diff --git a/es/tutorials/audio/ace-step/ace-step-v1-5.mdx b/es/tutorials/audio/ace-step/ace-step-v1-5.mdx index 279be37524..d5d2a50e74 100644 --- a/es/tutorials/audio/ace-step/ace-step-v1-5.mdx +++ b/es/tutorials/audio/ace-step/ace-step-v1-5.mdx @@ -2,18 +2,22 @@ title: "ACE-Step 1.5 en ComfyUI: generación local de música con IA" description: "Genera canciones completas en local en ComfyUI con ACE-Step 1.5, un modelo de música de código abierto que convierte texto y letras opcionales en audio." sidebarTitle: "ACE-Step 1.5" -translationSourceHash: b87771b2 +translationSourceHash: c298c7bc translationFrom: tutorials/audio/ace-step/ace-step-v1-5.mdx translationBlockHashes: "_intro": 87ce48db + "Option 1: All-in-One Checkpoint (Recommended)": 6eebe82d + "Option 2: Split Model Files": eae7244e + "ACE-Step 1.5 Key Features in ComfyUI": 54de35d3 "Coming Soon to ComfyUI": 3b837315 "ACE-Step 1.5 ComfyUI Related Resources": 518b9b68 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; ACE-Step 1.5 es un modelo de generación de música de código abierto de ACE Studio y StepFun que convierte una descripción de texto y letras opcionales en una canción completa. ComfyUI lo ejecuta de forma nativa, así que puedes generar pistas completas localmente, desde bucles de 10 segundos hasta composiciones de varios minutos. -En el núcleo del modelo hay un planificador de modelo de lenguaje combinado con un decodificador de audio Diffusion Transformer (DiT). El planificador expande una consulta simple en un plano de canción, sintetizando estructura, metadatos, letras y descripciones mediante razonamiento de cadena de pensamiento, y el DiT renderiza el audio. La alineación se apoya en los mecanismos internos del propio modelo en lugar de un modelo de recompensa externo o datos de preferencia humana. +En el núcleo del modelo hay un planificador de modelo de lenguaje emparejado con un decodificador de audio Diffusion Transformer (DiT). El planificador expande una consulta simple en un plano de canción, sintetizando estructura, metadatos, letras y descripciones mediante razonamiento de cadena de pensamiento, y el DiT renderiza el audio. La alineación se apoya en los mecanismos internos del propio modelo en lugar de un modelo de recompensa externo o datos de preferencia humana. La generación es lo bastante rápida para sesiones interactivas: menos de 2 segundos para una canción completa en una A100 y menos de 10 segundos en una RTX 3090. La configuración de menos de 4 GB de VRAM ejecuta solo el DiT con el planificador LM desactivado. Entrenar un LoRA con unas pocas canciones es suficiente para capturar tu propio estilo. @@ -23,23 +27,23 @@ La generación es lo bastante rápida para sesiones interactivas: menos de 2 seg - **Calidad de nivel comercial**: Calidad superior a la de la mayoría de los modelos de música comerciales, con una puntuación de coherencia musical de 4.72 - **Generación rápida**: Una canción completa en menos de 2 segundos en una A100, o menos de 10 segundos en una RTX 3090 -- **Salida de formato largo**: Duraciones desde 10 segundos hasta 10 minutos -- **Más de 50 idiomas**: Buen soporte para inglés, chino, japonés, coreano, español, alemán, francés, portugués, italiano y ruso +- **Salida de larga duración**: Duraciones desde 10 segundos hasta 10 minutos +- **Más de 50 idiomas**: Sólido soporte para inglés, chino, japonés, coreano, español, alemán, francés, portugués, italiano y ruso - **Ajuste fino con LoRA**: Personalización ligera mediante entrenamiento de LoRA en ComfyUI ## Opción 1: Checkpoint todo en uno (recomendado) -La versión AIO empaqueta todos los modelos en un único archivo de checkpoint, lo que facilita su descarga y gestión. +La versión AIO empaqueta todos los modelos en un solo archivo checkpoint, lo que facilita su descarga y administración. ### ACE-Step 1.5 Music Generation AIO {#audio_ace_step_1_5_checkpoint} -Introduce etiquetas de estilo y una letra para generar una canción completa. El flujo de trabajo usa el modelo ACE-Step 1.5 para producir música con calidad comercial en menos de 10 segundos en hardware de consumo. +Ingresa etiquetas de estilo y letras para generar una canción completa. El flujo de trabajo usa el modelo ACE-Step 1.5 para producir música de calidad comercial en menos de 10 segundos en hardware de consumo. - + Abrir en Comfy Cloud - + Descarga el JSON o busca "ACE-Step 1.5 Music Generation AIO" en la Biblioteca de plantillas @@ -47,7 +51,7 @@ Introduce etiquetas de estilo y una letra para generar una canción completa. El ### Descarga del modelo AIO - Archivo de checkpoint todo en uno (recomendado para la mayoría de los usuarios). + Archivo checkpoint todo en uno (recomendado para la mayoría de los usuarios). **Ubicación de almacenamiento del modelo AIO** @@ -58,14 +62,13 @@ Introduce etiquetas de estilo y una letra para generar una canción completa. El │ └── 📂 checkpoints/ │ └── ace_step_1.5_turbo_aio.safetensors ``` +## Opción 2: archivos de modelo separados -## Opción 2: Archivos de modelo separados - -La versión dividida te permite descargar cada componente del modelo por separado. +La versión separada te permite descargar cada componente del modelo por individual. -### ACE-Step 1.5 Music Generation Workflow {#audio_ace_step_1_5_split} +### Flujo de trabajo de generación de música ACE-Step 1.5 {#audio_ace_step_1_5_split} -Introduce un prompt de texto que describa el estilo musical y, opcionalmente, una letra. Genera una canción de audio completa y de alta calidad en menos de 10 segundos en hardware de consumo. +Introduce un prompt de texto que describa el estilo musical y, opcionalmente, la letra. Genera una canción de audio completa y de alta calidad en menos de 10 segundos en hardware de consumo. @@ -76,7 +79,7 @@ Introduce un prompt de texto que describa el estilo musical y, opcionalmente, un -### Descargas de los modelos separados +### Descargas de modelos separados @@ -109,23 +112,22 @@ Introduce un prompt de texto que describa el estilo musical y, opcionalmente, un │ └── 📂 vae/ │ └── ace_1.5_vae.safetensors ``` - ## Características clave de ACE-Step 1.5 en ComfyUI ### Planificación con Chain-of-Thought -El modelo ACE-Step 1.5 sintetiza metadatos, letra y captions mediante razonamiento Chain-of-Thought para guiar el proceso de difusión, lo que da como resultado composiciones largas más coherentes. +El modelo ACE-Step 1.5 sintetiza metadatos, letras y descripciones mediante razonamiento Chain-of-Thought para guiar el proceso de diffusion, lo que da como resultado composiciones de larga duración más coherentes. ### Arquitectura híbrida LM + DiT -ACE-Step 1.5 combina un modelo de lenguaje que planifica la estructura de la canción con un Diffusion Transformer (DiT) que se encarga de la síntesis de audio, todo ejecutándose de forma nativa en ComfyUI. +ACE-Step 1.5 combina un modelo de lenguaje que planifica la estructura de la canción con un Diffusion Transformer (DiT) que se encarga de la síntesis de audio, y todo se ejecuta de forma nativa en ComfyUI. ## Próximamente en ComfyUI Estas funciones están disponibles en ACE-Step 1.5, pero aún no son compatibles con ComfyUI: -- **Cover**: Dale al modelo cualquier canción como entrada junto con un nuevo prompt y una letra, y reimaginará la pista en un estilo completamente diferente -- **Repaint**: Selecciona un segmento, regenera solo esa sección y el modelo la vuelve a integrar mientras mantiene todo lo demás intacto +- **Cover**: Dale al modelo cualquier canción como entrada junto con un nuevo prompt y una letra, y reimaginará la pista en un estilo completamente distinto. +- **Repaint**: Selecciona un segmento, vuelve a generar solo esa parte y el modelo la integra de nuevo mientras mantiene todo lo demás intacto. ## Recursos relacionados de ACE-Step 1.5 en ComfyUI diff --git a/es/tutorials/audio/ace-step/ace-step-v1.mdx b/es/tutorials/audio/ace-step/ace-step-v1.mdx index f63994ddc9..7cf28d3834 100644 --- a/es/tutorials/audio/ace-step/ace-step-v1.mdx +++ b/es/tutorials/audio/ace-step/ace-step-v1.mdx @@ -2,17 +2,19 @@ title: "Ejemplo nativo de ACE-Step en ComfyUI" description: "Generación de música con ACE-Step en ComfyUI: flujos de texto a música y edición musical con el modelo de código abierto Apache-2.0 de StepFun y ACE Studio." sidebarTitle: "ACE-Step 1.0" -translationSourceHash: 189304f5 +translationSourceHash: b3044926 translationFrom: tutorials/audio/ace-step/ace-step-v1.mdx translationBlockHashes: "_intro": 56ef7364 + "ACE-Step ComfyUI Text-to-Audio Generation Workflow Example": 3f211bda "ACE-Step ComfyUI Audio-to-Audio Workflow": 06b425cb "ACE-Step Prompt Guide": 90bf0bf7 "ACE-Step Related Resources": f74e2db9 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; -ACE-Step es un modelo fundacional de generación de música de código abierto desarrollado conjuntamente por el equipo chino StepFun y ACE Studio, cuyo objetivo es ofrecer a los creadores musicales herramientas de generación y edición de música eficientes, flexibles y de alta calidad. +ACE-Step es un modelo fundacional de generación musical de código abierto desarrollado conjuntamente por el equipo chino StepFun y ACE Studio, cuyo objetivo es ofrecer a los creadores musicales herramientas de generación y edición de música eficientes, flexibles y de alta calidad. El modelo se publica bajo la [licencia Apache-2.0](https://github.com/ace-step/ACE-Step?tab=readme-ov-file#-license) y es gratis para uso comercial. @@ -27,77 +29,77 @@ Puedes visitar su [GitHub](https://github.com/ace-step/ACE-Step?tab=readme-ov-fi ## Ejemplo de flujo de trabajo de generación de texto a audio con ACE-Step en ComfyUI -### 1. Descarga el flujo de trabajo y los modelos relacionados +### 1. Descargar el flujo de trabajo y los modelos relacionados -Haz clic en el botón de abajo para descargar el archivo del flujo de trabajo correspondiente. Arrástralo a ComfyUI para cargar la información del flujo de trabajo. El flujo de trabajo incluye la información de descarga de los modelos. +Haz clic en el botón de abajo para descargar el archivo de flujo de trabajo correspondiente. Arrástralo a ComfyUI para cargar la información del flujo de trabajo. El flujo de trabajo incluye la información de descarga de los modelos. -

Descargar el archivo de flujo de trabajo en formato JSON

+

Descargar archivo de flujo de trabajo en formato Json

También puedes descargar manualmente [ace_step_v1_3.5b.safetensors](https://huggingface.co/Comfy-Org/ACE-Step_ComfyUI_repackaged/blob/main/all_in_one/ace_step_v1_3.5b.safetensors) y guardarlo en la carpeta `ComfyUI/models/checkpoints` -### 2. Completa el flujo de trabajo paso a paso +### 2. Completar el flujo de trabajo paso a paso -![Guía de pasos](/images/tutorial/audio/ace_step/ace_step_1_t2a_step_guide.jpg) +![Step Guide](/images/tutorial/audio/ace_step/ace_step_1_t2a_step_guide.jpg) 1. Asegúrate de que el nodo `Load Checkpoints` haya cargado el modelo `ace_step_v1_3.5b.safetensors` -2. (Opcional) En el nodo `EmptyAceStepLatentAudio` puedes definir la duración de la música que se va a generar -3. (Opcional) En el nodo `LatentOperationTonemapReinhard` puedes ajustar el `multiplier` para controlar el volumen de la voz (valores más altos hacen que la voz destaque más) -4. (Opcional) Introduce los estilos musicales correspondientes, etc., en el campo `tags` de `TextEncodeAceStepAudio` +2. (Opcional) En el nodo `EmptyAceStepLatentAudio`, puedes establecer la duración de la música que se va a generar +3. (Opcional) En el nodo `LatentOperationTonemapReinhard`, puedes ajustar el `multiplier` para controlar el volumen de las voces (los números más altos dan como resultado voces más prominentes) +4. (Opcional) Introduce los estilos de música correspondientes, etc. en el campo `tags` de `TextEncodeAceStepAudio` 5. (Opcional) Introduce la letra correspondiente en el campo `lyrics` de `TextEncodeAceStepAudio` -6. Haz clic en el botón `Run`, o usa el atajo `Ctrl(cmd) + Enter`, para ejecutar la generación de audio -7. Cuando el flujo de trabajo termine,, puedes escuchar el audio generado en el nodo `Save Audio`. Puedes hacer clic para reproducirlo, y el audio también se guardará en `ComfyUI/output/audio` (el subdirectorio lo determina el nodo `Save Audio`). +6. Haz clic en el botón `Run`, o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de audio +7. Cuando el flujo de trabajo termine, puedes previsualizar el audio generado en el nodo `Save Audio`. Puedes hacer clic para reproducirlo y escucharlo, y el audio también se guardará en `ComfyUI/output/audio` (el subdirectorio lo determina el nodo `Save Audio`). ## Flujo de trabajo de audio a audio con ACE-Step en ComfyUI -De forma similar a los flujos de trabajo de imagen a imagen, puedes ingresar un fragmento de música y usar el flujo de trabajo de abajo para remuestrear y generar música. También puedes ajustar la diferencia respecto al audio original controlando el parámetro `denoise` en el `Ksampler`. +De forma similar a los flujos de trabajo de imagen a imagen, puedes introducir una pieza musical y usar el flujo de trabajo de abajo para volver a muestrear y generar música. También puedes ajustar la diferencia respecto al audio original controlando el parámetro `denoise` del `Ksampler`. ### 1. Descargar el archivo del flujo de trabajo Haz clic en el botón de abajo para descargar el archivo del flujo de trabajo correspondiente. Arrástralo a ComfyUI para cargar la información del flujo de trabajo. -

Descargar archivo de flujo de trabajo en formato JSON

+

Descargar el archivo de flujo de trabajo en formato JSON

Descarga el siguiente archivo de audio como audio de entrada: -

Descargar archivo de audio de ejemplo para la entrada

+

Descargar el archivo de audio de ejemplo para la entrada

### 2. Completar el flujo de trabajo paso a paso -![Guía paso a paso de ACE-Step](/images/tutorial/audio/ace_step/ace_step_1_m2m_step_guide.jpg) +![Guía de pasos de ACE-Step](/images/tutorial/audio/ace_step/ace_step_1_m2m_step_guide.jpg) 1. Asegúrate de que el nodo `Load Checkpoints` haya cargado el modelo `ace_step_v1_3.5b.safetensors` 2. Sube el archivo de audio proporcionado en el nodo `LoadAudio` -3. (Opcional) Ingresa los estilos musicales y la letra correspondientes en los campos `tags` y `lyrics` de `TextEncodeAceStepAudio`. Proporcionar la letra es muy importante para la edición de audio -4. (Opcional) Modifica el parámetro `denoise` del nodo `Ksampler` para ajustar el ruido que se añade durante el muestreo y así controlar la similitud con el audio original (los valores más pequeños dan como resultado una mayor similitud con el audio original; establecerlo en `1.00` equivale aproximadamente a no tener entrada de audio) +3. (Opcional) Introduce los estilos musicales y la letra correspondientes en los campos `tags` y `lyrics` de `TextEncodeAceStepAudio`. Proporcionar la letra es muy importante para la edición de audio +4. (Opcional) Modifica el parámetro `denoise` del nodo `Ksampler` para ajustar el ruido añadido durante el muestreo y controlar la similitud con el audio original (los valores más pequeños dan como resultado una mayor similitud con el audio original; establecerlo en `1.00` equivale aproximadamente a no tener entrada de audio) 5. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de audio 6. Cuando el flujo de trabajo termine, puedes previsualizar el audio generado en el nodo `Save Audio`. Puedes hacer clic para reproducirlo y escucharlo, y el audio también se guardará en `ComfyUI/output/audio` (el subdirectorio lo determina el nodo `Save Audio`). -También puedes usar la funcionalidad de modificación y edición de la letra de la página del proyecto ACE-Step, modificando la letra original para cambiar el efecto del audio. +También puedes implementar la funcionalidad de modificación y edición de la letra de la página del proyecto ACE-Step, modificando la letra original para cambiar el efecto del audio. ### 3. Notas adicionales sobre el flujo de trabajo -1. En el flujo de trabajo de ejemplo, puedes cambiar los `tags` de `TextEncodeAceStepAudio` de `male voice` a `female voice` para generar voces femeninas. -2. También puedes modificar los `lyrics` de `TextEncodeAceStepAudio` para cambiar la letra y, con ello, el audio generado. Consulta los ejemplos de la página del proyecto ACE-Step para más detalles. +1. En el flujo de trabajo de ejemplo, puedes cambiar `tags` en `TextEncodeAceStepAudio` de `male voice` a `female voice` para generar voces femeninas. +2. También puedes modificar `lyrics` en `TextEncodeAceStepAudio` para cambiar la letra y, con ello, el audio generado. Consulta los ejemplos de la página del proyecto ACE-Step para ver más detalles. ## Guía de prompts de ACE-Step -Actualmente, ACE usa dos tipos de prompts: `tags` y `lyrics`. +ACE actualmente usa dos tipos de prompts: `tags` y `lyrics`. -- `tags`: se usan principalmente para describir estilos musicales, escenas, etc. De forma similar a los prompts que usamos en otras generaciones, describen sobre todo el estilo general y los requisitos del audio, y se separan con comas en inglés. -- `lyrics`: se usan principalmente para describir la letra y admiten etiquetas de estructura como [verse], [chorus] y [bridge] para distinguir las distintas partes de la letra. También puedes escribir nombres de instrumentos para música puramente instrumental. +- `tags`: se usan principalmente para describir estilos musicales, escenas, etc. De forma similar a los prompts que usamos para otras generaciones, describen sobre todo el estilo general y los requisitos del audio, y se separan con comas en inglés. +- `lyrics`: se usan principalmente para describir la letra y admiten etiquetas de estructura como [verse], [chorus] y [bridge] para distinguir las distintas partes de la letra. También puedes introducir nombres de instrumentos para música puramente instrumental. -Puedes encontrar abundantes ejemplos de `tags` y `lyrics` en la [página del modelo ACE-Step](https://ace-step.github.io/). Puedes consultar esos ejemplos para probar los prompts correspondientes. La guía de prompts de este documento está organizada a partir del proyecto para ayudarte a probar combinaciones rápidamente y lograr el efecto que buscas. +Puedes encontrar abundantes ejemplos de `tags` y `lyrics` en la [página principal del modelo ACE-Step](https://ace-step.github.io/). Puedes consultar estos ejemplos para probar los prompts correspondientes. La guía de prompts de este documento está organizada a partir del proyecto para ayudarte a probar combinaciones rápidamente y conseguir el efecto que deseas. ### Etiquetas (prompt) -#### Estilos musicales populares +#### Estilos musicales convencionales -Usa combinaciones cortas de etiquetas para generar estilos musicales concretos +Usa combinaciones cortas de etiquetas para generar estilos musicales específicos - electronic - rock @@ -131,8 +133,8 @@ Combina situaciones de uso y atmósferas concretas para generar música que enca - clean vocals #### Términos profesionales -Usa algunos términos habituales del mundo de la música para controlar con precisión el resultado musical -- 110 bpm (110 pulsaciones por minuto) +Usa algunos términos profesionales habituales en la música para controlar con precisión el resultado musical +- 110 bpm (beats per minute is 110) - fast tempo - slow tempo @@ -145,9 +147,9 @@ Usa algunos términos habituales del mundo de la música para controlar con prec - variance=0.3 (controla el grado de diferencia entre la música generada y el estilo original) */} {/* - Edición de la letra: - - editar la letra: 'When I was young' -> 'When you were kid' (ejemplo de edición de la letra) */} + - edit lyrics: 'When I was young' -> 'When you were kid' (ejemplo de edición de la letra) */} -### Letras +### Letra #### Etiquetas de estructura de la letra @@ -158,9 +160,9 @@ Usa algunos términos habituales del mundo de la música para controlar con prec #### Soporte multilingüe -- ACE-Step V1 admite varios idiomas. Al usarlo, ACE-Step convierte los distintos idiomas a letras del alfabeto inglés y luego genera la música. -- En ComfyUI, todavía no hemos implementado por completo la conversión de todos los idiomas a letras del alfabeto inglés. Por ahora, solo están implementados los [caracteres japoneses hiragana y katakana](https://github.com/Comfy-Org/ComfyUI/commit/5d3cc85e13833aeb6ef9242cdae243083e30c6fc). -Así que, si necesitas usar varios idiomas para generar música, primero debes convertir el idioma correspondiente a letras del alfabeto inglés y luego escribir la abreviatura del código de idioma al comienzo de `lyrics`, como el chino `[zh]`, el coreano `[ko]`, etc. +- ACE-Step V1 admite varios idiomas. Al usarlo, ACE-Step convierte los distintos idiomas a letras del alfabeto inglés y después genera la música. +- En ComfyUI no hemos implementado por completo la conversión de todos los idiomas a letras del alfabeto inglés. Actualmente solo están implementados los [caracteres japoneses hiragana y katakana](https://github.com/Comfy-Org/ComfyUI/commit/5d3cc85e13833aeb6ef9242cdae243083e30c6fc). +Así que si necesitas usar varios idiomas para generar música, primero debes convertir el idioma correspondiente a letras del alfabeto inglés y luego introducir la abreviatura del código de idioma al principio de `lyrics`, por ejemplo chino `[zh]`, coreano `[ko]`, etc. Por ejemplo: @@ -193,7 +195,7 @@ Por ejemplo: [fr]un amour profond qui ne s'éloignera jamais ``` -Actualmente, ACE-Step admite 19 idiomas, pero los siguientes diez tienen mejor soporte: +Actualmente, ACE-Step admite 19 idiomas, pero los diez siguientes tienen mejor soporte: - Inglés - Chino: [zh] - Ruso: [ru] diff --git a/es/tutorials/audio/minimax/minimax-music-3.mdx b/es/tutorials/audio/minimax/minimax-music-3.mdx index e073e34608..40e0a6f30d 100644 --- a/es/tutorials/audio/minimax/minimax-music-3.mdx +++ b/es/tutorials/audio/minimax/minimax-music-3.mdx @@ -2,19 +2,21 @@ title: "MiniMax Music 3 en ComfyUI: generación de música con IA" description: "Aprende a usar MiniMax Music 3 en ComfyUI para generar canciones completas de hasta 5 minutos a partir de un caption musical estructurado y una letra." sidebarTitle: "MiniMax Music 3" -translationSourceHash: dd9d217b +translationSourceHash: 02b650c1 translationFrom: tutorials/audio/minimax/minimax-music-3.mdx translationBlockHashes: "_intro": 883223ea "Key features": 7a913ea4 "Getting started": e1d3e891 + "MiniMax Music 3 Text to Music workflow": 822050b7 "Output": a0e21d03 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; MiniMax Music 3 -[MiniMax Music 3](https://github.com/MiniMax-AI/MiniMax-Music3) es el modelo de generación musical de MiniMax para crear canciones completas de hasta **cinco minutos** de duración. Condicionado por una letra y una descripción musical detallada, produce canciones estructuralmente coherentes con voces expresivas, arreglos que evolucionan y una calidad de audio estable en formatos largos. Puedes explorar ejemplos generados en la [página de demostración oficial](https://minimax-ai.github.io/music3-demo/). +[MiniMax Music 3](https://github.com/MiniMax-AI/MiniMax-Music3) es el modelo de generación musical de MiniMax para crear canciones completas de hasta **cinco minutos** de duración. Condicionado por una letra y una descripción musical detallada, produce canciones estructuralmente coherentes con voces expresivas, arreglos que evolucionan y una calidad de audio estable en piezas largas. Puedes explorar ejemplos generados en la [página de demostración oficial](https://minimax-ai.github.io/music3-demo/). MiniMax Music 3 utiliza una arquitectura autoregresiva jerárquica con un LLM global de 8B para la estructura musical de largo alcance, un LLM local de 0.6B para el detalle acústico a nivel de fotograma y un sistema de síntesis de estados ocultos continuos basado en Flow Matching y un Flow-VAE. Genera audio estéreo de 32 kHz y 16 bits. Los pesos del modelo están disponibles bajo la [Licencia Comunitaria de MiniMax-Music3](https://huggingface.co/MiniMaxAI/MiniMax-Music3/blob/main/LICENSE). @@ -30,7 +32,7 @@ La [Licencia Comunitaria](https://huggingface.co/MiniMaxAI/MiniMax-Music3/blob/m - **Canciones completas**: Genera pistas completas de hasta 5 minutos con intro, verso, preestribillo, estribillo, puente, interludio instrumental y outro - **Control de dos entradas**: Una **Caption** estructurada define el estilo musical, el estado de ánimo, las voces y el arreglo, mientras que **Lyrics**, con etiquetas de sección (`[Intro]`, `[Verse]`, `[Chorus]`, `[Bridge]`, `[Instrumental]`, `[Outro]`), controla la estructura de la canción - **Coherencia de largo alcance**: Mantiene los temas musicales, el ritmo, la identidad vocal y la progresión del arreglo a lo largo de secuencias largas -- **Voces expresivas**: Síntesis vocal natural con control sobre la melodía, la pronunciación y las armonías superpuestas +- **Voces expresivas**: Síntesis vocal natural con control sobre la melodía, la pronunciación y las armonías por capas - **Pesos abiertos**: Ejecútalo localmente en ComfyUI con control total sobre cada parámetro ## Primeros pasos @@ -39,13 +41,13 @@ MiniMax Music 3 es compatible con ComfyUI con pesos abiertos. Para empezar: 1. Actualiza ComfyUI a la última versión 2. Ve a **Biblioteca de plantillas** > **Audio** > elige el flujo de trabajo **MiniMax Music 3** -3. Sigue la ventana emergente para descargar los modelos y ejecutar el flujo de trabajo +3. Sigue las indicaciones de la ventana emergente para descargar los modelos y ejecutar el flujo de trabajo Los archivos de modelo listos para ComfyUI (modelo de difusión reempaquetado, text encoder y VAE) están alojados en Hugging Face en el repositorio [Comfy-Org/MiniMax-Music-3](https://huggingface.co/Comfy-Org/MiniMax-Music-3). Los pesos originales del modelo están disponibles en el repositorio [MiniMaxAI/MiniMax-Music3](https://huggingface.co/MiniMaxAI/MiniMax-Music3). ## Flujo de trabajo de texto a música de MiniMax Music 3 -Genera una canción completa a partir de un caption musical estructurado y una letra. +Genera una canción completa a partir de una descripción musical estructurada y una letra. Vista previa del flujo de trabajo de texto a música de MiniMax Music 3 @@ -54,21 +56,21 @@ Genera una canción completa a partir de un caption musical estructurado y una l Abrir en Comfy Cloud
- Descarga el JSON o busca "MiniMax Music 3" en la Biblioteca de plantillas + Descargar el JSON o buscar "MiniMax Music 3" en la biblioteca de plantillas
-El flujo de trabajo toma dos entradas de texto y produce una canción terminada. El text encoder genera la secuencia de conditioning acústico a partir del caption y la letra, el modelo de difusión sintetiza el latent de audio y el VAE de audio lo decodifica en una pista estéreo de 32 kHz guardada como MP3. +El flujo de trabajo toma dos entradas de texto y produce una canción finalizada. El codificador de texto genera la secuencia de acondicionamiento acústico a partir de la descripción y la letra, el modelo de difusión sintetiza el latente de audio y el VAE de audio lo decodifica en una pista estéreo de 32 kHz guardada como MP3. **Controles del flujo de trabajo**: -- **Caption**: La descripción musical. Escríbela en tres secciones: **Global Metadata** (género, BPM, tonalidad, escala, progresión emocional, contexto de escucha, perfil de producción), **Vocal Details** (género de la voz, timbre, estilo interpretativo, armonías, efectos vocales) y **Arrangement** (instrumentos principales y secundarios, groove, bajo, percusión, texturas, efectos espaciales). Cuanto más específico seas, más cerca quedará el resultado -- **Lyrics**: La letra que se va a cantar, con etiquetas de sección como `[Intro]`, `[Verse]`, `[Chorus]`, `[Bridge]`, `[Instrumental]` y `[Outro]`. Las etiquetas son las instrucciones estructurales; el texto de la letra transmite el estado de ánimo -- **max_duration**: Duración objetivo de la canción en segundos (la plantilla usa 60 segundos por defecto; el modelo admite hasta unos 300 segundos / 5 minutos). Las canciones más largas consumen más tiempo y VRAM -- **seed**: Semilla aleatoria de la generación. Mantenla fija para reproducir la misma canción; cámbiala para obtener otra versión -- **tiled_decode**: Decodifica el VAE de audio en mosaicos superpuestos para reducir el uso de VRAM, útil en canciones largas con GPU de poca VRAM. Es algo más lento y con un pequeño riesgo de costuras en los bordes de los mosaicos. Desactívalo en GPU con mucha VRAM para obtener la mejor calidad +- **Caption**: La descripción musical. Escríbela en tres secciones: **Global Metadata** (género, BPM, tonalidad, escala, progresión emocional, escenario de escucha, perfil de producción), **Vocal Details** (género vocal, timbre, estilo de interpretación, armonías, efectos vocales) y **Arrangement** (instrumentos principales y secundarios, groove, bajo, percusión, texturas, efectos espaciales). Cuanto más específica sea, más se acercará el resultado +- **Lyrics**: La letra que se cantará, con etiquetas de sección como `[Intro]`, `[Verse]`, `[Chorus]`, `[Bridge]`, `[Instrumental]` y `[Outro]`. Las etiquetas son las instrucciones estructurales; el texto de la letra transmite el estado de ánimo +- **max_duration**: Duración objetivo de la canción en segundos (la plantilla usa 60 segundos por defecto; el modelo admite hasta unos 300 segundos / 5 minutos). Las canciones más largas tardan más y consumen más VRAM +- **seed**: Semilla aleatoria para la generación. Mantenla fija para reproducir la misma canción; cámbiala para obtener una versión diferente +- **tiled_decode**: Decodifica el VAE de audio en mosaicos superpuestos para reducir el uso de VRAM, útil para canciones largas en GPU con poca VRAM. Es un poco más lento y tiene un pequeño riesgo de costuras en los límites de los mosaicos. Desactívalo en GPU con mucha VRAM para obtener la mejor calidad -### Descarga de modelos +### Descargas de modelos @@ -101,21 +103,20 @@ Coloca los archivos en los siguientes directorios: ### Consejos para escribir prompts -1. **Estructura el caption en tres secciones**: Global Metadata, Vocal Details y Arrangement. El modelo no solo sigue un estilo global, sino también el desarrollo musical de la canción a lo largo del tiempo +1. **Estructura la descripción en tres secciones**: Global Metadata, Vocal Details y Arrangement. El modelo sigue no solo un estilo global, sino también el desarrollo musical de la canción a lo largo del tiempo 2. **Usa etiquetas de sección en la letra**: `[Intro]`, `[Verse]`, `[Pre-Chorus]`, `[Chorus]`, `[Post-Chorus]`, `[Bridge]`, `[Instrumental]`, `[Solo]` y `[Outro]` le dan al modelo un control estructural explícito -3. **Deja las etiquetas como las únicas instrucciones estructurales**: las etiquetas son ejecutables; el texto de la letra por sí mismo transmite el estado de ánimo, no la estructura -4. **Equilibra duración y recursos**: las canciones más largas consumen más tiempo y VRAM. Usa el modelo de difusión INT8 y la decodificación por mosaicos para canciones largas en GPU de poca VRAM +3. **Mantén las etiquetas como las únicas instrucciones estructurales**: Las etiquetas son ejecutables; el texto de la letra en sí transmite el estado de ánimo, no la estructura +4. **Equilibra la duración y los recursos**: Las canciones más largas tardan más y consumen más VRAM. Usa el modelo de difusión INT8 y la decodificación en mosaicos para canciones largas en GPU con poca VRAM #### Guía para escribir prompts -La [página de demos oficial](https://minimax-ai.github.io/music3-demo/) muestra 26 pistas de ejemplo de 11 géneros (pop, rock, R&B, hip-hop, dance pop, country, soul, funk, blues, bossa nova y urbano), cada una con su caption estructurado completo escrito en el formato Global Metadata / Vocal Details / Arrangement. Úsalas como referencia para escribir tus propios captions. +La [página de demostración oficial](https://minimax-ai.github.io/music3-demo/) muestra 26 pistas de ejemplo de 11 géneros (pop, rock, R&B, hip-hop, dance pop, country, soul, funk, blues, bossa nova y urbano), cada una con su descripción estructurada completa escrita en el formato Global Metadata / Vocal Details / Arrangement. Úsalas como referencia para escribir tus propias descripciones. -MiniMax también publica una [skill oficial de reescritura de captions musicales](https://github.com/MiniMax-AI/MiniMax-Music3) que convierte una descripción musical breve y una letra con etiquetas opcional en un caption estructurado detallado de Music 3.0. La skill construye un arreglo coherente sección por sección, con metadatos globales, detalles vocales y descripciones del arreglo, y respeta las restricciones musicales explícitas mientras mantiene el texto de la letra en la entrada de lyrics. Instálala con: +MiniMax también publica una [habilidad oficial de reescritura de descripciones musicales](https://github.com/MiniMax-AI/MiniMax-Music3) que convierte una breve descripción musical y una letra etiquetada opcional en una descripción estructurada detallada de Music 3.0. La habilidad construye un arreglo coherente sección por sección con metadatos globales, detalles vocales y descripciones del arreglo, preservando las restricciones musicales explícitas y manteniendo el texto de la letra en la entrada de letra. Instálala con: ```bash npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter ``` - ## Salida -La canción generada se guarda en `ComfyUI/output/audio/audio_minimax_music3.mp3` (o con el nombre de archivo definido en el nodo SaveAudioAdvanced). +ComfyUI guarda la canción generada en `ComfyUI/output/audio/audio_minimax_music3.mp3` (o con el nombre de archivo definido en el nodo SaveAudioAdvanced). diff --git a/es/tutorials/audio/yue2/yue2.mdx b/es/tutorials/audio/yue2/yue2.mdx index ab078c8dad..497ffbe966 100644 --- a/es/tutorials/audio/yue2/yue2.mdx +++ b/es/tutorials/audio/yue2/yue2.mdx @@ -2,15 +2,17 @@ title: "Guía de generación de música con YuE2 en ComfyUI" description: "Genera canciones completas con voces en ComfyUI con el modelo de código abierto YuE2: texto a música con planificación ABC y covers que conservan la melodía con SheetSage2." sidebarTitle: "YuE2" -translationSourceHash: 7197dbf5 +translationSourceHash: d90032ab translationFrom: tutorials/audio/yue2/yue2.mdx translationBlockHashes: "_intro": bae5280d "Text to Music {#audio_yue2_text2music}": a539576d + "Music Cover {#audio_yue2_music_cover}": 1915b2c2 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; -YuE2 es un modelo de generación musical de código abierto de Multimodal Art Projection (m-a-p) que convierte un prompt de estilo y una letra en una canción completa con voces y acompañamiento instrumental. Es un modelo de 3B de parámetros, genera estructuras de canción completas con secciones como intro, verso, estribillo, puente y outro, y admite varios idiomas de canto, incluidos el inglés, el chino y el japonés. +YuE2 es un modelo de generación musical de código abierto de Multimodal Art Projection (m-a-p) que convierte un prompt de estilo y una letra en una canción completa con voces y acompañamiento instrumental. Es un modelo de 3B de parámetros que genera estructuras de canción completas con secciones como intro, verso, estribillo, puente y outro, y admite varios idiomas de canto, incluidos el inglés, el chino y el japonés. Lo que distingue a YuE2 de la mayoría de los sistemas de texto a música es su paso de composición editable. Antes de generar el audio, YuE2 puede escribir primero un plan musical simbólico en notación ABC: una melodía, opcionalmente con acordes, que puedes inspeccionar y editar. La canción final se renderiza a partir de ese plan. Esto hace que los resultados sean más fáciles de dirigir que la generación de audio en una sola pasada, y también habilita el flujo de trabajo de cover que aparece más abajo, donde una canción de referencia se transcribe a la misma notación y se vuelve a cantar con un nuevo estilo y una nueva letra. @@ -19,7 +21,7 @@ YuE2 es compatible de forma nativa con ComfyUI. Actualiza a la última versión - YuE2 aún no está disponible en Comfy Cloud. Ambos flujos de trabajo de esta página se ejecutan en una instalación local de ComfyUI, así que no hay ninguna plantilla de Cloud que abrir para ellos. + YuE2 aún no está disponible en Comfy Cloud. Ambos flujos de trabajo de esta página se ejecutan en una instalación local de ComfyUI, así que no hay ninguna plantilla de Cloud que abrir para ninguno de los dos. ## Texto a música {#audio_yue2_text2music} @@ -117,19 +119,19 @@ El nodo **YuE2 Generate Music** tiene una opción avanzada `cfg_scale` (de 0 a 1 - `1.0` desactiva la orientación, lo que coincide con el flujo de trabajo ABC. Las plantillas incluidas mantienen este valor predeterminado - `1.01` coincide con la escala de orientación que el modelo usaba antes de añadir esta opción, para ejecuciones con la planificación desactivada (`abc` vacío) -## Versión de una canción existente (Music Cover) {#audio_yue2_music_cover} +## Cover musical {#audio_yue2_music_cover} -Crea una nueva versión de una canción existente. Este flujo de trabajo usa SheetSage2 para transcribir la melodía de un audio de referencia a una partitura ABC editable y luego usa YuE2 para regenerar la canción con un estilo y una letra nuevos. +Crea una nueva versión de una canción existente. Este flujo de trabajo usa SheetSage2 para transcribir la melodía de un audio de referencia a una partitura ABC editable, y luego usa YuE2 para regenerar la canción con un nuevo estilo y letra. -Vista previa del flujo de trabajo de Music Cover de YuE2 +Vista previa del flujo de trabajo de cover musical de YuE2 {/* TODO: Enable Cloud template when audio_yue2_music_cover is available on Comfy Cloud */} - {/**/} - {/* Abrir en Comfy Cloud*/} + {/**/} + {/* Open in Comfy Cloud*/} {/**/} - Descarga el JSON o busca "YuE2: Music Cover" en la Biblioteca de plantillas + Descarga el JSON o busca "YuE2: Music Cover" en Template Library @@ -139,7 +141,7 @@ Sube este archivo al nodo `LoadAudio` correspondiente: - Nodo `LoadAudio` · `yue2_reference_song.flac` + nodo `LoadAudio` · `yue2_reference_song.flac` @@ -147,18 +149,18 @@ Sube este archivo al nodo `LoadAudio` correspondiente: 1. Carga una canción de referencia en **Audio** 2. Describe la nueva dirección musical en **Style** -3. Introduce la letra que quieres que se cante en **Lyrics** -4. Encola el flujo de trabajo para generar una nueva versión +3. Introduce la letra que quieres cantar en **Lyrics** +4. Pon en cola el flujo de trabajo para generar una nueva versión de cover -El audio de referencia aporta la melodía, mientras que YuE2 crea una nueva interpretación y un nuevo