必须用 1）；>1 仅为在 ComfyUI 里看清，放大是整数倍纯复制不插值
• dither_strength / mask_threshold / seed (可选)

输出: image (IMAGE) / mask (MASK) / info (STRING，含检测到的网格与置信度)

方案选型（研究后的结论）:
Pixel Snapper（Sprite Fusion，MIT）解决的是「伪像素图 → 完美像素图」，思路是检测网格 + 按主导色重采样；而「普通图 → 像素画」是另一个问题，核心在降采样方式与调色板量化。本节点把两条路做进同一节点，算法为自研实现。网格检测按公开研究的要点处理了两类经典误判：

• 谐波（八度）错误：2s 与 s 得分往往接近，容易把 2 倍大小当真值 → 取得最高分后回查其真约数（octave killer）
• 内容周期冒充像素周期：画面里重复的纹理/花纹也形成周期 → 真网格对相位极其敏感、内容周期则不敏感，把「最佳相位与最差相位的分差」并入评分（anti-phase）

评分用单元内方差而非相邻像素差分：差分对模糊极敏感，而 AI 伪像素图的边界都带抗锯齿，尖峰被摊平后压不住内容周期（开发中实测：4 像素的网格被判成 24~28）。改用组内方差后，过大的 s 会因单元跨越多个真实色块导致方差爆掉而被天然压制。

实测数据:

⚠ 自动检测对干净放大图几乎必中，对模糊严重的图约 2/3 命中率。info 输出会给出检测到的网格与置信度，结果不对时改用「按像素块大小」手动指定即可。

---

25. 八方向序列拆分 / 8-Direction Sprite Split

分类: Rui-Node🐶/图像调节🎨

功能描述:
用于 8 方向行走动画 制作管线：把每帧都排布着 8 个朝向的雪碧图序列，一次拆成 8 条各自独立、可直接成片的动画序列，并完成方向编号与分组。

完整管线与分工:

整条链路只有拆分环节是缺失的，其余全部复用成熟实现。

两个示例工作流:

• 八方向行走动画.json：从已有视频文件出发（VHS Load Video）
• 角色图到八方向行走动画（一体化）.json：从角色图一路到成品，把生图、生视频、拆分、导出串成一条链

一体化工作流的关键是打通 VIDEO → IMAGE：视频生成节点输出的是 ComfyUI 的 VIDEO 类型，而 VHS「Load Video」只能从文件读、接不上。用 ComfyUI 原生的「Get Video Components」（image/video 分类）即可，输入 VIDEO、输出 images/audio/fps，不需要装任何额外插件。

⚠️ 帧率两处必须匹配：Seedance 出的是 24fps，抽帧间隔与输出帧率要对应，否则 webm 播放速度不对。 select_every_nth=3 ↔ frame_rate=8；要 12fps 就用 2 ↔ 12；要全量 24fps 就用 1 ↔ 24。

输入参数:

• images (IMAGE): 视频转出的序列帧
• masks (MASK, 可选): 上游抠图节点的遮罩，强烈建议接上（见下方「透明通道怎么来」）
• grid_cols / grid_rows / empty_cells: 网格布局。3×3 中间留空即 empty_cells=4（序号行优先、从 0 开始）
• direction_names (STRING): 按「跳过空格后的先后顺序」命名，默认 SW,S,SE,W,E,NW,N,NE，对应行 1 面向观众、行 3 背对观众的排布
• bg_mode / bg_threshold: 透明通道来源，见下
• edge_shrink / decontaminate: 治白边，见下
• fragment_threshold (FLOAT): 清掉面积不足主体这一比例的连通碎片
• expand_beyond_cell (BOOLEAN): 务必开启，允许角色超出格子边界
• auto_crop / crop_padding: 按内容裁剪

透明通道怎么来（关系到成品质量，别用默认凑合）:

颜色阈值法的死穴在于它按「离白色多远」估 alpha，白衬衫本身就接近白、alpha 天生偏低，一旦收边压白边，衬衫就被啃穿。实测同一素材、同等白边水平下：

Lucida 一次就能识别整张雪碧图的全部 8 个角色（各格前景占比 0.18~0.24，中间空格 0.002），肉眼比对：模型 alpha 的白衬衫完好，阈值法的衬衫上布满背景色斑块。

治白边的两个参数:

• edge_shrink（主力）：把边缘那圈「几乎全是背景」的半透明像素收掉。白底素材的边缘像素本就掺了白，不收掉贴到深色背景就发白。实测白边强度：0 → 0.048；0.2 → 0.026；0.5 → 0.016。配模型 alpha 用 0.15~0.25，配阈值法要 0.35 以上
• decontaminate（辅助）：颜色反溢出，按 观察色 = 前景×a + 白×(1-a) 反解真正的前景色。单独用只改善约 3%（因为观察色本身已经太白，反解出来还是白），必须和收边配合

