# Deno Custom Nodes

[English](../README.md) | [한국어](README.ko.md) | [日本語](README.ja.md) | [简体中文](README.zh-CN.md) | [Español](README.es.md) | [Português](README.pt-PT.md) | [Português (Brasil)](README.pt-BR.md) | [Bahasa Indonesia](README.id.md)

[YouTube Channel](https://www.youtube.com/@Denoise-AI)

![Deno Custom Nodes banner](images/deno-custom-nodes-banner.jpg)

用于准备图像和视频、加载模型与整理画布的实用 ComfyUI 自定义节点。

[GPL-3.0](../LICENSE)

- **准备和比较图像：**[Resize Box、图像加载器与比较节点](#deno-resize-box)。
- **搭建生成工作流：**[MiniMax H3](#deno-minimax-h3-multi-reference-image-loader)、[LTX](#deno-ltx-model-loader) 与[本地 LLM](#deno-local-llm-loader--deno-local-llm-reviewer)。
- **整理画布和输出：**[Visual Fold](#deno-visual-fold)、[Floating Tools](#deno-floating-tools) 与[浏览器工具](#web-tools)。

## Quick Start

请先安装好 ComfyUI，再按以下步骤开始。

1. 打开 ComfyUI Manager，搜索 `Deno Custom Nodes`。
2. 安装软件包，然后重启 ComfyUI。
3. 双击画布空白处，搜索并添加 `(Deno) Resize Box`。
4. 选择 `Preset Ratio` 和 megapixels，设置输出的 `width` / `height`。
5. 添加 `Load Image`，选择或上传一张图像，将其 `IMAGE` 输出连接到 Resize Box 的 `image` 输入。将 Resize Box 的 `image` 输出连接到 `Preview Image`，点击 `Run` 查看缩放结果。

[全部节点](#included-nodes) · [浏览器工具](#web-tools) · [Visual Fold](#deno-visual-fold) · [Floating Tools](#deno-floating-tools) · [手动安装](#install) · [许可证](#license)

大多数 Deno 节点都带有一个小的绿色 `i` 按钮，可以在不离开 ComfyUI 画布的情况下查看节点说明。如果有新的 Deno Custom Nodes 版本，按钮会变成黄色并显示一个小 `!` 徽标。

## Web Tools

这些工具可以直接在浏览器中运行。

- [Deno Video Compare](https://deno2026.github.io/comfyui-deno-custom-nodes/video-compare/) - 用滑块、并排、差异和切换视图比较两个渲染视频。
- [Deno Video to GIF/WebP](https://deno2026.github.io/comfyui-deno-custom-nodes/video-to-gif/) - 裁剪、截取、缩放短视频，并导出为 GIF 或更小的 WebP。
- [Deno Discord 视频 / 图片压缩](https://deno2026.github.io/comfyui-deno-custom-nodes/video-to-discord/) - 缩小视频或图片，并尽可能保存为 10MB 以下、适合 Discord 分享的文件。界面仅提供韩语。

## Deno Visual Fold

[![Deno Visual Fold](images/deno-visual-fold-preview.webp)](images/deno-visual-fold.webp)

Deno Visual Fold 是用于整理大型 ComfyUI 图的视觉辅助功能。折叠节点或组不会改变工作流逻辑。

选择两个或更多节点时，ComfyUI 原生选择工具栏中会出现绿色 `Fold` 按钮。点击后，所选节点会折叠成一个紧凑的视觉组，并可用 `Unfold` 恢复。选择一个普通 ComfyUI 组时，可以用 `Fold Group` 折叠组内节点；选择多个组时，还会出现对齐操作。

ComfyUI Subgraph 会把节点移动到子图中，而 Visual Fold 只做视觉整理。当你希望 `Get` / `Set` 节点或父子图结构仍留在主图中时，它更适合。

## Deno Floating Tools

Deno Floating Tools 是位于 `Settings > DENO > Tools` 的可选辅助功能，默认关闭。

启用后，ComfyUI 画面中会出现一个可拖动的小型 Deno 图标。面板可通过 ComfyUI 内置的内存清理接口释放 VRAM，以只读方式显示当前与最新的 ComfyUI Stable 版本状态，并在运行失败时打开 Error Help 报告。