arreglo a partir de tu Style y tu Lyrics. +El audio de referencia proporciona la melodía, mientras que YuE2 crea una nueva interpretación y arreglo basados en tu Style y Lyrics. -### 2. Descarga de modelos +### 2. Descargas de modelos - + yue2_3b_int8_convrot.safetensors - + sheetsage2_bf16.safetensors @@ -174,9 +176,9 @@ Coloca los archivos en los siguientes directorios: │ └── sheetsage2_bf16.safetensors ``` -### 3. Cómo funciona la versión +### 3. Cómo funciona el cover -El flujo de trabajo no pasa el audio de referencia directamente a YuE2. En su lugar: +El flujo de trabajo no alimenta directamente el audio de referencia a YuE2. En su lugar: ``` Reference Audio @@ -188,12 +190,12 @@ Melody ABC score YuE2 (generation with new Style and Lyrics) ``` -Como el vínculo con la canción original es la melodía, las versiones funcionan mejor cuando la letra nueva se mantiene razonablemente cerca de la frase y del número de sílabas del original. +Dado que la conexión con la canción original es la melodía, los covers funcionan mejor cuando la nueva letra se mantiene razonablemente cerca de la fraseología y el número de sílabas originales. -### 4. Escribir el Style y la letra +### 4. Escribir el estilo y la letra -Describe con claridad el estilo musical objetivo. Los elementos útiles incluyen género, tipo de voz, idioma, tempo, instrumentos y ambiente: +Describe claramente el estilo musical objetivo. Los elementos útiles incluyen género, tipo de voz, idioma, tempo, instrumentos y estado de ánimo: -> English, soulful jazz-pop, expressive male vocal, relaxed 88 BPM, Rhodes piano, upright bass, brushed drums, warm saxophone, intimate late-night atmosphere +> Inglés, jazz-pop con alma, voz masculina expresiva, 88 BPM relajado, piano Rhodes, contrabajo, batería con escobillas, saxofón cálido, ambiente íntimo de madrugada -Usa las mismas etiquetas de sección `[Verse]` / `[Chorus]` / `[Bridge]` / `[Outro]` que en el flujo de trabajo de texto a música. Para que la melodía encaje mejor, mantén la letra nueva con una longitud similar a la de los versos originales. +Usa las mismas etiquetas de sección `[Verse]` / `[Chorus]` / `[Bridge]` / `[Outro]` que el flujo de trabajo de texto a música. Para lograr una mejor coincidencia de la melodía, mantén la nueva letra con una longitud similar a las líneas originales. diff --git a/es/tutorials/basic/text-to-image.mdx b/es/tutorials/basic/text-to-image.mdx index ae26c06616..56189f835e 100644 --- a/es/tutorials/basic/text-to-image.mdx +++ b/es/tutorials/basic/text-to-image.mdx @@ -2,24 +2,26 @@ title: "Flujo de trabajo de texto a imagen en ComfyUI" description: "Crea un flujo de trabajo de texto a imagen en ComfyUI: carga el flujo predeterminado, instala un checkpoint SD1.5, escribe prompts y aprende qué hace cada nodo." sidebarTitle: "Texto a imagen" -translationSourceHash: c01b7291 +translationSourceHash: af5280d9 translationFrom: tutorials/basic/text-to-image.mdx translationBlockHashes: "_intro": 7f6b5c90 "What is text-to-image in ComfyUI? {#about-text-to-image}": 4bc00444 + "ComfyUI Text to Image Workflow Example Guide": d5496194 "How does text-to-image work? {#text-to-image-working-principles}": 827d5189 "ComfyUI Text to Image Workflow Node Explanation": 1978408d "Introduction to SD1.5 Model": cd91e138 --- + Esta guía tiene como objetivo presentarte el flujo de trabajo de texto a imagen de ComfyUI y ayudarte a comprender la funcionalidad y el uso de los distintos nodos de ComfyUI. En este documento, vamos a: - Completar un flujo de trabajo de texto a imagen - Obtener una comprensión básica de los principios de los modelos de difusión -- Conocer las funciones y los roles de los nodos del flujo de trabajo +- Conocer las funciones y el papel de los nodos del flujo de trabajo - Obtener una comprensión inicial del modelo SD1.5 -Comenzaremos ejecutando un flujo de trabajo de texto a imagen y, a continuación, explicaremos los conceptos relacionados. Elige las secciones relevantes según tus necesidades. +Comenzaremos ejecutando un flujo de trabajo de texto a imagen y, a continuación, explicaremos los conceptos relacionados. Elige las secciones que necesites. ## ¿Qué es texto a imagen en ComfyUI? {#about-text-to-image} @@ -36,53 +38,53 @@ Puedes entender este proceso de generación de texto a imagen simplemente como d ### 1. Preparación -Asegúrate de tener al menos un archivo de modelo SD1.5 en tu carpeta `ComfyUI/models/checkpoints`, como [v1-5-pruned-emaonly-fp16.safetensors](https://huggingface.co/Comfy-Org/stable-diffusion-v1-5-archive/blob/main/v1-5-pruned-emaonly-fp16.safetensors) +Asegúrate de tener al menos un archivo de modelo SD1.5 en tu carpeta `ComfyUI/models/checkpoints`, por ejemplo [v1-5-pruned-emaonly-fp16.safetensors](https://huggingface.co/Comfy-Org/stable-diffusion-v1-5-archive/blob/main/v1-5-pruned-emaonly-fp16.safetensors) -Si todavía no lo has instalado, consulta la sección de instalación de modelos en [Primeros pasos con la generación de arte con IA de ComfyUI](/es/get_started/first_generation). +Si aún no lo has instalado, consulta la sección de instalación de modelos en [Primeros pasos con la generación de arte con IA de ComfyUI](/es/get_started/first_generation). -### 2. Cargar el flujo de trabajo de texto a imagen +### 2. Cargar el flujo de trabajo Texto a imagen -Descarga la imagen de abajo y **arrástrala a ComfyUI** para cargar el flujo de trabajo: +Descarga la imagen que aparece a continuación y **arrástrala a ComfyUI** para cargar el flujo de trabajo: -Flujo de trabajo de texto a imagen de ComfyUI +Flujo de trabajo Texto a imagen de ComfyUI -Las imágenes que llevan el JSON del flujo de trabajo en sus metadatos se pueden arrastrar directamente a ComfyUI o cargar con el menú `Workflows` -> `Open (ctrl+o)`. +Puedes arrastrar directamente a ComfyUI las imágenes que contengan el JSON del flujo de trabajo en sus metadatos, o cargarlas con el menú `Workflows` -> `Open (ctrl+o)`. ### 3. Cargar el modelo y generar tu primera imagen -Después de instalar el modelo de imagen, sigue los pasos de la imagen de abajo para cargar el modelo y generar tu primera imagen +Después de instalar el modelo de imagen, sigue los pasos de la imagen a continuación para cargar el modelo y generar tu primera imagen -![Generación de imágenes](https://raw.githubusercontent.com/Comfy-Org/example_workflows/refs/heads/main/image/basic/text-to-image-workflow.png) +![Generación de imagen](https://raw.githubusercontent.com/Comfy-Org/example_workflows/refs/heads/main/image/basic/text-to-image-workflow.png) Sigue estos pasos según los números de la imagen: -1. En el nodo **Load Checkpoint**, usa las flechas o haz clic en el área de texto para asegurarte de que **v1-5-pruned-emaonly-fp16.safetensors** está seleccionado y de que las flechas izquierda/derecha no muestran el texto **null** -2. Haz clic en el botón `Queue` o usa el atajo `Ctrl + Enter` para ejecutar la generación de imágenes +1. En el nodo **Load Checkpoint**, usa las flechas o haz clic en el área de texto para asegurarte de que **v1-5-pruned-emaonly-fp16.safetensors** esté seleccionado y de que las flechas izquierda/derecha no muestren el texto **null** +2. Haz clic en el botón `Queue` o usa el atajo `Ctrl + Enter` para ejecutar la generación de la imagen -Cuando termine el proceso, deberías ver la imagen resultante en la interfaz del nodo **Save Image**, donde puedes hacer clic derecho para guardarla localmente +Cuando el proceso termine, deberías ver la imagen resultante en la interfaz del nodo **Save Image**, y puedes hacer clic derecho sobre ella para guardarla localmente -![Resultado de la primera generación de imágenes con ComfyUI](/images/tutorial/gettingstarted/result.png) +![Resultado de la primera generación de imagen con ComfyUI](/images/tutorial/gettingstarted/result.png) -Si no estás satisfecho con el resultado, prueba a ejecutar la generación varias veces. Cada vez que la ejecutes, **KSampler** usará una semilla aleatoria distinta según el parámetro `seed`, así que cada generación producirá resultados diferentes +Si no estás satisfecho con el resultado, prueba a ejecutar la generación varias veces. Cada vez que la ejecutes, **KSampler** usará una semilla aleatoria diferente según el parámetro `seed`, así que cada generación producirá resultados distintos -### 4. Empieza a experimentar +### 4. Comenzar a experimentar -Prueba a modificar el texto del **CLIP Text Encoder** +Intenta modificar el texto en el **CLIP Text Encoder** ![CLIP Text Encoder](/images/comfy_core/conditioning/clip_text_encode.jpg) -La conexión `Positive` con el nodo KSampler representa los prompts positivos, mientras que la conexión `Negative` representa los prompts negativos +La conexión `Positive` al nodo KSampler representa los prompts positivos, mientras que la conexión `Negative` representa los prompts negativos Estos son algunos principios básicos para escribir prompts con el modelo SD1.5: - Usa inglés siempre que sea posible - Separa los prompts con comas en inglés `,` - Usa frases en lugar de oraciones largas - Usa descripciones específicas -- Usa expresiones como `(golden hour:1.2)` para aumentar el peso de una palabra clave concreta y hacer que aparezca más fácilmente en la imagen. `1.2` es el peso y `golden hour` es la palabra clave +- Usa expresiones como `(golden hour:1.2)` para aumentar el peso de palabras clave concretas y lograr que aparezcan con más probabilidad en la imagen. `1.2` es el peso y `golden hour` es la palabra clave - Usa palabras clave como `masterpiece, best quality, 4k` para mejorar la calidad de la generación -Aquí tienes varios ejemplos de prompts que puedes probar, o usa tus propios prompts para generar: +Aquí tienes varios ejemplos de prompts que puedes probar, o puedes usar tus propios prompts para generar: **1. Estilo anime** @@ -114,7 +116,7 @@ Prompts negativos: (deformed, cartoon, anime, doll, plastic skin, overexposed, blurry, extra fingers) ``` -**3. Estilo de un artista concreto** +**3. Estilo de un artista específico** Prompts positivos: ``` @@ -125,10 +127,9 @@ Prompts negativos: ``` blurry, low detail, cartoonish, unrealistic anatomy, out of focus, cluttered, flat lighting ``` - ## ¿Cómo funciona el texto a imagen? {#text-to-image-working-principles} -Todo el proceso de texto a imagen puede entenderse como un **proceso de difusión inversa**. El [v1-5-pruned-emaonly-fp16.safetensors](https://huggingface.co/Comfy-Org/stable-diffusion-v1-5-archive/blob/main/v1-5-pruned-emaonly-fp16.safetensors) que descargamos es un modelo preentrenado que puede **generar imágenes objetivo a partir de ruido gaussiano puro**. Solo hace falta introducir nuestros prompts y puede generar imágenes objetivo mediante la eliminación de ruido aleatorio. +Todo el proceso de texto a imagen se puede entender como un **proceso de difusión inversa**. El [v1-5-pruned-emaonly-fp16.safetensors](https://huggingface.co/Comfy-Org/stable-diffusion-v1-5-archive/blob/main/v1-5-pruned-emaonly-fp16.safetensors) que descargamos es un modelo preentrenado que puede **generar imágenes objetivo a partir de ruido gaussiano puro**. Solo tenemos que introducir nuestros prompts y puede generar imágenes objetivo eliminando el ruido aleatorio. ```mermaid graph LR @@ -141,10 +142,10 @@ G --> B ``` Necesitamos entender dos conceptos: -1. **Espacio latente:** el espacio latente es un método abstracto de representación de datos en los modelos de difusión. Convertir las imágenes del espacio de píxeles al espacio latente reduce el espacio de almacenamiento, facilita el entrenamiento de los modelos de difusión y reduce la complejidad de la eliminación de ruido. Es como los arquitectos que usan planos (espacio latente) para diseñar en lugar de diseñar directamente sobre el edificio (espacio de píxeles): mantienen las características estructurales y a la vez reducen de forma significativa los costos de modificación. -2. **Espacio de píxeles:** el espacio de píxeles es el espacio de almacenamiento de las imágenes, es decir, la imagen final que vemos, y se usa para almacenar los valores de píxeles. +1. **Espacio latente:** el espacio latente es un método abstracto de representación de datos en los modelos de difusión. Convertir las imágenes del espacio de píxeles al espacio latente reduce el espacio de almacenamiento y facilita el entrenamiento de los modelos de difusión, además de reducir la complejidad del denoising. Es como los arquitectos que usan planos (espacio latente) para diseñar en lugar de diseñar directamente sobre el edificio (espacio de píxeles): mantienen las características estructurales y reducen significativamente los costos de modificación. +2. **Espacio de píxeles:** el espacio de píxeles es el espacio de almacenamiento de las imágenes, es decir, la imagen final que vemos, y se usa para almacenar los valores de los píxeles. -Si quieres aprender más sobre los modelos de difusión, puedes leer estos artículos: +Si quieres aprender más acerca de los modelos de difusión, puedes leer estos artículos: - [Denoising Diffusion Probabilistic Models (DDPM)](https://arxiv.org/pdf/2006.11239) - [Denoising Diffusion Implicit Models (DDIM)](https://arxiv.org/pdf/2010.02502) - [High-Resolution Image Synthesis with Latent Diffusion Models](https://arxiv.org/pdf/2112.10752) @@ -159,15 +160,15 @@ Si quieres aprender más sobre los modelos de difusión, puedes leer estos artí Este nodo se usa normalmente para cargar el modelo de generación de imágenes. Un `checkpoint` suele contener tres componentes: `MODEL (UNet)`, `CLIP` y `VAE` -- `MODEL (UNet)`: el modelo UNet encargado de predecir el ruido y generar la imagen durante el proceso de difusión -- `CLIP`: el codificador de texto que convierte tus prompts en vectores que el modelo puede entender, ya que el modelo no comprende directamente los prompts de texto -- `VAE`: el AutoEncoder Variacional que convierte las imágenes entre el espacio de píxeles y el espacio latente, ya que los modelos de difusión trabajan en el espacio latente mientras que las imágenes están en el espacio de píxeles +- `MODEL (UNet)`: el modelo UNet responsable de la predicción del ruido y de la generación de la imagen durante el proceso de difusión +- `CLIP`: el codificador de texto que convierte nuestros prompts en vectores que el modelo puede entender, ya que el modelo no puede comprender directamente los prompts de texto +- `VAE`: el Variational AutoEncoder que convierte las imágenes entre el espacio de píxeles y el espacio latente, ya que los modelos de difusión trabajan en el espacio latente mientras que nuestras imágenes están en el espacio de píxeles ### B. Nodo Empty Latent Image ![Empty Latent Image](/images/comfy_core/latent/empty_latent_image.jpg) -Define un espacio latente que se envía al nodo KSampler. El nodo Empty Latent Image construye una **imagen latente de ruido puro** +Define un espacio latente que se envía al nodo KSampler. El nodo Empty Latent Image construye un **espacio latente de ruido puro** Puedes pensar en su función como la de definir el tamaño del lienzo, que determina las dimensiones de la imagen final generada @@ -175,17 +176,17 @@ Puedes pensar en su función como la de definir el tamaño del lienzo, que deter ![CLIP Text Encoder](/images/comfy_core/conditioning/clip_text_encode.jpg) -Sirve para codificar los prompts, es decir, tus requisitos para la imagen -- La entrada de acondicionamiento `Positive` conectada al nodo KSampler representa los prompts positivos (los elementos que quieres en la imagen) -- La entrada de acondicionamiento `Negative` conectada al nodo KSampler representa los prompts negativos (los elementos que no quieres en la imagen) +Se usa para codificar los prompts, que son tus requisitos para la imagen +- La entrada de condición `Positive` conectada al nodo KSampler representa los prompts positivos (los elementos que quieres en la imagen) +- La entrada de condición `Negative` conectada al nodo KSampler representa los prompts negativos (los elementos que no quieres en la imagen) -El componente `CLIP` del nodo `Load Checkpoint` codifica los prompts en vectores semánticos y los envía como acondicionamientos al nodo KSampler +El componente `CLIP` del nodo `Load Checkpoint` codifica los prompts en vectores semánticos y los envía como condiciones al nodo KSampler ### D. Nodo KSampler ![KSampler](/images/comfy_core/sampling/k_sampler.png) -El **KSampler** es el núcleo de todo el flujo de trabajo: en él ocurre todo el proceso de eliminación de ruido y, al final, entrega una imagen en el espacio latente +El **KSampler** es el núcleo de todo el flujo de trabajo: en él ocurre todo el proceso de eliminación de ruido y al final genera una imagen en el espacio latente ```mermaid graph LR @@ -195,31 +196,31 @@ D[CLIP Semantic Vectors] --> B B --> E[Denoised Latent] ``` -Aquí tienes una explicación de los parámetros del nodo KSampler: +A continuación, se explican los parámetros del nodo KSampler: -| Nombre del parámetro | Descripción | Función | -|----------------------------|----------------------------------------------|----------------------------------------------------------------------------------------------------------------------| -| **model** | Modelo de difusión usado para eliminar ruido | Determina el estilo y la calidad de las imágenes generadas | -| **positive** | Codificación del acondicionamiento positivo | Orienta la generación para incluir los elementos especificados | -| **negative** | Codificación del acondicionamiento negativo | Suprime el contenido no deseado | -| **latent_image** | Imagen en espacio latente a la que se quita el ruido | Actúa como soporte de entrada para inicializar el ruido | -| **seed** | Semilla aleatoria para generar el ruido | Controla la aleatoriedad de la generación | -| **control_after_generate** | Modo de control de la semilla tras generar | Determina el patrón de variación de la semilla en la generación por lotes | -| **steps** | Número de iteraciones de eliminación de ruido| Más pasos significan más detalles, pero también más tiempo de procesamiento | -| **cfg** | Escala de orientación sin clasificador | Controla la fuerza de la restricción del prompt (un valor demasiado alto provoca sobreajuste) | -| **sampler_name** | Nombre del algoritmo de muestreo | Determina el método matemático de la trayectoria de eliminación de ruido | -| **scheduler** | Tipo de scheduler | Controla la tasa de decaimiento del ruido y la asignación del tamaño del paso | -| **denoise** | Coeficiente de fuerza de eliminación de ruido| Controla la fuerza del ruido añadido al espacio latente: 0.0 conserva las características originales de la entrada y 1.0 es ruido completo | +| Nombre del parámetro | Descripción | Función | +|-----------------------------|----------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------| +| **model** | Modelo de difusión usado para eliminar el ruido | Determina el estilo y la calidad de las imágenes generadas | +| **positive** | Codificación de la condición del prompt positivo | Guía la generación para incluir los elementos especificados | +| **negative** | Codificación de la condición del prompt negativo | Suprime el contenido no deseado | +| **latent_image** | Imagen del espacio latente a la que se quitará el ruido | Sirve como soporte de entrada para la inicialización del ruido | +| **seed** | Semilla aleatoria para generar el ruido | Controla la aleatoriedad de la generación | +| **control_after_generate** | Modo de control de la semilla después de generar | Determina el patrón de variación de la semilla en la generación por lotes | +| **steps** | Número de iteraciones de eliminación de ruido | Más pasos implican detalles más finos, pero mayor tiempo de procesamiento | +| **cfg** | Escala de orientación sin clasificador | Controla la fuerza de la restricción del prompt (un valor demasiado alto provoca sobreajuste) | +| **sampler_name** | Nombre del algoritmo de muestreo | Determina el método matemático de la trayectoria de eliminación de ruido | +| **scheduler** | Tipo de planificador | Controla la tasa de decaimiento del ruido y la asignación del tamaño de paso | +| **denoise** | Coeficiente de fuerza de la eliminación de ruido | Controla la fuerza del ruido que se añade al espacio latente: 0.0 conserva las características de la entrada original y 1.0 es ruido completo | -En el nodo KSampler, el espacio latente usa `seed` como parámetro de inicialización para construir el ruido aleatorio, y los vectores semánticos `Positive` y `Negative` se envían como acondicionamientos al modelo de difusión +En el nodo KSampler, el espacio latente usa `seed` como parámetro de inicialización para construir ruido aleatorio, y los vectores semánticos `Positive` y `Negative` entran como condiciones al modelo de difusión -Después, según el número de pasos de eliminación de ruido indicado por el parámetro `steps`, se ejecuta la eliminación de ruido. Cada paso usa el coeficiente de fuerza de eliminación de ruido indicado por el parámetro `denoise` para quitar ruido al espacio latente y generar una nueva imagen en el espacio latente +Después, el nodo elimina ruido durante el número de pasos que indica el parámetro `steps`. Cada paso de eliminación de ruido usa el coeficiente de fuerza que especifica el parámetro `denoise` para eliminar el ruido del espacio latente y generar una nueva imagen en el espacio latente ### E. Nodo VAE Decode ![VAE Decode](/images/comfy_core/latent/vae_decode.jpg) -Convierte la imagen en espacio latente que entrega el **KSampler** en una imagen en el espacio de píxeles +Convierte la imagen del espacio latente que genera el **KSampler** en una imagen del espacio de píxeles ### F. Nodo Save Image @@ -229,18 +230,19 @@ Previsualiza y guarda en la carpeta local `ComfyUI/output` la imagen decodificad ## Introducción al modelo SD1.5 -**SD1.5 (Stable Diffusion 1.5)** es un modelo de generación de imágenes con IA desarrollado por [Stability AI](https://stability.ai/). Es la versión fundacional de la serie Stable Diffusion, entrenada con imágenes de resolución **512×512**, lo que la hace especialmente buena generando imágenes a esa resolución. Con un tamaño de unos 4 GB, funciona sin problemas en **GPUs de consumo (por ejemplo, 6 GB de VRAM)**. Actualmente, SD1.5 cuenta con un ecosistema muy rico, con soporte para diversos plugins (como ControlNet, LoRA) y herramientas de optimización. -Como modelo emblemático en la generación de arte con IA, SD1.5 sigue siendo la mejor opción para empezar gracias a su naturaleza de código abierto, su arquitectura ligera y su rico ecosistema. Aunque se han publicado versiones más recientes como SDXL/SD3, su valor para hardware de consumo sigue siendo inigualable. +**SD1.5 (Stable Diffusion 1.5)** es un modelo de generación de imágenes con IA desarrollado por [Stability AI](https://stability.ai/). Es la versión fundacional de la serie Stable Diffusion, entrenada con imágenes de **512×512** de resolución, lo que la hace especialmente buena para generar imágenes a esa resolución. Con un tamaño de unos 4GB, funciona sin problemas en **GPUs de consumo (por ejemplo, 6GB de VRAM)**. Actualmente, SD1.5 cuenta con un ecosistema rico que admite varios plugins (como ControlNet, LoRA) y herramientas de optimización. + +Como modelo hito en la generación de arte con IA, SD1.5 sigue siendo la mejor opción de entrada gracias a su naturaleza de código abierto, su arquitectura ligera y su rico ecosistema. Aunque se han lanzado versiones más recientes como SDXL/SD3, su valor para el hardware de consumo sigue siendo inigualable. ### Información básica - **Fecha de lanzamiento**: octubre de 2022 -- **Arquitectura principal**: basada en Latent Diffusion Model (LDM) +- **Arquitectura principal**: basada en el modelo de difusión latente (LDM) - **Datos de entrenamiento**: conjunto de datos LAION-Aesthetics v2.5 (aproximadamente 590M pasos de entrenamiento) - **Características de código abierto**: modelo, código y datos de entrenamiento totalmente abiertos ### Ventajas y limitaciones Ventajas del modelo: -- Ligero: tamaño pequeño, solo unos 4 GB, funciona sin problemas en GPUs de consumo +- Ligero: tamaño pequeño, solo unos 4GB, funciona sin problemas en GPUs de consumo - Barrera de entrada baja: admite una amplia gama de plugins y herramientas de optimización - Ecosistema maduro: amplio soporte de plugins y herramientas - Generación rápida: funcionamiento fluido en GPUs de consumo diff --git a/es/tutorials/flux/flux-3-klein.mdx b/es/tutorials/flux/flux-3-klein.mdx index ff263a9586..78d720e518 100644 --- a/es/tutorials/flux/flux-3-klein.mdx +++ b/es/tutorials/flux/flux-3-klein.mdx @@ -2,19 +2,21 @@ title: "FLUX 3 Image Klein en ComfyUI: texto a imagen y edición" description: "Ejecuta FLUX.3 [klein] en local en ComfyUI: texto a imagen con pesos abiertos y edición por instrucciones, con un checkpoint destilado para 4–16 pasos." sidebarTitle: "FLUX 3 Klein" -translationSourceHash: 5c435b1b +translationSourceHash: 7cedfbb4 translationFrom: tutorials/flux/flux-3-klein.mdx translationBlockHashes: "_intro": 3e9c5a21 "About FLUX.3 [klein]": 1d7659ce "FLUX 3 Image Klein Workflows": d0941358 + "FLUX 3 Image Klein Model Downloads": 0170574c "Prompting and reference tips": 43ad4a36 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' ## Acerca de FLUX.3 [klein] -FLUX.3 [klein] es el modelo de imágenes FLUX.3 de pesos abiertos de Black Forest Labs para ComfyUI local: texto a imagen y edición de imágenes guiada por instrucciones en una misma familia, con un checkpoint completo y una variante destilada por pasos para ejecuciones más rápidas de 4–16 pasos. Los pesos están disponibles en Hugging Face bajo la licencia FLUX Kommunity. Descárgalo una vez y ejecútalo en tu propia GPU, sin clave API ni créditos por imagen. +FLUX.3 [klein] es el modelo de imágenes FLUX.3 de pesos abiertos de Black Forest Labs para ComfyUI local: texto a imagen y edición de imágenes guiada por instrucciones en una misma familia, con un checkpoint completo y una variante destilada por pasos para ejecuciones más rápidas de 4–16 pasos. Los pesos se publican en Hugging Face bajo la Licencia FLUX Kommunity. Descárgalo una vez, ejecútalo en tu propia GPU, sin clave API ni créditos por imagen. ¿Prefieres la ruta alojada? FLUX.3 también se ejecuta como Partner Node mediante [FLUX 3 Image](/es/tutorials/partner-nodes/black-forest-labs/flux-3-image) (con cobro por imagen). Usa los pesos locales de klein en tu GPU; usa el Partner Node cuando quieras el modelo alojado sin descarga. @@ -23,7 +25,7 @@ FLUX.3 [klein] es el modelo de imágenes FLUX.3 de pesos abiertos de Black Fores - Texto a imagen y edición de imágenes con los mismos pesos; las ediciones usan un prompt de instrucción e imágenes de referencia - Dos checkpoints: FLUX 3 Image Klein completo y Distilled para muestreo sin orientación en 4–16 pasos - Prompts con múltiples referencias mediante ``, ``, etc. -- Ampliador de prompts Qwen3.5 9B opcional que expande solicitudes breves a descripciones completas antes de la generación +- Upsampler de prompts Qwen3.5 9B opcional que expande solicitudes breves en descripciones completas antes de la generación - Checkpoints de archivo único en bf16, int8 (convrot) y nvfp4, con un codificador de texto Qwen3-VL-4B y el VAE de FLUX.2 **Licencia**: [FLUX Kommunity License](https://huggingface.co/black-forest-labs/flux-3-image-klein-comfy/blob/main/LICENSE.md) @@ -36,7 +38,7 @@ FLUX.3 [klein] es el modelo de imágenes FLUX.3 de pesos abiertos de Black Fores ### FLUX 3 Image Klein: Texto a imagen {#image_flux3_klein_t2i} -Genera una imagen solo a partir de un prompt, sin archivos de entrada. El flujo de trabajo es un subgrafo: ábrelo para acceder a los cargadores, al sampler y al tamaño del lienzo. +Genera una imagen a partir de un prompt, sin archivos de entrada. El flujo de trabajo es un subgrafo: ábrelo para acceder a los cargadores, al sampler y al tamaño del lienzo. Vista previa del flujo de trabajo de texto a imagen de FLUX 3 Image Klein @@ -50,16 +52,16 @@ Genera una imagen solo a partir de un prompt, sin archivos de entrada. El flujo 1. Escribe tu prompt en el widget de prompt positivo del subgrafo -2. Configura `width` y `height`, o elige un formato en `ResolutionSelector` (1:1 cuadrado por defecto) -3. Ajusta `steps` (50 por defecto) y `cfg` (3.5 por defecto) -4. El upsampler de prompt está activado por defecto, así que un prompt corto se expande con el upsampler Qwen3.5 9B antes del muestreo. Desactiva `enable_prompt_upsampler` para generar a partir de tus propias palabras +2. Define `width` y `height`, o elige un formato en `ResolutionSelector` (1:1 cuadrado de forma predeterminada) +3. Ajusta `steps` (50 de forma predeterminada) y `cfg` (3.5 de forma predeterminada) +4. El ampliador de prompts está activado de forma predeterminada, así que un prompt corto se amplía con el ampliador Qwen3.5 9B antes del muestreo. Desactiva `enable_prompt_upsampler` para generar a partir de tus propias palabras 5. Haz clic en **Queue**. El nodo `SaveImage` guarda la imagen en `ComfyUI/output/` ### FLUX 3 Image Klein Distilled: Texto a imagen {#image_flux3_klein_distilled_t2i} -Genera una imagen a partir de un prompt con el checkpoint destilado por pasos, que se ejecuta en 16 pasos sin orientación. El sobremuestreo del prompt está activado de forma predeterminada, así que un prompt corto se expande a una descripción completa antes del muestreo. +Genera una imagen a partir de un prompt con el checkpoint destilado por pasos, que se ejecuta en 16 pasos sin orientación. La ampliación del prompt está activada de forma predeterminada, por lo que un prompt corto se expande a una descripción completa antes del muestreo. -Vista previa del flujo de trabajo de FLUX 3 Image Klein Distilled de texto a imagen +Vista previa del flujo de trabajo de texto a imagen de FLUX 3 Image Klein Distilled @@ -70,18 +72,18 @@ Genera una imagen a partir de un prompt con el checkpoint destilado por pasos, q -1. Escribe tu prompt. La plantilla lo sobremuestrea primero, así que basta con una descripción corta -2. Define `steps` entre 4 y 16 (16 de forma predeterminada). El checkpoint destilado se ejecuta con `cfg` 1, así que aumentar `cfg` no ayuda -3. Elige un fotograma en `ResolutionSelector` +1. Escribe tu prompt. La plantilla lo amplía primero, así que basta con una descripción corta +2. Configura `steps` entre 4 y 16 (16 de forma predeterminada). El checkpoint destilado se ejecuta con `cfg` 1, así que aumentar `cfg` no ayuda +3. Elige un tamaño de `ResolutionSelector` 4. Haz clic en **Queue** para generar **Ejemplo de salida** -![Ejemplo de FLUX 3 Image Klein Distilled de texto a imagen](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_flux3_klein_distilled_t2i.png) +![Ejemplo de texto a imagen de FLUX 3 Image Klein Distilled](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_flux3_klein_distilled_t2i.png) ### FLUX 3 Image Klein: edición de imágenes {#image_flux3_klein_image_edit} -Edita una foto a partir de un prompt de instrucción, con la imagen original conectada como referencia. La instrucción reemplaza el contenido de la referencia: aquí el prompt cambia el color del vestido a rojo mientras todo lo demás se mantiene igual. +Edita una foto a partir de un prompt de instrucción, con la imagen original conectada como referencia. La instrucción reemplaza el contenido de la referencia: aquí el prompt cambia el color del vestido a rojo mientras todo lo demás permanece igual. Vista previa del flujo de trabajo de edición de imágenes de FLUX 3 Image Klein @@ -110,22 +112,22 @@ Sube este archivo al nodo `LoadImage` correspondiente: 1. Carga tu imagen fuente en el nodo `LoadImage` 2. Conéctala a `Set Reference Multi Latent`. La primera referencia es `` en el prompt, la siguiente es ``, y así sucesivamente -3. Escribe la edición como una descripción completa del resultado. En el ejemplo incluido el prompt es `In , change the dress color to red` +3. Escribe la edición como una descripción completa del resultado. En el ejemplo incluido, el prompt es `In , change the dress color to red` 4. Ajusta el lienzo con `Empty Flux 2 Latent` (1024 x 1024 en la plantilla) si quieres un tamaño de salida diferente -5. Haz clic en **Queue**. `ImageCompare` muestra la entrada y el resultado uno al lado del otro +5. Haz clic en **Queue**. `ImageCompare` muestra la entrada y el resultado en paralelo **Salida de ejemplo**
Imagen de entrada - Salida de ejemplo de edición de imágenes de FLUX 3 Image Klein + Ejemplo de salida de la edición de imágenes de FLUX 3 Image Klein
-### FLUX 3 Image Klein Distilled: Image Edit {#image_flux3_klein_distilled_image_edit} +### FLUX 3 Image Klein Distilled: edición de imágenes {#image_flux3_klein_distilled_image_edit} -Edita una imagen con el checkpoint destilado por pasos: una imagen de referencia, un prompt de instrucción, 16 pasos y sin orientación. +Edita una imagen con el checkpoint destilado en pasos: una imagen de referencia, un prompt de instrucción, 16 pasos y sin orientación. -Vista previa del flujo de trabajo de edición de imágenes FLUX 3 Image Klein Distilled +Vista previa del flujo de trabajo de edición de imágenes de FLUX 3 Image Klein Distilled @@ -142,7 +144,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: - nodo `LoadImage` 11 · `woman_gold_earring_teal_top_portrait.png` + Nodo `LoadImage` 11 · `woman_gold_earring_teal_top_portrait.png` @@ -151,21 +153,21 @@ Sube este archivo al nodo `LoadImage` correspondiente: 1. Carga la imagen que quieres editar y conéctala a `Set Reference Multi Latent` -2. Escribe el prompt de edición. El ejemplo incluido reemplaza un arete y describe el nuevo con detalle, incluido lo que no debe aparecer +2. Escribe el prompt de edición. El ejemplo incluido reemplaza un arete y describe el nuevo con detalle, incluyendo lo que no debe aparecer 3. Mantén `steps` en el rango de 4 a 16 y deja `cfg` en 1 4. Haz clic en **Queue** y compara la entrada con el resultado en `ImageCompare` -## Descargas de modelos de FLUX 3 Image Klein +## Descargas del modelo FLUX 3 Image Klein -Los pesos de FLUX 3 Klein están en el repositorio con acceso restringido [black-forest-labs/flux-3-image-klein-comfy](https://huggingface.co/black-forest-labs/flux-3-image-klein-comfy). Ábrelo, acepta el acuerdo de licencia y luego descarga los archivos. Las plantillas usan los checkpoints int8 (convrot) de un solo archivo; las versiones bf16 y nvfp4 de esos mismos checkpoints están en el mismo repositorio. +Los pesos de FLUX 3 Klein están en el repositorio con acceso restringido [black-forest-labs/flux-3-image-klein-comfy](https://huggingface.co/black-forest-labs/flux-3-image-klein-comfy). Ábrelo, acepta el acuerdo de licencia y luego descarga los archivos. Las plantillas usan los checkpoints de archivo único int8 (convrot); las versiones bf16 y nvfp4 de esos mismos checkpoints están en el mismo repositorio. -Las plantillas cargan las compilaciones int8 para mantener pequeño el consumo de memoria. Con más de 24 GB de VRAM, cambia a la compilación bf16 del mismo checkpoint (`flux3-image-klein-base-bf16.safetensors`, o `flux3-image-klein-bf16.safetensors` para el checkpoint destilado) y al upsampler de prompt bf16: siguen los prompts largos con más fidelidad. +Las plantillas cargan las compilaciones int8 para mantener pequeño el consumo de memoria. Si tienes más de 24 GB de VRAM, cambia a la compilación bf16 del mismo checkpoint (`flux3-image-klein-base-bf16.safetensors`, o `flux3-image-klein-bf16.safetensors` para el checkpoint destilado) y al upsampler de prompt bf16: siguen con más fidelidad los prompts largos. - Modelo de difusión, checkpoint completo de FLUX 3 Image Klein. Las plantillas de texto a imagen y de edición de imagen cargan este archivo. + Modelo de difusión, checkpoint completo de FLUX 3 Image Klein. Las plantillas de Texto a imagen y de edición de imagen cargan este archivo. Modelo de difusión, checkpoint destilado por pasos para 4 a 16 pasos. @@ -174,7 +176,7 @@ Las plantillas cargan las compilaciones int8 para mantener pequeño el consumo d Codificador de texto para ambos checkpoints. Cárgalo con `CLIPLoader` de tipo `flux3`. - Upsampler de prompt que usan las plantillas de texto a imagen. + Upsampler de prompt que usan las plantillas de Texto a imagen. VAE para FLUX 3 Klein. El VAE de FLUX.2. @@ -195,11 +197,10 @@ Las plantillas cargan las compilaciones int8 para mantener pequeño el consumo d │ └── 📂 vae/ │ └── flux2-vae.safetensors ``` - ## Consejos para prompts y referencias -- **Escribe el resultado, no el cambio.** Las plantillas de edición de imagen esperan una descripción completa de la imagen finalizada con la edición integrada, por eso los ejemplos describen el nuevo objeto en detalle en lugar de decir «cambia esto». -- **Las referencias se añaden a ambos conditioning.** Conecta imágenes adicionales a `Set Reference Multi Latent` en orden, llámalas ``, `` y así sucesivamente, y añade cada una tanto al prompt positivo como al negativo, igual que hace el pipeline de referencia. -- **El tamaño de la referencia es un control de costo.** Las plantillas redimensionan cada referencia a aproximadamente 1 megapíxel y el latente de salida toma ese tamaño. Mantener las referencias en su tamaño nativo, que es lo que hace el pipeline propio de Black Forest Labs hasta unos 16 megapíxeles, conserva más detalle en la edición a un costo mayor. -- **La cantidad de pasos depende del checkpoint.** El checkpoint completo se ejecuta con 50 pasos en las plantillas, con orientación 3.5 en texto a imagen y 1 en edición de imagen. El checkpoint destilado por pasos se ejecuta con 16 pasos y orientación fija en 1, y es el que debes usar cuando quieras una pasada rápida. -- **Las plantillas incluyen un nodo `Create Bounding Boxes`.** Dibuja cajas sobre la imagen fuente para planificar ediciones regionales, y su lista de cajas se muestra en el nodo `Preview Any` para que puedas integrar las regiones en el prompt. +- **Escribe el resultado, no el cambio.** Las plantillas de edición de imágenes esperan una descripción completa de la imagen final con la edición incorporada, y por eso los ejemplos describen el objeto nuevo en detalle en lugar de decir «cambia esto». +- **Las referencias se añaden a los dos conditioning.** Conecta imágenes adicionales a `Set Reference Multi Latent` en orden, refiérete a ellas como ``, `` y así sucesivamente, y añade cada una tanto al prompt positivo como al negativo, tal como lo hace el pipeline de referencia. +- **El tamaño de las referencias es un control de costo.