输出: dir_1 ~ dir_8 (IMAGE，4 通道 RGBA) + info (STRING)

锚点对齐：让 8 个方向尺寸统一、切换朝向不跳

做游戏素材时这一步是刚需。不开对齐时，每个方向各按自己的内容裁剪，8 个方向出 8 种尺寸，角色在各自画面里的位置也不一致——游戏里切换朝向角色就会跳一下。人工做法是「一帧一帧手动对位置」，本节点把它自动化了：

为什么锚点取「脚底中心」而不是包围盒中心：角色站在地面上，脚底才是它在世界里的位置；而斗篷、披风、手杖会把包围盒拽向一侧。所以 y 取最低的不透明行，x 取底部窄带的水平质心——那些外挂物基本不会垂到脚底，走路时两脚一前一后，窄带质心正好落在两脚之间，也就是人真正站立的点。

实测（97 帧真实素材）:

默认选逐帧对齐，是因为行走循环本就该原地播放、位移交给游戏代码，sprite 内部不该有整体漂移；而 AI 生成的视频往往有（实测同方向跨帧漂移达 22px）。角色本就该有前后摆动的动作（挥剑、跳跃）则改用「按方向统一平移」。

info 输出会给出统一画布尺寸、锚点坐标、以及 Unity/Godot 的归一化 pivot（左下为原点），例如：

统一画布 267×372，锚点(脚底中心)位于 (144.5, 346.0)
Unity/Godot 归一化 pivot（左下为原点）：(0.5411, 0.0699)

把那个 pivot 填进引擎的 Sprite 设置，8 个方向就能共用同一套坐标。

三个关键设计:

1. 用固定网格而非连通区域拆分（本仓库的素材拆分节点）。连通区域按包围盒排序，角色走动时位置浮动，一旦跨过排序行界方向就会错乱——上百帧里错一帧整条动画就废了；且每个 sprite 按各自 bbox 裁剪、尺寸不一，无法合成视频。固定网格没有这两个问题。（连通区域拆分依然更适合单张静态合图，两者各有用途。）

2. 白底转透明用边缘连通性判断。角色常穿白衣服，按亮度阈值一刀切会把白衬衫一起掏空。这里只把与画面边缘相连的白色判为背景，被角色包围的白色一律保留。

3. 裁剪框取全序列并集。逐帧各自裁剪会导致尺寸不一且角色在帧间跳动；取并集则整条序列尺寸一致、位置连贯。

实测（97 帧 834×1112 的真实素材）:

⚠️ 验证 webm 透明时容易被误导：alpha 存放在 WebM 的独立边带里，ffprobe 看主流会显示 yuv420p，用 ffmpeg 默认解码回读也会得到全不透明——这是内置 vp9 解码器不处理 alpha 边带所致，并非文件丢了透明。需显式加 -c:v libvpx-vp9 解码才能读到。播放器与 Unity/Godot 走的是 libvpx，能正确读取。

---

26. 越光 API 连接 / YueGuang API Connector

分类: Rui-Node🐶/AI模型🤖

功能描述:
通过越光（Nebula）聚合平台调用其收录的文本类模型。OpenAI 兼容协议，chat 端点 https://llm.ai-nebula.com/v1/chat/completions。参数、输出与容错行为与 ZenMux 节点 保持一致，便于两者互换。

模型清单（25 个，价格单位 USD / 百万 token）:

输入参数: 与 ZenMux 节点相同——api_key、model（下拉带价签）、system_prompt、user_prompt、seed，以及可选的 temperature、top_p、max_tokens、image_1~image_6、detail、image_max_size、base_url、proxy_url、usd_to_cny。

输出: text / model_id / usage_stats（五行：token 消耗、输出字数、厂商、模型与单价、美元与人民币费用）

与 ZenMux 节点的三点差异:

1. 模型清单内置，不做在线快照。越光没有可枚举的模型接口，清单与价格来自官方规范文档，直接写在 yueguang/model_registry.py 里——少一个联网环节，也不会因拉取失败导致下拉变空。价格变动时改那张表即可。
2. model id 不带厂商前缀（是 gpt-4o 而非 openai/gpt-4o）。下拉里同厂商靠排序聚在一起，搜索时输 gpt / claude / deepseek / kimi 过滤。
3. 默认模型是全表最便宜的 deepseek-v4-flash（$0.10/$0.30），官方示例也用它，默认值便宜可避免误触发时产生意外费用。

