在Reddit上看到了有关Miaoshouai Tagger的线程，并尝试了其工作流程，这是基于核心信用的基于他们的，这里有一个链接： https://raw.githubusercontent.com/miaoshouai/comfyui-miaoshouai-tagger/refs/refs/heads/main/main/examples/miaoshouai_flux_flux_hyper_hyper_hyper_hyper_hyper_hyper_caption_switch_switch_work_workflow.png.png如果要调整是否大小，请切换，左侧侧面的注释旁边的绿节点具有真/false切换。将其设置为true对于img2img或false的txt2img，右侧有2个浮点节点，以设置两个节点的denoise。标题者使用自动下载的LLM，是Florence2的微调。它创建了自然语言T5提示和标签样式夹L提示。

当然必须修补并添加一些东西：

强制剪辑，以便可以将其卸载到CPU，需要更长的剪辑文本编码，但随着Flux Dev的大小，作为23GB，值得保持模型的VRAM免费。较小的VRAM卡上的较小型号也是如此。还向主要部分添加了乘法夹，ModelsmplingFlux和详细的守护程序节点。我确实为Verus Vision模型设置了它，因为我更喜欢皮肤纹理，并且认为与Flux相比，它看起来更自然，因为它的微调是De-DiStild的版本，建议的CFG为3.5。如果使用标准的蒸馏版通量，将其更改为1。细节守护程序对非蒸馏型号也更为敏感，如果使用标准通量，则可以增加那里的设置。

我还添加了3组。 ControlNet-我正在使用V2的Flux ControlNet Union Pro模型和深度V2，因为我发现它们在磁通状态下非常有效。第二组是使用面部参考的拉德，最后一组是Ultimatesd Upscaler。这些都有旁路开关，您可以关闭不想使用的任何组。

面孔可以做随后进行了一些细节，但玩起来很有趣。