** Las plantillas redimensionan cada referencia a aproximadamente 1 megapixel y el latente de salida toma ese tamaño. Mantener las referencias en su tamaño nativo, que es lo que hace el pipeline de Black Forest Labs hasta unos 16 megapíxeles, conserva más detalle en la edición a un costo mayor. +- **El número de pasos depende del checkpoint.** El checkpoint completo se ejecuta con 50 pasos en las plantillas, con orientación 3.5 en texto a imagen y 1 en edición de imagen. El checkpoint destilado por pasos se ejecuta con 16 pasos y la orientación fija en 1, y es el que debes usar cuando quieras una pasada rápida. +- **Las plantillas incluyen un nodo `Create Bounding Boxes`.** Dibuja cajas sobre la imagen fuente para planificar ediciones regionales, y su lista de cajas aparece en el nodo `Preview Any` para que puedas incorporar las regiones al prompt. diff --git a/es/tutorials/image/anima/anima.mdx b/es/tutorials/image/anima/anima.mdx index 21732d6b1c..1217d7c413 100644 --- a/es/tutorials/image/anima/anima.mdx +++ b/es/tutorials/image/anima/anima.mdx @@ -2,25 +2,27 @@ title: "Ejemplo de flujo de trabajo de Anima Base v1 en ComfyUI" description: "Anima es un modelo de texto a imagen de 2B parámetros de CircleStone Labs / Comfy Org, optimizado para generar ilustraciones anime y no fotorrealistas." sidebarTitle: "Anima Base v1" -translationSourceHash: a44df082 +translationSourceHash: fd32bd6f translationFrom: tutorials/image/anima/anima.mdx translationBlockHashes: "_intro": 8946174e "Available workflows": 0808b70c + "Anima model downloads": b7845ddf "Limitations": d56a055f --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -**Anima** es un modelo abierto de texto a imagen de [CircleStone Labs](https://huggingface.co/circlestone-labs/Anima) en colaboración con Comfy Org. Con **2 mil millones** de parámetros, está diseñado para generar imágenes de **anime y no fotorrealistas** de alta calidad, ideales para personajes, escenas y arte conceptual. +**Anima** es un modelo abierto de texto a imagen de [CircleStone Labs](https://huggingface.co/circlestone-labs/Anima) en colaboración con Comfy Org. Con **2 mil millones** de parámetros, está diseñado para generar imágenes de alta calidad de **anime y no fotorrealistas**, ideal para personajes, escenas y arte conceptual. **Aspectos destacados del modelo**: - **Enfoque en anime e ilustración artística**: ajustado para estilos de arte no fotorrealistas -- **Compatibilidad nativa con ComfyUI**: se carga con los nodos estándar UNETLoader, CLIPLoader y VAELoader -- **Codificador de texto Qwen-3 0.6B**: ofrece una sólida comprensión del lenguaje y adherencia al prompt +- **Soporte nativo en ComfyUI**: usa los nodos estándar UNETLoader, CLIPLoader y VAELoader +- **Codificador de texto Qwen-3 0.6B**: ofrece una sólida comprensión del lenguaje y una fuerte adherencia al prompt - **No se necesita imagen de entrada**: generación pura de texto a imagen -- **Tamaño compacto**: modelo de difusión de 2B, funciona sin problemas en GPUs de consumo +- **Tamaño compacto**: modelo de 2B basado en diffusion, funciona sin problemas en GPUs de consumo **Enlaces relacionados**: - [Hugging Face (Anima)](https://huggingface.co/circlestone-labs/Anima) @@ -31,11 +33,11 @@ Anima ofrece dos flujos de trabajo: la versión base para uso estándar y una ve Ambos flujos de trabajo usan un nodo **Subgraph** para gestionar el pipeline de generación de texto a imagen. Puedes abrir el subgrafo para inspeccionar o personalizar los nodos internos. - + Este flujo de trabajo usa nodos Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y extender el flujo de trabajo. -### Anima Base v1: Texto a imagen {#image_anima_base_v1} +### Anima Base v1: texto a imagen {#image_anima_base_v1} Introduce un prompt de texto que describa una ilustración de anime o artística. Genera una imagen no fotorrealista centrada en conceptos, personajes o estilos de anime. @@ -46,7 +48,7 @@ Introduce un prompt de texto que describa una ilustración de anime o artística Abrir en Comfy Cloud - Descarga el JSON o busca "Anima Base v1" en la biblioteca de plantillas + Descarga el JSON o busca "Anima Base v1" en Template Library @@ -59,9 +61,9 @@ Introduce un prompt de texto que describa una ilustración de anime o artística 1. Actualiza ComfyUI a la última versión o usa [Comfy Cloud](https://cloud.comfy.org/?template=image_anima_base_v1&utm_source=docs&utm_medium=referral&utm_campaign=anima) 2. Ve a **Template** y busca **Anima Base v1** 3. Selecciona el flujo de trabajo **Anima Base v1: Text to Image** -4. Descarga los modelos faltantes (consulta las [descargas de modelos](#descargas-de-modelos-de-anima)), introduce tu prompt y haz clic en **Queue** +4. Descarga los modelos faltantes (consulta las [descargas de modelos](#descargas-del-modelo-anima)), introduce tu prompt y haz clic en **Queue** -### Anima Preview: Generación de texto a imagen de anime {#image_anima_preview} +### Anima Preview: generación de texto a imagen de anime {#image_anima_preview} Introduce un prompt de texto para generar una imagen de estilo anime con el modelo Anima. Configura ajustes como los pasos y la escala CFG para controlar la salida. @@ -72,7 +74,7 @@ Introduce un prompt de texto para generar una imagen de estilo anime con el mode Abrir en Comfy Cloud - Descarga el JSON o busca "Anima Preview" en la biblioteca de plantillas + Descarga el JSON o busca "Anima Preview" en Template Library @@ -85,22 +87,22 @@ Introduce un prompt de texto para generar una imagen de estilo anime con el mode 1. Actualiza ComfyUI a la última versión o usa [Comfy Cloud](https://cloud.comfy.org/?template=image_anima_preview&utm_source=docs&utm_medium=referral&utm_campaign=anima) 2. Ve a **Template** y busca **Anima Preview** 3. Selecciona el flujo de trabajo **Anima Anime Text-to-Image Generation** -4. Descarga los modelos faltantes (consulta las [descargas de modelos](#descargas-de-modelos-de-anima)), introduce tu prompt y haz clic en **Queue** +4. Descarga los modelos faltantes (consulta las [descargas de modelos](#descargas-del-modelo-anima)), introduce tu prompt y haz clic en **Queue** -## Descargas de modelos de Anima +## Descargas del modelo Anima -Puedes encontrar todos los archivos del modelo en [circlestone-labs/Anima](https://huggingface.co/circlestone-labs/Anima), en Hugging Face. +Puedes encontrar todos los archivos del modelo en [circlestone-labs/Anima](https://huggingface.co/circlestone-labs/Anima) en Hugging Face. Modelo de difusión (2B) para Anima Base v1. - Codificador de texto (Qwen-3 0.6B) compartido por los dos flujos de trabajo. + Codificador de texto (Qwen-3 0.6B) compartido por ambos flujos de trabajo. - VAE compartido por los dos flujos de trabajo. + VAE compartido por ambos flujos de trabajo. **Ubicación de almacenamiento de los modelos** @@ -118,7 +120,7 @@ Puedes encontrar todos los archivos del modelo en [circlestone-labs/Anima](https ### Modelo de vista previa -Si usas el flujo de trabajo Preview, descarga en su lugar el modelo de difusión de vista previa: +Si usas el flujo de trabajo de Preview, descarga en su lugar el modelo de difusión de vista previa: Modelo de difusión (2B) para Anima Preview. @@ -132,7 +134,6 @@ Si usas el flujo de trabajo Preview, descarga en su lugar el modelo de difusión │ └── 📂 diffusion_models/ │ └── anima-preview3-base.safetensors ``` - ## Limitaciones - **Sin realismo**: el modelo está diseñado intencionalmente para estilos de anime e ilustración; las representaciones realistas quedan fuera de su alcance diff --git a/es/tutorials/image/ernie-image/ernie-image.mdx b/es/tutorials/image/ernie-image/ernie-image.mdx index fe2932942b..23867fda50 100644 --- a/es/tutorials/image/ernie-image/ernie-image.mdx +++ b/es/tutorials/image/ernie-image/ernie-image.mdx @@ -2,63 +2,67 @@ title: "Ejemplo de flujo de trabajo de ERNIE-Image en ComfyUI" description: "ERNIE-Image es el modelo texto a imagen Diffusion Transformer 8B de Baidu para ComfyUI, con renderizado de texto preciso y un Prompt Enhancer integrado." sidebarTitle: "ERNIE-Image" -translationSourceHash: 49d68941 +translationSourceHash: bb9c1c5c translationFrom: tutorials/image/ernie-image/ernie-image.mdx translationBlockHashes: "_intro": 070dc9dc + "ERNIE-Image text-to-image workflow": 0273e958 + "ERNIE-Image-Turbo": 7d92aa5d "Available models": 8043d3ec + "Examples": 0e2eb115 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' **ERNIE-Image** es un modelo de texto a imagen abierto de Baidu, con licencia Apache-2.0. Construido sobre un Diffusion Transformer (DiT) de **8B** parámetros, ofrece generación de imágenes de alta calidad con renderizado de texto preciso, un sólido seguimiento de instrucciones y generación visual estructurada. -El modelo incluye un **Prompt Enhancer** integrado (3B) que amplía entradas cortas y las convierte en prompts más ricos para obtener mejores resultados. +El modelo incluye un **Prompt Enhancer** integrado (3B) que amplía las entradas cortas y las convierte en prompts más ricos para obtener mejores resultados. **Aspectos destacados del modelo**: -- **Renderizado de texto preciso**: texto denso y sensible al diseño en inglés, chino y más idiomas -- **Sólido seguimiento de instrucciones**: maneja prompts complejos, relaciones entre varios objetos y descripciones con mucho conocimiento +- **Renderizado de texto preciso**: texto denso y sensible al diseño en inglés, chino y otros idiomas +- **Sólido seguimiento de instrucciones**: maneja prompts complejos, relaciones entre varios objetos y descripciones con mucho conocimiento específico - **Generación visual estructurada**: pósteres, storyboards de manga/anime, composiciones de varios paneles - **Amplio alcance estilístico**: desde fotografía realista hasta estética cinematográfica -- **Compacto y desplegable**: 8B parámetros, funciona con 24 GB de VRAM -- **Prompt Enhancer integrado**: modelo de 3B que amplía entradas cortas y las convierte en prompts más ricos +- **Compacto y fácil de desplegar**: 8B parámetros, funciona con 24 GB de VRAM +- **Prompt Enhancer integrado**: modelo de 3B que amplía las entradas cortas y las convierte en prompts más ricos **Enlaces relacionados**: - [Hugging Face (ERNIE-Image)](https://huggingface.co/Baidu/ERNIE-Image) - [Hugging Face (soporte de ComfyUI)](https://huggingface.co/Comfy-Org/ERNIE-Image) -## Flujo de trabajo de texto a imagen de ERNIE-Image +## Flujo de trabajo texto a imagen de ERNIE-Image -### Ernie Image: Text to Image {#image_ernie_image} +### Ernie Image: texto a imagen {#image_ernie_image} -Genera imágenes a partir de prompts de texto con el modelo ERNIE-Image. Introduce una descripción de texto para producir imágenes detalladas y estructuradas con una amplia variedad estilística. +Genera imágenes a partir de prompts de texto con el modelo ERNIE-Image. Ingresa una descripción de texto para producir visuales detallados y estructurados con una amplia variedad estilística. -Vista previa del flujo de trabajo de texto a imagen de ERNIE-Image +Vista previa del flujo de trabajo texto a imagen de ERNIE-Image Ejecuta este flujo de trabajo directamente en Comfy Cloud - Descarga el archivo JSON del flujo de trabajo de texto a imagen de ERNIE-Image + Descarga el archivo JSON del flujo de trabajo texto a imagen de ERNIE-Image -**Salida de ejemplo** +**Ejemplo de salida** ![Ejemplo de salida de ERNIE-Image](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_ernie_image.png) ### Empezar 1. Actualiza ComfyUI a la última versión o usa [Comfy Cloud](https://cloud.comfy.org/?template=image_ernie_image&utm_source=docs&utm_medium=referral&utm_campaign=ernie-image) -2. Ve a **Template** y busca **ERNIE-Image** +2. Ve a **Plantillas** y busca **ERNIE-Image** 3. Selecciona el flujo de trabajo **ERNIE-Image** -4. Descarga los modelos que falten, actualiza el prompt y haz clic en **Run** +4. Descarga los modelos faltantes, actualiza el prompt y haz clic en **Run** ### Descargas de modelos de ERNIE-Image -Todos los archivos de modelo reempaquetados están en [Comfy-Org/ERNIE-Image](https://huggingface.co/Comfy-Org/ERNIE-Image) en Hugging Face. +Puedes encontrar todos los archivos de modelo reempaquetados en [Comfy-Org/ERNIE-Image](https://huggingface.co/Comfy-Org/ERNIE-Image) en Hugging Face. @@ -88,19 +92,18 @@ Todos los archivos de modelo reempaquetados están en [Comfy-Org/ERNIE-Image](ht │ └── 📂 vae/ │ └── flux2-vae.safetensors ``` - ## ERNIE-Image-Turbo -[ERNIE-Image-Turbo](https://huggingface.co/Baidu/ERNIE-Image-Turbo) es una variante más rápida, optimizada con DMD y RL, que genera imágenes en solo **8 pasos** frente a los ~50 pasos que necesita el modelo estándar. +[ERNIE-Image-Turbo](https://huggingface.co/Baidu/ERNIE-Image-Turbo) es una variante más rápida optimizada con DMD y RL, que genera imágenes en solo **8 pasos** frente a los ~50 pasos que requiere el modelo estándar. -### Ernie Image Turbo: Text To Image {#image_ernie_image_turbo} +### ERNIE-Image-Turbo: texto a imagen {#image_ernie_image_turbo} -Genera imágenes a partir de prompts de texto con el modelo turbo ERNIE-Image. Introduce una descripción de texto y obtén una imagen de alta calidad con un renderizado de texto preciso. +Genera imágenes a partir de prompts de texto con el modelo turbo ERNIE-Image. Introduce una descripción de texto y recibe una imagen de alta calidad con un renderizado de texto preciso. Vista previa del flujo de trabajo de texto a imagen de ERNIE-Image-Turbo - + Ejecuta este flujo de trabajo directamente en Comfy Cloud @@ -110,9 +113,9 @@ Genera imágenes a partir de prompts de texto con el modelo turbo ERNIE-Image. I **Salida de ejemplo** -![Ejemplo de salida de ERNIE-Image-Turbo](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_ernie_image_turbo.png) +![Salida de ejemplo de ERNIE-Image-Turbo](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_ernie_image_turbo.png) -### Descargas de modelos de ERNIE-Image-Turbo +### Descargas del modelo ERNIE-Image-Turbo @@ -122,7 +125,7 @@ Genera imágenes a partir de prompts de texto con el modelo turbo ERNIE-Image. I Codificador de texto para ERNIE-Image-Turbo. - Codificador de texto del Prompt Enhancer para ERNIE-Image-Turbo. + Codificador de texto Prompt Enhancer para ERNIE-Image-Turbo. VAE para ERNIE-Image-Turbo. @@ -142,19 +145,18 @@ Genera imágenes a partir de prompts de texto con el modelo turbo ERNIE-Image. I │ └── 📂 vae/ │ └── flux2-vae.safetensors ``` - ## Modelos disponibles | Modelo | Descripción | Pasos de inferencia | Enlace | |-------|-------------|-----------------|------| -| ERNIE-Image | Modelo SFT principal: mayor calidad y fidelidad a las instrucciones | ~50 | [Hugging Face](https://huggingface.co/Baidu/ERNIE-Image) | -| ERNIE-Image-Turbo | Modelo Turbo optimizado con DMD y RL: generación más rápida | 8 | [Hugging Face](https://huggingface.co/Baidu/ERNIE-Image-Turbo) | +| ERNIE-Image | Modelo SFT principal: mejor calidad y fidelidad a las instrucciones | ~50 | [Hugging Face](https://huggingface.co/Baidu/ERNIE-Image) | +| ERNIE-Image-Turbo | Modelo turbo optimizado con DMD y RL: generación más rápida | 8 | [Hugging Face](https://huggingface.co/Baidu/ERNIE-Image-Turbo) | ## Ejemplos -### Renderizado de texto y diseños +### Renderizado de texto y composiciones de diseño -![Infografía del proceso de preparación del café](https://substack-post-media.s3.amazonaws.com/public/images/1cc1c3e6-e556-45b4-b6a9-205e5610d022_1360x768.png) +![Infografía del proceso de elaboración del café](https://substack-post-media.s3.amazonaws.com/public/images/1cc1c3e6-e556-45b4-b6a9-205e5610d022_1360x768.png) ```text @@ -171,7 +173,7 @@ The four corners of the image are decorated with hand-drawn coffee leaves and co ``` -![Ficha de aprendizaje de idioma con estilo ukiyo-e japonés](https://substack-post-media.s3.amazonaws.com/public/images/913c7f5e-f1fe-4f19-b811-ad777ed430b7_768x1360.png) +![Tarjeta de aprendizaje de idioma japonés estilo Ukiyo-e](https://substack-post-media.s3.amazonaws.com/public/images/913c7f5e-f1fe-4f19-b811-ad777ed430b7_768x1360.png) ```text @@ -193,7 +195,7 @@ Split-screen conceptual poster with vertical split composition, left half repres ### Estética cinematográfica y estilizada -![Escena de calle urbana de noche](https://substack-post-media.s3.amazonaws.com/public/images/d4f27467-4d1f-4f6d-8c15-ebc92983c29d_1360x768.png) +![Escena callejera urbana nocturna](https://substack-post-media.s3.amazonaws.com/public/images/d4f27467-4d1f-4f6d-8c15-ebc92983c29d_1360x768.png) ```text @@ -236,7 +238,7 @@ Panel 5: Monarch butterfly on a flower. Header: "MONARCH BUTTERFLY" Fact: "Migra ``` -![Página de cómic de 6 viñetas](https://substack-post-media.s3.amazonaws.com/public/images/adc8fe73-f431-4bdd-8578-1a18d717d4d7_1360x768.png) +![Página de cómic de 6 paneles](https://substack-post-media.s3.amazonaws.com/public/images/adc8fe73-f431-4bdd-8578-1a18d717d4d7_1360x768.png) ```text diff --git a/es/tutorials/image/hidream/hidream-e1.mdx b/es/tutorials/image/hidream/hidream-e1.mdx index 1316d37011..faea930271 100644 --- a/es/tutorials/image/hidream/hidream-e1.mdx +++ b/es/tutorials/image/hidream/hidream-e1.mdx @@ -2,18 +2,20 @@ title: "HiDream-E1 y E1.1 en ComfyUI: edición de imágenes por instrucciones" sidebarTitle: "HiDream-e1" description: "Edita imágenes con lenguaje natural con HiDream-E1 y E1.1 en ComfyUI. E1.1 mejora la calidad y se complementa con la generación texto a imagen de HiDream-I1." -translationSourceHash: 2f8a24fd +translationSourceHash: 0afdf711 translationFrom: tutorials/image/hidream/hidream-e1.mdx translationBlockHashes: "_intro": 6829ae90 + "HiDream E1 and E1.1 Workflow Related Models": f046f07a "HiDream E1.1 ComfyUI Native Workflow Example": a8994ce2 "HiDream E1 ComfyUI Native Workflow Example": 6a459f20 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' ![Demostración de HiDream-E1](https://raw.githubusercontent.com/HiDream-ai/HiDream-E1/refs/heads/main/assets/demo.jpg) -HiDream-E1 es un gran modelo interactivo de edición de imágenes que HiDream-ai publicó oficialmente como código abierto, construido a partir de HiDream-I1. +HiDream-E1 es un modelo grande e interactivo de edición de imágenes que HiDream-ai publicó oficialmente como código abierto, construido a partir de HiDream-I1. Te permite editar imágenes usando lenguaje natural. El modelo se distribuye bajo la [Licencia MIT](https://github.com/HiDream-ai/HiDream-E1?tab=MIT-1-ov-file), lo que permite usarlo en proyectos personales, investigación científica y aplicaciones comerciales. Combinado con el [hidream-i1](/es/tutorials/image/hidream/hidream-i1) publicado anteriormente, habilita **capacidades creativas que van desde la generación de imágenes hasta la edición**. @@ -27,16 +29,16 @@ Combinado con el [hidream-i1](/es/tutorials/image/hidream/hidream-i1) publicado -## Modelos relacionados con los flujos de trabajo de HiDream E1 y E1.1 +## Modelos relacionados para los flujos de trabajo de HiDream E1 y E1.1 -Todos los modelos que intervienen en esta guía están disponibles [aquí](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/tree/main/split_files). Salvo el modelo de difusión, E1 y E1.1 usan los mismos modelos. -Los archivos de flujo de trabajo correspondientes también incluyen la información de modelo pertinente. Puedes elegir descargar y guardar los modelos manualmente, o seguir las indicaciones del flujo de trabajo para descargarlos después de cargarlo. Se recomienda usar E1.1. +Todos los modelos que se usan en esta guía están disponibles [aquí](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/tree/main/split_files). Excepto por el modelo de difusión, E1 y E1.1 usan los mismos modelos. +Los archivos de flujo de trabajo correspondientes también incluyen la información de los modelos relevantes. Puedes descargar y guardar los modelos manualmente, o seguir las indicaciones del flujo de trabajo para descargarlos después de cargarlo. Se recomienda usar E1.1. -Este modelo necesita una gran cantidad de VRAM para ejecutarse. Consulta las secciones correspondientes para conocer los requisitos concretos de VRAM. +Este modelo requiere una gran cantidad de VRAM para ejecutarse. Consulta las secciones correspondientes para conocer los requisitos de VRAM específicos. **Modelo de difusión** -No es necesario descargar los dos modelos. Como E1.1 es una versión iterativa basada en E1, nuestras pruebas muestran que su calidad y rendimiento mejoran notablemente en comparación con E1. +No necesitas descargar ambos modelos. Como E1.1 es una versión iterativa basada en E1, nuestras pruebas muestran que su calidad y rendimiento mejoran significativamente en comparación con E1. - [hidream_e1_1_bf16.safetensors (Recomendado)](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_e1_1_bf16.safetensors) 34.2GB - [hidream_e1_full_bf16.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_e1_full_bf16.safetensors) 34.2GB @@ -49,9 +51,9 @@ No es necesario descargar los dos modelos. Como E1.1 es una versión iterativa b **VAE** - [ae.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/vae/ae.safetensors) 319.77MB -> Este es el modelo VAE de FLUX. Si ya has usado antes el flujo de trabajo de FLUX, es posible que ya tengas descargado este archivo. +> Este es el modelo VAE de FLUX. Si ya has usado el flujo de trabajo de FLUX, es posible que ya hayas descargado este archivo. -Ubicación de almacenamiento de los modelos +Ubicación donde guardar los modelos ``` 📂 ComfyUI/ @@ -67,8 +69,7 @@ Ubicación de almacenamiento de los modelos │ ├── hidream_e1_1_bf16.safetensors │ └── hidream_e1_full_bf16.safetensors ``` - -## Ejemplo de flujo de trabajo nativo de HiDream E1.1 en ComfyUI +## Ejemplo de flujo de trabajo nativo de ComfyUI con HiDream E1.1 ### Edición de imágenes con HiDream E1.1 {#hidream_e1_1} @@ -101,10 +102,10 @@ Sube este archivo al nodo `LoadImage` correspondiente: ### 1. Flujo de trabajo de HiDream E1.1 y materiales relacionados -Descarga la imagen de abajo y arrástrala a ComfyUI con el flujo de trabajo y los modelos correspondientes cargados: +Descarga la imagen a continuación y arrástrala a ComfyUI con el flujo de trabajo y los modelos correspondientes cargados: ![Flujo de trabajo de HiDream E1.1](https://raw.githubusercontent.com/Comfy-Org/example_workflows/refs/heads/main/image/hidream/e1.1/hidream_e1_1.png) -Descarga la imagen de abajo como entrada: +Descarga la imagen a continuación como entrada: ![Entrada del flujo de trabajo de HiDream E1.1](https://raw.githubusercontent.com/Comfy-Org/example_workflows/refs/heads/main/image/hidream/e1.1/input.webp) ### 2. Guía paso a paso para ejecutar el flujo de trabajo de HiDream-e1 @@ -118,15 +119,15 @@ Sigue estos pasos para ejecutar el flujo de trabajo: - t5xxl_fp8_e4m3fn_scaled.safetensors - llama_3.1_8b_instruct_fp8_scaled.safetensors 3. Asegúrate de que el nodo `Load VAE` use el archivo `ae.safetensors`. -4. En el nodo `Load Image`, carga la imagen de entrada proporcionada o la imagen que desees. -5. En el nodo `Empty Text Encoder(Positive)`, escribe **las modificaciones que quieres hacer a la imagen**. -6. En el nodo `Empty Text Encoder(Negative)`, escribe **el contenido que no quieres que aparezca en la imagen**. -7. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de la imagen. +4. En el nodo `Load Image`, carga la entrada proporcionada o la imagen que desees. +5. En el nodo `Empty Text Encoder(Positive)`, ingresa **las modificaciones que quieres hacer a la imagen**. +6. En el nodo `Empty Text Encoder(Negative)`, ingresa **el contenido que no quieres que aparezca en la imagen**. +7. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de imágenes. ### 3. Notas adicionales sobre el flujo de trabajo -- Como HiDream E1.1 admite entrada dinámica con un total de 1 millón de píxeles, el flujo de trabajo usa `Scale Image to Total Pixels` para procesar y convertir todas las imágenes de entrada, lo que puede hacer que la relación de aspecto difiera de la imagen de entrada original. -- Al usar la versión fp16 del modelo, en las pruebas reales la versión completa agotó la memoria tanto en una A100 de 40 GB como en una 4090D de 24 GB, por lo que el flujo de trabajo está configurado por defecto para usar `fp8_e4m3fn_fast` en la inferencia. +- Como HiDream E1.1 admite entradas dinámicas con un total de 1 millón de píxeles, el flujo de trabajo usa `Scale Image to Total Pixels` para procesar y convertir todas las imágenes de entrada, lo que puede hacer que la relación de aspecto difiera de la imagen de entrada original. +- Al usar la versión fp16 del modelo, en pruebas reales la versión completa se quedó sin memoria tanto en una A100 de 40 GB como en una 4090D de 24 GB, así que el flujo de trabajo está configurado por defecto para usar `fp8_e4m3fn_fast` en la inferencia. ## Ejemplo de flujo de trabajo nativo de HiDream E1 en ComfyUI @@ -141,7 +142,7 @@ Edita imágenes con HiDream E1. Modelo profesional de edición de imágenes con Abrir en Comfy Cloud - Descarga el JSON o busca "HiDream E1 Full" en la biblioteca de plantillas + Descarga el JSON o busca "HiDream E1 Full" en la Biblioteca de plantillas @@ -169,19 +170,19 @@ Sube este archivo al nodo `LoadImage` correspondiente: E1 es un modelo publicado el 28 de abril de 2025. -Como referencia, este flujo de trabajo tarda unos 500s en la primera ejecución y 370s en la segunda, con 28 pasos de muestreo en Google Colab L4 con 22.5GB de VRAM. +A modo de referencia, este flujo de trabajo tarda unos 500 s en la primera ejecución y 370 s en la segunda, con 28 pasos de muestreo en Google Colab L4 con 22.5 GB de VRAM. ### 1. Flujo de trabajo de HiDream-e1 -Descarga la imagen de abajo y arrástrala a ComfyUI. El flujo de trabajo ya contiene la información de descarga de los modelos y, tras cargarla, te pedirá que descargues los modelos correspondientes. +Descarga la imagen de abajo y arrástrala a ComfyUI. El flujo de trabajo ya incluye la información de descarga de los modelos y, después de cargarlo, te pedirá que descargues los modelos correspondientes. ![Flujo de trabajo nativo de HiDream-e1 en ComfyUI](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hidream_e1/hidream_e1_full.png) -Descarga esta imagen a continuación como entrada: +Descarga esta imagen de abajo para usarla como entrada: ![Entrada del flujo de trabajo nativo de HiDream-e1 en ComfyUI](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hidream_e1/input.webp) -### 2. Completar el flujo de trabajo de HiDream-e1 paso a paso +### 2. Completa el flujo de trabajo de HiDream-e1 paso a paso ![hidream_e1_full_step_guide](/images/tutorial/advanced/hidream/hidream_e1_full_step_guide.jpg) @@ -193,12 +194,12 @@ Sigue estos pasos para completar el flujo de trabajo: - t5xxl_fp8_e4m3fn_scaled.safetensors - llama_3.1_8b_instruct_fp8_scaled.safetensors 3. Asegúrate de que el nodo `Load VAE` use el archivo `ae.safetensors` -4. Carga la imagen de entrada que descargamos antes en el nodo `Load Image` -5. (Importante) Introduce **el prompt para indicar cómo quieres modificar la imagen** en el nodo `Empty Text Encoder(Positive)` -6. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para generar la imagen +4. Carga en el nodo `Load Image` la imagen de entrada que descargamos antes +5. (Importante) Introduce **el prompt de cómo quieres modificar la imagen** en el nodo `Empty Text Encoder(Positive)` +6. Haz clic en el botón `Run`, o usa el atajo `Ctrl(cmd) + Enter`, para generar la imagen ### Notas adicionales sobre el flujo de trabajo de HiDream-e1 en ComfyUI - Es posible que tengas que modificar el prompt varias veces o generar varias veces para obtener mejores resultados -- Este modelo tiene dificultades para mantener la consistencia al cambiar el estilo de las imágenes, así que intenta que tus prompts sean lo más completos posible -- Como el modelo admite una resolución de 768*768, en las pruebas reales con otras dimensiones el rendimiento de la imagen es deficiente o incluso notablemente distinto en otras dimensiones +- Este modelo tiene dificultades para mantener la coherencia al cambiar el estilo de la imagen, así que intenta que tus prompts sean lo más completos posible +- Como el modelo admite una resolución de 768*768, en pruebas reales con otras dimensiones el rendimiento de la imagen es deficiente o incluso notablemente distinto con otras dimensiones diff --git a/es/tutorials/image/hidream/hidream-i1.mdx b/es/tutorials/image/hidream/hidream-i1.mdx index c086c039ea..da7abb6f44 100644 --- a/es/tutorials/image/hidream/hidream-i1.mdx +++ b/es/tutorials/image/hidream/hidream-i1.mdx @@ -2,17 +2,19 @@ title: "Ejemplo de flujo de trabajo de texto a imagen con HiDream-I1 nativo de ComfyUI" sidebarTitle: "HiDream-I1" description: "Guía paso a paso para completar un ejemplo de flujo de trabajo de texto a imagen con HiDream-I1 nativo de ComfyUI" -translationSourceHash: 5a7d8ea0 +translationSourceHash: 3fdbf410 translationFrom: tutorials/image/hidream/hidream-i1.mdx translationBlockHashes: "_intro": 59935bb2 "Model Features": 3ec455b0 "About This Workflow Example": 90c5d2b3 + "HiDream-I1 Workflow": 1c05160f "Other Related Resources": e794d9ef --- + ![HiDream-I1 Demo](https://raw.githubusercontent.com/HiDream-ai/HiDream-I1/main/assets/demo.jpg) -HiDream-I1 es un modelo de texto a imagen publicado como código abierto oficialmente por HiDream-ai el 7 de abril de 2025. El modelo tiene 17B parámetros y se distribuye bajo la [licencia MIT](https://github.com/HiDream-ai/HiDream-I1/blob/main/LICENSE), lo que permite su uso en proyectos personales, investigación científica y uso comercial. +HiDream-I1 es un modelo de texto a imagen que HiDream-ai publicó como código abierto el 7 de abril de 2025. El modelo tiene 17B parámetros y se distribuye bajo la [licencia MIT](https://github.com/HiDream-ai/HiDream-I1/blob/main/LICENSE), lo que permite su uso en proyectos personales, investigación científica y uso comercial. Actualmente ofrece un rendimiento excelente en múltiples pruebas de referencia. ## Características del modelo @@ -36,53 +38,52 @@ HiDream-ai ofrece tres versiones del modelo HiDream-I1 para cubrir distintas nec | Nombre del modelo | Descripción | Pasos de inferencia | Enlace al repositorio | |-----------------|----------------|-----------------|------------------------------------------------------------------------| | HiDream-I1-Full | Versión completa | 50 | [🤗 HiDream-I1-Full](https://huggingface.co/HiDream-ai/HiDream-I1-Full)| -| HiDream-I1-Dev | Dev destilada | 28 | [🤗 HiDream-I1-Dev](https://huggingface.co/HiDream-ai/HiDream-I1-Dev) | -| HiDream-I1-Fast | Fast destilada | 16 | [🤗 HiDream-I1-Fast](https://huggingface.co/HiDream-ai/HiDream-I1-Fast)| +| HiDream-I1-Dev | Versión dev destilada | 28 | [🤗 HiDream-I1-Dev](https://huggingface.co/HiDream-ai/HiDream-I1-Dev) | +| HiDream-I1-Fast | Versión fast destilada | 16 | [🤗 HiDream-I1-Fast](https://huggingface.co/HiDream-ai/HiDream-I1-Fast)| ## Acerca de este ejemplo de flujo de trabajo En este ejemplo, usaremos la versión reempaquetada de ComfyOrg. Puedes encontrar todos los archivos de modelo que usaremos en este ejemplo en el repositorio [HiDream-I1_ComfyUI](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/). -Antes de comenzar, actualiza la versión de ComfyUI y asegúrate de que sea al menos posterior a este [commit](https://github.com/Comfy-Org/ComfyUI/commit/9ad792f92706e2179c58b2e5348164acafa69288) para que tu ComfyUI tenga soporte nativo para HiDream. +Antes de comenzar, actualiza tu versión de ComfyUI y asegúrate de que sea al menos posterior a este [commit](https://github.com/Comfy-Org/ComfyUI/commit/9ad792f92706e2179c58b2e5348164acafa69288) para que tu ComfyUI tenga soporte nativo para HiDream. ## Flujo de trabajo de HiDream-I1 -Los requisitos de modelo de los distintos flujos de trabajo nativos de HiDream-I1 en ComfyUI son básicamente los mismos; solo cambian los archivos de [modelos de difusión](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/tree/main/split_files/diffusion_models). +Los requisitos de modelo para los distintos flujos de trabajo nativos de HiDream-I1 en ComfyUI son básicamente los mismos; solo cambian los archivos de [modelos de difusión](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/tree/main/split_files/diffusion_models). -Si no sabes qué versión elegir, consulta las siguientes recomendaciones: +Si no sabes qué versión elegir, consulta las siguientes sugerencias: -- **HiDream-I1-Full** puede generar las imágenes de mayor calidad +- **HiDream-I1-Full** puede generar imágenes de la más alta calidad - **HiDream-I1-Dev** equilibra la generación de imágenes de alta calidad con la velocidad -- **HiDream-I1-Fast** puede generar imágenes en solo 16 pasos, ideal para casos que requieren iteración en tiempo real +- **HiDream-I1-Fast** puede generar imágenes en solo 16 pasos, ideal para escenarios que requieren iteración en tiempo real -En las versiones **dev** y **fast** no hacen falta prompts negativos, así que establece el parámetro `cfg` en `1.0` durante el muestreo. Hemos anotado los ajustes de parámetros correspondientes en los flujos de trabajo relevantes. +Para las versiones **dev** y **fast** no se necesitan prompts negativos, así que configura el parámetro `cfg` en `1.0` durante el muestreo. Hemos anotado las configuraciones de parámetros correspondientes en los flujos de trabajo relevantes. -Las versiones completas de las tres variantes requieren mucha VRAM: puede que necesites más de 27 GB para ejecutarlas con fluidez. En los tutoriales de los flujos de trabajo correspondientes, -usaremos la versión **fp8** como ejemplo de demostración para asegurarnos de que la mayoría de los usuarios puedan ejecutarla sin problemas. -Aun así, seguiremos incluyendo enlaces de descarga de las distintas versiones del modelo en los ejemplos correspondientes, y puedes elegir el archivo adecuado según tu VRAM. +Las versiones full de las tres variantes requieren mucha VRAM: es posible que necesites más de 27 GB de VRAM para ejecutarlas sin problemas. En los tutoriales de los flujos de trabajo correspondientes usaremos la versión **fp8** como ejemplo de demostración, para que la mayoría de los usuarios pueda ejecutarla sin problemas. +Sin embargo, en los ejemplos correspondientes seguiremos proporcionando enlaces de descarga de las distintas versiones del modelo, y puedes elegir el archivo adecuado según tu situación de VRAM. -### Instalación de los modelos +### Instalar los modelos -Los siguientes archivos de modelo son los archivos comunes que vamos a usar. -Haz clic en los enlaces correspondientes para descargarlos y guárdalos según la ubicación de guardado de los archivos de modelo. -Te guiaremos para descargar los **modelos de difusión** correspondientes en cada flujo de trabajo. +Los siguientes archivos de modelo son archivos comunes que vamos a usar. +Haz clic en los enlaces correspondientes para descargarlos y guardarlos según la ubicación de guardado de los archivos de modelo. +En los flujos de trabajo correspondientes te guiaremos para descargar los **modelos de difusión** correspondientes. -**text_encoders**: +**text_encoders**: - [clip_l_hidream.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/text_encoders/clip_l_hidream.safetensors) - [clip_g_hidream.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/text_encoders/clip_g_hidream.safetensors) -- [t5xxl_fp8_e4m3fn_scaled.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/text_encoders/t5xxl_fp8_e4m3fn_scaled.safetensors) Este modelo se ha usado en muchos flujos de trabajo, así que es posible que ya hayas descargado este archivo. +- [t5xxl_fp8_e4m3fn_scaled.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/text_encoders/t5xxl_fp8_e4m3fn_scaled.safetensors) Este modelo se ha usado en muchos flujos de trabajo, es posible que ya hayas descargado este archivo. - [llama_3.1_8b_instruct_fp8_scaled.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/text_encoders/llama_3.1_8b_instruct_fp8_scaled.safetensors) **VAE** -- [ae.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/vae/ae.safetensors) Este es el modelo VAE de Flux; si has usado antes un flujo de trabajo de Flux, es posible que ya hayas descargado este archivo. +- [ae.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/vae/ae.safetensors) Este es el modelo VAE de Flux; si has usado antes el flujo de trabajo de Flux, es posible que ya hayas descargado este archivo. -**Modelos de difusión** -Te guiaremos para descargar los archivos de modelo correspondientes en cada flujo de trabajo. +**modelos de difusión** +Te guiaremos para descargar los archivos de modelo correspondientes en los flujos de trabajo correspondientes. Ubicación de guardado de los archivos de modelo ``` @@ -98,17 +99,18 @@ Ubicación de guardado de los archivos de modelo │ └── 📂 diffusion_models/ │ └── ... # We will guide you to install in the corresponding version workflow ``` -### Flujo de trabajo de la versión Full de HiDream I1 + +### Flujo de trabajo de la versión completa de HiDream I1 ### HiDream I1 Full {#hidream_i1_full} -Genera imágenes con HiDream I1 Full. Versión completa con 50 pasos de inferencia para obtener la máxima calidad. +Genera imágenes con HiDream I1 Full. Versión completa con 50 pasos de inferencia para obtener la máxima calidad de salida. Vista previa del flujo de trabajo HiDream I1 Full - Ejecuta este flujo de trabajo en Comfy Cloud sin configurar nada + Ejecuta este flujo de trabajo en Comfy Cloud sin ninguna configuración Descarga el archivo JSON del flujo de trabajo @@ -117,39 +119,39 @@ Genera imágenes con HiDream I1 Full. Versión completa con 50 pasos de inferenc **Salida de ejemplo** -![Ejemplo de salida de HiDream I1 Full](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/hidream_i1_full.png) +![Salida de ejemplo de HiDream I1 Full](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/hidream_i1_full.png) -#### 1. Descarga del archivo de modelo +#### 1. Descargar el archivo del modelo -Elige la versión adecuada según tu hardware. Haz clic en el enlace y descarga el archivo de modelo correspondiente para guardarlo en la carpeta `ComfyUI/models/diffusion_models/`. +Selecciona la versión adecuada según tu hardware. Haz clic en el enlace y descarga el archivo de modelo correspondiente para guardarlo en la carpeta `ComfyUI/models/diffusion_models/`. - Versión FP8: [hidream_i1_full_fp8.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_full_fp8.safetensors?download=true) requiere más de 16 GB de VRAM - Versión completa: [hidream_i1_full_f16.