Error Help 会生成适合交给 GPT / Gemini 的报告，其中包含当前工作流、Python 可执行文件与环境类型、软件包版本、GPU 信息、最近的 traceback / log 以及自定义节点摘要。它只读并先打开报告窗口，只有点击 `Copy Report` 才会复制。token、cookie、password、private key 和 URL 凭据等常见敏感信息会在复制前遮蔽。

Floating Tools 不会安装、更新、重启、修复或修改工作流。

## Included Nodes

### `(Deno) Ideogram Director`

用于在 ComfyUI 画布中编辑结构化 JSON 描述和 bbox 布局的 Ideogram 4 可视化提示词构建器。

[![Ideogram Director — Demo](images/ideogram-director-video-thumbnail.jpg)](https://youtu.be/Z8s27skkIDM)

- 直接绘制和编辑 bbox 区域，并可临时禁用单个 box，无需删除或改变顺序。
- 双击 bbox 可在指针附近编辑；在重叠处反复 `Alt`+单击，可轮流选中下方的 box。
- 从 Local LLM Loader 或其他 STRING 来源导入 JSON 提示词，支持替换现有画板前确认，并明确拒绝格式错误的 JSON。
- 可选的 Summary / Background STRING 输入会在本次运行时覆盖对应画板字段；未连接时继续使用保存的文本。
- 提供 style / layout 预设图库和 Language 视图，可用自己的语言编辑说明。最终输出保持为模型可用的英语，招牌、Logo、标题等 TEXT 框内的文字保持原样。
- 输出：`prompt`、`width`、`height`、`seed`、`bboxes`。
- `bboxes` 可连接标准 `BBOX` 和 `Ideogram4_MultiLora_BoundingBoxNode_Fedor` 等节点的 `BOUNDING_BOX` 输入。该节点的区域行数跟随 Director 启用的 box 数量，无需增加 Director 保存字段。目前仅同步数量、不跟踪 box 身份，因此删除或重排中间的 box 后，请检查各 LoRA 行的分配。

### `(Deno) Resize Box`

ComfyUI 的分辨率辅助与图像缩放节点。

![Deno Resize Box](images/resize-box.jpg)

主要功能：`Preset Ratio` / `Manual Input`、常用比例预设、基于百万像素的尺寸计算、`divisible_by` 对齐、`Center Crop (Fill)`、可锁定比例缩放的 `Crop Position (Fill)`、`Fit (Letterbox/Pillarbox)`、默认 `lanczos` 插值，以及 `image`、`width`、`height` 输出。

`Crop Position (Fill)` 显示连接的完整源图。拖动裁剪框可调整位置，拖动任意角点可缩放裁剪范围，输出比例和百万像素数保持不变。

### `(Deno) Multi Image Loader`

面向批量参考图工作流的多图加载器。

![Deno Multi Image Loader](images/multi-image-loader.jpg)

主要功能：固定高度图库、拖拽排序、上传、拖放、粘贴图像、浏览 ComfyUI `input` 文件夹、支持嵌套文件夹、按最新修改时间排序、保持比例/预设/手动缩放、`multi_output`、`width`、`height` 输出。

### `(Deno) MiniMax H3 Multi Reference Image Loader`

面向 ComfyUI 原生 MiniMax H3 Reference to Video 工作流的一线连接多参考图加载器。

它保留与 `(Deno) Multi Image Loader` 相同的上传、粘贴、拖放、Input Folder、卡片排序与清除操作。最多通过一个专用 `ref_images` 接口传入 9 张有序参考图；每张图的原始尺寸和宽高比都会单独保留，不做缩放、裁剪或填充。卡片顺序对应 `<Picture 1>`、`<Picture 2>` 等编号，相同图片还会通过 `image_list` 输出，可直接连接到 `(Deno) Local LLM Loader` 的 `image` 输入。

配套的 `(Deno) MiniMax H3 Reference to Video` 只把图片输入合并为一个接口，原生的参考视频、视频音频和独立音频 Autogrow 输入保持不变。这两个 MiniMax H3 节点需要 ComfyUI 0.30.0 或更高版本。完整配置可查看 [MiniMax H3 多参考图示例工作流](workflows/minimax-h3-multi-reference.json)。

### `(Deno) MiniMax H3 Acc LoRA Loader`

直接加载 Alibaba PAI 官方的 [MiniMax-H3-Acc-LoRAs](https://huggingface.co/alibaba-pai/MiniMax-H3-Acc-LoRAs)，无需转换或复制 safetensors 文件。