沿用的实战经验:

• base_url 默认值不带 ://——ComfyUI 前端会吞掉文本框里的协议片段（本仓库为此修过多次），协议由后端自动补全
• 自适应参数重试：部分模型弃用 temperature、或要求用 max_completion_tokens 取代 max_tokens，命中这类 400 时会剔除/改名后自动重试，正常请求零额外开销
• VALIDATE_INPUTS 宽松放行：价格表更新后旧工作流里保存的标签不再逐字匹配，但只要能解析出 model id 就放行，不会让整个工作流失效

网络自动重连: 线上跑批时最常见的失败不是参数错，而是链路抖动 —— 典型报错是 SSLError(SSLEOFError(8, 'EOF occurred in violation of protocol'))， 即 TLS 握手/传输被中途打断。这类失败重连一次往往就好了，因此节点内置了重连机制。

会重连：SSL 握手被打断（SSLEOFError）、连接被重置、连接/读超时、 响应体传到一半截断（ChunkedEncodingError / JSON 解析失败）， 以及 429 限流与 5xx 服务端临时故障。

不重连：参数类 400、鉴权类 401/403、404 —— 这些重试多少次都是同样结果， 重连只会拖慢报错。

退避策略：1s → 2s → 4s → 8s → 16s 指数增长，每次叠加 ±25% 随机抖动。 抖动不是可有可无的装饰 —— 一条工作流里常有多个 API 节点同时失败，没有抖动它们会在 同一毫秒一起重连，把刚缓过来的服务端再打垮一次。服务端返回 Retry-After 头时以它为准。

与「自适应参数重试」的关系：两者是不同层次，互不消耗额度。参数自适应处理的是 「这个模型不认这个参数」（HTTP 400），网络重连处理的是「没拿到完整响应」。 参数被剔除后的 payload 会在后续重连中保留，不会重蹈覆辙。

重连过程会打印到控制台，例如：

[Rui-Node] 越光: 连接失败（SSLError），1.1s 后重连（第 1/3 次）
[Rui-Node] 越光: 第 2 次重连后成功

若重连耗尽仍失败，错误信息会注明已重连次数，便于区分「网络确实不通」和「压根没重试」。

---

27. 半透明抠图 / Unmult Matting

分类: Rui-Node🐶/抠图✂️

功能描述:
纯数学去底，等效 After Effects 的 Unmult。纯色背景上的合成图满足 C = αF + (1-α)B，背景色 B 已知时可反解出前景色 F 与透明度 α。不需要模型推理，速度快、结果是精确解，且能真实保留半透明层次——这是语义抠图模型给不了的。

输入参数:

• image (IMAGE): 待去底图像，支持批量（序列帧/视频帧逐帧处理）
• bg_color (STRING): 要去除的背景色，#RRGGBB。常用 #000000 / #FFFFFF / #00FF00 / #FF00FF
• 黑点 (FLOAT, 滑块): 低于此值的 alpha 归零，用于清除背景残留噪点。调太高会丢边缘细节
• 白点 (FLOAT, 滑块): 高于此值的 alpha 归一，用于让主体更实。调太低会让边缘硬化
• 主体保护 (BOOLEAN): 是否采纳 subject_mask。关闭时即便已连线也完全不采纳，等同纯 Unmult——想对比「有无 AI 介入」时拨这个开关即可，不必拔线
• subject_mask (MASK, 可选): 接抠图节点输出的 alpha，节点执行 max(unmult_α, subject_mask) 合并

后两项用中文参数名 + display: slider，界面上就是两条滑块，与 LayerStyle 的 BiRefNet Ultra 观感一致。函数内部用 **kwargs 接收（中文名不能直接做函数形参），并兼容旧的 alpha_low/alpha_high 调用。

输出: rgba_image (IMAGE，4 通道) / alpha (MASK)

实测（构造已知合成图反推，验证还原精度）:

数学上是精确解，三种底色都能完美还原。

⚠ 适用边界与破解办法:

实测同一个实体素材（alpha 真值恒为 1，下半部分接近纯黑）：

根因是黑底 unmult 本质在用"亮度当不透明度"，这对发光物成立、对实体不成立。破法是接一路语义抠图（Lucida / FeyNobg / BiRefNet）的 alpha 进 subject_mask：主体区域强制不透明，主体之外仍走 Unmult 的精确半透明。两者各取所长——语义模型负责"哪里是主体"，Unmult 负责"边缘有多透"。

四个抠图节点怎么选:

---

🐕 关于 Rui-Node🐶

Rui-Node🐶 致力于为 ComfyUI 用户提供实用、高效的节点工具集。🐶 是我们的项目标志，代表着忠诚、友好和可靠。

📄 许可证

---

28. 加载透明视频 / Load Video (Alpha)

