Patch version increment to 1.38.12

**Base branch:** `main`

---------

Co-authored-by: christian-byrne <72887196+christian-byrne@users.noreply.github.com>
Co-authored-by: github-actions <github-actions@github.com>
Co-authored-by: Alexander Brown <drjkl@comfy.org>
This commit is contained in:
Comfy Org PR Bot
2026-01-27 13:44:39 +09:00
committed by GitHub
parent c8785c32dd
commit 7ad43c689c
37 changed files with 2231 additions and 503 deletions

View File

@@ -447,43 +447,6 @@
}
}
},
"ByteDanceImageEditNode": {
"description": "ویرایش تصاویر با استفاده از مدل‌های ByteDance از طریق API بر اساس پرامپت",
"display_name": "ویرایش تصویر ByteDance",
"inputs": {
"control_after_generate": {
"name": "کنترل پس از تولید"
},
"guidance_scale": {
"name": "guidance_scale",
"tooltip": "مقدار بالاتر باعث می‌شود تصویر بیشتر از پرامپت پیروی کند"
},
"image": {
"name": "تصویر",
"tooltip": "تصویر پایه برای ویرایش"
},
"model": {
"name": "مدل"
},
"prompt": {
"name": "پرامپت",
"tooltip": "دستورالعمل ویرایش تصویر"
},
"seed": {
"name": "seed",
"tooltip": "seed مورد استفاده برای تولید"
},
"watermark": {
"name": "واترمارک",
"tooltip": "آیا واترمارک «تولید شده توسط هوش مصنوعی» به تصویر اضافه شود یا خیر"
}
},
"outputs": {
"0": {
"tooltip": null
}
}
},
"ByteDanceImageNode": {
"description": "تولید تصویر با استفاده از مدل‌های ByteDance از طریق API بر اساس پرامپت",
"display_name": "تصویر ByteDance",
@@ -6471,6 +6434,60 @@
}
}
},
"LoraLoaderBypass": {
"description": "اعمال LoRA در حالت bypass. برخلاف LoRA معمولی، این روش وزن‌های مدل را تغییر نمی‌دهد بلکه محاسبات LoRA را در طول عبور رو به جلو تزریق می‌کند. مناسب برای سناریوهای آموزش.",
"display_name": "بارگذاری LoRA (حالت Bypass) (برای اشکال‌زدایی)",
"inputs": {
"clip": {
"name": "clip",
"tooltip": "مدل CLIP که LoRA بر روی آن اعمال می‌شود."
},
"lora_name": {
"name": "lora_name",
"tooltip": "نام LoRA."
},
"model": {
"name": "مدل",
"tooltip": "مدل diffusion که LoRA بر روی آن اعمال می‌شود."
},
"strength_clip": {
"name": "قدرت_clip",
"tooltip": "میزان شدت تغییر مدل CLIP. این مقدار می‌تواند منفی باشد."
},
"strength_model": {
"name": "قدرت_مدل",
"tooltip": "میزان شدت تغییر مدل diffusion. این مقدار می‌تواند منفی باشد."
}
},
"outputs": {
"0": {
"tooltip": "مدل diffusion تغییر یافته."
},
"1": {
"tooltip": "مدل CLIP تغییر یافته."
}
}
},
"LoraLoaderBypassModelOnly": {
"description": "اعمال LoRA در حالت bypass. برخلاف LoRA معمولی، این روش وزن‌های مدل را تغییر نمی‌دهد بلکه محاسبات LoRA را در طول عبور رو به جلو تزریق می‌کند. مناسب برای سناریوهای آموزش.",
"display_name": "بارگذاری LoRA (حالت Bypass، فقط مدل) (برای اشکال‌زدایی)",
"inputs": {
"lora_name": {
"name": "lora_name"
},
"model": {
"name": "مدل"
},
"strength_model": {
"name": "قدرت_مدل"
}
},
"outputs": {
"0": {
"tooltip": "مدل diffusion تغییر یافته."
}
}
},
"LoraLoaderModelOnly": {
"description": "LoRAها برای تغییر مدل‌های diffusion و CLIP استفاده می‌شوند و نحوه حذف نویز از latents را تغییر می‌دهند، مانند اعمال سبک‌ها. چندین node LoRA می‌توانند به هم متصل شوند.",
"display_name": "LoraLoaderModelOnly",
@@ -6839,6 +6856,126 @@
}
}
},
"MagnificImageRelightNode": {
"description": "بازنورپردازی تصویر با تنظیمات نور و انتقال نور مبتنی بر مرجع (اختیاری).",
"display_name": "بازنورپردازی تصویر Magnific",
"inputs": {
"advanced_settings": {
"name": "تنظیمات_پیشرفته",
"tooltip": "گزینه‌های تنظیم دقیق برای کنترل پیشرفته نورپردازی."