1. 下载官方 FL2VA 或 Ref2VA 的 `Acc-8Step.safetensors`，放入常规的 `ComfyUI/models/loras/` 或专用的 `ComfyUI/models/minimax_h3_acc_loras/` 文件夹。
2. 将匹配的原生 MiniMax H3 diffusion model 连接到 `model`；支持完整模型和 Comfy-Org 的 `*_pruned_*` 版本。
3. 选择匹配的 Acc-LoRA：FL2VA/T2VA 使用 FL2VA，Ref2VA 使用 Ref2VA。
4. 将本节点唯一的 `model` 输出接入正常的 guider 路径。
5. 使用 ComfyUI 标准节点搭建采样路径。推荐从 `BasicScheduler: simple, steps: 8` 与 `KSamplerSelect: euler` 开始，将它们连接到 `SamplerCustomAdvanced`。

节点应用静态 LoRA 权重以及 checkpoint 的32个随时间变化的 PDD 输出头。采样时，它读取 ComfyUI 提供的实际 sigma 边界，并自动融合对应区间的 PDD 输出头，因此 sampler、scheduler 和步数仍由常规 ComfyUI 节点控制。官方8步 Simple/Euler 是训练时使用的配置，也是推荐配置。无需更换 loader 即可选择4至12步的 Simple Scheduler；其他降序 schedule 或用于 latent upscale 的分段 sigma pass 可用于实验，但不保证提升质量。请保持原生 MiniMax H3 的 video/audio sigma shift 为 `12.0 / 3.0`，LoRA strength 为 `1.0`。

对于未裁剪的完整模型，包括原生 ComfyUI INT8 版本，节点通过 ComfyUI 常规的量化感知 LoRA 路径应用完整 adapter。对于 curve-pruned 模型，它会在 `models/diffusion_models/` 中寻找匹配的未裁剪 MiniMax H3 checkpoint，仅读取其中较小的 FP32 time-embedder 部分，在内存中计算 bridge，将全部50项完整宽度的 AdaLN LoRA 更新转换到裁剪后的8维 curve。该计算不会加载整个 checkpoint。未安装匹配的完整 checkpoint 时，loader 仍可在兼容模式中使用：警告一次，跳过这50项 AdaLN 更新，并继续应用其余全部 LoRA 更新和 PDD 输出头。

使用 v0.7.92–v0.7.94 三输出 loader 保存的标准、启用状态的 UI workflow，会在 ComfyUI 画布加载时迁移。现有 model 连线保持不变，旧 sampler 和 sigmas 连线移到可编辑的标准 `KSamplerSelect: euler` 与 `BasicScheduler: simple, steps: 8` 节点。打开后请保存一次 UI workflow。当前单输出 workflow 不会改变。静音或 bypass 节点、未知的自定义布局和格式损坏的 graph 会保持原样。原始 API prompt JSON 不会执行此 frontend 迁移，请从迁移后的 UI workflow 重新导出。如果文件已在旧 sampler / sigmas 连线消失后保存，请手动重新连接这些标准节点。

Deno Custom Nodes 不附带 LoRA 权重或工作流。请从 Alibaba 下载权重，并自行搭建或调整原生 ComfyUI workflow。

### MiniMax H3 R2V 音频参考工作流

[新手音频参考工作流](workflows/minimax-h3-r2v-audio-reference.json) 保留 ComfyUI 原生 MiniMax H3 音频参考路径，并添加自动提示词导演流程。

- `(Deno) Audio Transcript`：使用本地 OpenAI Whisper 生成歌词或对白、分段时间、检测语言和置信度摘要。若用户手动输入了歌词或对白，则以用户文字为准。
- `(Deno) Audio Analysis Finalizer`：只保留 ComfyUI `TextGenerate` 结果中已文档化的声学分析字段，并可在分析后卸载分析用 CLIP 模型。
- `(Deno) Local LLM Loader`：通过可选的 `audio_context` STRING 输入接收转录和声学报告。原始 AUDIO 不会发送给本地 LLM，自动分析会被视为参考数据而不是指令。
- 选中的源音频片段既是 H3 的 `<Audio 1>` 参考，也是最终 MP4 中混入的声音。此工作流不会解码 H3 内部生成的音频。