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_full_fp16.safetensors?download=true) requiere más de 27 GB de VRAM -#### 2. Descarga del archivo de flujo de trabajo +#### 2. Descargar el archivo del flujo de trabajo Descarga la imagen de abajo y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente -![Flujo de trabajo de la versión Full de HiDream-I1](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hidream_i1/hidream_i1_full.png) +![Flujo de trabajo de la versión completa de HiDream-I1](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hidream_i1/hidream_i1_full.png) -#### 3. Completa el flujo de trabajo paso a paso +#### 3. Completar el flujo de trabajo paso a paso -![Diagrama de flujo de la versión Full de HiDream-I1](/images/tutorial/advanced/hidream/hidream_i1_full_flow_diagram.jpg) +![Diagrama de flujo de la versión completa de HiDream-I1](/images/tutorial/advanced/hidream/hidream_i1_full_flow_diagram.jpg) Completa la ejecución del flujo de trabajo paso a paso 1. Asegúrate de que el nodo `Load Diffusion Model` esté usando el archivo `hidream_i1_full_fp8.safetensors` -2. Asegúrate de que los cuatro codificadores de texto correspondientes de `QuadrupleCLIPLoader` estén cargados correctamente +2. Asegúrate de que los cuatro text encoders correspondientes en `QuadrupleCLIPLoader` estén cargados correctamente - clip_l_hidream.safetensors - clip_g_hidream.safetensors - t5xxl_fp8_e4m3fn_scaled.safetensors - llama_3.1_8b_instruct_fp8_scaled.safetensors 3. Asegúrate de que el nodo `Load VAE` esté usando el archivo `ae.safetensors` -4. Para la versión **full**, debes establecer el parámetro `shift` de `ModelSamplingSD3` en `3.0` -5. Para el nodo `Ksampler`, debes hacer los siguientes ajustes +4. Para la versión **completa**, debes establecer el parámetro `shift` en `ModelSamplingSD3` a `3.0` +5. Para el nodo `Ksampler`, debes aplicar las siguientes configuraciones - Establece `steps` en `50` - Establece `cfg` en `5.0` - (Opcional) Establece `sampler` en `lcm` - (Opcional) Establece `scheduler` en `normal` -6. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de imágenes +6. Haz clic en el botón `Run`, o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de la imagen ### Flujo de trabajo de la versión Dev de HiDream-I1 @@ -161,7 +163,7 @@ Genera imágenes con HiDream I1 Dev. Versión equilibrada con 28 pasos de infere - Ejecuta este flujo de trabajo en Comfy Cloud sin configurar nada + Ejecuta este flujo de trabajo en Comfy Cloud sin configuración previa Descarga el archivo JSON del flujo de trabajo @@ -170,49 +172,49 @@ Genera imágenes con HiDream I1 Dev. Versión equilibrada con 28 pasos de infere **Salida de ejemplo** -![Ejemplo de salida de HiDream I1 Dev](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/hidream_i1_dev.png) +![Salida de ejemplo de HiDream I1 Dev](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/hidream_i1_dev.png) -#### 1. Descarga del archivo de modelo -Elige la versión adecuada según tu hardware, haz clic en el enlace y descarga el archivo de modelo correspondiente para guardarlo en la carpeta `ComfyUI/models/diffusion_models/`. +#### 1. Descargar los archivos de modelo +Selecciona la versión adecuada según tu hardware, haz clic en el enlace y descarga el archivo de modelo correspondiente para guardarlo en la carpeta `ComfyUI/models/diffusion_models/`. -- Versión FP8: [hidream_i1_dev_fp8.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_dev_fp8.safetensors?download=true) requiere más de 16 GB de VRAM -- Versión completa: [hidream_i1_dev_bf16.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_dev_bf16.safetensors?download=true) requiere más de 27 GB de VRAM +- Versión FP8: [hidream_i1_dev_fp8.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_dev_fp8.safetensors?download=true) requiere más de 16GB de VRAM +- Versión completa: [hidream_i1_dev_bf16.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_dev_bf16.safetensors?download=true) requiere más de 27GB de VRAM -#### 2. Descarga del archivo de flujo de trabajo +#### 2. Descargar el archivo del flujo de trabajo Descarga la imagen de abajo y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente ![Flujo de trabajo de la versión Dev de HiDream-I1](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hidream_i1/hidream_i1_dev.png) -#### 3. Completa el flujo de trabajo paso a paso +#### 3. Completar el flujo de trabajo paso a paso ![Diagrama de flujo de la versión Dev de HiDream-I1](/images/tutorial/advanced/hidream/hidream_i1_dev_flow_diagram.jpg) Completa la ejecución del flujo de trabajo paso a paso 1. Asegúrate de que el nodo `Load Diffusion Model` esté usando el archivo `hidream_i1_dev_fp8.safetensors` -2. Asegúrate de que los cuatro codificadores de texto correspondientes de `QuadrupleCLIPLoader` estén cargados correctamente +2. Asegúrate de que los cuatro codificadores de texto correspondientes en `QuadrupleCLIPLoader` estén cargados correctamente - clip_l_hidream.safetensors - clip_g_hidream.safetensors - t5xxl_fp8_e4m3fn_scaled.safetensors - llama_3.1_8b_instruct_fp8_scaled.safetensors 3. Asegúrate de que el nodo `Load VAE` esté usando el archivo `ae.safetensors` 4. Para la versión **dev**, debes establecer el parámetro `shift` de `ModelSamplingSD3` en `6.0` -5. Para el nodo `Ksampler`, debes hacer los siguientes ajustes +5. Para el nodo `Ksampler`, debes aplicar las siguientes configuraciones - Establece `steps` en `28` - (Importante) Establece `cfg` en `1.0` - (Opcional) Establece `sampler` en `lcm` - (Opcional) Establece `scheduler` en `normal` -6. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de imágenes +6. Haz clic en el botón `Run`, o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de la imagen -### Flujo de trabajo de la versión Fast de HiDream-I1 +### Flujo de trabajo de la versión rápida de HiDream-I1 ### HiDream I1 Fast {#hidream_i1_fast} -Genera imágenes rápidamente con HiDream I1 Fast. Versión ligera con 16 pasos de inferencia, ideal para previsualizaciones rápidas en hardware modesto. +Genera imágenes rápidamente con HiDream I1 Fast. Es una versión ligera con 16 pasos de inferencia, ideal para vistas previas rápidas en hardware de gama baja. Vista previa del flujo de trabajo HiDream I1 Fast - Ejecuta este flujo de trabajo en Comfy Cloud sin configurar nada + Ejecuta este flujo de trabajo en Comfy Cloud sin configuración Descarga el archivo JSON del flujo de trabajo @@ -221,39 +223,38 @@ Genera imágenes rápidamente con HiDream I1 Fast. Versión ligera con 16 pasos **Salida de ejemplo** -![Ejemplo de salida de HiDream I1 Fast](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/hidream_i1_fast.png) +![Salida de ejemplo de HiDream I1 Fast](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/hidream_i1_fast.png) -#### 1. Descarga del archivo de modelo -Elige la versión adecuada según tu hardware, haz clic en el enlace y descarga el archivo de modelo correspondiente para guardarlo en la carpeta `ComfyUI/models/diffusion_models/`. +#### 1. Descargar el archivo del modelo +Selecciona la versión adecuada según tu hardware, haz clic en el enlace y descarga el archivo del modelo correspondiente para guardarlo en la carpeta `ComfyUI/models/diffusion_models/`. -- Versión FP8: [hidream_i1_fast_fp8.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_fast_fp8.safetensors?download=true) requiere más de 16 GB de VRAM -- Versión completa: [hidream_i1_fast_bf16.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_fast_bf16.safetensors?download=true) requiere más de 27 GB de VRAM +- Versión FP8: [hidream_i1_fast_fp8.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_fast_fp8.safetensors?download=true) requiere más de 16GB de VRAM +- Versión completa: [hidream_i1_fast_bf16.safetensors](https://huggingface.co/Comfy-Org/HiDream-I1_ComfyUI/blob/main/split_files/diffusion_models/hidream_i1_fast_bf16.safetensors?download=true) requiere más de 27GB de VRAM -#### 2. Descarga del archivo de flujo de trabajo -Descarga la imagen de abajo y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente +#### 2. Descargar el archivo del flujo de trabajo +Descarga la imagen de abajo y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente. ![Flujo de trabajo de la versión Fast de HiDream-I1](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hidream_i1/hidream_i1_fast.png) -#### 3. Completa el flujo de trabajo paso a paso +#### 3. Completar el flujo de trabajo paso a paso ![Diagrama de flujo de la versión Fast de HiDream-I1](/images/tutorial/advanced/hidream/hidream_i1_fast_flow_diagram.jpg) Completa la ejecución del flujo de trabajo paso a paso 1. Asegúrate de que el nodo `Load Diffusion Model` esté usando el archivo `hidream_i1_fast_fp8.safetensors` -2. Asegúrate de que los cuatro codificadores de texto correspondientes de `QuadrupleCLIPLoader` estén cargados correctamente +2. Asegúrate de que los cuatro codificadores de texto correspondientes en `QuadrupleCLIPLoader` estén cargados correctamente - clip_l_hidream.safetensors - clip_g_hidream.safetensors - t5xxl_fp8_e4m3fn_scaled.safetensors - llama_3.1_8b_instruct_fp8_scaled.safetensors 3. Asegúrate de que el nodo `Load VAE` esté usando el archivo `ae.safetensors` 4. Para la versión **fast**, debes establecer el parámetro `shift` de `ModelSamplingSD3` en `3.0` -5. Para el nodo `Ksampler`, debes hacer los siguientes ajustes +5. Para el nodo `Ksampler`, debes aplicar las siguientes configuraciones - Establece `steps` en `16` - (Importante) Establece `cfg` en `1.0` - (Opcional) Establece `sampler` en `lcm` - (Opcional) Establece `scheduler` en `normal` -6. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de imágenes - +6. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la generación de la imagen ## Otros recursos relacionados ### Modelos en versión GGUF @@ -261,7 +262,7 @@ Completa la ejecución del flujo de trabajo paso a paso - [HiDream-I1-Full-gguf](https://huggingface.co/city96/HiDream-I1-Full-gguf) - [HiDream-I1-Dev-gguf](https://huggingface.co/city96/HiDream-I1-Dev-gguf) -Debes usar el nodo “Unet Loader (GGUF)” de [ComfyUI-GGUF](https://github.com/city96/ComfyUI-GGUF) de City96 para reemplazar el nodo “Load Diffusion Model”. +Debes usar el nodo `Unet Loader (GGUF)` de [ComfyUI-GGUF](https://github.com/city96/ComfyUI-GGUF) de City96 para reemplazar el nodo `Load Diffusion Model`. ### Modelos en versión NF4 - [HiDream-I1-nf4](https://github.com/hykilpikonna/HiDream-I1-nf4) diff --git a/es/tutorials/image/krea/krea-2.mdx b/es/tutorials/image/krea/krea-2.mdx index 51df01f91c..2780c220f5 100644 --- a/es/tutorials/image/krea/krea-2.mdx +++ b/es/tutorials/image/krea/krea-2.mdx @@ -2,21 +2,24 @@ title: "Ejemplo de flujo de trabajo de Krea-2 en ComfyUI" description: "Krea 2 es un modelo de texto a imagen diseñado para lograr alta calidad estética y diversidad estilística. Viene en dos variantes: RAW (base) y Turbo (destilada)." sidebarTitle: "Krea 2" -translationSourceHash: e58c16b2 +translationSourceHash: a1a40706 translationFrom: tutorials/image/krea/krea-2.mdx translationBlockHashes: "_intro": 7dcc4be5 "Watch the Launch Event": 5863543e "Available Model Weights": 39b56045 + "Krea-2 Turbo text-to-image workflow": 3f9e59bc + "Krea-2 Turbo style reference workflow": cd74e362 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" **Krea 2** es un modelo de generación de imágenes de [Krea AI](https://www.krea.ai), entrenado desde cero y enfocado en la exploración creativa y estilística. -Krea 2 se distribuye como dos modelos diseñados para trabajar juntos: **entrena LoRAs en RAW y ejecuta la inferencia en Turbo**: -- **Krea 2 RAW**: el modelo base con muestreo de pasos completos (52 pasos). Sin destilación, diverso y altamente moldeable, ideal para ajuste fino y entrenamiento de LoRA. +Krea 2 se distribuye como dos modelos diseñados para trabajar juntos: **entrena tus LoRA en RAW y ejecuta la inferencia en Turbo**: +- **Krea 2 RAW**: el modelo base con muestreo de pasos completos (52 pasos). Sin destilación, diverso y muy moldeable, ideal para el ajuste fino y el entrenamiento de LoRA. - **Krea 2 Turbo**: un checkpoint destilado de 8 pasos para una generación rápida y de alta calidad. Los LoRA entrenados en RAW se aplican sin problemas a Turbo. **Licencia**: [Krea AI Community License](https://www.krea.ai/krea-2-licensing) @@ -30,8 +33,8 @@ Para aprender más acerca de Krea 2, la historia detrás de su desarrollo, sus c ## Pesos de modelo disponibles Krea 2 está disponible en dos variantes: -- **Krea 2 RAW**: el modelo base con muestreo de pasos completos (52 pasos). Diseñado para ofrecer diversidad y flexibilidad; ideal para fine-tuning y entrenamiento de LoRA. -- **Krea 2 Turbo**: un checkpoint destilado de 8 pasos creado para una generación rápida y de alta calidad. Los LoRA entrenados en RAW se aplican sin problemas en Turbo. +- **Krea 2 RAW**: el modelo base con muestreo de pasos completos (52 pasos). Diseñado para la diversidad y la maleabilidad; ideal para fine-tuning y entrenamiento de LoRA. +- **Krea 2 Turbo**: un checkpoint destilado de 8 pasos creado para una generación rápida y de alta calidad. Los LoRA entrenados en RAW se aplican sin problemas a Turbo. **Enlaces relacionados**: - [Krea 2 en Hugging Face (RAW)](https://huggingface.co/krea/Krea-2-Raw) @@ -41,13 +44,13 @@ Krea 2 está disponible en dos variantes: - [Guías de prompting](https://github.com/krea-ai/krea-2/blob/main/docs/prompting.md) - [Informe técnico](https://www.krea.ai/blog/krea-2-technical-report) -## Flujo de trabajo de texto a imagen de Krea-2 Turbo +## Flujo de trabajo de texto a imagen con Krea-2 Turbo ### Krea-2: Texto a imagen {#image_krea2_turbo_t2i} -Genera imágenes a partir de prompts de texto con Krea 2, un modelo fundacional pensado para la calidad estética y el control creativo. Se centra en generar imágenes expresivas y estilísticamente diversas. +Genera imágenes a partir de prompts de texto con Krea 2, un modelo fundacional creado para la calidad estética y el control creativo. Se enfoca en generar imágenes expresivas y estilísticamente diversas. -Vista previa del flujo de trabajo de texto a imagen de Krea-2 Turbo +Vista previa del flujo de trabajo de texto a imagen con Krea-2 Turbo @@ -62,18 +65,18 @@ Genera imágenes a partir de prompts de texto con Krea 2, un modelo fundacional El flujo de trabajo se organiza en varias partes: -1. **Text to Image (Krea-2 Turbo) subgrafo**: el pipeline de generación principal, que incluye la carga de modelos, el manejo del prompt, el muestreo y la decodificación del VAE -2. **ResolutionSelector**: elige la resolución de salida que quieras. Krea 2 admite salidas de 1K a 2K. Establece el valor de megapíxeles en 2.0 para obtener resolución 2K. -3. **CustomCombo (selector de LoRA)**: un selector de palabras de activación ya preparado para las LoRA de estilo disponibles. Si descargas LoRA adicionales, puedes personalizar este selector y emparejarlas con los archivos de LoRA correspondientes. +1. **Text to Image (Krea-2 Turbo) subgraph**: el pipeline principal de generación, que contiene la carga del modelo, el manejo del prompt, el muestreo y la decodificación VAE +2. **ResolutionSelector**: elige la resolución de salida deseada. Krea 2 admite salidas de 1K a 2K. Establece el valor de megapíxeles en 2.0 para obtener una resolución de 2K. +3. **CustomCombo (selector de LoRA)**: un selector de palabras de activación predefinido para las LoRA de estilo disponibles. Si descargas LoRA adicionales, puedes personalizar este selector y emparejarlas con los archivos LoRA correspondientes. 4. **SaveImage**: guarda la imagen generada - - Este flujo de trabajo usa nodos Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y ampliar el flujo de trabajo. + + Este flujo de trabajo usa nodos Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y extender el flujo de trabajo. ### Generación con un solo clic -En el caso más simple, basta con introducir un prompt de texto en el subgrafo, elegir una resolución y hacer clic en **Queue Prompt**. Los valores predeterminados (8 pasos, mejora del prompt activada, sin LoRA) producen una imagen de alta calidad con una configuración mínima. +En el caso más sencillo, solo introduce un prompt de texto en el subgrafo, selecciona una resolución y haz clic en **Queue Prompt**. Los valores predeterminados (8 pasos, mejora del prompt activada, sin LoRA) producen una imagen de alta calidad con una configuración mínima. ### Controles del flujo de trabajo @@ -82,38 +85,38 @@ El subgrafo **Text to Image (Krea-2 Turbo)** expone los siguientes controles: | Control | Descripción | |---------|-------------| | **Text String (User Prompt)** | El prompt de texto que describe la imagen que quieres generar | -| **prompt_enhance** | Activa o desactiva la expansión del prompt con un LLM | -| **LLM_max_token** | Longitud máxima en tokens para la mejora del prompt | +| **prompt_enhance** | Activa o desactiva la expansión del prompt con LLM | +| **LLM_max_token** | Longitud máxima de tokens para la mejora del prompt | | **Width / Height** | Resolución de salida (controlada por ResolutionSelector) | -| **Seed** | Semilla aleatoria para poder reproducir el resultado | +| **Seed** | Semilla aleatoria para la reproducibilidad | | **enable_lora?** | Activa o desactiva la LoRA de estilo | | **LoRA Strength** | Fuerza de la LoRA de estilo aplicada | -| **LoRA Trigger Word** | Palabra de activación que se rellena automáticamente para la LoRA seleccionada | +| **LoRA Trigger Word** | Palabra de activación rellenada automáticamente para la LoRA seleccionada | ### LoRA de estilo -Krea también publicó una colección de LoRA de estilo para Krea 2. Selecciona una en el nodo **CustomCombo** y activa `enable_lora?` en el subgrafo para aplicar el estilo: +Krea también lanzó una colección de LoRA de estilo para Krea 2. Selecciona una en el nodo **CustomCombo** y activa `enable_lora?` en el subgrafo para aplicar el estilo: -| LoRA | Palabra de activación | Fuerza recomendada | Descarga | +| LoRA | Palabra de activación | Fuerza recomendada | Descargar | |------|-------------|:-------------------:|----------| -| krea2_darkbrush | estilo de aguada de tinta monocroma | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_darkbrush.safetensors) | -| krea2_dotmatrix | estilo de punteado monocromo | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_dotmatrix.safetensors) | +| krea2_darkbrush | estilo de aguada monocromática | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_darkbrush.safetensors) | +| krea2_dotmatrix | estilo de punteado monocromático | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_dotmatrix.safetensors) | | krea2_kidsdrawing | estilo de boceto expresivo naíf | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_kidsdrawing.safetensors) | | krea2_neondrip | estilo abstracto texturizado | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_neondrip.safetensors) | | krea2_rainywindow | estilo de ventana lluviosa | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_rainywindow.safetensors) | -| krea2_retroanime | estilo retro anime púrpura | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_retroanime.safetensors) | +| krea2_retroanime | estilo de anime retro morado | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_retroanime.safetensors) | | krea2_softwatercolor | estilo de acuarela art déco | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_softwatercolor.safetensors) | | krea2_sunsetblur | estilo de desenfoque de movimiento etéreo | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_sunsetblur.safetensors) | | krea2_vintagetarot | estilo de tarot vintage | 1.0 | [Descargar](https://huggingface.co/Comfy-Org/Krea-2/blob/main/loras/krea2_vintagetarot.safetensors) | -Guarda los archivos `.safetensors` en `ComfyUI/models/loras/`. +Coloca los archivos `.safetensors` en `ComfyUI/models/loras/`. ### Descargas de modelos Para uso local, descarga los archivos de modelo optimizados para ComfyUI desde [Comfy-Org/Krea-2](https://huggingface.co/Comfy-Org/Krea-2). - + krea2_turbo_fp8_scaled.safetensors: Turbo FP8 (recomendado para la mayoría de los usuarios) @@ -123,11 +126,11 @@ Para uso local, descarga los archivos de modelo optimizados para ComfyUI desde [ qwen_image_vae.safetensors - Consulta todas las LoRA de estilo en Hugging Face + Ver todas las LoRA de estilo en Hugging Face -También hay otras variantes del modelo (BF16, NVFP4, MXFP8) para usuarios con hardware de gama alta. +También hay otras variantes del modelo (BF16, NVFP4, MXFP8) disponibles para usuarios con hardware de gama alta. #### Ubicación de almacenamiento de los modelos @@ -143,12 +146,11 @@ También hay otras variantes del modelo (BF16, NVFP4, MXFP8) para usuarios con h │ └── 📂 loras/ │ └── krea2_softwatercolor.safetensors (and other style LoRAs) ``` - ## Flujo de trabajo de referencia de estilo de Krea-2 Turbo ### Krea-2 Int8: referencia de estilo de imagen {#image_krea2_turbo_int8_image_style_reference} -Genera imágenes con el modelo Krea-2 Turbo tomando como referencia el estilo de 1–2 imágenes subidas, con el formato Int8 Convrot de alto rendimiento para una inferencia rápida. +Genera imágenes con el modelo Krea-2 Turbo tomando como referencia el estilo de 1 o 2 imágenes subidas, usando el formato Int8 Convrot de alto rendimiento para una inferencia rápida. Vista previa del flujo de trabajo de referencia de estilo de Krea-2 Turbo @@ -157,7 +159,7 @@ Genera imágenes con el modelo Krea-2 Turbo tomando como referencia el estilo de Abrir en Comfy Cloud - Descarga el JSON o busca "Krea-2 Style Reference" en la Biblioteca de plantillas + Descarga el JSON o busca "Krea-2 Style Reference" en la biblioteca de plantillas @@ -177,13 +179,13 @@ Sube este archivo al nodo `LoadImage` correspondiente: **Salida de ejemplo** -![Ejemplo de salida de la referencia de estilo de Krea-2](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_krea2_turbo_int8_image_style_reference.png) +![Salida de ejemplo de referencia de estilo de Krea-2](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_krea2_turbo_int8_image_style_reference.png) -El flujo de trabajo con referencia de estilo se basa en el pipeline de Krea-2 Turbo añadiendo el condicionamiento por imagen de referencia. Sube una o más imágenes de referencia para influir en el estilo estético, el ambiente y la dirección visual del resultado generado. +El flujo de trabajo de referencia de estilo se basa en la pipeline de Krea-2 Turbo y añade el acondicionamiento con imágenes de referencia. Sube una o más imágenes de referencia para influir en el estilo estético, el ambiente y la dirección visual de la salida generada. El flujo de trabajo se organiza en varias partes: -1. **Image Style Reference (Krea-2 Turbo) subgrafo**: el pipeline de generación principal con soporte para referencia de estilo, que incluye la carga de modelos, el condicionamiento por imagen de referencia, el manejo del prompt y el muestreo +1. **Subgrafo Image Style Reference (Krea-2 Turbo)**: la pipeline de generación principal con soporte de referencia de estilo, que incluye la carga del modelo, el acondicionamiento de las imágenes de referencia, el manejo del prompt y el muestreo 2. **LoadImage**: sube tus imágenes de referencia de estilo 3. **ResolutionSelector**: elige la resolución de salida que quieras. Krea 2 admite salidas de 1K a 2K. 4. **SaveImage**: guarda la imagen generada @@ -191,12 +193,12 @@ El flujo de trabajo se organiza en varias partes: ### Usar la referencia de estilo 1. **Sube las imágenes de referencia**: usa el nodo **LoadImage** para cargar una o más imágenes de referencia de estilo -2. **Escribe tu prompt**: introduce una descripción de texto en la entrada de prompt del usuario del subgrafo -3. **Selecciona una variante del modelo**: elige el checkpoint en el selector de modelo del subgrafo -4. **Ajusta la configuración**: establece la resolución, la semilla y, si quieres, activa la mejora del prompt +2. **Introduce tu prompt**: escribe una descripción de texto en la entrada de prompt del usuario del subgrafo +3. **Selecciona una variante del modelo**: elige el checkpoint del modelo en el selector de modelo del subgrafo +4. **Ajusta las configuraciones**: configura la resolución, la semilla y, de forma opcional, activa la mejora del prompt 5. **Haz clic en Queue**: pulsa `Ctrl+Enter` para generar -Este flujo de trabajo de referencia de estilo usa un modelo de difusión y una LoRA dedicados. El codificador de texto y el VAE se comparten con el flujo de trabajo de texto a imagen. +Este flujo de trabajo de referencia de estilo usa un modelo de difusión y un LoRA dedicados. El codificador de texto y el VAE se comparten con el flujo de trabajo de texto a imagen. @@ -213,7 +215,7 @@ Este flujo de trabajo de referencia de estilo usa un modelo de difusión y una L -Guarda los archivos en los siguientes directorios: +Coloca los archivos en los siguientes directorios: ``` 📂 ComfyUI/ diff --git a/es/tutorials/image/lens/lens.mdx b/es/tutorials/image/lens/lens.mdx index 68a6cc4a97..4027eeccd8 100644 --- a/es/tutorials/image/lens/lens.mdx +++ b/es/tutorials/image/lens/lens.mdx @@ -2,23 +2,25 @@ title: "Lens en ComfyUI: modelo open source de texto a imagen de 3.8B" description: "Ejecuta Lens, el modelo open source de texto a imagen de 3.8B de Microsoft en ComfyUI, con flujos estándar y Turbo sobre MMDiT de doble flujo y VAE de FLUX.2." sidebarTitle: "Lens" -translationSourceHash: e909f89c +translationSourceHash: 7385b700 translationFrom: tutorials/image/lens/lens.mdx translationBlockHashes: "_intro": 48b7db5c "Lens text-to-image workflow": 35c2bf24 + "Lens model downloads": b3f66783 "Available models": ff3bbfee --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -**Lens** es un modelo de texto a imagen abierto de **Microsoft**, con licencia MIT. Con **3800 millones** de parámetros, usa una arquitectura **MMDiT de doble flujo** con características del codificador de texto **GPT-OSS-20B** y el **VAE semántico de FLUX.2** para ofrecer una calidad de imagen competitiva con mucho menos cómputo de entrenamiento que modelos T2I más grandes. +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' + +**Lens** es un modelo abierto de texto a imagen de **Microsoft**, con licencia MIT. Con **3800 millones** de parámetros, usa una arquitectura **MMDiT de doble flujo** con características del codificador de texto **GPT-OSS-20B** y el **VAE semántico de FLUX.2** para ofrecer una calidad de imagen competitiva con mucho menos cómputo de entrenamiento que modelos T2I más grandes. **Aspectos destacados del modelo**: - **Arquitectura MMDiT de doble flujo**: procesamiento conjunto de imagen y texto para una generación coherente - **Características de texto multicapa de GPT-OSS-20B**: comprensión avanzada del texto para seguir con precisión el prompt - **VAE semántico de FLUX.2**: representación latente de alta fidelidad - **Entrenamiento con resolución mixta**: admite varias relaciones de aspecto sin recortar -- **Tamaño compacto de 3.8B**: se ejecuta en GPU de consumo con 24 GB de VRAM +- **Tamaño compacto de 3.8B**: funciona en GPU de consumo con 24 GB de VRAM **Enlaces relacionados**: - [Artículo (arXiv)](https://arxiv.org/abs/2605.21573) @@ -42,7 +44,7 @@ Ingresa un prompt de texto y selecciona la resolución y la relación de aspecto - Descarga el JSON o busca "Lens" en Biblioteca de plantillas + Descarga el JSON o busca "Lens" en la Biblioteca de plantillas {/* TODO: Enable Cloud template when Lens is available on Comfy Cloud */} {/**/} @@ -52,7 +54,7 @@ Ingresa un prompt de texto y selecciona la resolución y la relación de aspecto **Salida de ejemplo** -![Salida de ejemplo del flujo de trabajo de texto a imagen de Lens](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_lens_t2i.png) +![Salida de ejemplo de texto a imagen de Lens](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_lens_t2i.png) @@ -62,7 +64,7 @@ Ingresa un prompt de texto y selecciona la resolución y la relación de aspecto {/* TODO: Add Cloud option when template is available */} 2. Ve a **Template** y busca **Lens** 3. Selecciona el flujo de trabajo **Lens** -4. Descarga los modelos faltantes (consulta [descargas de modelos](#descargas-de-modelos-de-lens)), ingresa tu prompt y haz clic en **Queue** +4. Descarga los modelos faltantes (consulta [descargas de modelos](#descargas-de-modelos-lens)), ingresa tu prompt y haz clic en **Queue** ### Lens Turbo: Texto a imagen {#image_lens_turbo_t2i} @@ -72,7 +74,7 @@ Ingresa un prompt de texto y selecciona la resolución, la relación de aspecto - Descarga el JSON o busca "Lens Turbo" en Biblioteca de plantillas + Descarga el JSON o busca "Lens Turbo" en la Biblioteca de plantillas {/* TODO: Enable Cloud template when Lens Turbo is available on Comfy Cloud */} {/**/} @@ -82,7 +84,7 @@ Ingresa un prompt de texto y selecciona la resolución, la relación de aspecto **Salida de ejemplo** -![Salida de ejemplo del flujo de trabajo de texto a imagen de Lens Turbo](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_lens_turbo_t2i.png) +![Salida de ejemplo de texto a imagen de Lens Turbo](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_lens_turbo_t2i.png) #### Empezar @@ -90,11 +92,11 @@ Ingresa un prompt de texto y selecciona la resolución, la relación de aspecto {/* TODO: Add Cloud option when template is available */} 2. Ve a **Template** y busca **Lens Turbo** 3. Selecciona el flujo de trabajo **Lens Turbo** -4. Descarga los modelos faltantes (consulta [descargas de modelos](#descargas-de-modelos-de-lens)), ingresa tu prompt y haz clic en **Queue** +4. Descarga los modelos faltantes (consulta [descargas de modelos](#descargas-de-modelos-lens)), ingresa tu prompt y haz clic en **Queue** -## Descargas de modelos de Lens +## Descargas de modelos Lens -Puedes encontrar todos los archivos del modelo en [Comfy-Org/Lens](https://huggingface.co/Comfy-Org/Lens), en Hugging Face. +Puedes encontrar todos los archivos de modelo en [Comfy-Org/Lens](https://huggingface.co/Comfy-Org/Lens) en Hugging Face. @@ -107,7 +109,7 @@ Puedes encontrar todos los archivos del modelo en [Comfy-Org/Lens](https://huggi - Codificador de texto (GPT-OSS-20B) compartido por Lens y Lens Turbo. + Text encoder (GPT-OSS-20B) compartido por Lens y Lens Turbo. VAE (FLUX.2) compartido por Lens y Lens Turbo. @@ -127,10 +129,9 @@ Puedes encontrar todos los archivos del modelo en [Comfy-Org/Lens](https://huggi │ └── 📂 vae/ │ └── flux2-vae.safetensors ``` - ## Modelos disponibles | Modelo | Descripción | Pasos de inferencia | Enlace | |-------|-------------|-----------------|------| -| Lens | Modelo estándar de 3.8B: mayor calidad, más pasos | ~50 | [Hugging Face](https://huggingface.co/microsoft/Lens) | +| Lens | Modelo estándar de 3.8B: mayor calidad y más pasos | ~50 | [Hugging Face](https://huggingface.co/microsoft/Lens) | | Lens Turbo | Variante destilada: generación más rápida con menos pasos | ~8 | [Hugging Face](https://huggingface.co/microsoft/Lens) | diff --git a/es/tutorials/image/mage-flow/mage-flow.mdx b/es/tutorials/image/mage-flow/mage-flow.mdx index e4d81aeb92..0288663128 100644 --- a/es/tutorials/image/mage-flow/mage-flow.mdx +++ b/es/tutorials/image/mage-flow/mage-flow.mdx @@ -2,17 +2,19 @@ title: "Mage-Flow en ComfyUI: texto a imagen y edición por instrucciones" description: "Ejecuta el stack Mage-Flow de 4B de Microsoft en ComfyUI: texto a imagen y edición por instrucciones en resoluciones nativas de hasta 2K." sidebarTitle: "Mage-Flow" -translationSourceHash: 8a5898f9 +translationSourceHash: e9e74016 translationFrom: tutorials/image/mage-flow/mage-flow.mdx translationBlockHashes: "_intro": e97822e8 "Mage-Flow text-to-image workflow": 3c28ff07 "Mage-Flow Turbo text-to-image workflow": e7182b3d "Mage-Flow-Edit image edit workflow": cedd5e1d + "Mage-Flow-Edit Turbo image edit workflow": e09ae756 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -**Mage-Flow** es un stack generativo compacto de escala 4B de Microsoft Research para la generación eficiente de imágenes a partir de texto y la edición de imágenes basada en instrucciones. El stack se construye a partir de dos componentes codiseñados: [Mage-VAE](https://huggingface.co/microsoft/Mage-VAE), un tokenizer latente ligero de alta fidelidad, y un Native-Resolution Multimodal Diffusion Transformer (NR-MMDiT) entrenado con rectified flow matching. Junto con el empaquetado a resolución nativa, este stack compartido impulsa dos instancias del modelo: Mage-Flow para texto a imagen y Mage-Flow-Edit para la edición de imágenes basada en instrucciones. Cada una se distribuye en variantes Base, alineada con RL y Turbo de 4 pasos. +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' + +**Mage-Flow** es un conjunto generativo compacto de escala 4B de Microsoft Research para la generación eficiente de texto a imagen y la edición de imágenes basada en instrucciones. El conjunto se construye a partir de dos componentes codiseñados: [Mage-VAE](https://huggingface.co/microsoft/Mage-VAE), un tokenizer latente ligero de alta fidelidad, y un Native-Resolution Multimodal Diffusion Transformer (NR-MMDiT) entrenado con rectified flow matching. Junto con el empaquetado a resolución nativa, este conjunto compartido impulsa dos instancias del modelo: Mage-Flow para la generación de texto a imagen y Mage-Flow-Edit para la edición de imágenes basada en instrucciones. Cada una se distribuye en variantes Base, alineada con RL y Turbo de 4 pasos. Mage-Flow admite resoluciones nativas de 512 a 2048 píxeles por lado en cualquier relación de aspecto, incluidas dimensiones extremas como 4:1. @@ -55,7 +57,7 @@ En el caso más simple, solo escribe un prompt de texto en el subgrafo, define l ### Usar el flujo de trabajo 1. **Escribe un prompt**: escribe una descripción de texto en la entrada de prompt del subgrafo -2. **Define la resolución**: ajusta el ancho y el alto según el tamaño de salida que quieras. Mage-Flow admite resoluciones nativas de 512 a 2048 píxeles por lado. +2. **Define la resolución**: ajusta el ancho y el alto según el tamaño de salida que quieras. Mage-Flow admite resoluciones nativas de 512 a 2048 píxeles por lado 3. **Ajusta las configuraciones**: configura la semilla y el prompt negativo según sea necesario 4. **Haz clic en Queue**: presiona `Ctrl+Enter` para generar @@ -72,7 +74,7 @@ En el caso más simple, solo escribe un prompt de texto en el subgrafo, define l -La variante Turbo usa un checkpoint destilado de 4 pasos para generar más rápido sin perder calidad. La estructura y los controles del flujo de trabajo son idénticos a los del flujo de trabajo base de texto a imagen, pero utiliza el modelo de difusión Turbo para una inferencia con menor latencia. +La variante Turbo usa un checkpoint destilado de 4 pasos para generar más rápido sin perder calidad. La estructura y los controles del flujo de trabajo son idénticos a los del flujo de trabajo base de texto a imagen, pero utiliza el modelo diffusion Turbo para una inferencia con menor latencia. ## Flujo de trabajo de edición de imágenes Mage-Flow-Edit @@ -95,8 +97,8 @@ El flujo de trabajo de edición de imágenes usa Mage-Flow-Edit, un modelo basad El flujo de trabajo se organiza en varias partes: 1. **LoadImage**: sube tus imágenes de referencia (hasta 3) -2. **Subgrafo Image Edit (Mage-Flow-Edit)**: el pipeline principal de edición que contiene la carga del modelo, el acondicionamiento de las imágenes de referencia, el manejo del prompt y el muestreo -3. **ImageCompare**: una comparación lado a lado de la imagen original y la editada +2. **Subgrafo Image Edit (Mage-Flow-Edit)**: el pipeline principal de edición, que contiene la carga del modelo, el acondicionamiento de las imágenes de referencia, el manejo del prompt y el muestreo +3. **ImageCompare**: una comparación lado a lado de la imagen original y la imagen editada 4. **SaveImage**: guarda el resultado editado ### Usar la edición de imágenes @@ -115,14 +117,14 @@ El flujo de trabajo se organiza en varias partes: Abrir en Comfy Cloud - Descarga el JSON o busca "Mage-Flow-Edit Turbo" en la Biblioteca de plantillas + Descargar JSON o buscar "Mage-Flow-Edit Turbo" en la biblioteca de plantillas - Descarga la imagen de entrada de ejemplo de este flujo de trabajo + Obtén la imagen de entrada de ejemplo para este flujo de trabajo -La variante Turbo del flujo de trabajo de edición usa un checkpoint destilado de 4 pasos para editar más rápido. La estructura y los controles coinciden con el flujo de trabajo de edición principal, pero con menos pasos de muestreo. +La variante Turbo del flujo de trabajo de edición usa un checkpoint destilado de 4 pasos para editar más rápido. La estructura y los controles coinciden con el flujo de trabajo de edición base, pero con menos pasos de muestreo. ### Descargas de modelos @@ -135,21 +137,21 @@ Para uso local, descarga los archivos de modelo optimizados para ComfyUI desde [ mage_flow_vae_bf16.safetensors - - mage_flow_int8_convrot.safetensors: modelo base usado en el flujo de trabajo de texto a imagen + + mage_flow_int8_convrot.safetensors: modelo base usado en el flujo de trabajo T2I - - mage_flow_turbo_int8_convrot.safetensors: modelo Turbo usado en el flujo de trabajo de texto a imagen Turbo + + mage_flow_turbo_int8_convrot.safetensors: modelo Turbo usado en el flujo de trabajo T2I Turbo - + mage_flow_edit_int8_convrot.safetensors: modelo Edit usado en el flujo de trabajo de edición - + mage_flow_edit_turbo_int8_convrot.safetensors: modelo Edit Turbo usado en el flujo de trabajo de edición Turbo -También hay otras variantes del modelo (BF16, FP8) para usuarios con configuraciones de hardware distintas. +También hay otras variantes del modelo (BF16, FP8) disponibles para usuarios con distintas configuraciones de hardware. Coloca los archivos en los siguientes directorios: diff --git a/es/tutorials/image/moss-image/moss-image.mdx b/es/tutorials/image/moss-image/moss-image.mdx index 0a522c08db..fe508a71f2 100644 --- a/es/tutorials/image/moss-image/moss-image.mdx +++ b/es/tutorials/image/moss-image/moss-image.mdx @@ -2,29 +2,32 @@ title: "MOSS-Image en ComfyUI: flujos de trabajo de texto a imagen y de diseño guiado" description: "Ejecuta MOSS-Image en ComfyUI: modelo de texto a imagen de 5B con mejora de prompt y generación guiada por diseño desde cuadros delimitadores." sidebarTitle: "MOSS-Image" -translationSourceHash: 8f11d7e1 +translationSourceHash: d5e93e3e translationFrom: tutorials/image/moss-image/moss-image.mdx translationBlockHashes: "_intro": 3e9c5a21 "About MOSS-Image": 7fc34b88 - "MOSS-Image workflows": 6f1e95e3 + "MOSS-Image workflows": 16679f12 "MOSS-Image model downloads": 76439d38 - "Prompting tips": 1b1feeb6 + "Prompting tips": 43980e35 + "Going above 2 MP": 8dac1045 + "Reference images and the prompt enhancer": 5c2c22aa --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' ## Acerca de MOSS-Image -MOSS-Image es el modelo