},
"change_background": {
"name": "تغییر_پسزمینه",
"tooltip": "پس‌زمینه را بر اساس پرامپت/مرجع تغییر می‌دهد."
},
"image": {
"name": "تصویر",
"tooltip": "تصویری که قرار است بازنورپردازی شود."
},
"interpolate_from_original": {
"name": "درونیابی_از_مبدأ",
"tooltip": "آزادی تولید را محدود می‌کند تا با تصویر اصلی بیشتر مطابقت داشته باشد."
},
"light_transfer_strength": {
"name": "شدت_انتقال_نور",
"tooltip": "شدت اعمال انتقال نور."
},
"preserve_details": {
"name": "حفظ_جزئیات",
"tooltip": "بافت و جزئیات ریز تصویر اصلی را حفظ می‌کند."
},
"prompt": {
"name": "پرامپت",
"tooltip": "راهنمای توصیفی برای نورپردازی. از نشانه‌گذاری تأکید (۱-۱.۴) پشتیبانی می‌کند."
},
"reference_image": {
"name": "تصویر_مرجع",
"tooltip": "تصویر مرجع اختیاری برای انتقال نور از آن."
},
"style": {
"name": "سبک",
"tooltip": "ترجیح خروجی از نظر سبک."
}
},
"outputs": {
"0": {
"tooltip": null
}
}
},
"MagnificImageSkinEnhancerNode": {
"description": "بهبود پوست برای پرتره‌ها با حالت‌های پردازشی مختلف.",
"display_name": "بهبود پوست تصویر Magnific",
"inputs": {
"image": {
"name": "تصویر",
"tooltip": "تصویر پرتره‌ای که باید بهبود یابد."
},
"mode": {
"name": "حالت",
"tooltip": "حالت پردازش: creative برای بهبود هنری، faithful برای حفظ ظاهر اصلی، flexible برای بهینه‌سازی هدفمند."
},
"sharpen": {
"name": "شارپ‌سازی",
"tooltip": "سطح شدت شارپ‌سازی."
},
"smart_grain": {
"name": انهبندی_هوشمند",
"tooltip": "سطح شدت دانه‌بندی هوشمند."
}
},
"outputs": {
"0": {
"tooltip": null
}
}
},
"MagnificImageStyleTransferNode": {
"description": "سبک را از یک تصویر مرجع به تصویر ورودی خود منتقل کنید.",
"display_name": "انتقال سبک تصویر Magnific",
"inputs": {
"engine": {
"name": "engine",
"tooltip": "انتخاب موتور پردازش."
},
"fixed_generation": {
"name": "fixed_generation",
"tooltip": "در صورت غیرفعال بودن، هر بار تولید تصویر مقداری تصادفی بودن به همراه دارد که منجر به نتایج متنوع‌تر می‌شود."
},
"flavor": {
"name": "flavor",
"tooltip": "نوع انتقال سبک."
},
"image": {
"name": "image",
"tooltip": "تصویری که قرار است انتقال سبک روی آن اعمال شود."
},
"portrait_mode": {
"name": "portrait_mode",
"tooltip": "فعال‌سازی حالت پرتره برای بهبود چهره."
},
"prompt": {
"name": "prompt"
},
"reference_image": {
"name": "reference_image",
"tooltip": "تصویر مرجعی که سبک از آن استخراج می‌شود."
},
"structure_strength": {
"name": "structure_strength",
"tooltip": "ساختار تصویر اصلی را حفظ می‌کند."
},
"style_strength": {
"name": "style_strength",
"tooltip": "درصد قدرت سبک."
}
},
"outputs": {
"0": {
"tooltip": null
}
}
},
"Mahiro": {
"description": "راهنمایی را به گونه‌ای تغییر می‌دهد که بیشتر بر «جهت» پرامپت مثبت تمرکز کند تا تفاوت بین پرامپت منفی.",
"display_name": "Mahiro CFG",
@@ -13869,6 +14006,10 @@
"name": "حالت سطل‌بندی رزولوشن",
"tooltip": "فعال‌سازی حالت سطل‌بندی رزولوشن. در صورت فعال بودن، انتظار می‌رود لاتنت‌های پیش‌سطل‌بندی شده از node ResolutionBucket دریافت شود."
},
"bypass_mode": {
"name": "bypass_mode",
"tooltip": "فعال‌سازی حالت bypass برای آموزش. در این حالت، آداپتورها از طریق forward hookها به جای تغییر وزن‌ها اعمال می‌شوند. این روش برای مدل‌های quantized که امکان تغییر مستقیم وزن‌ها وجود ندارد، مفید است."
},
"control_after_generate": {
"name": "کنترل پس از تولید"
},
@@ -13941,10 +14082,6 @@
"2": {
"name": "نقشه خطا",
"tooltip": "تاریخچه خطا"
},
"3": {
"name": "مراحل",
"tooltip": "کل مراحل آموزش"
}
}
},