需要：支持 MiniMax H3 与音频输入 `TextGenerate` 的最新 ComfyUI Stable；用于 `Load Audio (Upload)` 的 [ComfyUI-VideoHelperSuite](https://github.com/Kosinkadink/ComfyUI-VideoHelperSuite)；放在 `ComfyUI/models/text_encoders/` 中用于声学分析的 `gemma4_e4b_it_fp8_scaled.safetensors`；以及为最终提示词导演步骤加载了 `google/gemma-4-12b-qat` 且 Local Server 正在运行的 LM Studio。

`openai-whisper` 会作为节点依赖安装。选择的 Whisper checkpoint 会在首次运行 `(Deno) Audio Transcript` 时从 OpenAI 官方地址下载，由官方 Whisper loader 校验 checksum，并缓存在 `ComfyUI/models/stt/whisper/`。

### `(Deno) Text Encoder Unload`

一种可选的内联 VRAM 屏障节点，适用于常见的仅 positive 或 positive/negative 提示词流程。

![Deno Text Encoder Unload 工作流](images/text-encoder-unload-workflow.png)

- 将 positive conditioning 连接到必填的 `Positive Conditioning`；它会原样传递，不作任何修改。
- 可选择将已编码的 negative prompt 或 `Conditioning Zero Out` 连接到 `Negative Conditioning`；它同样会原样传递。
- 将上游 text encoder 实际使用的准确 `CLIP` 连接到 `Text Encoder (CLIP)`。
- 仅使用 positive 的 guider 工作流可将 `Negative Conditioning` 留空。
- 只通过 ComfyUI 模型管理卸载该 CLIP / text encoder、它的 clone 与受管组件；不会全局卸载 diffusion model、VAE 或 ControlNet。
- 遵循 ComfyUI 的常规输入缓存，因此可复用未改变的 preview sampling；conditioning 或 CLIP 路径发生变化时仍会重新触发卸载。

Dynamic VRAM 会根据显存压力移动权重，因此可能有意保留部分 text encoder。此节点提供确定的释放时点，但无法让整个 ComfyUI 进程变成 `0 MiB`；CUDA context、conditioning tensor、其他模型、自定义节点与其他应用的显存占用彼此独立。它也不会直接提高采样质量，而是提供额外 VRAM 空间，以减少 model offload 或避免 OOM。之后再次 text encode 时需要重载模型，`--gpu-only` 模式下也无法把 encoder 移出 VRAM。

### `(Deno) Advanced Image Source Loader`

适合需要外部文件夹、本地路径、网络图片 URL 和混合尺寸图像列表的高级图像源加载器。

![Deno Advanced Image Source Loader](images/advanced-image-source-loader.png)

主要功能：支持 ComfyUI `input` 与外部本地文件夹、URL/Path 输入、上传与粘贴、缩略图启用/禁用、拖拽排序、masonry 样式图库、递归文件夹加载、batch tensor 与 `image_list` 输出。

### `(Deno) Image Compare`

在 ComfyUI 画布中快速比较两张图像的 A/B 对比节点。

![Deno Image Compare](images/image-compare.jpg)

主要功能：比较 `image_a` 与 `image_b`，Slider/Side by Side/Difference/Toggle 模式，悬停滑块，A/B 标签，Swap 按钮，可随节点尺寸变化的内部预览。

### `(Deno) Video Compare`

用于在 ComfyUI 画布中检查超分辨率和 FPS 插帧结果的视频 A/B 对比节点。

主要功能：`video_a`、`video_b`，可选 `audio_a`、`audio_b`，Slider/Side by Side/Difference/Toggle 模式，播放/暂停，时间轴拖动，逐帧步进，速度，循环，输出徽章开关，`comparison` 图像输出。

如果运行节点太重，也可以使用浏览器工具：https://deno2026.github.io/comfyui-deno-custom-nodes/video-compare/

![Deno Video Compare - Slider](images/video-compare.png)

![Deno Video Compare - Side by Side](images/video-compare-sbs.png)

![Deno Video Compare - Difference](images/video-compare-diff.png)

### `(Deno) Video Preview`

用于在图中任意位置查看真实编码视频输出的全分辨率预览节点。

![Deno Video Preview](images/video-preview.jpg)

主要功能：IMAGE batch 输入与直通输出，可选音频 mux，悬停播放音频，点击播放/暂停，Full screen 按钮，分辨率/FPS/帧数/时长信息徽章，缺少 PyAV 时显示清晰安装提示。