texto a imagen de pesos abiertos de OpenMOSS: un DiT de un solo flujo de 5B que convierte una descripción completa de la escena en una imagen finalizada. Destaca donde el texto y la ubicación importan, porque renderiza tipografía en inglés y chino, acepta prompts de hasta unos 4K tokens y puede leer un diseño JSON que indica dónde va cada objeto y cada línea de texto. Los pesos se distribuyen bajo Apache 2.0, así que descargas una vez y ejecutas en tu propia GPU sin clave API ni créditos por imagen. +MOSS-Image es el modelo texto a imagen de pesos abiertos de OpenMOSS: un DiT de un solo flujo de 5B que convierte una descripción completa de la escena en una imagen finalizada. Destaca donde el texto y la ubicación importan, porque renderiza tipografía en inglés y chino, acepta prompts de hasta unos 4K tokens y puede leer una composición JSON que indica dónde va cada objeto y cada línea de texto. Los pesos se distribuyen bajo Apache 2.0, así que descargas una vez y ejecutas en tu propia GPU sin clave API ni créditos por imagen. -La familia tiene dos checkpoints. El checkpoint **SFT**, ajustado con instrucciones, es el que cargan las plantillas: agrupa el texto y distribuye las escenas de forma más limpia. El checkpoint **Base** no tiene posentrenamiento ni destilación CFG, lo que lo convierte en el punto de partida para los LoRA de la comunidad. Ambos se ejecutan en el mismo gráfico, así que cambiar de checkpoint solo implica cambiar el nodo de carga. +La familia tiene dos checkpoints. El checkpoint **SFT**, ajustado con instrucciones, es el que cargan las plantillas: agrupa el texto y distribuye las escenas de forma más limpia. El checkpoint **Base** no tiene posentrenamiento ni destilación CFG, lo que lo convierte en el punto de partida para los LoRA de la comunidad. Ambos se ejecutan en el mismo gráfico, así que cambiar de checkpoint solo implica cambiar el cargador. En ComfyUI el modelo se ejecuta desde checkpoints de archivo único en int8 y bf16, con un codificador de texto Qwen3.5 9B cargado como tipo `moss_image` y el VAE small de FLUX.2. Las plantillas de Texto a imagen también incluyen un mejorador de prompts que reescribe una petición corta en una descripción completa antes del muestreo, usando el mismo codificador de texto que el modelo ya necesita. **Aspectos destacados del modelo:** - DiT de un solo flujo de 5B con renderizado de texto bilingüe en inglés y chino -- Orientación de composición nativa: dibuja cajas, dale un texto a cada caja y las cajas de texto renderizan su propio texto +- Orientación de composición nativa: dibuja cajas, dale una descripción a cada caja y las cajas de texto renderizan su propio texto - Mejorador de prompts integrado en las plantillas de Texto a imagen, para que baste con una idea de una línea - Dos checkpoints: SFT para composiciones más limpias, Base para ajuste fino y trabajo con LoRA - Prompts largos de aproximadamente 4K tokens y cualquier relación de aspecto en múltiplos de 16 @@ -43,15 +46,15 @@ En ComfyUI el modelo se ejecuta desde checkpoints de archivo único en int8 y bf ## Flujos de trabajo de MOSS-Image -Las cuatro plantillas ejecutan el mismo subgrafo. Ábrelo para acceder a los cargadores, el sampler y el tamaño del lienzo. +Las cuatro plantillas ejecutan el mismo Subgraph. Ábrelo para acceder a los cargadores, el sampler y el tamaño del lienzo. - + Este flujo de trabajo usa nodos Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y ampliar el flujo de trabajo. ### MOSS-Image: Text to Image {#image_moss_image_t2i} -Genera una imagen solo a partir de un prompt, sin archivos de entrada. El potenciador de prompts está activado, así que una descripción breve se amplía a un caption completo antes de llegar al modelo. El caption que realmente se usa aparece en `Preview Any`. +Genera una imagen solo a partir de un prompt, sin archivos de entrada. El potenciador de prompts está activado, así que una descripción breve se amplía a una descripción completa antes de llegar al modelo. La descripción que realmente se usa aparece en `Preview Any`. Vista previa del flujo de trabajo MOSS-Image de texto a imagen @@ -61,7 +64,7 @@ Genera una imagen solo a partir de un prompt, sin archivos de entrada. El potenc {/* TODO: Habilitar la plantilla de Cloud cuando MOSS-Image esté disponible en Comfy Cloud */} {/**/} - {/* Open in Comfy Cloud*/} + {/* Abrir en Comfy Cloud*/} {/**/} @@ -101,13 +104,13 @@ El mismo gráfico con el checkpoint Base cargado. Úsalo para comparar la salida 4. Descarga los modelos que aparecen en [descargas de modelos](#descargas-de-modelos-de-moss-image), incluido `moss_image_base_int8_convrot.safetensors` 5. Escribe tu idea en el prompt positivo y haz clic en **Queue** -### MOSS-Image: Layout-Guided Text to Image {#image_moss_image_t2i_bboxes} +### MOSS-Image: texto a imagen guiado por diseño {#image_moss_image_t2i_bboxes} -Genera una imagen a partir de un prompt y un diseño que dibujes tú. Abre `Create Bounding Boxes` y arrastra una caja para cada elemento; cada caja lleva su propio texto descriptivo, y las cajas marcadas como texto muestran ese texto dentro de ellas. `MOSS-Image Layout Prompt` convierte las cajas en el prompt de diseño que lee el modelo, así que se usan tanto el texto de la caja como el prompt de tu escena. +Genera una imagen a partir de un prompt y un diseño que dibujes tú. Abre `Create Bounding Boxes` y arrastra una caja para cada elemento; cada caja lleva su propia descripción, y las cajas marcadas como texto muestran ese texto dentro de ellas. `MOSS-Image Layout Prompt` convierte las cajas en el prompt de diseño que lee el modelo, así que el modelo usa tanto la descripción de la caja como el prompt de tu escena. -Dibuja primero la caja del fondo y deja para el final los elementos en primer plano: las cajas se emiten en el orden en que las dibujas. Cada caja se etiqueta como `text` si la marcas como texto y, si no, como `object`. Para etiquetar como personaje una caja que contiene una persona, anota su número del panel de vista previa de `Create Bounding Boxes` en `character_boxes` del nodo `MOSS-Image Layout Prompt`, por ejemplo `1, 3`. Los números que apuntan a una caja de texto no tienen efecto. Las dos plantillas de layout traen este campo ya relleno (`2` en SFT y `1` en Base), así que compruébalo con tus propias cajas antes de encolar. +Dibuja primero la caja del fondo y deja los elementos en primer plano para el final: las cajas salen en el orden en que las dibujas. Cada caja lleva la etiqueta `text` si la marcas como texto; si no, lleva `object`. Para etiquetar como personaje una caja que contiene una persona, anota su número del panel de vista previa de `Create Bounding Boxes` en `character_boxes` del nodo `MOSS-Image Layout Prompt`, por ejemplo `1, 3`. Los números que apuntan a una caja de texto no tienen efecto. Ambas plantillas de diseño incluyen este campo ya rellenado (`2` en SFT y `1` en Base), así que compruébalo con tus propias cajas antes de ponerlo en cola. -Con al menos una caja conectada, `MOSS-Image Layout Prompt` genera un prompt JSON: un caption de la escena más un elemento por cada caja. Las plantillas de layout traen `enable_prompt_enhancer` desactivado, así que ese JSON llega al modelo sin cambios. Si lo activas, el mejorador de prompts reescribe el texto y puede perder las cajas. +Con al menos una caja conectada, `MOSS-Image Layout Prompt` genera un prompt JSON: una descripción de la escena más un elemento por cada caja. Las plantillas de diseño traen `enable_prompt_enhancer` desactivado, así que ese JSON llega al modelo sin cambios. Si lo activas, dejas que el mejorador de prompt reescriba el texto, lo que puede descartar las cajas. Vista previa del flujo de trabajo de MOSS-Image de texto a imagen guiado por diseño @@ -130,14 +133,14 @@ Con al menos una caja conectada, `MOSS-Image Layout Prompt` genera un prompt JSO 1. Actualiza ComfyUI a 0.42.0 o una versión posterior 2. Ve a **Template**, busca **MOSS-Image** y elige la variante de diseño 3. Descarga los modelos que se indican en [descargas de modelos](#descargas-de-modelos-de-moss-image) -4. Dibuja una caja por elemento en `Create Bounding Boxes` y luego escribe un texto descriptivo para cada caja. Para una caja de texto, escribe el texto que quieres que se renderice +4. Dibuja una caja por elemento en `Create Bounding Boxes` y luego escribe una descripción para cada caja. Para una caja de texto, escribe el texto que quieres que se renderice 5. Describe la escena completa en el prompt y haz clic en **Queue** ### MOSS-Image Base: Layout-Guided Text to Image {#image_moss_image_base_t2i_bboxes} -El flujo de trabajo de layout con el checkpoint Base. Útil cuando quieres comparar cómo los dos checkpoints siguen el mismo layout de cajas. +El flujo de trabajo de disposición con el checkpoint Base. Es útil cuando quieres comparar cómo los dos checkpoints siguen la misma disposición de cajas. -Vista previa del flujo de trabajo de texto a imagen guiado por layout de MOSS-Image Base +Vista previa del flujo de trabajo de texto a imagen guiado por disposición de MOSS-Image Base @@ -151,26 +154,26 @@ El flujo de trabajo de layout con el checkpoint Base. Útil cuando quieres compa **Salida de ejemplo** -![Ejemplo de salida de texto a imagen guiado por layout de MOSS-Image Base](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_moss_image_t2i_bboxes_base.png) +![Ejemplo de salida de texto a imagen guiado por disposición de MOSS-Image Base](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_moss_image_t2i_bboxes_base.png) #### Empezar 1. Actualiza ComfyUI a la versión 0.42.0 o posterior -2. Ve a **Template**, busca **MOSS-Image Base** y elige la variante de layout +2. Ve a **Template**, busca **MOSS-Image Base** y elige la variante de disposición 3. Descarga los modelos enumerados en [descargas de modelos](#descargas-de-modelos-de-moss-image), incluido `moss_image_base_int8_convrot.safetensors` 4. Dibuja las cajas, escribe un título para cada una y redacta el prompt de la escena -5. Haz clic en **Queue** +5. Haz clic en **Cola** ## Descargas de modelos de MOSS-Image -Todos los archivos están en [Comfy-Org/MOSS-Image](https://huggingface.co/Comfy-Org/MOSS-Image) en Hugging Face. Las plantillas cargan los checkpoints int8; las versiones bf16 de ambos checkpoints están en el mismo repositorio para más VRAM. +Todos los archivos están en [Comfy-Org/MOSS-Image](https://huggingface.co/Comfy-Org/MOSS-Image) en Hugging Face. Las plantillas cargan los checkpoints int8; las versiones bf16 de ambos checkpoints están en el mismo repositorio para quienes dispongan de más VRAM. - Modelo de difusión, checkpoint ajustado con instrucciones. Lo cargan ambas plantillas SFT. + Modelo de difusión, checkpoint ajustado con instrucciones. Ambas plantillas SFT lo cargan. - Modelo de difusión, checkpoint Base. Lo cargan ambas plantillas Base. + Modelo de difusión, checkpoint Base. Ambas plantillas Base lo cargan. Codificador de texto para todas las plantillas. Cárgalo con `CLIPLoader` de tipo `moss_image`. @@ -195,37 +198,37 @@ Todos los archivos están en [Comfy-Org/MOSS-Image](https://huggingface.co/Comfy ``` -Las versiones bf16 `moss_image_sft_bf16.safetensors` y `moss_image_base_bf16.safetensors` están en el mismo repositorio. Cambia el checkpoint en `UNET Loader` si tienes la VRAM necesaria para ellas. +Las versiones bf16 `moss_image_sft_bf16.safetensors` y `moss_image_base_bf16.safetensors` están en el mismo repositorio. Cambia el checkpoint en `UNET Loader` si tienes la VRAM necesaria para usarlas. ## Consejos para escribir prompts -- **Describe la imagen finalizada, no la solicitud.** El modelo se entrenó con descripciones, así que escribe cómo se ve la imagen en lugar de una instrucción como «hazme un póster». El mejorador sigue la misma regla, por eso un prompt corto sigue funcionando. -- **Base lee secuencias de etiquetas.** Con el mejorador desactivado, MOSS-Image-Base acepta etiquetas separadas por comas además de descripciones, en el orden documentado: calidad, puntuación, meta, año, personaje, serie, artista y luego las etiquetas generales; por ejemplo `best quality, highres, hatsune miku, vocaloid, @foo bar, 1girl, blue hair`. -- **Desactiva el mejorador para controlar la redacción.** Establece `enable_prompt_enhancer` en `false` en el nodo del subgrafo y tu prompt llegará al modelo sin cambios. Con el mejorador activado, `prompt_enhancer_seed` cambia cómo se reescribe el prompt. Ambas configuraciones muestran el resultado en `Preview Any`, así que puedes comparar. +- **Describe la imagen finalizada, no la solicitud.** El modelo se entrenó con descripciones, así que escribe cómo se ve la imagen en lugar de una instrucción como «hazme un póster». El mejorador de prompts sigue la misma regla, por eso un prompt corto sigue funcionando. +- **Base lee secuencias de etiquetas.** Con el mejorador de prompts desactivado, MOSS-Image-Base acepta etiquetas separadas por comas además de descripciones, en el orden documentado: calidad, puntuación, meta, año, personaje, serie, artista y luego las etiquetas generales; por ejemplo `best quality, highres, hatsune miku, vocaloid, @foo bar, 1girl, blue hair`. +- **Desactiva el mejorador de prompts para controlar la redacción.** Establece `enable_prompt_enhancer` en `false` en el nodo del subgrafo y tu prompt llegará al modelo sin cambios. Con el mejorador activado, `prompt_enhancer_seed` cambia cómo se reescribe el prompt. Ambas configuraciones muestran el resultado en `Preview Any`, así que puedes comparar. - **Controla los saltos de línea tú mismo.** Los saltos automáticos pueden no quedar donde quieres. Coloca saltos de línea reales o `\n` en el texto que quieres que se renderice cuando importe la posición de un salto. - **Usa el flujo de trabajo de diseño cuando importe la colocación.** Las cajas le dan al modelo una posición explícita para cada elemento y cada bloque de texto, lo cual es más fiable que describir posiciones en prosa. -- **Mantén el lienzo en el alcance recomendado.** `ResolutionSelector` elige la relación de aspecto y la cantidad de megapíxeles (1 MP por defecto). MOSS-Image está pensado para 1 MP a 2 MP y extrapola desde aproximadamente 0.25 MP hasta 4 MP; el ancho y el alto deben ser múltiplos de 16. -- **Parte de las configuraciones de la plantilla y luego ve más despacio para conseguir el aspecto oficial.** Las plantillas ejecutan 25 pasos con CFG 2.5 y el sampler `er_sde` para ir más rápido. Los ajustes oficiales de Base son 50 pasos con CFG 3 y el sampler `euler`, así que pruébalos si un resultado queda crudo. Las configuraciones oficiales son 50 pasos con CFG 3, así que pruébalas si un resultado se queda corto. -- **Sube el CFG para prompts cortos en Base.** El rango oficial de CFG para MOSS-Image-Base va de 3.0 a 6.0, por encima del 2.5 que traen las plantillas. Desactiva el mejorador con un prompt corto para llegar al modelo tal cual, mantén 3.0 con uno largo y súbelo según sea necesario. +- **Mantén el lienzo en el alcance recomendado.** `ResolutionSelector` elige la relación de aspecto y la cantidad de megapíxeles (1 MP por defecto). De 1 MP a 2 MP es el alcance de salida recomendado y el modelo extrapola desde aproximadamente 0.25 MP hasta 4 MP; el ancho y el alto deben ser múltiplos de 16. +- **Parte de las configuraciones de la plantilla y luego ve más despacio para conseguir el aspecto oficial.** Las plantillas ejecutan 25 pasos con CFG 2.5 y el sampler `er_sde`. Las configuraciones oficiales de Base son 50 pasos con CFG 3 y el sampler `euler`, así que pruébalas si un resultado se queda corto. +- **Sube el CFG para prompts cortos en Base.** El rango oficial de CFG para MOSS-Image-Base va de 3.0 a 6.0, por encima del 2.5 que traen las plantillas. Desactiva el mejorador de prompts con un prompt corto para llegar al modelo tal cual, mantén 3.0 con uno largo y súbelo según sea necesario. - **Mantén el prompt negativo corto.** Las plantillas incluyen `nsfw, worst quality, bad anatomy, watermark, jpeg artifact`. -- **La orientación con salto de capas está activada en la capa 22.** El nodo del subgrafo incluye un interruptor `SLG`, y la orientación se ejecuta en la capa 22 oficial. Desactivarla puede dar un aspecto más realista, pero puede contraer el detalle; a las demás capas solo se puede acceder dentro del subgrafo. +- **La orientación de salto de capas se ejecuta en la capa 22.** El nodo del subgrafo incluye un interruptor `SLG`, y 22 es la capa oficial. Desactivarla puede dar un aspecto más realista, pero puede contraer el detalle; a las demás capas solo se puede acceder dentro del subgrafo. - **Base es para el ajuste fino.** Cuando entrenes una LoRA en MOSS-Image, congela el codificador de texto. ## Superar los 2 MP -El alcance de salida recomendado va de 1 MP a 2 MP, y el modelo extrapola hasta unos 4 MP. Cualquier tamaño mayor queda fuera de ese alcance, así que construye las imágenes grandes con pasadas sucesivas en lugar de un solo lienzo grande. +El rango de salida recomendado es de 1 MP a 2 MP, y el modelo extrapola hasta unos 4 MP. Todo lo que supere ese rango queda fuera, así que construye imágenes grandes mediante pasadas sucesivas en lugar de un solo lienzo grande. -Las plantillas alimentan al sampler con un `Empty Flux 2 Latent` fijo, así que esto requiere una edición dentro del subgrafo: +Las plantillas envían un `Empty Flux 2 Latent` fijo al sampler, así que esto requiere una edición dentro del subgrafo: 1. Renderiza la primera pasada a 1 MP o 2 MP. -2. Decodifica el resultado, redimensiónalo en el espacio de píxeles con `Upscale Image` y vuelve a codificarlo con `VAE Encode`. Ampliar el latente lo remuestrea directamente y pierde detalle que la segunda pasada no puede recuperar. -3. Alimenta al sampler con el latente codificado en lugar de `Empty Flux 2 Latent` y establece `denoise` en alrededor de 0.6 para un paso de 1.5x. Un valor más bajo mantiene intacta la primera pasada; uno más alto rehace la composición. +2. Decodifica el resultado, redimensiónalo en el espacio de píxeles con `Upscale Image` y luego vuelve a codificarlo con `VAE Encode`. Ampliar el latente lo remuestrea directamente y pierde detalle que la segunda pasada no puede recuperar. +3. Alimenta el sampler con el latente codificado en lugar de `Empty Flux 2 Latent` y ajusta `denoise` a aproximadamente 0.6 para un paso de 1.5x. Un valor más bajo mantiene intacta la primera pasada; uno más alto rehace la composición. -Repite la redimensión y el nuevo render en lugar de saltar al tamaño final. Un solo salto de 2 MP a 8K tiende a repetir detalle en vez de agregarlo, y un lienzo de 8K necesita `VAE Decode (Tiled)`. +Repite el redimensionado y la nueva renderización en lugar de saltar directamente al tamaño final. Un solo salto de 2 MP a 8K tiende a repetir el detalle en lugar de añadirlo, y un lienzo de 8K necesita `VAE Decode (Tiled)`. -## Imágenes de referencia y el mejorador de prompts +## Imágenes de referencia y el mejorador de prompt -El nodo del subgrafo tiene una entrada opcional `ref_image (for llm)`. Llega al mejorador de prompts, no al modelo de difusión: MOSS-Image no tiene entrada de imagen, así que no puede copiar una referencia. Con el mejorador activado, la imagen da forma a la descripción que escribe; con el mejorador desactivado, la imagen se ignora. +El nodo del subgrafo tiene una entrada opcional `ref_image (for llm)`. Llega al mejorador de prompt, no al modelo de diffusion: MOSS-Image no tiene entrada de imagen, así que no puede copiar una referencia. Con el mejorador de prompt activado, la imagen da forma a la descripción que escribe; con el mejorador de prompt desactivado, la imagen se ignora. -El mejorador de prompts se ejecuta sobre el codificador de texto Qwen3.5 que el modelo ya carga, mediante `Generate Text`, con un prompt de sistema escrito a partir de la skill oficial del mejorador de prompts de MOSS-Image. Su longitud de salida es `max_length`, 4096 tokens en las plantillas. En las plantillas `MOSS-Image: Text to Image` y `MOSS-Image Base: Text to Image`, `prompt_enhancer_seed` reproduce una descripción, y `Preview Any` muestra el texto que realmente llega al sampler. +El mejorador de prompt se ejecuta en el codificador de texto Qwen3.5 que el modelo ya carga, mediante `Generate Text`, con un prompt de sistema escrito a partir de la skill oficial del mejorador de prompt de MOSS-Image. Su longitud de salida es `max_length`, 4096 tokens en las plantillas. En las plantillas `MOSS-Image: Text to Image` y `MOSS-Image Base: Text to Image`, `prompt_enhancer_seed` reproduce una descripción, y `Preview Any` muestra el texto que realmente llega al sampler. diff --git a/es/tutorials/image/ovis/ovis-image.mdx b/es/tutorials/image/ovis/ovis-image.mdx index 711aaa02c8..ed4566c58d 100644 --- a/es/tutorials/image/ovis/ovis-image.mdx +++ b/es/tutorials/image/ovis/ovis-image.mdx @@ -2,7 +2,7 @@ title: "Ovis-Image en ComfyUI: modelo de renderizado de texto de 7B" description: "Ejecuta Ovis-Image en ComfyUI para renderizar texto nítido en chino e inglés en pósteres, banners, logos y maquetas de UI desde un prompt de texto." sidebarTitle: "Ovis-Image" -translationSourceHash: 8be09652 +translationSourceHash: 9721a07a translationFrom: tutorials/image/ovis/ovis-image.mdx --- diff --git a/es/tutorials/image/pixeldit/pixeldit.mdx b/es/tutorials/image/pixeldit/pixeldit.mdx index 7b147b0ab6..a89abe4702 100644 --- a/es/tutorials/image/pixeldit/pixeldit.mdx +++ b/es/tutorials/image/pixeldit/pixeldit.mdx @@ -2,13 +2,15 @@ title: "PixelDiT en ComfyUI: texto a imagen en espacio de píxeles de NVIDIA" description: "Ejecuta NVIDIA PixelDiT en ComfyUI para generar imágenes de texto a 1024px directamente en el espacio de píxeles, sin codificación ni decodificación VAE." sidebarTitle: "PixelDiT" -translationSourceHash: 65a41708 +translationSourceHash: 92812e84 translationFrom: tutorials/image/pixeldit/pixeldit.mdx translationBlockHashes: "_intro": eb9c0ba9 "PixelDiT text-to-image workflow": af3a6805 + "Model downloads": 52281af2 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' **PixelDiT** es el transformer de difusión en espacio de píxeles de NVIDIA para la generación de texto a imagen a 1024px. A diferencia de los modelos de difusión tradicionales que operan en el espacio latente, PixelDiT genera imágenes directamente en el espacio de píxeles mediante una arquitectura DiT de dos niveles: un DiT a nivel de parche combinado con un DiT a nivel de píxel, con fusión MM-DiT para la atención conjunta entre tokens de texto e imagen. @@ -40,8 +42,8 @@ import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" El flujo de trabajo consta de tres nodos principales: -1. **ResolutionSelector**: elige la resolución de salida deseada -2. **Subgrafo Text to Image (PixelDiT)**: el nodo de generación principal con controles expuestos para el prompt, la semilla, la selección del modelo y la resolución +1. **ResolutionSelector**: elige la resolución de salida que quieras +2. **Subgrafo Text to Image (PixelDiT)**: el nodo de generación principal, con controles expuestos para el prompt, la semilla, la selección del modelo y la resolución 3. **SaveImage**: guarda la imagen generada @@ -61,14 +63,14 @@ Los controles expuestos en el nodo de subgrafo **Text to Image (PixelDiT)** incl ## Descargas de modelos -PixelDiT usa dos archivos de modelo: un codificador de texto y el modelo de difusión. +PixelDiT usa dos archivos de modelo: un codificador de texto y el modelo de diffusion. gemma_2_2b_it_elm_bf16.safetensors: codificador de texto Gemma-2-2B-IT - - pixeldit_1300m_1024px_bf16.safetensors: modelo de difusión PixelDiT 1300M 1024px + + pixeldit_1300m_1024px_bf16.safetensors: modelo de diffusion PixelDiT 1300M 1024px ### Ubicación de almacenamiento de los modelos diff --git a/es/tutorials/image/qwen/qwen-image-2512.mdx b/es/tutorials/image/qwen/qwen-image-2512.mdx index 0ff29b3f4b..accac8da4c 100644 --- a/es/tutorials/image/qwen/qwen-image-2512.mdx +++ b/es/tutorials/image/qwen/qwen-image-2512.mdx @@ -2,13 +2,15 @@ title: "Qwen-Image-2512 en ComfyUI: texto a imagen fotorrealista" description: "Genera imágenes en 7 relaciones de aspecto en ComfyUI con la actualización de diciembre de Qwen-Image, para realismo humano, detalle natural y texto preciso." sidebarTitle: "Qwen-Image-2512" -translationSourceHash: 537e6509 +translationSourceHash: 26d99ccd translationFrom: tutorials/image/qwen/qwen-image-2512.mdx translationBlockHashes: "_intro": db22951d "Supported Aspect Ratios": 018121b0 + "Qwen-Image-2512 ComfyUI Native Workflow Example": e93092aa --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' **Qwen-Image-2512** es la actualización de diciembre del modelo fundacional de texto a imagen de Qwen-Image. En comparación con el modelo base Qwen-Image lanzado en agosto, Qwen-Image-2512 presenta mejoras significativas en la calidad de imagen y el realismo. @@ -36,15 +38,15 @@ import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" | 3:2 | 1584x1056 | | 2:3 | 1056x1584 | -## Ejemplo de flujo de trabajo nativo de ComfyUI para Qwen-Image-2512 +## Ejemplo de flujo de trabajo nativo de Qwen-Image-2512 en ComfyUI ### Qwen Image 2512 {#image_qwen_Image_2512} -Modelo de texto a imagen con mayor realismo humano, detalles naturales más finos y mejor renderizado de texto. +Modelo de texto a imagen con realismo humano mejorado, detalles naturales más finos y mejor representación de texto. -Vista previa del flujo de trabajo de Qwen-Image-2512 +Vista previa del flujo de trabajo Qwen-Image-2512 @@ -55,19 +57,19 @@ Modelo de texto a imagen con mayor realismo humano, detalles naturales más fino -**Ejemplo de salida** +**Salida de ejemplo** -![Ejemplo de salida de Qwen-Image-2512](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_qwen_Image_2512.png) +![Salida de ejemplo de Qwen-Image-2512](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_qwen_Image_2512.png) ### 1. Archivo del flujo de trabajo Después de actualizar ComfyUI, puedes encontrar el archivo del flujo de trabajo en las plantillas, o arrastrar la vista previa del flujo de trabajo de arriba a ComfyUI para cargarlo. El flujo de trabajo incluye dos subgrafos: -- **Text to Image (Qwen-Image 2512)**: generación estándar de 50 pasos -- **Text to Image (Qwen-Image 2512 4steps)**: generación acelerada de 4 pasos usando el LoRA Lightning +- **Texto a imagen (Qwen-Image 2512)**: generación estándar de 50 pasos +- **Texto a imagen (Qwen-Image 2512 4steps)**: generación acelerada de 4 pasos con Lightning LoRA -### 2. Descarga del modelo +### 2. Descarga de modelos **Codificadores de texto** @@ -79,7 +81,7 @@ El flujo de trabajo incluye dos subgrafos: **Modelos de difusión** -- [qwen_image_2512_fp8_e4m3fn.safetensors](https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/blob/main/split_files/diffusion_models/qwen_image_2512_fp8_e4m3fn.safetensors) (Recomendado para la mayoría de usuarios) +- [qwen_image_2512_fp8_e4m3fn.safetensors](https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/blob/main/split_files/diffusion_models/qwen_image_2512_fp8_e4m3fn.safetensors) (Recomendado para la mayoría de los usuarios) - [qwen_image_2512_bf16.safetensors](https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/blob/main/split_files/diffusion_models/qwen_image_2512_bf16.safetensors) (Si tienes suficiente VRAM y quieres mejor calidad) **VAE** diff --git a/es/tutorials/image/qwen/qwen-image-edit.mdx b/es/tutorials/image/qwen/qwen-image-edit.mdx index 82e0b67d88..f73811983b 100644 --- a/es/tutorials/image/qwen/qwen-image-edit.mdx +++ b/es/tutorials/image/qwen/qwen-image-edit.mdx @@ -2,23 +2,25 @@ title: "Ejemplo de flujo de trabajo nativo de ComfyUI para Qwen-Image-Edit" description: "Qwen-Image-Edit es la versión de edición de Qwen-Image, entrenada sobre el modelo de 20B, con edición precisa de texto y edición semántica y de apariencia." sidebarTitle: "Qwen-Image-Edit" -translationSourceHash: 0faaeb7a +translationSourceHash: 86e42be2 translationFrom: tutorials/image/qwen/qwen-image-edit.mdx translationBlockHashes: "_intro": eee08e9a "ComfyOrg Qwen-Image-Edit Live Stream": 6e70a462 "Qwen-Image-Edit ComfyUI Native Workflow Example": 530f43f2 + "Qwen Image Edit 2509 {#image_qwen_image_edit_2509}": 2b273573 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -**Qwen-Image-Edit** es la versión de edición de imágenes de Qwen-Image. Está entrenado adicionalmente a partir del modelo Qwen-Image de 20B, y logra extender las capacidades únicas de renderizado de texto de Qwen-Image a las tareas de edición, lo que permite una edición precisa del texto. Además, Qwen-Image-Edit introduce la imagen de entrada tanto en Qwen2.5-VL (para el control semántico visual) como en el VAE Encoder (para el control de apariencia visual), y así consigue capacidades de edición tanto semántica como de apariencia. +**Qwen-Image-Edit** es la versión de edición de imágenes de Qwen-Image. Se entrena adicionalmente sobre el modelo Qwen-Image de 20B y extiende con éxito las capacidades únicas de renderizado de texto de Qwen-Image a las tareas de edición, lo que permite una edición precisa del texto. Además, Qwen-Image-Edit alimenta la imagen de entrada tanto en Qwen2.5-VL (para el control semántico visual) como en el VAE Encoder (para el control de apariencia visual), logrando así capacidades de edición tanto semánticas como de apariencia. **Características del modelo** Las características incluyen: - Edición precisa de texto: Qwen-Image-Edit admite la edición de texto bilingüe (chino e inglés), lo que permite añadir, eliminar y modificar texto directamente en las imágenes conservando el tamaño, la fuente y el estilo originales. -- Edición dual semántica y de apariencia: Qwen-Image-Edit admite no solo la edición visual de bajo nivel (como la transferencia de estilo, la adición, la eliminación o la modificación de elementos), sino también la edición semántica visual de alto nivel (como la creación de IP, la rotación de objetos, etc.). -- Rendimiento sólido en múltiples benchmarks: las evaluaciones en varios benchmarks públicos muestran que Qwen-Image-Edit alcanza el estado del arte (SOTA) en tareas de edición, lo que lo convierte en un modelo base potente para la generación de imágenes. +- Edición dual semántica y de apariencia: Qwen-Image-Edit admite no solo la edición visual de bajo nivel (como transferencia de estilo, adición, eliminación, modificación, etc.), sino también la edición semántica visual de alto nivel (como creación de IP, rotación de objetos, etc.). +- Rendimiento sólido en múltiples benchmarks: las evaluaciones en varios benchmarks públicos muestran que Qwen-Image-Edit alcanza SOTA en tareas de edición, lo que lo convierte en un modelo base potente para la generación de imágenes. **Enlaces oficiales**: - [Repositorio de GitHub](https://github.com/QwenLM/Qwen-Image) @@ -122,7 +124,7 @@ Ubicación de almacenamiento de los modelos - Asegúrate de que el nodo `Load CLIP` cargue `qwen_2.5_vl_7b_fp8_scaled.safetensors` - Asegúrate de que el nodo `Load VAE` cargue `qwen_image_vae.safetensors` 2. Carga de imagen - - Asegúrate de que el nodo `Load Image` tenga subida la imagen que quieres editar + - Asegúrate de que en el nodo `Load Image` subas la imagen que quieres editar 3. Configuración del prompt - Define el prompt en el nodo `CLIP Text Encoder` 4. El nodo `Scale Image to Total Pixels` escalará tu imagen de entrada a un total de un millón de píxeles, @@ -134,22 +136,22 @@ Ubicación de almacenamiento de los modelos ## Qwen Image Edit 2509 {#image_qwen_image_edit_2509} -Qwen-Image-Edit-2509 es la siguiente iteración de Qwen-Image-Edit. Mantiene la edición precisa de texto bilingüe del modelo original y agrega entrada de varias imágenes, ediciones más consistentes a lo largo de una serie de imágenes y compatibilidad con ControlNet, así que puedes editar una imagen tomando otras como referencia. +Qwen-Image-Edit-2509 es la siguiente iteración de Qwen-Image-Edit. Mantiene la edición de texto bilingüe precisa del modelo original y añade entrada de varias imágenes, ediciones más consistentes en una serie de imágenes y soporte de ControlNet, para que puedas editar una imagen mientras haces referencia a otras. -Vista previa del flujo de trabajo de Qwen Image Edit 2509 +Qwen Image Edit 2509 workflow preview Abrir en Comfy Cloud - Descarga el JSON o busca "Qwen Image Edit 2509" en la biblioteca de plantillas + Descargar JSON o buscar "Qwen Image Edit 2509" en la biblioteca de plantillas **Materiales de entrada** -Sube este archivo al nodo `LoadImage` que corresponda: +Sube este archivo al nodo `LoadImage` correspondiente: @@ -157,7 +159,7 @@ Sube este archivo al nodo `LoadImage` que corresponda: -### Descarga de modelos +### Descargar el modelo **Modelo de difusión** @@ -175,7 +177,7 @@ Sube este archivo al nodo `LoadImage` que corresponda: - [qwen_image_vae.safetensors](https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/blob/main/split_files/vae/qwen_image_vae.safetensors) -Ubicación de almacenamiento de los modelos +**Ubicación de almacenamiento de los modelos** ``` 📂 ComfyUI/ diff --git a/es/tutorials/image/qwen/qwen-image-layered.mdx b/es/tutorials/image/qwen/qwen-image-layered.mdx index 12b0820ff2..1dfe92707f 100644 --- a/es/tutorials/image/qwen/qwen-image-layered.mdx +++ b/es/tutorials/image/qwen/qwen-image-layered.mdx @@ -2,21 +2,23 @@ title: "Qwen-Image-Layered en ComfyUI: descomposición en capas de imagen" description: "Descompone una imagen en varias capas RGBA con Qwen-Image-Layered y luego recolorea, sustituye, redimensiona o reubica cada capa de forma independiente." sidebarTitle: "Qwen-Image-Layered" -translationSourceHash: 801175a4 +translationSourceHash: 0f254c67 translationFrom: tutorials/image/qwen/qwen-image-layered.mdx translationBlockHashes: "_intro": 9e032d88 "Qwen-Image-Layered workflow": 309e8412 + "Model links": 053c337d "FP8 version": 6bffdd17 "Layers and output": 1b020f3c "Workflow settings": 098636f1 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -**Qwen-Image-Layered** es un modelo desarrollado por el equipo Qwen de Alibaba que puede descomponer una imagen en varias capas RGBA. Esta representación por capas habilita una editabilidad inherente: cada capa se puede manipular de forma independiente sin afectar el contenido de las demás. +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' + +**Qwen-Image-Layered** es un modelo desarrollado por el equipo Qwen de Alibaba que puede descomponer una imagen en varias capas RGBA. Esta representación por capas habilita una capacidad de edición inherente: cada capa se puede manipular de forma independiente sin afectar el contenido de las demás. **Características principales**: -- **Editabilidad inherente**: cada capa se puede manipular de forma independiente sin afectar el contenido de las demás +- **Capacidad de edición inherente**: cada capa se puede manipular de forma independiente sin afectar el contenido de las demás - **Operaciones elementales de alta fidelidad**: admite cambiar el tamaño, la posición y el color con aislamiento físico de los componentes semánticos - **Descomposición en cantidad variable de capas**: no se limita a un número fijo de capas; descompón en 3, 4, 8 o más capas según lo necesites - **Descomposición recursiva**: cualquier capa se puede descomponer aún más, lo que permite una profundidad de descomposición infinita @@ -32,7 +34,7 @@ import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" ### Descomposición con Qwen-Image-Layered {#image_qwen_image_layered} -Descompón una imagen en capas RGBA editables para flujos de trabajo de recoloreado, reemplazo, redimensionado y reposicionado. +Descompón una imagen en capas RGBA editables para recolorar, reemplazar, redimensionar y reposicionar. Vista previa del flujo de trabajo Qwen-Image-Layered @@ -83,20 +85,19 @@ Sube este archivo al nodo `LoadImage` **74**: │ └── 📂 vae/ │ └── qwen_image_layered_vae.safetensors ``` - ## Versión FP8 -De forma predeterminada usamos bf16, que requiere mucha VRAM. Si quieres reducir el uso de VRAM, puedes usar la versión fp8: +Por defecto usamos bf16, que requiere mucha VRAM. Si necesitas un uso de VRAM menor, puedes usar la versión fp8: - [qwen_image_layered_fp8mixed.safetensors](https://huggingface.co/Comfy-Org/Qwen-Image-Layered_ComfyUI/blob/main/split_files/diffusion_models/qwen_image_layered_fp8mixed.safetensors) -Luego, actualiza el nodo **Cargar modelo de difusión** dentro del [Subgraph](/es/interface/features/subgraph) para usarla. +Después, actualiza el nodo **Load Diffusion model** dentro del [Subgraph](/es/interface/features/subgraph) para usarla. ## Capas y salida -El número de capas lo define el widget `layers` del nodo **Empty Qwen Image Layered Latent**, dentro del [Subgraph](/es/interface/features/subgraph). +El número de capas lo define el widget `layers` del nodo **Latente Qwen Image en capas vacío**, dentro del [Subgraph](/es/interface/features/subgraph). -Este modelo regenera la imagen completa además de las capas, así que una generación siempre se decodifica en `layers + 1` imágenes: +Este modelo regenera la imagen completa además de las capas, así que una generación siempre decodifica `layers + 1` imágenes: | `layers` | Imágenes decodificadas | Contenido | | --- | --- | --- | @@ -104,28 +105,28 @@ Este modelo regenera la imagen completa además de las capas, así que una gener | `2` (valor predeterminado de la plantilla) | 3 | La imagen completa y luego 2 capas | | `5` | 6 | La imagen completa y luego 5 capas | -**La primera imagen es la imagen completa, no una capa.** El flujo de trabajo de imagen a capas la descarta automáticamente con un nodo `LatentCut` (`dim` `t`, `index` `1`) antes de la división del lote, de modo que la plantilla genera `layers` imágenes. Si construyes un gráfico personalizado sin ese nodo, descarta la primera imagen cuando solo quieras las capas. `layers` acepta `0`, lo que te da esa imagen por sí sola. +**La primera imagen es la imagen completa, no una capa.** El flujo de trabajo de imagen a capas la descarta automáticamente con un nodo `Cortar latente` (`dim` `t`, `index` `1`) antes de la división del lote, por lo que la plantilla genera `layers` imágenes. Si construyes un gráfico personalizado sin ese nodo, descarta la primera imagen cuando solo quieras las capas. `layers` acepta `0`, lo que te da esa imagen por sí sola. -**Si compones todas las capas de nuevo, vuelves a crear la imagen completa.** Úsalo como comprobación: si al apilar las capas no se reproduce la primera imagen, la descomposición no hizo lo que buscabas. +**Recomponer todas las capas vuelve a crear la imagen completa.