课目表/L2 节点字典/L2-02c 文字工具

L2 字典 · 第二课 C

文字工具:
把图读成话,把话接上提示词

手上只有图,没有词;或者只有一句中文,模型却更认英文。文字工具干的就是两头搬运:先把图读成一段描述,再把描述翻成另一种语言,最后拼回提示词。它不生成条件,只把原料递到编码器门口。

前情提要:前两节把条件的三条来路走完了:文字经 CLIP 编码成条件,结构靠 ControlNet,风格靠 IPAdapter。这一节补外围:一段描述从哪来、怎么换语言、怎么拼回提示词。

反推(caption):让视觉模型看一眼图,写出一段描述。反例:它不是提示词生成器,写出来的句子还得你自己筛。字符串(STRING):一串纯文本,节点之间可以互相传。反例:它不是条件,没经过 CLIP 编码,采样器读不懂。

Florence2DeepTranslator ShowTextCR Text ← L2-02b 结构与风格条件 → L2-03 采样与后处理

01 / 文字工具识别、翻译、拼接

四个节点围着同一个目标转:把一句能用的提示词凑出来。顺序也很固定——Florence2Run 先出英文描述,DeepTranslatorTextNode 换语言,ShowText 负责核对,CR Text Concatenate 把几段拼成一句。

这条链上没有一个节点能直接改画面。它们的输出全是文本或字符串,最后必须接到 CLIPTextEncode 才变成条件。下面按这个顺序逐条看。

Florence2Run + 加载器看图说话,生成英文描述+

手里只有一张参考图,懒得自己写描述。让它先看图说话。

先加载 Florence-2 模型,再用 Florence2Run 对图片做描述、检测等任务。本套统一使用 more_detailed_caption。反例:它不生成条件,只吐一段文字;文字还得送进 CLIPTextEncode 才算条件。

IMAGE文本
任务more_detailed_caption
模型microsoft/Florence-2-large · fp16 · sdpa(02/03/04)
LINK 版本Florence-2-large(#39,Florence2ModelLoader)
04 #60 识别建筑,输出英文到 #62,再由 #85 翻成中文;03 #60 识别卧室;02 #106;LINK #23。

易错:Florence 输出的是英文描述,不是“控制指令”;它常被用来补全提示词,不能替代 ControlNet。

DeepTranslatorTextNode中英互译,喂给 CLIP+

SDXL 的文本编码器对英文更敏感,你手上却是一句中文。

这个节点把一段文字翻成目标语言,输出字符串。反例:它不编码,翻完还是文字;要变成条件,还得再走一遍 CLIPTextEncode。

文本STRING
from / to源语言与目标语言。
translator本套使用 GoogleTranslator(部分节点为 free 版本)。
text待翻译文字;也可从上游节点输入。
04 #85 auto → english,把 Florence 的英文描述翻成中文给 #86 显示;03 #67 english → 简体中文;01 #182 把中文提示词翻成英文;06 #16 翻“黑色大理石地砖”,#39 翻“地面”。

易错:翻译依赖在线服务,断网时可能失败;关键提示词最好手动核对译文,别完全交给自动翻译。

ShowText | pysssss只显示,不参与生成+

提示词是从上游传过来的,你想看一眼它到底是什么。

把上游的字符串显示在节点上,方便核对。反例:它不在采样链上,拔掉它,出图照样能跑。

STRING
04 #62 显示 Florence 英文描述,#86 显示中文译文;06 #40 显示“地面”,#24 显示“黑色大理石地砖”;03 #63/#66。

易错:只接 ShowText 而没有接回 CLIPTextEncode,提示词不会生效。

CR Text / CR Text Concatenate字符串常量与拼接+

提示词里有一句固定句式,只有中间那个词每天换。你不想每回手打一遍。

CR Text 提供一个可编辑的字符串;CR Text Concatenate 把多段字符串按顺序拼起来。固定句式、识别结果、目标词各占一段,最后拼成一句。反例:它不翻译、不改写,拼完是什么就是什么。

STRING × nSTRING
06 用 #62“将图中的” + 识别结果 + #63“转化为” + 目标词,经 #60/#64/#65 拼接;04 子图 #348 固定追加“8K,4K,增加细节”;02 #96 是一整段中文构图说明。

易错:拼接顺序就是文字顺序;多一个空格、少一个逗号,都会改变 CLIP 的理解。

四个节点各管一段:识别给原料,翻译换语言,ShowText 只核对,CR Text 负责拼装。真正让它们生效的,是最后那句接进 CLIPTextEncode 的完整文字。

顺序能从节点编号看出来:04 的 #60 识别、#62 显示、#85 翻译、#86 再显示。一路读下来,就是这段文字被加工的全过程。

02 / 动手反推、翻译、拼接,各走一遍

1

打开 04,把 #60 Florence2Run 的参考图换一张。任务保持 more_detailed_caption,模型保持 microsoft/Florence-2-large,看 #62 ShowText 输出的英文描述变成什么样。

目标:确认它给的是描述文字,不是控制指令。

2

打开 01,找到 #182 DeepTranslatorTextNode(把中文提示词翻成英文)。把 from / to 改成中文互译的另一方向,输出仍接回原来的 CLIPTextEncode,跑一次。

目标:看清翻译只换语言,条件仍由编码节点生成。

3

打开 06,找到“将图中的地面转化为黑色大理石地砖”。按 #62“将图中的” + 识别结果 + #63“转化为” + 目标词拆开,把 #63 的“转化为”换成“改造成”,再跑一次。

目标:确认拼接顺序就是最终文字顺序。

03 / 自检文字在链上走,条件在最后生成

勾选你真正掌握的条目(本机自动记住)