### `(Deno) RTX Video Super Resolution`

面向 Windows/NVIDIA RTX 用户的可选辅助节点，用于在 ComfyUI 中尝试 NVIDIA RTX Video Super Resolution。

![Deno RTX Video Super Resolution](images/rtx-vfx-easy-upscale-node.png)

新手流程：安装或更新 `deno-custom-nodes`，启动 ComfyUI，添加节点并运行一次。如果提示缺少 NVIDIA VFX，完全关闭 ComfyUI，点击 `How to install` 并按网页指南操作。BAT 显示路径时确认它位于刚关闭的 ComfyUI 目录内，再输入 `Y`，完成后重启 ComfyUI。

NVIDIA 官方链接：[NVIDIA Maxine Windows Getting Started](https://docs.nvidia.com/deeplearning/maxine/vfx-sdk-programming-guide/index.html)，[RTX Video FAQ](https://nvidia.custhelp.com/app/answers/detail/a_id/5448/~/rtx-video-faq)。

### `(Deno) RTX Video Super Resolution (2 Pass)`

面向完整视频流程的 2-pass RTX 处理节点。可以先执行同尺寸的 `Denoise` 或 `Deblur`，再执行 `VSR` 或 `High Bitrate` 超分辨率处理。

示例工作流：[RTX 2-pass upscale workflow](workflows/deno-rtx-lowram-metabatch.json)

主要功能：包含 Low System Memory 与 High System Memory 两条路线，低内存路线使用 VHS Meta Batch 分块处理长视频，保留源 FPS 和音频，更适合实际视频输出收尾。

### `(Deno) LTX Sequencer`

面向多图 LTX 工作流的 guide sequencer。

![Deno LTX Sequencer](images/ltx-sequencer.jpg)

主要功能：配合 `(Deno) Multi Image Loader` 的 batch 输出使用，可自动填充 `num_images`，保留 sync 风格工作流，只在需要时手动控制 strength，通过 bypass 快速做 A/B 测试。

### `(Deno) LTX Model Loader`

把常见 LTX 2.3 模型加载模式整理到一个紧凑节点中。

![Deno LTX Model Loader](images/ltx-model-loader.jpg)

主要功能：Checkpoint Style、KJ Style、GGUF Style，输出 `model`、`clip`、`video_vae`、`audio_vae`，尽量使用 ComfyUI 内置加载路径，并兼容 KJNodes 与 ComfyUI-GGUF。

### `(Deno) LTX Tiled Spatial Upscaler`

用于高分辨率 LTX video latent 二次处理的辅助节点。它会把 video latent 切成带重叠区域的 spatial tile，逐 tile 运行 latent spatial upscaler，再混合回一个 latent。

请用于 video-only LTX latent。如果 workflow 中使用的是 video/audio 合并 latent，建议先分离音频路径，再在 tiled video pass 后重新合并。

### `(Deno) LTX High resolution Tiled Sampler`

用于 LTX AV refinement pass 的 sampler。它保持一条全局 sampler trajectory，同时通过重叠 spatial tile 计算并融合 video prediction。

完整 audio latent 会作为上下文传给每个 video tile，而 `freeze` 模式下返回的 audio latent 保持不变。

### `(Deno) Easy Model Download Helper`

基于预设的推荐模型文件安装辅助工具。内置预设同时包含原有的 LTX 2.3 8GB VRAM GGUF 入门文件组和官方 LTX 2.5 Distilled INT8 两阶段模型组。

![Deno Easy Model Download Helper](images/easy-model-download-helper.png)

主要功能：在浏览器中打开官方模型链接而不是让 Python 下载，显示 ComfyUI 模型根目录，在 workflow 中保存 creator preset，支持 Hugging Face 与 Civitai 链接，检查目标模型文件是否已放在正确位置。LTX 2.5 预设包括 diffusion model、带 projection 的 Gemma 4 text encoder、video / audio VAE，以及两阶段处理需要的 x2 spatial upscaler。

下载 LTX 2.5 文件前必须登录 Hugging Face 并完成 **Agree and Access** 授权。此工具不会绕过访问限制，也不会自动下载模型。请先阅读 [LTX-2 Community License](https://github.com/Lightricks/LTX-2/blob/main/LICENSE.md)，在[官方 LTX 2.5 仓库](https://huggingface.co/Lightricks/LTX-2.5)申请访问权限，再使用节点打开的浏览器链接下载文件，并将其移动到画面显示的 ComfyUI 模型文件夹。