** Úsalo como comprobación: si al apilar las capas no se reproduce la primera imagen, la descomposición no hizo lo que querías. -### Cómo se convierten las capas en imágenes separadas +### Cómo las capas se convierten en imágenes separadas -El nodo **Empty Qwen Image Layered Latent** asigna un latente 5D con forma `[batch_size, 16, layers + 1, height // 8, width // 8]`. Las capas ocupan el tercer eje, el mismo eje temporal que los modelos de video usan para los fotogramas. El nodo **LatentCutToBatch** con `dim` en `t` mueve ese eje a la dimensión del lote, así que después de **VAE Decode** cada capa es una imagen separada dentro del lote. La plantilla inserta un nodo `LatentCut` (`dim` `t`, `index` `1`) antes de `LatentCutToBatch` para descartar la entrada de la imagen completa, de modo que el lote decodificado solo contiene las capas. +El nodo **Latente Qwen Image en capas vacío** asigna un latente 5D con forma `[batch_size, 16, layers + 1, height // 8, width // 8]`. Las capas ocupan el tercer eje, el mismo eje temporal que los modelos de video usan para los fotogramas. El nodo **Cortar latente a lote** con `dim` en `t` mueve ese eje a la dimensión del lote, de modo que después de la **Decodificación VAE** cada capa es una imagen separada dentro del lote. La plantilla inserta un nodo `Cortar latente` (`dim` `t`, `index` `1`) antes de **Cortar latente a lote** para descartar la entrada de la imagen completa, así que el lote decodificado contiene solo las capas. -Por lo tanto, la posición de una capa en la pila es su índice en el lote, contando desde la imagen completa en el índice 0. No hay campo de z-index ni metadatos por capa que lleven ese orden, así que reordenar o filtrar el lote reordena las capas. +La posición de una capa en la pila es, por lo tanto, su índice en el lote, contando desde la imagen completa en el índice 0. No existe un campo de z-index ni metadatos por capa que lleven ese orden, así que reordenar o filtrar el lote reordena las capas. -El VAE de Qwen-Image-Layered decodifica a 4 canales, así que las capas decodificadas llevan un canal alfa. +El VAE de Qwen-Image-Layered decodifica a 4 canales, por lo que las capas decodificadas llevan un canal alfa. ## Configuraciones del flujo de trabajo ### Configuraciones del sampler -Este modelo es lento. Las configuraciones de muestreo originales son steps: 50 y CFG: 4.0, lo que al menos duplicará el tiempo de generación. +Este modelo es lento. Las configuraciones de muestreo originales son steps: 50 y CFG: 4.0, lo que como mínimo duplica el tiempo de generación. ### Tamaño de entrada -Para el tamaño de entrada, se recomienda 640px. Usa 1024px para una salida de alta resolución. +Para el tamaño de entrada se recomienda 640px. Usa 1024px para una salida de alta resolución. ### Prompt (opcional) -El prompt de texto está pensado para describir el contenido general de la imagen de entrada, incluidos los elementos que pueden estar parcialmente ocultos (por ejemplo, puedes especificar el texto que está detrás de un objeto en primer plano). No está diseñado para controlar explícitamente el contenido semántico de cada capa. +El prompt de texto sirve para describir el contenido general de la imagen de entrada, incluidos los elementos que pueden estar parcialmente ocluidos (por ejemplo, puedes especificar el texto oculto detrás de un objeto en primer plano). No está diseñado para controlar de forma explícita el contenido semántico de cada capa. diff --git a/es/tutorials/image/z-image/z-image-turbo.mdx b/es/tutorials/image/z-image/z-image-turbo.mdx index 0d0a554811..17adc4743b 100644 --- a/es/tutorials/image/z-image/z-image-turbo.mdx +++ b/es/tutorials/image/z-image/z-image-turbo.mdx @@ -2,21 +2,24 @@ title: "Z-Image-Turbo en ComfyUI: texto a imagen en 8 pasos" description: "Un modelo destilado de texto a imagen de 6B que renderiza en 8 pasos con 16GB de VRAM, con renderizado preciso de texto en chino e inglés en ComfyUI." sidebarTitle: "Z-Image-Turbo" -translationSourceHash: 3ba96151 +translationSourceHash: 33113227 translationFrom: tutorials/image/z-image/z-image-turbo.mdx translationBlockHashes: "_intro": 7084d4ab + "Z-Image-Turbo text-to-image workflow": b88a686f + "Z-Image-Turbo Fun Union ControlNet workflow": abab6a04 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' **Z-Image (造相)** es un modelo de generación de imágenes potente y muy eficiente con **6B** parámetros, desarrollado por Tongyi Lab de Alibaba. Utiliza una arquitectura **Scalable Single-Stream DiT** (S3-DiT) en la que los tokens de texto, los tokens semánticos visuales y los tokens del VAE de imagen se concatenan a nivel de secuencia para formar un único flujo de entrada, maximizando la eficiencia de los parámetros. **Variantes del modelo**: -- 🚀 **Z-Image-Turbo**: una versión destilada que iguala o supera a los principales competidores con solo **8 NFE** (Number of Function Evaluations). Ofrece una **latencia de inferencia inferior a un segundo** en GPUs H800 de clase empresarial y cabe en **dispositivos de consumo con 16 GB de VRAM**. +- 🚀 **Z-Image-Turbo**: una versión destilada que iguala o supera a los principales competidores con solo **8 NFE** (Number of Function Evaluations). Ofrece una **latencia de inferencia inferior a un segundo** en GPUs H800 de clase empresarial y cabe en **dispositivos de consumo con 16GB de VRAM**. - 🧱 **Z-Image-Base**: el modelo base sin destilar, pensado para el ajuste fino impulsado por la comunidad y el desarrollo personalizado. -- ✍️ **Z-Image-Edit**: una variante ajustada para tareas de edición de imágenes, con una capacidad notable para seguir instrucciones. +- ✍️ **Z-Image-Edit**: una variante ajustada para tareas de edición de imágenes, con una notable capacidad para seguir instrucciones. **Aspectos destacados del modelo**: - **Calidad fotorrealista**: ofrece una sólida generación de imágenes fotorrealistas sin perder una excelente calidad estética @@ -30,28 +33,28 @@ import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -## Flujo de trabajo de texto a imagen de Z-Image-Turbo +## Flujo de trabajo de texto a imagen con Z-Image-Turbo -### Z-Image-Turbo: Text to Image {#image_z_image_turbo} +### Z-Image-Turbo: Texto a imagen {#image_z_image_turbo} -Un modelo fundacional eficiente de generación de imágenes con Single-Stream Diffusion Transformer; admite inglés y chino. +Un modelo fundacional eficiente de generación de imágenes con Diffusion Transformer de flujo único, compatible con inglés y chino. -Vista previa del flujo de trabajo de texto a imagen de Z-Image-Turbo +Vista previa del flujo de trabajo de texto a imagen con Z-Image-Turbo - + Ejecuta este flujo de trabajo directamente en Comfy Cloud - Descarga el archivo JSON del flujo de trabajo de texto a imagen de Z-Image-Turbo + Descarga el archivo JSON del flujo de trabajo de texto a imagen con Z-Image-Turbo -**Ejemplo de salida** +**Salida de ejemplo** -![Ejemplo de salida de Z-Image-Turbo](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_z_image_turbo.png) +![Salida de ejemplo de Z-Image-Turbo](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/image_z_image_turbo.png) -### Descargas de modelos de Z-Image-Turbo +### Descargas del modelo Z-Image-Turbo @@ -64,7 +67,7 @@ Un modelo fundacional eficiente de generación de imágenes con Single-Stream Di VAE para Z-Image-Turbo. -**Ubicación de almacenamiento de los modelos de Z-Image-Turbo** +**Ubicación de almacenamiento del modelo Z-Image-Turbo** ``` 📂 ComfyUI/ @@ -76,21 +79,20 @@ Un modelo fundacional eficiente de generación de imágenes con Single-Stream Di │ └── 📂 vae/ │ └── ae.safetensors ``` - -## Flujo de trabajo de ControlNet Fun Union de Z-Image-Turbo +## Flujo de trabajo de Z-Image-Turbo Fun Union ControlNet ### Z-Image-Turbo Fun Union ControlNet {#image_z_image_turbo_fun_union_controlnet} -ControlNet multi-control compatible con Canny, HED, Depth, Pose y MLSD para Z-Image-Turbo. +ControlNet de control múltiple compatible con Canny, HED, Depth, Pose y MLSD para Z-Image-Turbo. -Vista previa del flujo de trabajo de ControlNet Fun Union de Z-Image-Turbo +Vista previa del flujo de trabajo de Z-Image-Turbo Fun Union ControlNet Ejecuta este flujo de trabajo directamente en Comfy Cloud - Descarga el archivo JSON del flujo de trabajo de ControlNet Fun Union de Z-Image-Turbo + Descarga el archivo JSON del flujo de trabajo de Z-Image-Turbo Fun Union ControlNet @@ -100,7 +102,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: - Nodo `LoadImage` 58 · `image_z_image_turbo_fun_union_controlnet_input_image.png` + `LoadImage` nodo 58 · `image_z_image_turbo_fun_union_controlnet_input_image.png` diff --git a/es/tutorials/image/z-image/z-image.mdx b/es/tutorials/image/z-image/z-image.mdx index c47464a94c..926bf4af68 100644 --- a/es/tutorials/image/z-image/z-image.mdx +++ b/es/tutorials/image/z-image/z-image.mdx @@ -2,17 +2,19 @@ title: "Z-Image en ComfyUI: modelo base de texto a imagen de 6B" description: "Genera imágenes fotorrealistas en ComfyUI con Z-Image (造相), el modelo open source de 6B de Tongyi Lab, con texto chino/inglés preciso y razonamiento de prompts." sidebarTitle: "Z-Image" -translationSourceHash: ef8f0cce +translationSourceHash: 613b8f98 translationFrom: tutorials/image/z-image/z-image.mdx translationBlockHashes: "_intro": e00a79e0 "Z-Image text-to-image workflow": 49b8d4a9 + "Z-Image model downloads": 02a933e1 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -**Z-Image (造相)** es un modelo de generación de imágenes potente y altamente eficiente con **6B** parámetros, desarrollado por Tongyi Lab de Alibaba. Utiliza una arquitectura **Scalable Single-Stream DiT** (S3-DiT), en la que los tokens de texto, los tokens semánticos visuales y los tokens VAE de imagen se concatenan a nivel de secuencia para formar un flujo de entrada unificado, lo que maximiza la eficiencia de los parámetros. +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' -Z-Image (Base) es el modelo base no destilado diseñado para el ajuste fino impulsado por la comunidad y el desarrollo personalizado. +**Z-Image (造相)** es un modelo de generación de imágenes potente y muy eficiente, con **6B** parámetros, desarrollado por Tongyi Lab de Alibaba. Emplea una arquitectura **Scalable Single-Stream DiT** (S3-DiT) en la que los tokens de texto, los tokens semánticos visuales y los tokens de imagen del VAE se concatenan a nivel de secuencia para formar un flujo de entrada unificado, lo que maximiza la eficiencia de los parámetros. + +Z-Image (Base) es el modelo base no destilado, diseñado para el ajuste fino impulsado por la comunidad y el desarrollo personalizado. **Puntos destacados del modelo**: - **Calidad fotorrealista**: ofrece una potente generación de imágenes fotorrealistas y mantiene una excelente calidad estética. @@ -31,7 +33,7 @@ Z-Image (Base) es el modelo base no destilado diseñado para el ajuste fino impu ### Z-Image: Texto a imagen {#image_z_image} -La base para la libertad creativa. Estética diversa con una calidad fotorrealista excepcional; ideal para fine-tuning; responde a los prompts negativos; alta diversidad de generación. +La base para la libertad creativa. Estéticas diversas con una calidad fotorrealista excepcional; ideal para el ajuste fino; responde a los prompts negativos; alta diversidad de generación. Vista previa del flujo de trabajo de texto a imagen con Z-Image @@ -55,14 +57,14 @@ La base para la libertad creativa. Estética diversa con una calidad fotorrealis Codificador de texto para Z-Image. - Modelo de difusión para Z-Image. + Modelo de diffusion para Z-Image. VAE para Z-Image. -**Ubicación de almacenamiento de los modelos** +**Ubicación de almacenamiento de modelos** ``` 📂 ComfyUI/ diff --git a/es/tutorials/partner-nodes/black-forest-labs/flux-1-kontext.mdx b/es/tutorials/partner-nodes/black-forest-labs/flux-1-kontext.mdx index e2fcd83b9d..5fe2f50596 100644 --- a/es/tutorials/partner-nodes/black-forest-labs/flux-1-kontext.mdx +++ b/es/tutorials/partner-nodes/black-forest-labs/flux-1-kontext.mdx @@ -2,7 +2,7 @@ title: "FLUX.1 Kontext en ComfyUI: edición de imágenes con Pro y Max" description: "Edita imágenes en ComfyUI con los nodos asociados FLUX.1 Kontext Pro y Max: cambios de objetos y estilo, fondo, consistencia de personajes y texto." sidebarTitle: "FLUX 1 Kontext" -translationSourceHash: a0162ebb +translationSourceHash: 6e33d2c1 translationFrom: tutorials/partner-nodes/black-forest-labs/flux-1-kontext.mdx translationBlockHashes: "_intro": f46b0e5e @@ -11,7 +11,9 @@ translationBlockHashes: "Use it": 994ca527 "FLUX.1 Kontext Multiple Image Input Workflow": 5cb24d5f "FLUX.1 Kontext Pro Image Partner Nodes Workflow": 73d4e4eb + "FLUX.1 Kontext Max Image Partner Nodes Workflow": 9e7b7cf6 --- + import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; import PromptTechniques from "/snippets/es/tutorials/flux/prompt-techniques.mdx"; import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; @@ -28,7 +30,7 @@ Actualmente, ComfyUI es compatible con dos modelos de FLUX.1 Kontext: ## En qué destaca FLUX.1 Kontext - **Edición versátil sin descripciones complejas**: modificación de objetos, transferencia de estilo, reemplazo de fondo, edición con consistencia de personaje y edición de texto -- **Comprensión del contexto**: la comprensión inteligente del contexto de la imagen permite realizar ediciones precisas y específicas +- **Comprensión del contexto**: la comprensión inteligente del contexto de la imagen permite hacer ediciones precisas y específicas - **Consistencia de personaje**: las características del personaje y la disposición de la composición se mantienen estables incluso después de varias iteraciones de edición - **Entrada de varias imágenes**: el nodo `Image Stitch` combina varias imágenes en una sola para editarla con FLUX.1 Kontext - **Dos niveles de modelo**: Kontext Pro para editar, componer y remezclar; Kontext Max para tipografía, precisión del prompt y velocidad @@ -47,20 +49,20 @@ Edición de imágenes con Kontext Max, que lleva al límite la tipografía, la p ![Ejemplo de edición de imágenes con FLUX.1 Kontext Max](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/bfl/flux_1_kontext_max_image.png) -## Úsalo +## Usarlo - + Llama a Kontext Pro o Max por HTTP a través de Comfy Router, con fragmentos de Python, TypeScript, Swift y cURL listos para pegar -Esto se ejecuta en la misma cuenta de Comfy y se factura con los mismos créditos que ejecutarlo en ComfyUI más abajo. Consulta [Precios de los Nodos asociados](/es/tutorials/partner-nodes/pricing) para ver las tarifas por modelo y [Límites de concurrencia](/es/tutorials/partner-nodes/concurrency-limits) para saber cuántas solicitudes puedes tener en curso. +Esto se ejecuta en la misma cuenta de Comfy y se factura con los mismos créditos que ejecutarlo en ComfyUI más abajo. Consulta [Créditos de Nodos de Socio](/es/tutorials/partner-nodes/pricing) para ver las tarifas por modelo y [Límites de concurrencia](/es/tutorials/partner-nodes/concurrency-limits) para saber cuántas solicitudes puedes tener en curso. ## Flujo de trabajo con múltiples imágenes de entrada de FLUX.1 Kontext -Recientemente actualizamos el soporte para flujos de trabajo con múltiples imágenes de entrada. Con el nuevo nodo `Image Stitch`, puedes unir varias imágenes en una sola y editarla con FLUX.1 Kontext. +Hace poco actualizamos el soporte para flujos de trabajo con múltiples imágenes de entrada. Con el nuevo nodo `Image Stitch`, puedes unir varias imágenes en una sola y editarla con FLUX.1 Kontext. ### 1. Descargar el archivo del flujo de trabajo @@ -96,7 +98,7 @@ Puedes seguir los pasos numerados de la imagen para completar el flujo de trabaj ### 1. Descargar el archivo de flujo de trabajo -Los `metadata` de la imagen a continuación contienen la información del flujo de trabajo. Descárgala y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente. +Los metadatos (`metadata`) de la imagen a continuación contienen la información del flujo de trabajo. Descárgala y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente. ![Flujo de trabajo de nodos asociados de FLUX.1 Kontext Pro Image de ComfyUI](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/bfl/flux_1_kontext_pro_image.png) @@ -114,21 +116,21 @@ Puedes seguir los pasos numerados de la imagen para completar el flujo de trabaj 3. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la edición de la imagen 4. Después de esperar a que la API devuelva los resultados, puedes ver la imagen editada en el nodo `Save Image`, y la imagen correspondiente también se guardará en el directorio `ComfyUI/output/` -## Flujo de trabajo de nodos asociados de FLUX.1 Kontext Max Image +## Flujo de trabajo con Nodos asociados de FLUX.1 Kontext Max Image -### 1. Descargar el archivo de flujo de trabajo +### 1. Descargar el archivo del flujo de trabajo -Los `metadata` de la imagen a continuación contienen la información del flujo de trabajo. Descárgala y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente. +La `metadata` de la imagen a continuación contiene la información del flujo de trabajo. Descárgala y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente. -![Flujo de trabajo de nodos asociados de FLUX.1 Kontext Max Image de ComfyUI](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/bfl/flux_1_kontext_max_image.png) +![Flujo de trabajo con Nodos asociados de FLUX.1 Kontext Max Image de ComfyUI](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/bfl/flux_1_kontext_max_image.png) -Descarga la imagen a continuación como entrada o usa tu propia imagen como demostración: +Descarga la imagen a continuación como entrada o usa tu propia imagen para la demostración: -![Flujo de trabajo de nodos asociados de FLUX.1 Kontext Max Image de ComfyUI](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/bfl/flux_1_kontext_max_image_input.png) +![Flujo de trabajo con Nodos asociados de FLUX.1 Kontext Max Image de ComfyUI](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/bfl/flux_1_kontext_max_image_input.png) ### 2. Completar el flujo de trabajo paso a paso -![Pasos del flujo de trabajo de nodos asociados de FLUX.1 Kontext Max Image de ComfyUI](/images/tutorial/api_nodes/bfl/flux_1_kontext_max_image_step_guide.jpg) +![Pasos del flujo de trabajo con Nodos asociados de FLUX.1 Kontext Max Image de ComfyUI](/images/tutorial/api_nodes/bfl/flux_1_kontext_max_image_step_guide.jpg) Puedes seguir los pasos numerados de la imagen para completar el flujo de trabajo: 1. Carga la imagen que quieres editar en el nodo `Load Image` diff --git a/es/tutorials/partner-nodes/bytedance/seedream-5-flash.mdx b/es/tutorials/partner-nodes/bytedance/seedream-5-flash.mdx new file mode 100644 index 0000000000..850331ad6f --- /dev/null +++ b/es/tutorials/partner-nodes/bytedance/seedream-5-flash.mdx @@ -0,0 +1,90 @@ +--- +title: "ByteDance Seedream 5.0 Flash: generación rápida de imágenes en ComfyUI" +description: "Genera y edita imágenes de hasta 2K con Seedream 5.0 Flash en ComfyUI, el nivel de tarifa plana de la familia de imágenes Seedream 5.0 de ByteDance" +sidebarTitle: "Seedream 5 Flash" +translationSourceHash: 3e4940a0 +translationFrom: tutorials/partner-nodes/bytedance/seedream-5-flash.mdx +translationBlockHashes: + "_intro": 53e0e20c + "What Seedream 5.0 Flash is good at": c14c7331 + "Example outputs": 525e4e25 + "Seedream 5.0 Flash text-to-image workflow": a67673e6 + "Seedream 5.0 Flash image edit workflow": 453a0ae7 + "Get started": 12679413 +--- +import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; +import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; + + +Seedream 5.0 Flash es el nivel rápido de la familia de imágenes Seedream 5.0 de ByteDance, junto con Seedream 5.0 Pro y Seedream 5.0 Lite. Genera una imagen a partir de un prompt de texto y edita una imagen existente a partir de una sola instrucción en el mismo nodo, y cobra una tarifa plana por imagen generada en todas las resoluciones que admite. + +Cada ejecución devuelve una imagen de entre 1K y 2K, con ocho relaciones de aspecto disponibles en cada uno de los niveles 1K, 1.5K y 2K. Puedes adjuntar hasta 10 imágenes de referencia para composiciones con varias referencias, como una foto de producto colocada en un nuevo diseño. El mismo modelo también se puede seleccionar en el nodo de separación de capas, que divide una imagen plana en capas transparentes editables. + +## En qué destaca Seedream 5.0 Flash + +- **Tarifa plana en todas las resoluciones**: un solo precio por imagen generada en 1K, 1.5K y 2K, así que la resolución que elijas no cambia el costo +- **Generación y edición en un solo nodo**: genera a partir de un prompt o adjunta una imagen de referencia y describe el cambio en una frase +- **Entrada con múltiples referencias**: acepta hasta 10 imágenes de referencia, suficiente para combinar varios sujetos, productos o estilos en una sola composición +- **Renderizado de texto**: maneja leyendas, etiquetas y texto de composición dentro de la imagen generada +- **Una imagen por ejecución**: cada ejecución devuelve una imagen. Las opciones de generación por lote y secuencial disponibles en otros modelos Seedream no están expuestas para este modelo +- **Separación de capas**: se puede seleccionar como el modelo en el nodo de separación de capas para convertir una imagen plana en una pila de capas editable + +## Salidas de ejemplo + +Generación de texto a imagen, produciendo una imagen con el tamaño predefinido seleccionado: + +![Ejemplo de texto a imagen con Seedream 5.0 Flash](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_bytedance_seedream_5_0_flash_t2i.png) + +Edición de imagen a partir de una sola imagen de referencia y una instrucción de texto: + +![Ejemplo de edición de imagen con Seedream 5.0 Flash](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/output/api_bytedance_seedream_5_0_flash_image_edit.png) + + + + +## Flujo de trabajo de texto a imagen con Seedream 5.0 Flash + +Genera una imagen a partir de un prompt de texto. El flujo de trabajo devuelve una sola imagen con el tamaño preestablecido seleccionado en el nodo. + +Vista previa del flujo de trabajo de texto a imagen con Seedream 5.0 Flash + + + + Abrir en Comfy Cloud + + + Descarga el JSON o busca "Seedream 5.0 Flash" en la Biblioteca de plantillas + + + +## Flujo de trabajo de edición de imagen con Seedream 5.0 Flash + +Edita una imagen existente con una instrucción de texto. Conecta la imagen de origen a la entrada `image_1` del nodo y describe el cambio que deseas, desde cambiar el fondo hasta reconstruir un set de producto alrededor del sujeto de la referencia. + +Vista previa del flujo de trabajo de edición de imagen con Seedream 5.0 Flash + + + + Abrir en Comfy Cloud + + + Descarga el JSON o busca "Seedream 5.0 Flash" en la Biblioteca de plantillas + + + +
+Materiales de entrada + +Descarga esta imagen de entrada de ejemplo para probar el flujo de trabajo: + + + + Descargar imagen de entrada de ejemplo + + +
+ +## Empezar + +1. Actualiza ComfyUI a la versión 0.37.3 o posterior +2. Ve a Template Library y busca `Seedream 5.0 Flash` diff --git a/es/tutorials/partner-nodes/bytedance/seedream-5-pro.mdx b/es/tutorials/partner-nodes/bytedance/seedream-5-pro.mdx index b5022f3620..3dc5b5947f 100644 --- a/es/tutorials/partner-nodes/bytedance/seedream-5-pro.mdx +++ b/es/tutorials/partner-nodes/bytedance/seedream-5-pro.mdx @@ -2,7 +2,7 @@ title: "ByteDance Seedream 5.0 Pro - Generación profesional de imágenes con IA" description: "Genera imágenes de alta calidad con mejor seguimiento de instrucciones, edición precisa y resultados profesionales con Seedream 5.0 Pro en ComfyUI" sidebarTitle: "Seedream 5 Pro" -translationSourceHash: 2ea701f2 +translationSourceHash: 1a800b2f translationFrom: tutorials/partner-nodes/bytedance/seedream-5-pro.mdx translationBlockHashes: "_intro": 7da8abcf @@ -10,9 +10,10 @@ translationBlockHashes: "Example outputs": 8e9ad94f "Seedream 5.0 Pro text-to-image workflow": 87df7263 "Seedream 5.0 Pro image edit workflow": faaa6452 - "Seedream 5.0 Pro layer separation workflow": a6084e3e + "Seedream 5.0 Pro layer separation workflow": 245a59fb "Get started": 709ac7fd --- + import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; @@ -94,7 +95,7 @@ Descarga esta imagen de entrada de ejemplo para probar el flujo de trabajo: ## Flujo de trabajo de separación de capas de Seedream 5.0 Pro -La separación de capas es el pilar de descomposición por capas de la edición interactiva de precisión de Seedream 5.0 Pro. Divide una sola imagen plana en una pila editable: una imagen base (placa de fondo) más hasta 16 capas transparentes independientes, cada una con su orden de apilamiento, coordenadas de caja delimitadora, nombre y descripción semántica. El modelo rellena mediante inpainting las regiones ocultas detrás de los sujetos extraídos, de modo que cada capa y la base que queda debajo es un recurso de diseño completo e independiente, listo para arrastrar, escalar y recomponer. +La separación de capas es el pilar de descomposición por capas de la edición interactiva de precisión de Seedream 5.0 Pro. Divide una sola imagen plana en una pila editable: una imagen base (placa de fondo) más hasta 16 capas transparentes independientes, cada una con su orden de apilamiento, coordenadas de caja delimitadora, nombre y descripción semántica. Las regiones ocultas detrás de los sujetos extraídos se rellenan con inpainting de forma imperceptible, así que cada capa y la base que queda debajo es un recurso de diseño completo e independiente, listo para arrastrar, escalar y recomponer. Sin ningún prompt, el modelo identifica automáticamente todos los elementos principales: bloques de texto, sujetos, decoraciones y fondo. Un solo póster puede generar más de 10 capas, con una separación de texto de calidad de diseño que admite titulares multilingües y fuentes CJK. También puedes describir los elementos en lenguaje natural para controlar la separación, o apuntar a regiones exactas con etiquetas de caja delimitadora. Este flujo de trabajo es ideal para diseño de marca, creación de recursos de comercio electrónico, iteración de pósters y cualquier tarea en la que un mapa de bits plano deba convertirse en un documento por capas editable. La plantilla incluye el modelo **Seedream 5.0 Flash** seleccionado. Cambia el modelo en el nodo a `seedream 5.0 pro` para ejecutar la separación con Seedream 5.0 Pro. diff --git a/es/tutorials/partner-nodes/google/gemini.mdx b/es/tutorials/partner-nodes/google/gemini.mdx index 9e9ed57244..d9428f55ca 100644 --- a/es/tutorials/partner-nodes/google/gemini.mdx +++ b/es/tutorials/partner-nodes/google/gemini.mdx @@ -2,15 +2,17 @@ title: "Google Gemini en ComfyUI: chat y comprensión de imágenes" description: "Usa el nodo asociado Google Gemini en ComfyUI para chat multimodal, interpretar imágenes y convertirlas en un prompt de dibujo." sidebarTitle: "Gemini" -translationSourceHash: e42322ac +translationSourceHash: de47c5bd translationFrom: tutorials/partner-nodes/google/gemini.mdx translationBlockHashes: "_intro": e647e8c8 "What Google Gemini is good at": b9861953 "Use it": ec2e265f + "Google Gemini {#api_google_gemini}": 88cf62a5 "Complete the workflow execution step by step": 23d136c2 "Additional Notes": 479b788f --- + import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; @@ -29,7 +31,7 @@ Google Gemini es un potente modelo de IA desarrollado por Google que admite func Llámalo por HTTP a través de Comfy Router, con fragmentos de Python, TypeScript, Swift y cURL listos para copiar y pegar
-Esto se ejecuta en la misma cuenta de Comfy y se factura con los mismos créditos que ejecutarlo en ComfyUI más abajo. Consulta [Precios de los Nodos asociados](/es/tutorials/partner-nodes/pricing) para ver las tarifas por modelo y [Límites de concurrencia](/es/tutorials/partner-nodes/concurrency-limits) para saber cuántas solicitudes puedes tener en curso. +Esto se ejecuta en la misma cuenta de Comfy y se factura con los mismos créditos que ejecutarlo en ComfyUI más abajo. Consulta [Créditos de Nodos de Socio](/es/tutorials/partner-nodes/pricing) para ver las tarifas por modelo y [Límites de concurrencia](/es/tutorials/partner-nodes/concurrency-limits) para saber cuántas solicitudes puedes tener en curso. @@ -38,7 +40,7 @@ Esto se ejecuta en la misma cuenta de Comfy y se factura con los mismos crédito Experimenta con la IA multimodal de Google y las capacidades de razonamiento de Gemini. -Google Gemini workflow preview +Vista previa del flujo de trabajo de Google Gemini @@ -63,7 +65,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: example.png -## Completar la ejecución del flujo de trabajo paso a paso +## Completa la ejecución del flujo de trabajo paso a paso ![Guía paso a paso de OpenAI Chat](/images/tutorial/api_nodes/google/tripo_image_to_model_step_guide.jpg) @@ -73,11 +75,11 @@ En la plantilla correspondiente, hemos creado un prompt para analizar y generar Puedes guiarte por los números de la imagen para completar la ejecución básica del flujo de trabajo de texto a imagen: 1. En el nodo `Load Image`, carga la imagen que necesitas que la IA interprete -2. (Opcional) Si es necesario, puedes modificar el prompt en `Google Gemini` para que la IA ejecute tareas específicas -3. Haz clic en el botón `Run` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la conversación. +2. (Opcional) Si lo necesitas, puedes modificar el prompt en `Google Gemini` para que la IA ejecute tareas específicas +3. Haz clic en el botón `Run`, o usa el atajo `Ctrl(cmd) + Enter` para ejecutar la conversación. 4. Después de esperar a que la API devuelva los resultados, puedes ver el contenido correspondiente devuelto por la IA en el nodo `Preview Any`. ## Notas adicionales -- Actualmente, el nodo de entrada de archivos `Gemini Input Files` requiere que primero cargues los archivos en el directorio `ComfyUI/input/`. Este nodo está en proceso de mejora y modificaremos la plantilla después de las actualizaciones -- El flujo de trabajo incluye un ejemplo que usa `Batch Images` como entrada. Si tienes varias imágenes que necesitan interpretación de la IA, puedes consultar el diagrama de pasos y usar el clic derecho para establecer el modo del nodo correspondiente en `Always` y habilitarlo +- Actualmente, el nodo de entrada de archivos `Gemini Input Files` requiere que primero cargues los archivos en el directorio `ComfyUI/input/`. Este nodo se está mejorando y modificaremos la plantilla después de las actualizaciones. +- El flujo de trabajo incluye un ejemplo que usa `Batch Images` como entrada. Si tienes varias imágenes que necesitan la interpretación de la IA, puedes consultar el diagrama de pasos y usar el clic derecho para establecer el modo del nodo correspondiente en `Always` y habilitarlo. diff --git a/es/tutorials/partner-nodes/ideogram/ideogram-v3.mdx b/es/tutorials/partner-nodes/ideogram/ideogram-v3.mdx new file mode 100644 index 0000000000..c4f94d033b --- /dev/null +++ b/es/tutorials/partner-nodes/ideogram/ideogram-v3.mdx @@ -0,0 +1,53 @@ +--- +title: "Ideogram 3.0 en ComfyUI: texto a imagen y edición de imágenes" +description: "Ejecuta Ideogram 3.0 con los Nodos asociados de ComfyUI: genera imágenes fotorrealistas con texto preciso o edita un área enmascarada desde un prompt." +sidebarTitle: "Ideogram 3.0" +translationSourceHash: 452067eb +translationFrom: tutorials/partner-nodes/ideogram/ideogram-v3.mdx +--- + +import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; +import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; + +Ideogram 3.0 es un potente modelo de texto a imagen de Ideogram, conocido por su calidad fotorrealista, su representación precisa del texto y su control de estilo constante. + +El nodo Ideogram V3 actualmente admite dos modos: +- Modo texto a imagen +- Modo edición de imágenes (cuando proporcionas las entradas de imagen y máscara) + + + + +## Modo texto a imagen de los nodos asociados de Ideogram 3.0 + +Cuando usas Ideogram V3 sin las entradas de imagen y máscara, el nodo funciona en modo texto a imagen. + +### 1. Descargar el archivo del flujo de trabajo + +Descarga y arrastra el siguiente archivo a ComfyUI para cargar el flujo de trabajo: + +![Ideogram 3.0 ComfyUI Workflow](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/ideogram/v3/ideogram_v3_t2i.png) + +### 2. Completar los pasos del flujo de trabajo + +![Ideogram 3.0 Workflow Steps](/images/tutorial/api_nodes/ideogram/ideogram_v3_t2i.jpg) + +Sigue los pasos numerados para completar el flujo de trabajo básico: +1. Ingresa la descripción de tu imagen en el campo `prompt` del nodo `Ideogram V3` +2. Haz clic en `Run` o usa el atajo `Ctrl(cmd) + Enter` para generar la imagen +3. Cuando la API devuelva los resultados, mira la imagen generada en el nodo `Save Image`. Las imágenes se guardan en el directorio `ComfyUI/output/` + +## Modo edición de imágenes de los nodos asociados de Ideogram 3.0 + +Conecta las entradas `image` y `mask` del nodo `Ideogram V3` para cambiarlo al modo edición de imágenes. El nodo regenera el área enmascarada a partir de tu prompt y mantiene el resto de la imagen sin cambios. + +1. Carga la imagen que quieres editar con un nodo `Load Image` y luego conéctala a la entrada `image` del nodo `Ideogram V3` +2. Haz clic derecho en la imagen cargada, elige **Open in MaskEditor** y pinta el área que quieres cambiar +3. Conecta la salida de la máscara a la entrada `mask` del nodo `Ideogram V3`. Las áreas pintadas (blancas) se reemplazan y todo lo que queda fuera de la máscara se conserva +4. Ingresa la instrucción de edición en el campo `prompt`, describiendo lo que debe aparecer dentro del área enmascarada +5. Haz clic en `Run` o usa el atajo `Ctrl(cmd) + Enter` para generar la imagen editada +6. Mira el resultado en el nodo `Save Image`. La imagen editada también se guarda en el directorio `ComfyUI/output/` + + +El nodo solo usa el modo edición cuando `image` y `mask` están conectadas. Si conectas solo una de ellas, el nodo funciona en modo texto a imagen. + \ No newline at end of file diff --git a/es/tutorials/partner-nodes/luma/luma-uni-1.mdx b/es/tutorials/partner-nodes/luma/luma-uni-1.mdx index 20390d4317..996bf36f23 100644 --- a/es/tutorials/partner-nodes/luma/luma-uni-1.mdx +++ b/es/tutorials/partner-nodes/luma/luma-uni-1.mdx @@ -2,7 +2,7 @@ title: "Guía de Luma Uni-1" description: "Usa los nodos asociados de Luma Uni-1 en ComfyUI para flujos de trabajo de imagen de Create y Modify." sidebarTitle: "Luma Uni 1" -translationSourceHash: f66e59c6 +translationSourceHash: 83a60329 translationFrom: tutorials/partner-nodes/luma/luma-uni-1.mdx translationBlockHashes: "_intro": 89c69a78 @@ -11,6 +11,7 @@ translationBlockHashes: "The core distinction: Create vs Modify": c3ea208f "Available workflows": d8e43b04 "Core parameters": b43ac975 + "Working with reference images": d20d34ae "Prompting guidelines": ba9ac50d "Aspect ratios": d56acf10 "Seeds: control and reproducibility": 0a278508 @@ -20,25 +21,26 @@ translationBlockHashes: "The golden rules": b1bc370a "Key takeaway": 77d51b1d --- + import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; -En **ComfyUI**, Luma **Uni-1** aparece como **Nodos asociados** para el trabajo unificado con imágenes: los grafos **Create** generan imágenes nuevas a partir de prompts (con referencias opcionales); los grafos **Modify** toman una imagen existente como entrada y la editan en el mismo sitio. Ambos se manejan con el flujo de trabajo habitual: conecta **Load Image** y **Save Image**, define prompts, semillas, relación de aspecto y ranuras de referencia en el nodo de Luma, y luego pon el grafo en cola de forma local o abre una plantilla en **Comfy Cloud**. +En **ComfyUI**, Luma **Uni-1** aparece como **Nodos asociados** (Partner Nodes) de Luma para el trabajo unificado con imágenes: los grafos **Create** generan imágenes nuevas a partir de prompts (con referencias opcionales); los grafos **Modify** toman una imagen existente como entrada y la editan en el mismo sitio. Ambos se manejan con el flujo de trabajo habitual: conecta **Load Image** y **Save Image**, define prompts, semillas, relación de aspecto y ranuras de referencia en el nodo de Luma, y luego pon el grafo en cola de forma local o abre una plantilla en **Comfy Cloud**. -Luma describe Uni-1 como un modelo autorregresivo que no usa diffusion y que solo tiene decodificador, y que razona sobre tu prompt antes de dibujar. En el lienzo, lo más importante es elegir entre **Create** y **Modify**, etiquetar las referencias con claridad e iterar con semillas. +Luma describe Uni-1 como un modelo autorregresivo sin diffusion y solo con decodificador, que razona sobre tu prompt antes de dibujar. En el lienzo, lo más importante es elegir entre **Create** y **Modify**, etiquetar las referencias con claridad e iterar con semillas. ## Qué hace diferente a Uni-1 - **Dos modos claros**: Create Image (generar algo nuevo) y Modify Image (editar algo existente) - **Hasta 9 imágenes de referencia**, cada una con un rol definido -- **Control sólido sobre estilos visuales específicos y de nicho** +- **Control sólido sobre estilos visuales de nicho y muy específicos** - **Soporte de semilla** para reproducibilidad e iteración controlada - **Nueve relaciones de aspecto**, de ultra vertical a ultra horizontal -- **Renderizado de texto** que sea realmente legible -- **Anclaje en búsqueda web** para contexto del mundo real +- **Renderizado de texto** que realmente es legible +- **Fundamentado en búsqueda web** para contexto del mundo real - **Prompts multilingües** -- **Salida multipanel** con consistencia temporal +- **Salida de varios paneles** con consistencia temporal Si entiendes los modos y cómo controlar las referencias, entiendes Uni-1. @@ -53,7 +55,7 @@ Uni-1 sobresale en una amplia variedad de tareas: - **Renderizado de texto**: texto legible dentro de las imágenes, ideal para infografías y carteles - **Edición de imágenes** y refinamiento en varios turnos - **Generación guiada por referencias** con preservación de la identidad -- **Salida de varios paneles**: personajes y escenas coherentes entre paneles +- **Salida de varios paneles**: personajes y escenas coherentes en varios cuadros @@ -83,7 +85,7 @@ Si tienes dudas: Prueba el flujo de trabajo Image Create al instante en Comfy Cloud. - Descarga el JSON o busca "Luma UNI-1 Image Create" en Biblioteca de plantillas + Descarga el JSON o busca "Luma UNI-1 Image Create" en la Biblioteca de plantillas @@ -108,7 +110,7 @@ Descarga esta imagen de entrada de ejemplo para probar el flujo de trabajo: Prueba el flujo de trabajo Image Edit al instante en Comfy Cloud.