分类: Rui-Node🐶/视频🎬

功能描述: 从带透明通道的视频中解出 RGBA 序列帧，alpha 不丢失。用来解决一个很常见、 但排查起来相当隐蔽的问题：带 alpha 的 WebM 用常规加载视频节点读进来，透明通道没了。

为什么会丢——根因: 带 alpha 的 WebM（VP8/VP9）并不把透明度放在主视频流里。主流仍然是 yuv420p， alpha 被单独压成第二路，藏在 Matroska 的 BlockAdditional 边带中，容器上只留 一条 alpha_mode=1 的元数据作记号。

ffmpeg 内置的 vp9 / vp8 解码器根本不读这条边带，只有 libvpx-vp9 / libvpx 才会。VideoHelperSuite 等常见加载节点走的是默认解码器，于是拿到的每一帧 alpha 恒为 255。

实测同一个文件的三条路径：

本节点显式指定 libvpx 解码器，并以 rgba 原始像素流读回，因此连半透明边缘也一并保留。 对 MOV/qtrle、ProRes 4444 等本身带 alpha 通道的格式同样适用。

输入参数:

• video: 从 input 目录选择视频文件
• 强制帧率 (FLOAT): 按指定帧率重采样，0=保持原始帧率
• 帧数上限 (INT): 最多读取多少帧，0=读完整段（达到上限立即中止解码）
• 跳过前N帧 (INT): 丢弃开头若干帧
• 间隔 (INT): 每隔几帧取一帧，1=每帧都要
• 自定义宽度 / 自定义高度 (INT): 0=保持原始；只填一边时另一边按比例换算
• 解码器: 自动（探测到 alpha_mode=1 的 VP8/VP9 时自动换 libvpx）/ 强制 libvpx（保 alpha） / 默认解码器
• 视频路径 (STRING, 可选): 绝对路径，填写后优先于下拉选择

输出:

• rgba_image (IMAGE): 4 通道 RGBA 序列帧
• alpha (MASK): 透明通道
• rgb_image (IMAGE): 3 通道，供只吃 3 通道的下游节点使用
• 帧数 (INT) / 帧率 (FLOAT)

存成带透明通道的 PNG 序列帧: rgba_image 直接接 ComfyUI 原生「保存图像」节点即可。原生节点的像素处理是 Image.fromarray(...)，4 通道数组会被识别成 RGBA 模式，存出的 PNG 完整保留 alpha—— 不需要额外的保存节点。实测 33 帧全部为 RGBA 模式，与内存中的 alpha 逐像素零误差。

关于预览发黑: ComfyUI 的预览区不渲染透明，看到黑底是正常现象，不代表 alpha 丢了。 判断是否成功以 alpha 输出接遮罩预览为准，或直接看存出的 PNG 文件。

示例工作流: example_workflow/透明视频转PNG序列帧.json

关于节点内视频预览被裁切: 如果节点下方的视频预览只显示画面的一部分（按原始像素尺寸渲染、超出部分被切掉）， 根因不在本节点，而是 comfyui-art-venture 插件的一处全局 CSS 误伤。

它在 web/upload.js 里为自家的 LoadVideoFromUrl 注入了这条规则：

.comfy-img-preview video {
  width:  var(--comfy-img-preview-width);
  height: var(--comfy-img-preview-height);
}

选择器是全局的，会盖掉 ComfyUI 官方的 width:100%; height:100%；而这两个 CSS 变量 只在 art-venture 自家节点的 DOM 上定义，其它节点上取到空值 —— 变量为空时整条声明失效， <video> 退回固有尺寸（例如 640×640）撑破容器，容器 overflow:hidden 于是把画面裁掉。

本仓库通过前端扩展 web/rui_video_preview_fit.js 修正，注入两条规则：

1. 本节点专属：.comfy-img-preview.rui-video-fit video 强制 100% + object-fit:contain， 容器标记由拦截 node.videoContainer 赋值时打上，必定生效
2. 全局兜底：给那两个变量补上 100% 的回退值 —— 变量有值时行为完全不变 （art-venture 自己的节点不受影响），仅在变量为空这种本就失效的情况下恢复官方行为

实测（640×640 视频、347px 宽容器）：修复前 video 渲染为 640×640 溢出被裁； 修复后为 347×347 完整显示。

该修复随 WEB_DIRECTORY 加载，需要重启 ComfyUI 后端并刷新浏览器才会生效。

本项目遵循开源协议，欢迎使用和贡献。

---

Happy Creating with Rui-Node🐶! 🎨✨