手冢治虫 PromptGen – 一个精准的打标小模型
MiaoshouAI Tagger 是一个基于微软 Florence-2 模型的高级图像标注工具，经过精细调优。该工具为您的项目提供高精度和上下文相关的图像标注。
版本更新
2024/09/07 v1.2 更新支持 Florence-2-large-PromptGen-v1.5, 为Tagger节点增加了一个随机widget，如果选择Always，Tagger将在每一次运行生成一套新的提示词。
2024/09/05 v1.1 更新支持 Florence-2-base-PromptGen-v1.5，新增了两种提示模式；新增了一个用于 flux clip 文本编码器的节点，以便更轻松地支持 flux 模型片段。
为什么需要另一个标注工具？[
尽管目前有许多](https://huggingface.co/MiaoshouAI/Florence-2-base-PromptGen-v1.5)标注工具如 WD14 表现相当不错，但它们在实用中尝尝各有各的问题。MiaoshouAI/Florence-2-base-PromptGen 是基于微软最新的 Florence2 模型，并使用精心挑选的 Civitai 图像和标签进行训练，专门为生成和标注提示词而训练。因此，其标注结果更加符合我们通常用于生成图像的提示，提高了准确性和相关性。
为什么基于ComfyUI？
ComfyUI 已成为 Stable Diffusion 工作者中最受欢迎的基于节点的工具之一。它提供了各种节点和模型，例如 LLava 和 Ollama Vision 节点，用于生成图像打标并将其传递给文本编码器。然而，这些视觉模型并不是专门为提示和图像标注训练的。使用 MiaoshouAI Tagger，您可以看到明显的结果改进。
主要功能
高精度：
基于精选的 Civitai 图像和清洗标签数据集进行微调，生成高度精确和上下文相关的标签。
基于节点的系统：
利用 ComfyUI 的节点系统的强大功能，将标注节点连接起来，结合描述性打标和关键词标注以获得最佳效果。
多功能集成：
可以与其他节点（如Prompt Text Encoder）结合，达到出色的自动图像处理效果。
增强的图像训练：
通过使用先进的标注和描述方法，为图像训练打标提供最佳结果。
安装
将此存储库克隆到 ComfyUI/custom_nodes 文件夹中。
安装 requirements.txt 中的依赖项，至少需要 transformers 版本 4.38.0：
bash 复制代码 pip install -r requirements.txt 或者，如果您使用便携版本（在 ComfyUI_windows_portable 文件夹中运行此命令）：
bash 复制代码 python_embeded\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-Miaoshouai-Tagger\requirements.txt
工作流
单图像标注使用： 
结合简单的描述性打标和标签打标并保存到输出文件： 
（保存图像并拖动到 ComfyUI 中使用）
Huggingface 模型
首次使用节点时，模型应自动下载。如果没有发生这种情况，您可以手动下载。 MiaoshouAI/Florence-2-base-PromptGen-v1.5 下载的模型将放置在 ComfyUI/LLM 文件夹下。 如果你想要更新PromptGen的最新版本，你可以在此文件中删除你原有的模型，然后重新运行工作流，新模型会自动下载。