- Descarga el JSON o busca "Luma UNI-1 Image Edit" en Biblioteca de plantillas + Descarga el JSON o busca "Luma UNI-1 Image Edit" en la Biblioteca de plantillas
@@ -132,13 +134,13 @@ El flujo de trabajo es simple: **prompt → evaluar → refinar**. Deja la semil | --- | --- | | **Prompt** | Tu control principal. Hasta 6,000 caracteres. Sé preciso. | | **Relación de aspecto** | Controla el encuadre, no la calidad. Elige según el caso de uso. | -| **Semilla** | Misma semilla + mismo prompt → mismo resultado. Misma semilla + prompt cambiado → variación controlada. Sin semilla → exploración. | +| **Semilla** | Misma semilla + mismo prompt → mismo resultado. Misma semilla + prompt modificado → variación controlada. Sin semilla → exploración. | | **Imágenes de referencia** (Create) | Hasta 9 imágenes para guiar distintos aspectos. | -| **Imagen de origen** (Modify) | La imagen que estás editando. Las dimensiones se conservan automáticamente. | +| **Imagen fuente** (Modify) | La imagen que estás editando. Conserva las dimensiones automáticamente. | ## Trabajar con imágenes de referencia -Las referencias solo funcionan si le dices al modelo para qué sirven. Usa esta estructura: +Las referencias solo funcionan si le dices al modelo para qué son. Usa esta estructura: ```text Use IMAGE1 ([description]) as a [ROLE] reference. @@ -146,7 +148,7 @@ Use IMAGE1 ([description]) as a [ROLE] reference. Roles posibles: **Style**, **Character**, **Composition**, **Color palette**, **Lighting**, **Texture**, **Mood**. -Sin roles, el modelo adivina, y las conjeturas no son fiables. +Sin roles, el modelo adivina, y las conjeturas no son confiables. ### Ejemplos del modo Create @@ -177,7 +179,7 @@ at night. ### Ejemplos del modo Modify -En el modo Modify, la claridad lo es todo. Indica siempre **qué cambiar** y **qué debe quedar intacto**. +En el modo Modify, la claridad lo es todo. Especifica siempre **qué cambiar** y **qué debe permanecer intacto**. ```text Change the time of day to golden hour. Update sky, light direction, @@ -189,21 +191,20 @@ unchanged. Make the rain heavier and add reflections on the ground. Keep all other elements unchanged. ``` - -## Pautas para el prompt +## Pautas para los prompts Longitudes recomendadas: - **Texto a imagen** → 80–250 palabras - **Guiado por referencia** → 100–300 palabras -- **Modificar** → 30–100 palabras +- **Modify** → 30–100 palabras -Evita términos vagos ("hermoso", "asombroso"), frases redundantes e instrucciones en conflicto. En su lugar, usa estéticas específicas y con nombre: +Evita términos vagos ("hermoso", "increíble"), frases redundantes e instrucciones en conflicto. En su lugar, usa estéticas específicas y con nombre propio: - `Golden hour, 85mm lens, shallow depth of field` - `1970s Italian giallo film poster, high-contrast color blocking` -La precisión supera a la generalidad. +La precisión vence a la generalidad. ## Relaciones de aspecto @@ -211,12 +212,12 @@ Elige según dónde se mostrará la imagen: | Relación | Caso de uso | | --- | --- | -| 1:1 | Publicaciones para redes sociales | -| 9:16 | video vertical | +| 1:1 | Publicaciones en redes sociales | +| 9:16 | Video vertical | | 16:9 | Pantalla ancha | | 3:2 / 2:3 | Fotografía | -| 2:1 / 3:1 | Cinemático / panorámico | -| 1:2 / 1:3 | Ultra alto | +| 2:1 / 3:1 | Cinematográfico / panorámico | +| 1:2 / 1:3 | Ultra vertical | En el modo Modify, la relación de aspecto queda fijada a la imagen de origen. @@ -230,9 +231,9 @@ Las semillas convierten la experimentación en sistemas. Flujo de trabajo: 1. Explora sin semilla -2. Encuentra un buen resultado +2. Encuentra un resultado sólido 3. Fija la semilla -4. Cambia una sola variable a la vez +4. Cambia una variable a la vez Guarda tu prompt y tu semilla juntos. Esa es tu receta reutilizable. @@ -244,7 +245,7 @@ Guarda tu prompt y tu semilla juntos. Esa es tu receta reutilizable. 2. Reutilízala como `IMAGE1 (CHARACTER)` en cada escena 3. Mantén la etiqueta idéntica en todos los prompts -### Arquitectura de múltiples referencias +### Arquitectura con múltiples referencias Asigna un rol por imagen: @@ -261,13 +262,13 @@ Treat each reference as having authority over its assigned layer only. ### Cadena Create → Modify -Usa Create para explorar composiciones y luego Modify para refinar detalles. Este es uno de los flujos de trabajo más potentes. +Usa Create para explorar composiciones y luego Modify para refinar los detalles. Este es uno de los flujos de trabajo más potentes. ### Refinamiento iterativo 1. Explora (sin semilla) 2. Fija la semilla -3. Cambia una sola variable por generación +3. Cambia una variable por generación 4. Documenta los resultados Parece más lento, pero en realidad es más rápido, porque siempre sabes qué cambió. @@ -276,12 +277,12 @@ Parece más lento, pero en realidad es más rápido, porque siempre sabes qué c | Problema | Solución | | --- | --- | -| Referencias ignoradas | Etiqueta cada una claramente | +| Se ignoran las referencias | Etiqueta cada una claramente | | Modify cambia demasiado | Indica explícitamente qué debe permanecer sin cambios | | Salidas inconsistentes | Fija la semilla | -| El prompt se ignora parcialmente | Elimina los conflictos o divide en pasos | -| La salida se parece a la imagen de referencia | Es posible que estés en el modo Modify | -| Inconsistencia del personaje | Reutiliza una imagen de referencia canónica | +| El prompt se ignora parcialmente | Elimina los conflictos o divídelo en pasos | +| La salida se parece a la imagen de referencia | Puede que estés en modo Modify | +| Inconsistencia de personajes | Reutiliza una imagen de referencia canónica | ## Referencia rápida @@ -300,11 +301,11 @@ Parece más lento, pero en realidad es más rápido, porque siempre sabes qué c ## Las reglas de oro 1. Etiqueta cada referencia -2. En el modo Modify, indica siempre qué **no** debe cambiar -3. Cambia una sola variable a la vez al refinar -4. Guarda el prompt y la semilla para poder reproducirlo +2. En el modo Modify, indica siempre lo que **no** debe cambiar +3. Cambia una sola variable a la vez cuando refines +4. Guarda el prompt + la semilla para poder reproducir el resultado 5. Create = escenas nuevas, Modify = ediciones -## Punto clave +## Idea clave -Dominar Uni-1 se reduce a tres cosas: **elige el modo correcto → controla tus referencias → itera con intención**. Una vez que tengas eso en su lugar, ya no estarás adivinando, estarás dirigiendo. +Dominar Uni-1 se reduce a tres cosas: **elige el modo correcto → controla tus referencias → itera con intención**. Cuando tengas eso claro, ya no estarás adivinando: estarás dirigiendo. diff --git a/es/tutorials/partner-nodes/magnific/overview.mdx b/es/tutorials/partner-nodes/magnific/overview.mdx index 2a6c3cf508..c60912cc49 100644 --- a/es/tutorials/partner-nodes/magnific/overview.mdx +++ b/es/tutorials/partner-nodes/magnific/overview.mdx @@ -1,15 +1,15 @@ --- title: "Magnific AI en ComfyUI: ampliación y herramientas creativas" -description: "Amplía imágenes hasta 16x con los modos Precise o Creative y aplica transferencia de estilo, relight y mejora de piel en ComfyUI." +description: "Amplía imágenes hasta 16x con los modos Precise o Creative y aplica transferencia de estilo, Relight y mejora de piel en ComfyUI." sidebarTitle: "Magnific AI" -translationSourceHash: 3b527aba +translationSourceHash: 63834680 translationFrom: tutorials/partner-nodes/magnific/overview.mdx --- import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; -Magnific AI es una plataforma de mejora de imágenes de nivel profesional, ahora integrada de forma nativa en ComfyUI. Ofrece ampliación **Precise** y **Creative** (hasta 16x), transferencia de estilo, relight y mejora de piel, lo que lleva el posprocesado con calidad de estudio directamente a tu flujo de trabajo. +Magnific AI es una plataforma de mejora de imágenes de nivel profesional, ahora integrada de forma nativa en ComfyUI. Ofrece ampliación **Precise** y **Creative** (hasta 16x), transferencia de estilo, Relight y mejora de piel, lo que lleva el posprocesado con calidad de estudio directamente a tu flujo de trabajo. diff --git a/es/tutorials/partner-nodes/openai/dall-e-2.mdx b/es/tutorials/partner-nodes/openai/dall-e-2.mdx new file mode 100644 index 0000000000..3c3c59bf58 --- /dev/null +++ b/es/tutorials/partner-nodes/openai/dall-e-2.mdx @@ -0,0 +1,129 @@ +--- +title: "OpenAI DALL·E 2 en ComfyUI: referencia del nodo retirado" +description: "OpenAI descontinuó DALL·E 2 y eliminó su nodo socio de ComfyUI. Esta referencia conserva sus parámetros y remite al nodo GPT Image." +sidebarTitle: "Dall E 2" +icon: "image" +translationSourceHash: 7ac6e06c +translationFrom: tutorials/partner-nodes/openai/dall-e-2.mdx +translationBlockHashes: + "_intro": 91dc3db1 + "What DALL·E 2 is good at": c23d3c01 + "Example outputs": f895b34e + "Parameter Description": 20ac288b + "Workflow Examples": 9c7f54e4 + "FAQs": 2b8e1938 +--- +import Faq from "/snippets/es/tutorials/partner-nodes/faq.mdx"; +import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; +import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; + + + **Obsoleto**: OpenAI ha descontinuado el modelo DALL·E 2. El nodo **OpenAI DALL·E 2** se ha retirado y eliminado de ComfyUI. Usa el nodo **GPT Image** en su lugar. Esta página se conserva solo como referencia. + + +![Captura de pantalla del nodo OpenAI DALL·E 2](/images/comfy_core/api_nodes/openai-dall-e-2.jpg) + +OpenAI DALL·E 2 forma parte de la serie de Nodos asociados de ComfyUI, que permite a los usuarios generar imágenes mediante el modelo **DALL·E 2** de OpenAI. + +El nodo **OpenAI DALL·E 2** genera imágenes de forma síncrona a través de la API de generación de imágenes de OpenAI. Recibe prompts de texto y devuelve imágenes que coinciden con la descripción. + +## Para qué es bueno DALL·E 2 + +- Generación de texto a imagen +- Funcionalidad de edición de imágenes (Relleno inteligente mediante máscaras) + +## Ejemplos de salida + +Generación de texto a imagen a partir de un solo prompt de texto: + +![Flujo de trabajo de ComfyUI openai-dall-e-2](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/openai-dall-e-2/text2image.png) + +Relleno inteligente: reemplaza un área enmascarada de una imagen de entrada según un prompt de texto: + +![Flujo de trabajo de ComfyUI openai-dall-e-2](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/openai-dall-e-2/inpainting.png) + + + + +## Descripción de parámetros + +### Parámetros requeridos + +| Parámetro | Descripción | +|-----------|---------------------------------------------------------------| +| `prompt` | Texto de prompt que describe el contenido de la imagen que quieres generar | + +### Parámetros de widget + +| Parámetro | Descripción | Opciones/Rango | Valor predeterminado | +|-----------|----------------------------------------------------------------------------|-----------------------------------|---------------| +| `seed` | Valor de semilla para la generación de imágenes (actualmente no implementado en el backend) | 0 a 2^31-1 | 0 | +| `size` | Dimensiones de la imagen de salida | "256x256", "512x512", "1024x1024" | "1024x1024" | +| `n` | Número de imágenes a generar | 1 a 8 | 1 | + +### Parámetros opcionales + +| Parámetro | Descripción | Opciones/Rango | Valor predeterminado | +|-----------|----------------------------------------------------------------------------|-----------------------------------|---------------| +| `image` | Imagen de referencia opcional para la edición de imágenes | Cualquier entrada de imagen | Ninguno | +| `mask` | Máscara opcional para relleno inteligente local | Entrada de máscara | Ninguno | + +## Ejemplos de flujos de trabajo + +Este nodo Socio actualmente admite dos flujos de trabajo: + +- Texto a imagen +- Relleno inteligente + + +El flujo de trabajo Imagen a imagen no es compatible + + +### Ejemplo de texto a imagen + +La imagen a continuación contiene un flujo de trabajo simple de texto a imagen. Descarga la imagen correspondiente y arrástrala a ComfyUI para cargar el flujo de trabajo. +![ComfyUI openai-dall-e-2 workflow](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/openai-dall-e-2/text2image.png) + +El ejemplo correspondiente es muy simple +![ComfyUI openai-dall-e-2 workflow example](/images/tutorial/api_nodes/openai/openai-dall-e-2/text2image.jpg) + +Solo necesitas cargar el nodo `OpenAI DALL·E 2`, ingresar en el nodo `prompt` la descripción de la imagen que quieres generar, conectar un nodo `Save Image` y luego ejecutar el flujo de trabajo. + +### Flujo de trabajo de relleno inteligente + +DALL·E 2 admite la funcionalidad de edición de imágenes, lo que te permite usar una máscara para especificar el área que se va a reemplazar. A continuación tienes un ejemplo simple de flujo de trabajo de relleno inteligente: + +#### 1. Descargar el archivo del flujo de trabajo + +Descarga la imagen a continuación y arrástrala a ComfyUI para cargar el flujo de trabajo correspondiente. + +![ComfyUI openai-dall-e-2 workflow](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/openai-dall-e-2/inpainting.png) + +Usaremos la siguiente imagen como entrada: +![ComfyUI openai-dall-e-2 workflow input](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/openai-dall-e-2/input.jpg) + +#### 2. Instrucciones de uso del archivo del flujo de trabajo + +![ComfyUI openai-dall-e-2 workflow example](/images/tutorial/api_nodes/openai/openai-dall-e-2/inpainting.jpg) + +Como este flujo de trabajo es relativamente simple, si quieres implementar manualmente el flujo de trabajo correspondiente, puedes seguir estos pasos: + +1. Usa el nodo `Load Image` para cargar la imagen +2. Haz clic derecho en el nodo Load Image y selecciona `MaskEditor` +3. En el editor de máscara, usa el pincel para dibujar el área que quieres volver a dibujar +4. Conecta la imagen cargada a la entrada `image` del nodo **OpenAI DALL·E 2** +5. Conecta la máscara a la entrada `mask` del nodo **OpenAI DALL·E 2** +6. Edita el prompt en el nodo `prompt` +7. Ejecuta el flujo de trabajo + +**Notas** + +- Si quieres usar la funcionalidad de edición de imágenes, debes proporcionar tanto una imagen como una máscara (ambas son obligatorias) +- La máscara y la imagen deben ser del mismo tamaño +- Al ingresar imágenes grandes, el nodo redimensiona automáticamente la imagen a un tamaño adecuado +- Las URL que devuelve la API son válidas por un período corto, así que guarda los resultados lo antes posible +- Cada generación consume créditos, que se cobran según el tamaño y la cantidad de imágenes + +## Preguntas frecuentes + + diff --git a/es/tutorials/partner-nodes/openai/dall-e-3.mdx b/es/tutorials/partner-nodes/openai/dall-e-3.mdx new file mode 100644 index 0000000000..e1c0abfca4 --- /dev/null +++ b/es/tutorials/partner-nodes/openai/dall-e-3.mdx @@ -0,0 +1,82 @@ +--- +title: "OpenAI DALL·E 3 en ComfyUI: referencia del nodo retirado" +description: "OpenAI descontinuó DALL·E 3 y retiró su nodo socio de ComfyUI. Esta referencia describe los parámetros del nodo retirado y remite al nodo GPT Image." +sidebarTitle: "Dall E 3" +icon: "image" +translationSourceHash: fffa22a8 +translationFrom: tutorials/partner-nodes/openai/dall-e-3.mdx +translationBlockHashes: + "_intro": 87be3e05 + "What DALL·E 3 is good at": 91e67bec + "Example outputs": fc930c43 + "Parameter Details": 66c93a93 + "Usage Examples": 6c8fb9ee + "FAQs": 2b8e1938 +--- +import Faq from "/snippets/es/tutorials/partner-nodes/faq.mdx"; +import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; +import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; + + + **Obsoleto**: OpenAI ha descontinuado el modelo DALL·E 3. El nodo **OpenAI DALL·E 3** se retiró y se eliminó de ComfyUI. Usa el nodo **GPT Image** en su lugar. Esta página se conserva solo como referencia. + + +OpenAI DALL·E 3 forma parte de la serie de Nodos asociados de ComfyUI y permite a los usuarios generar imágenes con el modelo **DALL·E 3** de OpenAI. Este nodo admite la funcionalidad de generación de texto a imagen. + +![Captura de pantalla del nodo OpenAI DALL·E 3](/images/built-in-nodes/api_nodes/openai/openai-dall-e-3.jpg) + +DALL·E 3 es el modelo de generación de imágenes más reciente de OpenAI y puede crear imágenes detalladas y de alta calidad a partir de prompts de texto. A través de este nodo en ComfyUI, puedes acceder directamente a las capacidades de generación de DALL·E 3 sin salir de la interfaz de ComfyUI. + +El nodo **OpenAI DALL·E 3** genera imágenes de forma síncrona mediante la API de generación de imágenes de OpenAI. Recibe prompts de texto y devuelve imágenes que coinciden con la descripción. + +## Para qué sirve DALL·E 3 + +- **Generación de texto a imagen**: crea imágenes detalladas y de alta calidad a partir de prompts de texto, con soporte para prompts de varias líneas que describen el contenido de la imagen en detalle +- **Control de calidad**: elige entre salida standard y hd, donde hd genera imágenes de mayor calidad +- **Control de estilo**: elige vivid para imágenes hiperrealistas y dramáticas, o natural para imágenes más naturales y menos exageradas +- **Tamaños flexibles**: genera imágenes cuadradas o rectangulares en distintas orientaciones (1024x1024, 1024x1792, 1792x1024) + +## Ejemplos de salida + +Generación de texto a imagen a partir de un solo prompt de texto: + +![Flujo de trabajo de ComfyUI openai-dall-e-3](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/openai-dall-e-3/text2image.png) + + + + +## Detalles de los parámetros + +### Parámetros requeridos + +| Parámetro | Tipo | Descripción | +|-----------|------|------------------------------------------------------------------------------------------------------------------------------| +| prompt | Texto | Prompt de texto para generar imágenes. Admite entrada de varias líneas y puedes describir en detalle el contenido de la imagen que quieres generar. | + +### Parámetros de widget + +| Parámetro | Tipo | Opciones | Valor predeterminado | Descripción | +|-----------|-----------|---------------------------------|---------------|-------------------------------------------------------------------------------------------------------------------------------------------| +| seed | Entero | 0-2147483647 | 0 | Semilla aleatoria que se usa para controlar el resultado de la generación | +| quality | Opción | standard, hd | standard | Ajuste de calidad de la imagen. La opción "hd" genera imágenes de mayor calidad, pero puede requerir más recursos de cómputo | +| style | Opción | natural, vivid | natural | Estilo de la imagen. "Vivid" tiende a generar imágenes hiperrealistas y dramáticas, mientras que "natural" produce imágenes más naturales y menos exageradas | +| size | Opción | 1024x1024, 1024x1792, 1792x1024 | 1024x1024 | Tamaño de la imagen generada. Puedes elegir imágenes cuadradas o rectangulares en diferentes orientaciones | + +## Ejemplos de uso + +Puedes descargar la imagen a continuación y arrastrarla a ComfyUI para cargar el flujo de trabajo correspondiente. + +![Flujo de trabajo de ComfyUI openai-dall-e-3](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/api_nodes/openai-dall-e-3/text2image.png) + +Como el flujo de trabajo correspondiente es muy simple, también puedes agregar directamente el nodo **OpenAI DALL·E 3** en ComfyUI, ingresar la descripción de la imagen que quieres generar y luego ejecutar el flujo de trabajo. + +![Flujo de trabajo de ComfyUI openai-dall-e-3](/images/tutorial/api_nodes/openai/openai-dall-e-3/text2image.jpg) + +1. Agrega el nodo **OpenAI DALL·E 3** en ComfyUI +2. Ingresa en el cuadro de texto del prompt la descripción de la imagen que quieres generar +3. Ajusta los parámetros opcionales según sea necesario (calidad, estilo, tamaño, etc.) +4. Ejecuta el flujo de trabajo para generar la imagen + +## Preguntas frecuentes + + diff --git a/es/tutorials/partner-nodes/overview.mdx b/es/tutorials/partner-nodes/overview.mdx index a4f6a44bf2..7a31f5646c 100644 --- a/es/tutorials/partner-nodes/overview.mdx +++ b/es/tutorials/partner-nodes/overview.mdx @@ -2,7 +2,7 @@ title: "Nodos asociados" description: "Los Nodos asociados llaman a modelos de código cerrado como OpenAI, Kling y Luma mediante solicitudes API dentro de ComfyUI: qué son, créditos y cómo usarlos." sidebarTitle: "Descripción general" -translationSourceHash: 3877a9f6 +translationSourceHash: 48c39fa1 translationFrom: tutorials/partner-nodes/overview.mdx translationBlockHashes: "_intro": 9eeacfb4 @@ -13,47 +13,49 @@ translationBlockHashes: "Pricing": 4e0967da "Model Providers": ebd9e0e5 "About Open Source and Opt-in": 77eda030 + "How to disable partner nodes completely": 6d65d936 "Use Cases": dcc9082c "FAQs": 2b8e1938 --- + import Requirements from "/snippets/es/tutorials/partner-nodes/requirements.mdx"; import Faq from "/snippets/es/tutorials/partner-nodes/faq.mdx"; -Los Nodos asociados son la nueva forma de ComfyUI de llamar a modelos de código cerrado mediante solicitudes a la API, y le dan acceso a los usuarios de ComfyUI a modelos de IA externos de última generación sin necesidad de una configuración compleja de claves API. +Los Nodos asociados son la nueva forma de ComfyUI de llamar a modelos de código cerrado mediante solicitudes a la API, y dan a los usuarios de ComfyUI acceso a modelos de IA externos de última generación sin necesidad de configurar claves API de forma compleja. ## ¿Qué son los Nodos asociados? -Los Nodos asociados son un conjunto de nodos especiales que se conectan a servicios de API externos, lo que te permite usar modelos de IA de código cerrado o alojados por terceros directamente en tus flujos de trabajo de ComfyUI. Estos nodos están diseñados para integrar sin problemas las capacidades de los modelos externos mientras se mantiene la naturaleza de código abierto del núcleo de ComfyUI. +Los Nodos asociados son un conjunto de nodos especiales que se conectan a servicios de API externos y te permiten usar modelos de IA de código cerrado o alojados por terceros directamente en tus flujos de trabajo de ComfyUI. Estos nodos están pensados para integrar las capacidades de los modelos externos sin fricción y, al mismo tiempo, conservar la naturaleza de código abierto del núcleo de ComfyUI. ## Iniciar sesión con la Clave API de la cuenta de ComfyUI en sitios web que no están en la lista blanca Actualmente, contamos con una lista blanca que restringe los sitios web donde puedes iniciar sesión en tu cuenta de ComfyUI. -Si necesitas iniciar sesión en tu cuenta de ComfyUI en sitios web que no están en la lista blanca, consulta la sección de administración de cuentas para obtener información sobre cómo iniciar sesión con una Clave API. +Si necesitas iniciar sesión en tu cuenta de ComfyUI en sitios web que no están en la lista blanca, consulta la sección de administración de cuentas para aprender a iniciar sesión con una Clave API. En este caso, el sitio web correspondiente no necesita estar en nuestra lista blanca. - + Aprende a iniciar sesión con la Clave API de la cuenta de ComfyUI ![Seleccionar el inicio de sesión con la Clave API de Comfy](/images/interface/setting/user/user-login-api-1.jpg) -## Usar la integración de claves API de la cuenta de ComfyUI para llamar a nodos asociados de modelos de pago +## Usar la integración de la clave API de la cuenta de ComfyUI para llamar a Nodos asociados de modelos de pago -Actualmente, admitimos el acceso a nuestros servicios mediante la integración de claves API de ComfyUI para llamar a nodos asociados de modelos de pago. Consulta la sección Integración de claves API para obtener información sobre cómo usar la integración de claves API para llamar a nodos asociados de modelos de pago. +Actualmente, ofrecemos soporte para acceder a nuestros servicios mediante la integración de la clave API de ComfyUI y así llamar a Nodos asociados de modelos de pago. Consulta la sección Integración de la clave API para aprender a usar la integración de la clave API y llamar a Nodos asociados de modelos de pago. - **Importante:** La clave API que se trata aquí es tu **Clave API de la cuenta de ComfyUI** (se usa para acceder a los nodos asociados de pago en los flujos de trabajo). **NO** es la misma que la **Clave API de publicación en el registro** que usan los desarrolladores para publicar nodos personalizados en el registro. Si deseas publicar nodos personalizados, consulta [Publicar nodos](/es/registry/publishing). + **Importante:** La clave API de la que hablamos aquí es tu **Clave API de la cuenta de ComfyUI** (se usa para acceder a los Nodos asociados de pago en los flujos de trabajo). **NO** es la misma que la **Clave API de publicación en el registro** que usan los desarrolladores para publicar nodos personalizados en el registro. Si quieres publicar nodos personalizados, consulta [Publicar nodos](/es/registry/publishing). - -Consulta la sección Integración de claves API para obtener información sobre cómo usar la integración de claves API para llamar a nodos asociados de modelos de pago + +Consulta la sección Integración de la clave API para aprender a usar la integración de la clave API y llamar a Nodos asociados de modelos de pago -## Ventajas de los Nodos asociados +## Ventajas de los nodos asociados -Los Nodos asociados ofrecen varias ventajas importantes para los usuarios de ComfyUI: +Los nodos asociados ofrecen varias ventajas importantes para los usuarios de ComfyUI: - **Acceso a modelos de código cerrado**: Usa modelos de IA de última generación sin tener que desplegarlos tú mismo - **Integración perfecta**: Los nodos asociados son totalmente compatibles con otros nodos de ComfyUI y puedes combinarlos para crear flujos de trabajo complejos @@ -62,23 +64,23 @@ Los Nodos asociados ofrecen varias ventajas importantes para los usuarios de Com ## Precios - -Consulta la página de precios para ver los precios correspondientes de los Nodos asociados + +Consulta la página de precios para ver los precios correspondientes de cada socio ## Proveedores de modelos -Consulta el estado de verificación, las licencias comerciales y la residencia de datos de los proveedores de modelos que hay detrás de los Nodos asociados +Consulta el estado de verificación, las licencias comerciales y la residencia de datos de los proveedores de modelos que respaldan los Nodos asociados -## Acerca del código abierto y la participación voluntaria +## Acerca del código abierto y la participación opcional -Es importante tener en cuenta que **los nodos asociados son completamente opcionales**. ComfyUI siempre seguirá siendo totalmente de código abierto y gratis para los usuarios locales. Los nodos asociados están diseñados como una función "opt-in", que brinda comodidad a quienes desean acceder a modelos externos SOTA (de última generación). +Es importante tener en cuenta que **los nodos asociados son completamente opcionales**. ComfyUI siempre seguirá siendo totalmente de código abierto y gratis para los usuarios locales. Los nodos asociados están pensados como una función de participación opcional, que ofrece comodidad a quienes quieren acceder a modelos externos SOTA (de última generación). -## Cómo desactivar por completo los nodos asociados +## Desactivar los Nodos asociados por completo -Puedes añadir el argumento de inicio `--disable-partner-nodes` para desactivar todos los Nodos asociados en ComfyUI. Usa `--offline` en su lugar si además quieres impedir que el frontend se comunique con internet. +Puedes agregar el argumento de inicio `--disable-partner-nodes` para desactivar todos los Nodos asociados en ComfyUI. Usa `--offline` en su lugar si también quieres evitar que el frontend se comunique con internet. **Para instalación manual:** @@ -94,16 +96,15 @@ Actualiza tu archivo `run_xxx.bat`: .\python_embeded\python.exe -s ComfyUI\main.py --listen --windows-standalone-build --disable-partner-nodes pause ``` - ## Casos de uso Una aplicación potente de los Nodos asociados es combinar la salida de modelos externos con nodos locales. Por ejemplo: -- Usar GPT-Image-1 para generar una imagen base y luego transformarla en video con un nodo `wan` local -- Combinar imágenes generadas externamente con nodos locales de ampliación o transferencia de estilo -- Crear flujos de trabajo híbridos que aprovechen las ventajas tanto de los modelos de código cerrado como de los de código abierto +- Usar GPT-Image-1 para generar una imagen base y luego transformarla en video con un nodo local `wan` +- Combinar imágenes generadas externamente con nodos locales de ampliación o de transferencia de estilo +- Crear flujos de trabajo híbridos que aprovechen las ventajas de los modelos de código cerrado y de código abierto -Esta flexibilidad hace de ComfyUI una interfaz de IA generativa verdaderamente universal, que integra diversas capacidades de IA en un flujo de trabajo unificado y abre más posibilidades. +Esta flexibilidad convierte a ComfyUI en una interfaz verdaderamente universal de IA generativa, que integra diversas capacidades de IA en un flujo de trabajo unificado y abre más posibilidades. ## Preguntas frecuentes diff --git a/es/tutorials/partner-nodes/pixverse/overview.mdx b/es/tutorials/partner-nodes/pixverse/overview.mdx index e29e95c0a8..e93b766b95 100644 --- a/es/tutorials/partner-nodes/pixverse/overview.mdx +++ b/es/tutorials/partner-nodes/pixverse/overview.mdx @@ -2,14 +2,14 @@ title: "PixVerse AI en ComfyUI: video de texto, imagen y plantilla" description: "Genera video en ComfyUI con PixVerse V5.6, V6, C1 y R1, desde un prompt de texto, una sola imagen o una plantilla de movimiento." sidebarTitle: "PixVerse AI" -translationSourceHash: 6a19477b +translationSourceHash: 604fbb7c translationFrom: tutorials/partner-nodes/pixverse/overview.mdx --- import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; -PixVerse es una plataforma de generación de video con IA que produce videos cinematográficos a partir de texto e imágenes, ahora integrada como nodos asociados en ComfyUI. Con soporte para los modelos **V5.6**, **V6**, **C1** y **R1**, habilita los modos **Texto a video**, **Imagen a video** y **Imagen a video con plantilla** para crear videos de forma rápida y repetible, sin necesidad de claves de API separadas ni configuración externa. +PixVerse es una plataforma de generación de video con IA que produce videos cinematográficos a partir de texto e imágenes, ahora integrada como nodos asociados en ComfyUI. Con soporte para los modelos **V5.6**, **V6**, **C1** y **R1**, habilita los modos **Texto a video**, **Imagen a video** e **Imagen a video con plantilla** para crear videos de forma rápida y repetible, sin necesidad de claves de API separadas ni configuración externa. diff --git a/es/tutorials/partner-nodes/quiver/overview.mdx b/es/tutorials/partner-nodes/quiver/overview.mdx index 1436c24ff9..a4bf6b908d 100644 --- a/es/tutorials/partner-nodes/quiver/overview.mdx +++ b/es/tutorials/partner-nodes/quiver/overview.mdx @@ -2,14 +2,14 @@ title: "Quiver AI en ComfyUI: texto e imagen a vectores SVG" description: "Genera gráficos vectoriales SVG editables en ComfyUI desde prompts de texto o imágenes raster con los modelos Quiver Arrow 1.1 y Arrow 1.1 Max." sidebarTitle: "Quiver AI" -translationSourceHash: 61b6d0cf +translationSourceHash: 83dfe7a5 translationFrom: tutorials/partner-nodes/quiver/overview.mdx --- import ReqHint from "/snippets/es/tutorials/partner-nodes/req-hint.mdx"; import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; -Quiver es una plataforma de gráficos vectoriales impulsada por IA que genera SVG de alta calidad a partir de descripciones de texto e imágenes raster, ahora disponible como nodos asociados en ComfyUI. Con modelos desde **Arrow 1.1** (rápido) hasta **Arrow 1.1 Max** (alta fidelidad) y **Arrow Preview** (experimental), produce ilustraciones vectoriales independientes de la resolución sin necesidad de edición manual. +Quiver es una plataforma de gráficos vectoriales impulsada por IA que genera SVG de alta calidad a partir de descripciones de texto e imágenes raster, y ahora está disponible como nodos asociados en ComfyUI. Con modelos que van desde **Arrow 1.1** (rápido) hasta **Arrow 1.1 Max** (alta fidelidad) y **Arrow Preview** (experimental), produce gráficos vectoriales independientes de la resolución sin necesidad de edición manual. diff --git a/es/tutorials/utility/depth-anything-3.mdx b/es/tutorials/utility/depth-anything-3.mdx index ef8450f36f..e0a5286621 100644 --- a/es/tutorials/utility/depth-anything-3.mdx +++ b/es/tutorials/utility/depth-anything-3.mdx @@ -2,14 +2,16 @@ title: "Depth Anything 3 en ComfyUI: profundidad, pose y reconstrucción 3D" description: "Ejecuta Depth Anything 3 en ComfyUI para estimación de profundidad monocular y multivista, pose de cámara y reconstrucción 3D desde imágenes y video." sidebarTitle: "Depth Anything 3" -translationSourceHash: 9a994be7 +translationSourceHash: 3af6ec89 translationFrom: tutorials/utility/depth-anything-3.mdx translationBlockHashes: "_intro": 78aa4267 + "Model Installation": 42fa683f "Example Workflows": e8325fd8 "Model Variants": c09e7471 "Community Resources": 4ade7e72 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" # Introducción a ComfyUI Depth Anything 3 @@ -19,7 +21,7 @@ import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" Capacidades clave: - **Profundidad monocular y multivista unificada**: estima la profundidad a partir de una sola imagen o de varias vistas -- **Estimación de pose de cámara**: recupera las posiciones de cámara a partir de conjuntos de imágenes sin orden +- **Estimación de pose de cámara**: recupera las posiciones de cámara a partir de conjuntos de imágenes no ordenados - **Reconstrucción 3D** a partir de entradas multivista - **Estimación de profundidad en video**: secuencias de profundidad por fotograma para entradas de video - **Múltiples variantes de modelo**: Small, Base, Mono/Metric Large @@ -32,12 +34,12 @@ ComfyUI ya es compatible de forma nativa con los nodos de Depth Anything 3. Aseg ## Instalación del modelo -Descarga los checkpoints de Depth Anything 3 y guárdalos en la carpeta correspondiente de ComfyUI: +Descarga los checkpoint(s) de Depth Anything 3 y guárdalos en la carpeta correspondiente de ComfyUI: -- **Small** ([depth_anything_3_small.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_small.safetensors)): Ligero, inferencia rápida -- **Base** ([depth_anything_3_base.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_base.safetensors)): Rendimiento equilibrado -- **Mono-Large** ([depth_anything_3_mono_large.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_mono_large.safetensors)): La mejor opción para profundidad monocular, incluye detección de cielo -- **Metric-Large** ([depth_anything_3_metric_large.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_metric_large.safetensors)): Profundidad a escala métrica en metros, incluye detección de cielo +- **Small** ([depth_anything_3_small.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_small.safetensors)): ligero, inferencia rápida +- **Base** ([depth_anything_3_base.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_base.safetensors)): rendimiento equilibrado +- **Mono-Large** ([depth_anything_3_mono_large.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_mono_large.safetensors)): la mejor opción para profundidad monocular, incluye detección de cielo +- **Metric-Large** ([depth_anything_3_metric_large.safetensors](https://huggingface.co/Comfy-Org/Depth-Anything-3/blob/main/geometry_estimation/depth_anything_3_metric_large.safetensors)): profundidad a escala métrica en metros, incluye detección de cielo ``` ComfyUI/ @@ -48,10 +50,9 @@ ComfyUI/ │ │ ├── depth_anything_3_mono_large.safetensors │ │ └── depth_anything_3_metric_large.safetensors ``` - ## Flujos de trabajo de ejemplo -### Depth Anything 3: estimación de profundidad de imagen {#utility_depth_anything3_image_depth_estimation} +### Depth Anything 3: Estimación de profundidad de imagen {#utility_depth_anything3_image_depth_estimation} Sube una imagen y genera un mapa de profundidad con Depth Anything 3. Consulta una comparación lado a lado de la imagen original y la salida de profundidad. @@ -62,7 +63,7 @@ Sube una imagen y genera un mapa de profundidad con Depth Anything 3. Consulta u Abrir en Comfy Cloud - Descargar JSON o buscar "Depth Anything 3: Image Depth Estimation" en la Biblioteca de plantillas + Descarga el JSON o busca "Depth Anything 3: Image Depth Estimation" en la Biblioteca de plantillas
@@ -72,7 +73,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: - nodo `LoadImage` 85 · `retro_futuristic_home.png` + Nodo `LoadImage` 85 · `retro_futuristic_home.png` @@ -84,16 +85,16 @@ Sube este archivo al nodo `LoadImage` correspondiente: 1. **LoadImage**: carga tu imagen de entrada 2. **LoadDA3Model**: selecciona una variante de Depth Anything 3 -3. **Run**: haz clic en Queue o usa `Cmd+Enter` +3. **Run**: haz clic en Cola o usa `Cmd+Enter` 4. El flujo de trabajo genera un mapa de profundidad y una comparación lado a lado - - Este flujo de trabajo usa nodos Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y extender el flujo de trabajo. + + Este flujo de trabajo usa nodos Subgraph para un procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y ampliar el flujo de trabajo. -### Depth Anything 3: estimación de profundidad de video {#utility_depth_anything3_video_depth_estimation} +### Depth Anything 3: Estimación de profundidad de video {#utility_depth_anything3_video_depth_estimation} -Sube un video para generar una secuencia de profundidad por fotograma. Dentro del subgrafo, **GetVideoComponents** divide el video de entrada en fotogramas, **LoadDA3Model** carga el modelo y **SetVideoComponents** vuelve a ensamblar los fotogramas de profundidad en un video de salida. +Sube un video para generar una secuencia de profundidad por fotograma. Dentro del subgraph, **GetVideoComponents** divide el video de entrada en fotogramas, **LoadDA3Model** carga el modelo y **SetVideoComponents** vuelve a unir los fotogramas de profundidad en un video de salida. Vista previa del flujo de trabajo de estimación de profundidad de video con Depth Anything 3 @@ -102,7 +103,7 @@ Sube un video para generar una secuencia de profundidad por fotograma. Dentro de Abrir en Comfy Cloud - Descargar JSON o buscar "Depth Anything 3: Video Depth Estimation" en la Biblioteca de plantillas + Descarga el JSON o busca "Depth Anything 3: Video Depth Estimation" en la Biblioteca de plantillas