![Hugging Face link guide](images/easy-model-download-helper-huggingface-link.png)

![Civitai page URL guide](images/easy-model-download-helper-civitai-link.png)

![Civitai preset editor guide](images/easy-model-download-helper-civitai-node.png)

### `(Deno) Multi LoRA Loader`

用于普通 ComfyUI diffusion 工作流的通用多 LoRA 加载器。它可把最多 8 个 LoRA 应用到已连接的 `MODEL` 与可选 `CLIP`，在不丢失已保存选择的情况下逐槽启用/禁用，管理 model / CLIP strength、trigger word、note 与槽位顺序，并输出修补后的 `model` 和 `clip`。

### `(Deno) LTX Multi LoRA Loader`

面向 LTX 工作流的 Power-LoRA 风格多 LoRA 加载器。

![Deno LTX Multi LoRA Loader](images/ltx-multi-lora-loader.png)

主要功能：在一个节点中添加多个 LoRA，逐槽启用，分别设置 strength、video、audio strength，管理 trigger word 与 LoRA note，复制触发词，输出修补后的 `model` 与 `clip`。

### `(Deno) LTX Prompt Guide`

整合 LTX prompt encoding、可选 negative prompt、内置 LTX conditioning 与对白长度规划的提示词辅助节点。

![Deno LTX Prompt Guide](images/ltx-prompt-guide.png)

主要功能：positive prompt 编码，可折叠 negative prompt，带 `frame_rate` 的 LTX conditioning，根据引号内对白估算最小视频长度，支持 Auto、Korean、English、Japanese、Chinese 估算。

### `(Deno) Bernini Prompt Guide`

面向 KJ-style Bernini prompt prefix 的提示词辅助节点。它把 positive/negative prompt encoding 放在一个更适合新手的节点中，并在节点顶部显示当前 `System Prompt` 模式对应的 system prompt。

![Deno Bernini Prompt Guide](images/bernini-prompt-guide.jpg)

主要功能：可读的 `Text to Video`、`Image to Video`、`Reference Video Edit` 等 System Prompt 选择，reference 模式中的 `image0` / `image1` naming hint，可折叠 negative prompt，Official Wan2.2 negative preset 自动填充，`positive` / `negative` 输出。

Negative preset 不是输出模式，而是自动填充下方 negative prompt 输入框。用 preset 填充后，用户可以直接编辑该输入框，最终编辑后的内容会被编码为 negative conditioning。

提示词建议像给聊天机器人下指令一样书写，而不是只堆标签。例如：`Replace the jacket with the shirt from image0. Keep the camera motion, background, lighting, and shadows unchanged.`

此节点只准备 text conditioning。将其 `positive` 和 `negative` 输出连接到当前 ComfyUI Stable 原生的 `(Bernini) Conditioning` 节点，即可构建 Bernini visual / context-latent conditioning。Bernini 后端已通过 [ComfyUI PR #14216](https://github.com/Comfy-Org/ComfyUI/pull/14216) 正式合并，因此不再需要旧版 preview-backend updater；如果看不到原生 conditioning 节点，请先更新 ComfyUI Stable。

### `(Deno) Prompt Text`

一个小型 multiline STRING 输入节点，用于在独立节点中清晰保存 system prompt、user prompt、template 或 JSON 等长文本。需要不改动文字地连接到 Ideogram Director、Local LLM Loader 或其他 STRING 输入时使用。

### `(Deno) Local LLM Loader` / `(Deno) Local LLM Reviewer`

用于从 ComfyUI 调用已经在本机运行的本地 LLM，并用 LLM 生成的 review text 决定保存前结果通过或阻止的节点。

主要功能：调用 Ollama、LM Studio、llama.cpp、vLLM、Custom OpenAI-compatible server、llama-swap 或 Unsloth Studio 模型；默认使用 `127.0.0.1` / `localhost`，也可通过 `DENO_LOCAL_LLM_ALLOWED_HOSTS` 明确允许私有局域网的精确 `IP:port`；刷新各 provider 的模型列表；停止正在运行的请求；通过 llama-swap / Unsloth Studio 管理 API 手动或在运行后卸载；在一次节点运行中顺序处理 prompt batch；向 vision 模型附加 IMAGE；预览 Thinking / Result；在 Save 节点前 gate IMAGE / AUDIO；一次性批准当前 review 结果；或只重跑 reviewer 前的路径。Local LLM 节点的最终 Result 会写入 PNG / workflow metadata，重新打开时恢复到节点中，而 Thinking / reasoning 不会保存。

`Unsloth` provider 仅用于 Unsloth Studio server，默认地址是 `http://127.0.0.1:8888/v1`。若在 LM Studio 中运行来自 Unsloth 的 GGUF，请选择 `LM Studio` 而非 `Unsloth`。使用前需要在启动 ComfyUI 之前设置 `DENO_LOCAL_LLM_UNSLOTH_API_KEY` 环境变量；该 key 不会保存到 workflow 或 PNG metadata。

远程 LM Studio：专用 `LM Studio` provider 当前使用 `http://127.0.0.1:1234/v1`。若要调用同一可信局域网内自己另一台 PC 上的 LM Studio，请在该 PC 启用 **Serve on Local Network**，在启动 ComfyUI 前设置精确允许列表（例如 `DENO_LOCAL_LLM_ALLOWED_HOSTS=192.168.1.50:1234`），重启 ComfyUI，然后选择 `Custom`，将 Custom Server URL 设为 `http://192.168.1.50:1234/v1`。允许列表仅接受精确匹配的私有 IP 与端口，不会保存到 workflow 或 PNG metadata。Custom 连接器当前不发送认证 token，也不使用 LM Studio 专用的卸载功能，因此请用服务器 PC 的防火墙将该端口的访问限制为 ComfyUI PC，并在 LM Studio 中管理远程模型。

如果 LM Studio 在开始生成前拒绝可选的 reasoning-control 字段，节点会去掉该字段并重试一次。之后的 reasoning 行为由所选 server 与 model 的默认设置决定。

音频说明：Local LLM Loader 不会把原始 AUDIO 直接发送给本地模型。可选的 `audio_context` STRING 输入可把上游转录与声学报告作为参考数据传入，而不改变用户 prompt。若其他 audio-capable text generation 节点生成 review text，Local LLM Reviewer 可根据该文字让 AUDIO 通过或阻止。

## Why This Exists

这些节点的目标是减少实际 ComfyUI 制作中反复出现的设置摩擦。重点不是堆功能，而是让每天重复的工作流更快、更清晰、更容易教学。

## Search Tips

- 在 Manager 中查找软件包时，搜索 `Deno Custom Nodes`。
- 在画布中搜索 `(Deno)` 可筛选本包节点，也可直接搜索 `Resize Box` 等节点名。
- 点击节点的绿色 `i` 按钮，即可就地查看使用说明。

## Install

<details>
<summary>手动安装和更新</summary>

手动安装时，请在 ComfyUI 的 `custom_nodes` 文件夹中 clone，并使用启动 ComfyUI 的同一个 Python 安装依赖：

```bash
git clone https://github.com/Deno2026/comfyui-deno-custom-nodes.git
cd comfyui-deno-custom-nodes
python -m pip install -r requirements.txt
```

手动更新时，在仓库文件夹中运行 `git pull --ff-only`，再用同一个 Python 重新安装 `requirements.txt`，最后重启 ComfyUI。通过 ComfyUI Manager / Registry 安装时，软件包依赖会自动处理。

</details>

## License

你可以在 GPL-3.0 下使用、学习、修改和再分发这个 repo。

本 repo 中由 Deno 拥有的节点、文档、示例、工作流和项目内素材采用 GNU GPL v3.0 (`GPL-3.0-only`) 发布。可以用于商业用途，但分发修改版本时必须遵循 GPL-3.0，并保留所需的许可证和版权声明。

第三方模型、checkpoint、LoRA、库、工具和服务仍然适用各自的许可证和使用条款。如果某个工作流使用了特定模型或素材，请在分享或销售输出前确认并遵守对应许可证。

## Release Notes

更新内容请见 [CHANGELOG.md](../CHANGELOG.md)。

## Links

- YouTube: https://www.youtube.com/@Denoise-AI
- GitHub: https://github.com/Deno2026/comfyui-deno-custom-nodes
- Registry: https://registry.comfy.org/publishers/deno2026/nodes/deno-custom-nodes