@@ -112,7 +113,7 @@ Sube este archivo al nodo `LoadVideo` correspondiente: - nodo `LoadVideo` 87 · `empty_room_assembly.mp4` + Nodo `LoadVideo` 87 · `empty_room_assembly.mp4` @@ -125,27 +126,27 @@ Sube este archivo al nodo `LoadVideo` correspondiente: ### Pasos para ejecutar 1. **LoadVideo**: carga tu video de entrada -2. **Seleccionar modelo**: elige entre **Small**, **Base**, **Mono-Large** o **Metric-Large** -3. **Run**: haz clic en Queue o usa `Cmd+Enter` +2. **Select Model**: elige entre **Small**, **Base**, **Mono-Large** o **Metric-Large** +3. **Run**: haz clic en Cola o usa `Cmd+Enter` 4. El flujo de trabajo genera un video con mapas de profundidad por fotograma - - Este flujo de trabajo usa nodos Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y extender el flujo de trabajo. + + Este flujo de trabajo usa nodos Subgraph para un procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y ampliar el flujo de trabajo. ## Variantes del modelo | Variante | head_type | has_sky | has_confidence | camera_decoder | Ideal para | |---------|-----------|:-------:|:--------------:|:--------------:|----------| -| **Small** | dualdpt | ❌ | ✅ | ✅ | Inferencia rápida, móvil/edge | +| **Small** | dualdpt | ❌ | ✅ | ✅ | Inferencia rápida, móvil y edge | | **Base** | dualdpt | ❌ | ✅ | ✅ | Rendimiento equilibrado | | **Mono-Large** | dpt | ✅ | ❌ | ❌ | Profundidad monocular con detección de cielo | | **Metric-Large** | dpt | ✅ | ❌ | ❌ | Profundidad métrica física en metros | -- **Small** y **Base** usan el tipo de head `dualdpt` con estimación de confianza y soporte del decodificador de cámara para aplicaciones multivista. -- **Mono-Large** y **Metric-Large** usan el tipo de head `dpt` con detección de cielo. Metric-Large genera profundidad sin procesar en metros. +- **Small** y **Base** usan el tipo de cabeza `dualdpt` con estimación de confianza y soporte del decodificador de cámara para aplicaciones multivista. +- **Mono-Large** y **Metric-Large** usan el tipo de cabeza `dpt` con detección de cielo. Metric-Large genera profundidad en bruto en metros. ## Recursos de la comunidad -- [Depth Anything 3 GitHub (ByteDance-Seed)](https://github.com/ByteDance-Seed/Depth-Anything-3): artículo de investigación y código +- [Depth Anything 3 en GitHub (ByteDance-Seed)](https://github.com/ByteDance-Seed/Depth-Anything-3): artículo de investigación y código - [Comfy-Org/Depth-Anything-3](https://huggingface.co/Comfy-Org/Depth-Anything-3): pesos oficiales del modelo para ComfyUI diff --git a/es/tutorials/utility/marigold-v2.mdx b/es/tutorials/utility/marigold-v2.mdx index 099fd4e109..9488e928d3 100644 --- a/es/tutorials/utility/marigold-v2.mdx +++ b/es/tutorials/utility/marigold-v2.mdx @@ -2,16 +2,20 @@ title: "Guía de estimación de profundidad, normales y albedo con Marigold V2 en ComfyUI" description: "Estima profundidad, normales y albedo de una sola imagen en ComfyUI con Marigold V2: transformers de difusión Qwen-Image Edit con LoRAs dedicadas." sidebarTitle: "Marigold V2" -translationSourceHash: 0c18f35c +translationSourceHash: 8e359643 translationFrom: tutorials/utility/marigold-v2.mdx translationBlockHashes: "_intro": 0bf716f6 "Model Installation": 94dd4b48 + "Depth Estimation {#image_marigold_v2_depth_estimation}": cc9d0c86 + "Surface Normal Estimation {#image_marigold_v2_surface_normal_estimation}": 18c0257f + "Albedo Estimation {#image_marigold_v2_albedo_estimation}": d9b6b8f9 "Marigold V2 Post-Process Node": a2806428 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; -Marigold V2 es una familia de modelos de estimación monocular de Huawei Bayer Lab que reutilizan un diffusion transformer (Qwen-Image Edit 2509) para la estimación de geometría e imágenes intrínsecas. A partir de una sola imagen RGB, los modelos predicen un mapa de profundidad, normales de superficie o albedo, dando continuidad al Marigold original (CVPR 2024), que reutilizó Stable Diffusion para esa misma tarea. Los modelos V2 se distribuyen como LoRA sobre un modelo de difusión base compartido, lo que mantiene pequeña cada descarga y hace que la estructura del flujo de trabajo sea idéntica en las tres tareas. +Marigold V2 es una familia de modelos de estimación monocular de Huawei Bayer Lab que reutilizan un diffusion transformer (Qwen-Image Edit 2509) para la estimación de geometría e imágenes intrínsecas. A partir de una sola imagen RGB, los modelos predicen un mapa de profundidad, normales de superficie o albedo, dando continuidad al Marigold original (CVPR 2024), que reutilizó Stable Diffusion para esa misma tarea. Los modelos V2 se distribuyen como LoRAs sobre un modelo de difusión base compartido, lo que mantiene pequeña cada descarga y hace que la estructura del flujo de trabajo sea idéntica en las tres tareas. En comparación con las redes de profundidad clásicas, el enfoque basado en difusión produce predicciones nítidas y conscientes de los bordes, y generaliza a imágenes de dominio abierto sin reentrenamiento. Entre los usos típicos están el control guiado por profundidad para la generación de imágenes y video, los pipelines de reconstrucción de escenas 3D, el relighting y la edición de materiales a partir del albedo estimado. @@ -33,7 +37,7 @@ Si planeas ejecutar las tres tareas, descarga los LoRA, VAE y embeddings de acon ## Estimación de profundidad {#image_marigold_v2_depth_estimation} -Predice un mapa de profundidad a partir de una sola imagen. La predicción decodificada se normaliza para que las superficies cercanas aparezcan claras. +Predice un mapa de profundidad a partir de una sola imagen. La predicción decodificada se normaliza para que las superficies cercanas aparezcan brillantes. Vista previa del flujo de trabajo de estimación de profundidad de Marigold V2 @@ -59,7 +63,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: ### 1. Pasos para ejecutar 1. Carga tu imagen de entrada en el nodo `LoadImage` -2. Encola el flujo de trabajo: el modelo base se ejecuta con la LoRA de profundidad y el nodo Marigold V2 Post-Process normaliza la predicción decodificada +2. Pon en cola el flujo de trabajo: el modelo base se ejecuta con el LoRA de profundidad y el nodo Posprocesado de Marigold V2 normaliza la predicción decodificada 3. Guarda o previsualiza el mapa de profundidad resultante ### 2. Descargas de modelos @@ -71,7 +75,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: marigold_v2_depth_log_stage2_vae.safetensors → ComfyUI/models/vae/ - + marigold_v2_depth_conditioning.safetensors → ComfyUI/models/embeddings/
@@ -86,10 +90,9 @@ Sube este archivo al nodo `LoadImage` correspondiente: │ └── 📂 embeddings/ │ └── marigold_v2_depth_conditioning.safetensors ``` - ## Estimación de normales de superficie {#image_marigold_v2_surface_normal_estimation} -Predice normales de superficie por píxel a partir de una sola imagen. La salida asigna a cada píxel la dirección hacia la que mira la superficie, algo útil para el relighting y el análisis de geometría. +Predice las normales de superficie por píxel a partir de una sola imagen. La salida asigna a cada píxel la dirección hacia la que mira la superficie, lo que resulta útil para volver a iluminar la escena y para el análisis de geometría. Vista previa del flujo de trabajo de estimación de normales de superficie de Marigold V2 @@ -115,7 +118,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: ### 1. Pasos para ejecutar 1. Carga tu imagen de entrada en el nodo `LoadImage` -2. Encola el flujo de trabajo con la LoRA de normales cargada +2. Encola el flujo de trabajo con el LoRA de normales cargado 3. Guarda o previsualiza el mapa de normales resultante ### 2. Descargas de modelos @@ -127,7 +130,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: marigold_v2_normals_vae.safetensors → ComfyUI/models/vae/ - + marigold_v2_normals_conditioning.safetensors → ComfyUI/models/embeddings/
@@ -142,16 +145,15 @@ Sube este archivo al nodo `LoadImage` correspondiente: │ └── 📂 embeddings/ │ └── marigold_v2_normals_conditioning.safetensors ``` - ## Estimación de albedo {#image_marigold_v2_albedo_estimation} -Predice el albedo (el color intrínseco) de una sola imagen, separando el color del material de la iluminación y el sombreado. El nodo Marigold V2 Post-Process convierte la salida a sRGB. +Predice el albedo (color intrínseco) de una sola imagen, separando el color del material de la iluminación y el sombreado. La salida se convierte a sRGB con el nodo Marigold V2 Post-Process. Vista previa del flujo de trabajo de estimación de albedo de Marigold V2 - - Abrir en Comfy Cloud + + Open in Comfy Cloud Descarga el JSON o busca "Albedo Estimation: Marigold V2" en la Biblioteca de plantillas @@ -171,7 +173,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: ### 1. Pasos para ejecutar 1. Carga tu imagen de entrada en el nodo `LoadImage` -2. Encola el flujo de trabajo con la LoRA de albedo cargada +2. Pon el flujo de trabajo en cola con el LoRA de albedo cargado 3. Guarda o previsualiza la imagen de albedo resultante ### 2. Descargas de modelos @@ -183,7 +185,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: marigold_v2_albedo_vae.safetensors → ComfyUI/models/vae/ - + marigold_v2_albedo_conditioning.safetensors → ComfyUI/models/embeddings/ @@ -198,11 +200,10 @@ Sube este archivo al nodo `LoadImage` correspondiente: │ └── 📂 embeddings/ │ └── marigold_v2_albedo_conditioning.safetensors ``` - ## Nodo de posprocesado de Marigold V2 -Todos los flujos de trabajo terminan en el nodo **Marigold V2 Post-Process**, que convierte la predicción decodificada sin procesar en una imagen que puedes ver. La opción **prediction** debe coincidir con la tarea: +Todos los flujos de trabajo terminan en el nodo **Posprocesado de Marigold V2**, que convierte la predicción decodificada sin procesar en una imagen que puedes ver. La opción **prediction** debe coincidir con la tarea: -- **depth**: normaliza la predicción para que las superficies cercanas aparezcan claras +- **depth**: normaliza la predicción para que las superficies cercanas se vean brillantes - **normals**: asigna los valores sin procesar a normales de superficie unitarias - **albedo**: convierte la predicción a sRGB diff --git a/es/tutorials/utility/pose-detection-sdpose.mdx b/es/tutorials/utility/pose-detection-sdpose.mdx index 24d6779649..3ff963177d 100644 --- a/es/tutorials/utility/pose-detection-sdpose.mdx +++ b/es/tutorials/utility/pose-detection-sdpose.mdx @@ -2,17 +2,19 @@ title: "SDPose: detección de poses en ComfyUI" sidebarTitle: "Detección de poses con SDPose" description: "Aprende a extraer keypoints y mapas de pose de imágenes y videos con SDPose, compatible de forma nativa en ComfyUI" -translationSourceHash: e0b4f649 +translationSourceHash: 94a8830d translationFrom: tutorials/utility/pose-detection-sdpose.mdx translationBlockHashes: "_intro": c207bd95 + "SDPose Workflows": e093cabd "Additional Notes": 1f0c5965 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" -SDPose es un modelo de detección de pose de cuerpo completo que extrae keypoints humanos de imágenes y videos. Combinado con el detector de objetos RT-DETRv4, admite detección de varias personas y estimación de pose fuera de dominio (OOD), lo que lo convierte en una herramienta versátil para pipelines de animación, generación guiada por pose y flujos de trabajo de seguimiento de movimiento. +SDPose es un modelo de detección de pose de cuerpo completo que extrae keypoints humanos de imágenes y videos. Combinado con el detector de objetos RT-DETRv4, admite la detección de varias personas y la estimación de pose fuera de dominio (OOD), lo que lo convierte en una herramienta versátil para pipelines de animación, generación guiada por pose y flujos de trabajo de seguimiento de movimiento. SDPose + RT-DETRv4 son compatibles de forma nativa con ComfyUI (PR [#12748](https://github.com/Comfy-Org/ComfyUI/pull/12748)). Los pesos del modelo están disponibles en Hugging Face. @@ -39,15 +41,15 @@ Hay cuatro flujos de trabajo disponibles según tu caso de uso: | OOD Image to Pose | Una sola imagen | Mapa de pose | Transferencia de estilo / imagen a pose | | OOD Video to Pose Map | Video | Mapa de pose por fotograma | Animación de video a pose | -### 1. Descargar los flujos de trabajo +### 1. Descargar flujos de trabajo Actualiza tu ComfyUI a la última versión, luego ve a `Workflow` -> `Browse Templates` y busca los flujos de trabajo de SDPose en la categoría Utility. -### SDPose: Image Multi-Person Detection {#utility_sdpose_multi_person} +### SDPose: detección de varias personas en una imagen {#utility_sdpose_multi_person} -Sube una imagen para detectar poses humanas. Admite la detección de una sola persona y de varias personas en la misma escena. +Sube una imagen para detectar poses humanas. Admiten detección tanto para una sola persona como para varias personas dentro de la misma escena. -Vista previa del flujo de trabajo de detección de varias personas en imagen de SDPose +Vista previa del flujo de trabajo de detección de varias personas en una imagen con SDPose @@ -72,18 +74,18 @@ Sube este archivo al nodo `LoadImage` correspondiente: Imagen de entrada -### SDPose: Video Multi-Person Detection {#utility_sdpose_multi_person_video} +### SDPose: detección de varias personas en video {#utility_sdpose_multi_person_video} -Sube un video para detectar poses humanas. Admite la detección de una sola persona y de varias personas en la misma escena. +Sube un video para detectar poses humanas. Admite la detección tanto de una sola persona como de varias personas dentro de la misma escena. -Vista previa del flujo de trabajo de detección de varias personas en video de SDPose +Vista previa del flujo de trabajo de detección de varias personas en video con SDPose Abrir en Comfy Cloud - Descarga el JSON o busca "SDPose: Video Multi-Person Detection" en la Biblioteca de plantillas + Descarga el JSON o busca "SDPose: Video Multi-Person Detection" en la biblioteca de plantillas @@ -93,7 +95,7 @@ Sube este archivo al nodo `LoadVideo` correspondiente: - Nodo `LoadVideo` 694 · `man_playing_violin.mp4` + nodo `LoadVideo` 694 · `man_playing_violin.mp4` @@ -103,18 +105,18 @@ Sube este archivo al nodo `LoadVideo` correspondiente: -### SDPose-OOD: Image to Pose Map {#utility_sdpose_ood_image_to_pose} +### SDPose-OOD: de imagen a mapa de pose {#utility_sdpose_ood_image_to_pose} -Sube una imagen para extraer los keypoints de la pose y generar el mapa de pose correspondiente con el modelo SDPose-OOD. +Sube una imagen para extraer los puntos clave de la pose y generar un mapa de pose correspondiente con el modelo SDPose-OOD. -Vista previa del flujo de trabajo de imagen a mapa de pose de SDPose-OOD +Vista previa del flujo de trabajo de imagen a mapa de pose con SDPose-OOD Abrir en Comfy Cloud - Descarga el JSON o busca "SDPose-OOD: Image to Pose Map" en la Biblioteca de plantillas + Descarga el JSON o busca "SDPose-OOD: Image to Pose Map" en la biblioteca de plantillas @@ -132,21 +134,21 @@ Sube este archivo al nodo `LoadImage` correspondiente:
Imagen de entrada - Ejemplo de salida del mapa de pose de SDPose-OOD + Salida de ejemplo del flujo de trabajo de imagen a mapa de pose con SDPose-OOD
-### SDPose-OOD: Video to Pose Map {#utility_sdpose_ood_video_to_pose_map} +### SDPose-OOD: De video a mapa de pose {#utility_sdpose_ood_video_to_pose_map} -Sube un video para extraer los keypoints de la pose y generar un mapa de pose. El flujo de trabajo admite la detección de varias personas y usa un modelo SDPose mejorado para extraer las características de todo el cuerpo con precisión. +Sube un video para extraer los puntos clave de la pose y generar un mapa de pose. El flujo de trabajo admite la detección de varias personas y usa un modelo SDPose mejorado para una extracción precisa de las características de todo el cuerpo. -Vista previa del flujo de trabajo de video a mapa de pose de SDPose-OOD +Vista previa del flujo de trabajo de video a mapa de pose con SDPose-OOD - - Abrir en Comfy Cloud + + Open in Comfy Cloud - - Descarga el JSON o busca "SDPose-OOD: Video to Pose Map" en la Biblioteca de plantillas + + Descarga el JSON o busca "SDPose-OOD: Video to Pose Map" en Template Library @@ -156,7 +158,7 @@ Sube este archivo al nodo `LoadVideo` correspondiente: - Nodo `LoadVideo` 679 · `man_in_the_rain.mp4` + nodo `LoadVideo` 679 · `man_in_the_rain.mp4` @@ -171,9 +173,9 @@ Sube este archivo al nodo `LoadVideo` correspondiente: -### 2. Descargar los modelos +### 2. Descargar modelos -Los checkpoints de los modelos SDPose y RT-DETRv4 están en el [repositorio del modelo SDPose de Comfy-Org](https://huggingface.co/Comfy-Org/SDPose). +Los checkpoints de los modelos SDPose y RT-DETRv4 están alojados en el [repositorio de modelos Comfy-Org SDPose](https://huggingface.co/Comfy-Org/SDPose). **checkpoints** (modelo SDPose): - [sdpose_wholebody_fp16.safetensors](https://huggingface.co/Comfy-Org/SDPose/blob/main/checkpoints/sdpose_wholebody_fp16.safetensors) @@ -182,7 +184,7 @@ Los checkpoints de los modelos SDPose y RT-DETRv4 están en el [repositorio del - [rt_detr_v4-x-hgnet_fp16.safetensors](https://huggingface.co/Comfy-Org/SDPose/blob/main/diffusion_models/rt_detr_v4-x-hgnet_fp16.safetensors) (recomendado) - [rt_detr_v4-x-hgnet_fp32.safetensors](https://huggingface.co/Comfy-Org/SDPose/blob/main/diffusion_models/rt_detr_v4-x-hgnet_fp32.safetensors) (precisión completa, más grande) -Colócalos con la siguiente estructura de directorios: +Colócalos en la siguiente estructura de directorios: ``` 📂 ComfyUI/ @@ -196,42 +198,41 @@ Colócalos con la siguiente estructura de directorios: ### 3. Usar los flujos de trabajo -#### Multi-Person (Image) - -- **Entrada**: carga una imagen con el nodo `Load Image`. Usa una imagen con una o varias personas (ejemplo: `group_photo.png`). -- **Detección**: el subgrafo `Image to Pose Map (SDPose Multi-Person)` procesa la imagen y genera: - - **IMAGE**: visualización del esqueleto de la pose superpuesto a la imagen - - **keypoints**: datos brutos de los keypoints de todo el cuerpo - - **bboxes**: coordenadas de las cajas delimitadoras -- **Opciones de dibujo**: configura qué partes del cuerpo se dibujan: - - `draw_body`, `draw_hands`, `draw_face`, `draw_feet`: activan o desactivan la visibilidad - - `stick_width`, `face_point_size`: ajustan el estilo visual - - `score_threshold`: confianza mínima para mostrar los keypoints +#### Multipersona (imagen) + +- **Entrada**: Carga una imagen mediante el nodo `Load Image`. Usa una imagen con una o más personas (ejemplo: `group_photo.png`). +- **Detección**: El subgrafo `Image to Pose Map (SDPose Multi-Person)` procesa la imagen y produce: + - **IMAGE**: visualización del esqueleto de la pose superpuesta a la imagen + - **keypoints**: datos de puntos clave del cuerpo completo sin procesar + - **bboxes**: coordenadas de la caja delimitadora +- **Opciones de dibujo**: Configura qué partes del cuerpo dibujar: + - `draw_body`, `draw_hands`, `draw_face`, `draw_feet`: alternar visibilidad + - `stick_width`, `face_point_size`: ajustar el estilo visual + - `score_threshold`: confianza mínima para mostrar los puntos clave - **Opciones de detección**: - - `resize_type.longer_size`: escala el lado más largo antes de la detección + - `resize_type.longer_size`: escalar la dimensión más larga antes de la detección - `max_detections`: número máximo de personas a detectar - - `detect_threshold`: umbral de confianza de la detección + - `detect_threshold`: umbral de confianza de detección - `detect_class`: clase de objeto a detectar (predeterminado: person) -#### Multi-Person (Video) +#### Multipersona (video) -Igual que el flujo de trabajo de imagen, pero procesa los fotogramas del video uno tras otro. Usa `Load Video` para introducir un archivo de video y `Save Video` para exportar el resultado. +Igual que el flujo de trabajo de imagen, pero procesa los fotogramas de video de forma secuencial. Usa `Load Video` para cargar un archivo de video y `Save Video` para exportar el resultado. -#### OOD Image to Pose +#### OOD de imagen a pose -Usa el modelo SDPose para generar un mapa de pose limpio a partir de una imagen, sin visualización de cajas delimitadoras. Resulta útil para la transferencia de estilo, cuando quieres extraer la pose del esqueleto de una imagen y aplicarla a otra. +Usa el modelo SDPose para generar un mapa de pose limpio a partir de una imagen, sin visualización de la caja delimitadora. Esto es útil para la transferencia de estilo, donde quieres extraer la pose del esqueleto de una imagen y aplicarla a otra. -#### OOD Video to Pose Map +#### OOD de video a mapa de pose -Genera mapas de pose por fotograma a partir de un video. La salida es un archivo de video en el que cada fotograma contiene el esqueleto de la pose extraído, apto para animación posterior o para flujos de trabajo de ControlNet. +Genera mapas de pose por fotograma a partir de un video. La salida es un archivo de video en el que cada fotograma contiene el esqueleto de la pose extraído, adecuado para animación o flujos de trabajo de ControlNet posteriores. - + Estos flujos de trabajo usan nodos Subgraph para el procesamiento modular. Consulta la documentación de Subgraph para aprender a personalizar y ampliar los flujos de trabajo. - ## Notas adicionales - **Directorio de modelos**: el checkpoint de SDPose va en `models/checkpoints/`, y el detector RT-DETRv4 va en `models/diffusion_models/` - **Ejemplo de imagen de entrada**: el archivo `group_photo.png` está disponible en el directorio `input/` de la plantilla del flujo de trabajo para hacer pruebas -- **Salida de puntos clave**: el tipo POSE_KEYPOINT se puede conectar a nodos posteriores que aceptan datos de pose para la generación condicional -- **Actualización necesaria**: el soporte de SDPose + RT-DETRv4 está disponible en versiones recientes de ComfyUI. Asegúrate de que tu ComfyUI esté actualizado. +- **Salida de keypoints**: el tipo POSE_KEYPOINT se puede conectar a nodos posteriores que aceptan datos de pose para la generación condicional +- **Actualización requerida**: el soporte de SDPose + RT-DETRv4 está disponible en versiones recientes de ComfyUI. Asegúrate de que tu ComfyUI esté actualizado. diff --git a/es/tutorials/utility/sam3d-body.mdx b/es/tutorials/utility/sam3d-body.mdx index c7290e8e4a..0f42636b97 100644 --- a/es/tutorials/utility/sam3d-body.mdx +++ b/es/tutorials/utility/sam3d-body.mdx @@ -2,18 +2,20 @@ title: "SAM 3D Body: extraer una malla 3D humana desde un video en ComfyUI" description: "Extrae una malla 3D del cuerpo humano desde un video con SAM 3D Body: pose y forma, expresiones faciales y video con la malla superpuesta." sidebarTitle: "SAM 3D Body" -translationSourceHash: 1f177291 +translationSourceHash: ca0733f3 translationFrom: tutorials/utility/sam3d-body.mdx translationBlockHashes: "_intro": 892aa34b "How it works": f02ec8f2 "Steps to run": bd124afc + "Model downloads": 8931e430 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" **SAM 3D Body** es un modelo de código abierto que recupera una malla humana 3D de cuerpo completo a partir de un solo video. Combina seguimiento de video, detección de personas y predicción de malla para reconstruir el cuerpo humano con pose, forma y expresiones faciales, y luego renderiza el rig recuperado de vuelta sobre el video. -El flujo de trabajo es útil para prototipos de captura de movimiento, análisis biomecánico y previsualización de animación de personajes. +Este flujo de trabajo es útil para la creación de prototipos de captura de movimiento, el análisis biomecánico y la previsualización de animación de personajes. ### SAM 3D Body: extracción de malla humana 3D desde video {#utility_sam3d_body} @@ -44,12 +46,12 @@ Sube este archivo al nodo `LoadVideo`: ## Cómo funciona -1. **Seguimiento de video**: SAM3 rastrea a la persona a lo largo de los fotogramas del video. El seguimiento es prácticamente obligatorio cuando aparecen varias personas en el clip, y en general mejora la precisión de la detección +1. **Seguimiento en el video**: SAM3 rastrea a la persona a lo largo de los fotogramas del video. El seguimiento es prácticamente obligatorio cuando aparecen varias personas en el clip y, en general, mejora la precisión de la detección 2. **Detección de personas**: RT-DETR detecta las cajas delimitadoras de la persona, guiado por el prompt de texto (`person`) -3. **Predicción de la malla**: SAM 3D Body predice la malla 3D de cuerpo completo a partir de los fotogramas rastreados, con un FOV de cámara MoGe opcional para una alineación más precisa con el video fuente +3. **Predicción de la malla**: SAM 3D Body predice la malla 3D de cuerpo completo a partir de los fotogramas rastreados, con un campo de visión de cámara MoGe opcional para lograr una alineación más precisa con el video fuente 4. **Expresiones faciales**: un paso basado en MediaPipe añade las expresiones faciales, que el modelo base no detecta 5. **Suavizado**: la secuencia de mallas se suaviza a lo largo del tiempo -6. **Renderizado**: se construye un archivo de pose (GLB), la malla se renderiza de vuelta sobre el video y luego se guarda como video de salida +6. **Renderizado**: se construye un archivo de pose (GLB), la malla se renderiza de nuevo sobre el video y luego se guarda como video de salida ## Pasos para ejecutar @@ -60,16 +62,16 @@ Sube este archivo al nodo `LoadVideo`: ## Descargas de modelos -Descarga el modelo SAM 3D Body y los archivos necesarios. Colócalos en los subdirectorios correspondientes de `models/`. +Descarga el modelo SAM 3D Body y los archivos requeridos. Colócalos en las subcarpetas correspondientes de `models/`. - sam3.1_multiplex_fp16.safetensors: checkpoint multiplex de SAM3 para el seguimiento en video + sam3.1_multiplex_fp16.safetensors: checkpoint multiplex de SAM3 para seguimiento de video - sam_3d_body_dinov3_bf16.safetensors: modelo de detección de SAM 3D Body (con backbone DINOv3) + sam_3d_body_dinov3_bf16.safetensors: modelo de detección de SAM 3D Body (backbone DINOv3) - + moge_2_vitl_normal_fp16.safetensors: estimación opcional del campo de visión de la cámara para la alineación diff --git a/es/tutorials/utility/seedvr2.mdx b/es/tutorials/utility/seedvr2.mdx index 6b23dffce1..4e86fdc42a 100644 --- a/es/tutorials/utility/seedvr2.mdx +++ b/es/tutorials/utility/seedvr2.mdx @@ -2,15 +2,17 @@ title: "SeedVR2: ampliación de imágenes y video en ComfyUI" description: "Aprende a ampliar imágenes y videos con SeedVR2, un modelo de restauración de un solo paso basado en difusión de ByteDance Seed" sidebarTitle: "SeedVR2" -translationSourceHash: d883cbec +translationSourceHash: 3bfd881e translationFrom: tutorials/utility/seedvr2.mdx translationBlockHashes: "_intro": 3ae2f661 + "Model Installation": ed2b6d9b "Example Workflows": acb91939 "Troubleshooting": 2ec4258d "Community Resources": dc823da3 --- -import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx" + +import UpdateReminder from '/snippets/es/tutorials/update-reminder.mdx' # Introducción a ComfyUI SeedVR2 @@ -29,16 +31,16 @@ SeedVR2 viene en dos tamaños. El [modelo 3B](https://huggingface.co/ByteDance-S ## Instalación del modelo -Descarga los checkpoints de SeedVR2 del [repositorio SeedVR2 de Comfy-Org](https://huggingface.co/Comfy-Org/SeedVR2) y guárdalos en la carpeta correspondiente de ComfyUI: +Descarga los checkpoint(s) de SeedVR2 desde el [repositorio SeedVR2 de Comfy-Org](https://huggingface.co/Comfy-Org/SeedVR2) y guárdalos en la carpeta correspondiente de ComfyUI: -- [seedvr2_3b_fp16.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_3b_fp16.safetensors): modelo base 3B FP16, requiere menos VRAM -- [seedvr2_3b_fp8_e4m3fn.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_3b_fp8_e4m3fn.safetensors): 3B FP8 cuantizado, reduce aún más la VRAM +- [seedvr2_3b_fp16.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_3b_fp16.safetensors): modelo base 3B FP16, menor requisito de VRAM +- [seedvr2_3b_fp8_e4m3fn.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_3b_fp8_e4m3fn.safetensors): 3B FP8 cuantizado, VRAM aún más reducida - [seedvr2_3b_int8_convrot.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_3b_int8_convrot.safetensors): 3B INT8 con convrot - [seedvr2_7b_fp16.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_7b_fp16.safetensors): modelo base 7B FP16, mayor calidad - [seedvr2_7b_fp8_e4m3fn.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_7b_fp8_e4m3fn.safetensors): 7B FP8 cuantizado, equilibrio entre calidad y VRAM - [seedvr2_7b_int8_convrot.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_7b_int8_convrot.safetensors): 7B INT8 con convrot -- [seedvr2_7b_sharp_fp16.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_7b_sharp_fp16.safetensors): variante 7B FP16 sharp para más detalle -- [seedvr2_ema_vae_fp16.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/vae/seedvr2_ema_vae_fp16.safetensors): checkpoint VAE (compartido por todas las variantes del modelo) +- [seedvr2_7b_sharp_fp16.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/diffusion_models/seedvr2_7b_sharp_fp16.safetensors): variante sharp 7B FP16 para un detalle mejorado +- [seedvr2_ema_vae_fp16.safetensors](https://huggingface.co/Comfy-Org/SeedVR2/blob/main/vae/seedvr2_ema_vae_fp16.safetensors): checkpoint VAE (compartido entre todas las variantes del modelo) Coloca los archivos en los siguientes directorios: @@ -56,21 +58,20 @@ ComfyUI/ │ └── vae/ │ └── seedvr2_ema_vae_fp16.safetensors ``` - -## Flujos de trabajo de ejemplo +## Ejemplos de flujos de trabajo ### SeedVR2 3B Int8: Ampliar imagen {#utility_seedvr2_3b_int8_upscale_image} -Amplía imágenes con SeedVR2 3B Int8, un modelo de restauración de video basado en difusión de un solo paso que produce resultados de alta calidad con una mejor consistencia temporal. +Amplía imágenes con SeedVR2 3B Int8, un modelo de restauración de video basado en diffusion de un solo paso que produce resultados de alta calidad con una mejor consistencia temporal. -Vista previa del flujo de trabajo para ampliar imágenes con SeedVR2 3B Int8 +Vista previa del flujo de trabajo de ampliación de imagen con SeedVR2 3B Int8 - + Abrir en Comfy Cloud - Descarga el JSON o busca "SeedVR2 3B Int8: Upscale Image" en la Biblioteca de plantillas + Descarga el JSON o busca "SeedVR2 3B Int8: Upscale Image" en la biblioteca de plantillas @@ -80,7 +81,7 @@ Sube este archivo al nodo `LoadImage` correspondiente: - nodo `LoadImage` 1 · `watch_macro_shot.png` + Nodo `LoadImage` 1 · `watch_macro_shot.png` @@ -95,13 +96,13 @@ Sube este archivo al nodo `LoadImage` correspondiente: 1. Coloca tu imagen en la carpeta `ComfyUI/input/` y selecciónala en el nodo `Load Image` 2. Selecciona el checkpoint `seedvr2_3b_int8_convrot.safetensors` en el cargador de modelos de SeedVR2 -3. Haz clic en `Queue` o usa `Ctrl(cmd) + Enter` para ejecutar +3. Haz clic en `Queue` o usa `Ctrl(cmd) + Enter` para ejecutarlo -### SeedVR2 7B Int8: Ampliar imagen {#utility_seedvr2_7b_int8_upscale_image} +### SeedVR2 7B Int8: ampliar imagen {#utility_seedvr2_7b_int8_upscale_image} -Amplía imágenes con SeedVR2 7B Int8, un modelo de difusión de un solo paso que mejora la resolución mediante entrenamiento adversarial y atención de ventana adaptativa. +Amplía imágenes con SeedVR2 7B Int8, un modelo de difusión de un solo paso que mejora la resolución mediante entrenamiento adversario y atención de ventana adaptativa. -Vista previa del flujo de trabajo para ampliar imagen con SeedVR2 7B Int8 +Vista previa del flujo de trabajo para ampliar imágenes con SeedVR2 7B Int8 @@ -126,20 +127,20 @@ Sube este archivo al nodo `LoadImage` correspondiente:
Imagen de entrada - Salida de ejemplo de la ampliación con SeedVR2 7B Int8 + Ejemplo de salida de ampliación con SeedVR2 7B Int8
### 2.1 Pasos para ejecutar 1. Coloca tu imagen en la carpeta `ComfyUI/input/` y selecciónala en el nodo `Load Image` -2. Selecciona el checkpoint `seedvr2_7b_int8_convrot.safetensors` en el cargador de modelos de SeedVR2 -3. Haz clic en `Queue` o usa `Ctrl(cmd) + Enter` para ejecutar +2. Selecciona el checkpoint `seedvr2_7b_int8_convrot.safetensors` en el cargador de modelos SeedVR2 +3. Haz clic en `Queue` o usa `Ctrl(cmd) + Enter` para ejecutarlo -### SeedVR2 3B Int8: Escalar video {#utility_seedvr2_3b_int8_upscale_video} +### SeedVR2 3B Int8: Aumentar la resolución de video {#utility_seedvr2_3b_int8_upscale_video} -Escala y restaura metraje de video con SeedVR2 3B Int8, un modelo de difusión de un solo paso que mejora la resolución y mantiene la consistencia temporal entre fotogramas. +Aumenta la resolución y restaura metraje de video con SeedVR2 3B Int8, un modelo de difusión de un solo paso que mejora la resolución manteniendo la consistencia temporal entre fotogramas. -Vista previa del flujo de trabajo para escalar video con SeedVR2 3B Int8 +Vista previa del flujo de trabajo para aumentar la resolución de video con SeedVR2 3B Int8 @@ -187,20 +188,20 @@ Las resoluciones objetivo más altas requieren más tiempo de procesamiento. La ### La imagen ampliada sale completamente negra -Los backends de atención pueden devolver de forma silenciosa resultados negros o corruptos con checkpoints cuantizados. Si los flujos de trabajo SeedVR2 INT8 producen una imagen totalmente negra, prueba lo siguiente en este orden: +Los backends de atención pueden devolver resultados negros o corruptos sin previo aviso con checkpoints cuantizados. Si los flujos de trabajo de SeedVR2 INT8 producen una imagen totalmente negra, prueba lo siguiente en orden: -1. **Ejecutar sin FlashAttention:** si la habilitaste con `--use-flash-attention` o con un paquete de nodos personalizado, inicia ComfyUI con el backend de atención predeterminado y vuelve a ejecutar. Desactivar FlashAttention ha resuelto la salida totalmente negra en los flujos de trabajo INT8 de 3B y 7B en una RTX 3090. -2. **Cambiar el checkpoint:** usa el archivo FP16 o FP8 del mismo tamaño. Si esos se generan correctamente, el punto donde falla es la ruta de cuantización INT8. -3. **Verificar los archivos:** tanto el modelo de difusión como `seedvr2_ema_vae_fp16.safetensors` deben estar descargados por completo y colocados como se indica en Instalación del modelo. Una descarga truncada falla del mismo modo. -4. **Desactivar la vista previa en vivo:** en algunos casos solo la vista previa aparece negra mientras que el archivo guardado es correcto, así que desactivar la vista previa en vivo elimina la ambigüedad. +1. **Ejecuta sin FlashAttention:** si la habilitaste mediante `--use-flash-attention` o un paquete de nodos personalizado, inicia ComfyUI con el backend de atención predeterminado y vuelve a ejecutar. Deshabilitar FlashAttention ha resuelto la salida totalmente negra en los flujos de trabajo INT8 de 3B y 7B en una RTX 3090. +2. **Cambia el checkpoint:** usa el archivo FP16 o FP8 del mismo tamaño. Si esos se renderizan correctamente, la ruta de cuantización INT8 es donde falla. +3. **Verifica los archivos:** tanto el modelo de difusión como `seedvr2_ema_vae_fp16.safetensors` deben estar completamente descargados y colocados como se muestra en Instalación de modelos. Una descarga truncada falla de la misma manera. +4. **Desactiva la vista previa en vivo:** en algunos casos solo la vista previa está negra mientras el archivo guardado es correcto, así que desactivar la vista previa en vivo elimina la ambigüedad. -Si el resultado sigue siendo negro, publica en la discusión del tutorial con tu GPU, la versión de ComfyUI, el método de instalación (Desktop, portable o manual) y la salida de la consola, además de indicar si los flujos de trabajo de 3B y 7B fallan de forma idéntica. +Si el resultado sigue siendo negro, publica en la discusión del tutorial con tu GPU, la versión de ComfyUI, el método de instalación (Desktop, portable o manual) y la salida de la consola, además de si los flujos de trabajo de 3B y 7B fallan de forma idéntica. ## Recursos de la comunidad - [Página del proyecto SeedVR2](https://iceclear.github.io/projects/seedvr2/): Sitio web oficial del proyecto -- [Código de ByteDance SeedVR (GitHub)](https://github.com/ByteDance-Seed/SeedVR): Código de investigación original y artículo -- [Comfy-Org/SeedVR2 (HuggingFace)](https://huggingface.co/Comfy-Org/SeedVR2): Pesos oficiales del modelo para ComfyUI +- [Código base de ByteDance SeedVR (GitHub)](https://github.com/ByteDance-Seed/SeedVR): Código de investigación original y artículo +- [Comfy-Org/SeedVR2 (HuggingFace)](https://huggingface.co/Comfy-Org/SeedVR2): Pesos oficiales del modelo de ComfyUI - [ByteDance-Seed/SeedVR2-3B (HuggingFace)](https://huggingface.co/ByteDance-Seed/SeedVR2-3B): Pesos originales del modelo 3B - [ByteDance-Seed/SeedVR2-7B (HuggingFace)](https://huggingface.co/ByteDance-Seed/SeedVR2-7B): Pesos originales del modelo 7B - [Artículo (arXiv)](https://arxiv.org/abs/2506.05301) diff --git a/es/tutorials/video/hunyuan/hunyuan-video.mdx b/es/tutorials/video/hunyuan/hunyuan-video.mdx index d905fdc10d..50d0b70321 100644 --- a/es/tutorials/video/hunyuan/hunyuan-video.mdx +++ b/es/tutorials/video/hunyuan/hunyuan-video.mdx @@ -2,13 +2,16 @@ title: "Ejemplos de Hunyuan Video en ComfyUI" description: "Guía para usar los flujos de trabajo texto a video e imagen a video de Hunyuan en ComfyUI" sidebarTitle: "Hunyuan Video" -translationSourceHash: b0191226 +translationSourceHash: aa9c03fe translationFrom: tutorials/video/hunyuan/hunyuan-video.mdx translationBlockHashes: "_intro": 1af8ce94 + "Common Models for All Workflows": dee5f872 "Hunyuan Text-to-Video Workflow": 8b79e012 "Hunyuan Image-to-Video Workflow": fe9a6b51 + "Try It Yourself": d46e8289 --- + import UpdateReminder from "/snippets/es/tutorials/update-reminder.mdx"; - Guárdalo en ComfyUI/models/vae + Guardar en ComfyUI/models/vae Ubicación de almacenamiento: @@ -65,10 +68,9 @@ ComfyUI/ │ └── vae/ │ └── hunyuan_video_vae_bf16.safetensors ``` +## Flujo de trabajo de Hunyuan texto a video -## Flujo de trabajo de texto a video con Hunyuan - -Hunyuan Text-to-Video se publicó como código abierto en diciembre de 2024 y permite generar videos cortos de 5 segundos mediante descripciones en lenguaje natural, tanto en chino como en inglés. +Hunyuan texto a video se publicó como código abierto en diciembre de 2024 y permite generar videos cortos de 5 segundos a partir de descripciones en lenguaje natural, tanto en chino como en inglés. ### 1. Flujo de trabajo @@ -85,10 +87,10 @@ Descarga la imagen del flujo de trabajo que aparece a continuación y arrástral
-### 2. Instalación manual de los modelos +### 2. Instalación manual de modelos - Guarda el archivo en ComfyUI/models/diffusion_models + Guarda en ComfyUI/models/diffusion_models Asegúrate de tener todos estos archivos de modelo en las ubicaciones correctas: @@ -108,11 +110,11 @@ ComfyUI/ ![ComfyUI Hunyuan Video T2V Workflow](/images/tutorial/advanced/hunyuanvideo/flow_diagram_t2v.jpg) -1. Comprueba que el nodo `DualCLIPLoader` tenga cargados estos modelos: +1. Verifica que el nodo `DualCLIPLoader` tenga cargados estos modelos: - clip_name1: clip_l.safetensors - clip_name2: llava_llama3_fp8_scaled.safetensors -2. Comprueba que el nodo `Load Diffusion Model` tenga cargado `hunyuan_video_t2v_720p_bf16.safetensors` -3. Comprueba que el nodo `Load VAE` tenga cargado `hunyuan_video_vae_bf16.safetensors` +2. Verifica que el nodo `Load Diffusion Model` tenga cargado `hunyuan_video_t2v_720p_bf16.safetensors` +3. Verifica que el nodo `Load VAE` tenga cargado `hunyuan_video_vae_bf16.safetensors` 4. Haz clic en el botón `Queue` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar el flujo de trabajo @@ -121,11 +123,11 @@ Cuando el parámetro `length` del nodo `EmptyHunyuanLatentVideo` se establece en ## Flujo de trabajo de imagen a video de Hunyuan -El modelo Hunyuan Image-to-Video se publicó como código abierto el 6 de marzo de 2025, basado en el framework HunyuanVideo. Transforma imágenes estáticas en videos suaves y de alta calidad, y también ofrece código de entrenamiento de LoRA para personalizar efectos de video especiales como el crecimiento del cabello, la transformación de objetos y más. +El modelo Hunyuan Image-to-Video se publicó como código abierto el 6 de marzo de 2025, basado en el framework HunyuanVideo. Transforma imágenes estáticas en videos suaves y de alta calidad y también proporciona código de entrenamiento LoRA para personalizar efectos de video especiales como crecimiento de cabello, transformación de objetos y más. Actualmente, el modelo Hunyuan Image-to-Video tiene dos versiones: -- v1 "concat": mejor fluidez de movimiento, pero menor adherencia a la orientación de la imagen -- v2 "replace": actualizada al día siguiente de la v1, con mejor orientación de la imagen, pero al parecer menos dinámica en comparación con la v1 +- v1 "concat": mejor fluidez de movimiento pero menor adherencia a la orientación de la imagen +- v2 "replace": actualizado al día siguiente de v1, con mejor orientación de la imagen pero aparentemente menos dinámico en comparación con v1
@@ -141,10 +143,10 @@ Actualmente, el modelo Hunyuan Image-to-Video tiene dos versiones: ### Modelo compartido para las versiones v1 y v2 - Guardar en ComfyUI/models/clip_vision + Guarda en ComfyUI/models/clip_vision -### Flujo de trabajo imagen a video V1 "concat" +### Flujo de trabajo de imagen a video V1 "concat" #### 1. Flujo de trabajo y recursos @@ -161,9 +163,9 @@ Descarga la imagen del flujo de trabajo que aparece a continuación y arrástral Descarga la imagen a continuación y úsala como fotograma inicial para la generación de imagen a video: - Guárdala y úsala como imagen de entrada para la generación I2V + Guarda y usa como imagen de entrada para la generación I2V -#### 2. Instalación manual de los modelos relacionados +#### 2. Instalación manual de modelos relacionados Guarda en ComfyUI/models/diffusion_models @@ -181,12 +183,12 @@ ComfyUI/ │ ├── vae/ │ │ └── hunyuan_video_vae_bf16.safetensors // Modelo compartido │ └── diffusion_models/ -│ └── hunyuan_video_image_to_video_720p_bf16.safetensors // Modelo de la versión I2V v1 "concat" +│ └── hunyuan_video_image_to_video_720p_bf16.safetensors // Modelo de la versión "concat" de I2V v1 ``` #### 3. Pasos para ejecutar el flujo de trabajo -![Flujo de trabajo de ComfyUI Hunyuan Video I2V v1](/images/tutorial/advanced/hunyuanvideo/flow_diagram_i2v_v1.jpg) +![Flujo de trabajo de Hunyuan Video I2V v1 de ComfyUI](/images/tutorial/advanced/hunyuanvideo/flow_diagram_i2v_v1.jpg) 1. Asegúrate de que `DualCLIPLoader` haya cargado estos modelos: - clip_name1: clip_l.safetensors @@ -199,13 +201,13 @@ ComfyUI/ ### Flujo de trabajo de imagen a video v2 "replace" -El flujo de trabajo v2 es esencialmente el mismo que el del v1. Solo necesitas descargar el modelo **replace** y usarlo en el nodo `Load Diffusion Model`. +El flujo de trabajo v2 es esencialmente igual al flujo de trabajo v1. Solo necesitas descargar el modelo **replace** y usarlo en el nodo `Load Diffusion Model`. #### 1. Flujo de trabajo y recursos -Descarga la imagen del flujo de trabajo de abajo y arrástrala a ComfyUI para cargarlo: +Descarga la imagen del flujo de trabajo que aparece a continuación y arrástrala a ComfyUI para cargar el flujo de trabajo: -![Flujo de trabajo de ComfyUI - Hunyuan imagen a video v2](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hunyuan-video/i2v/v2_fennec_gril.webp) +![ComfyUI Workflow - Hunyuan Image-to-Video v2](https://raw.githubusercontent.com/Comfy-Org/example_workflows/main/hunyuan-video/i2v/v2_fennec_gril.webp) @@ -213,12 +215,12 @@ Descarga la imagen del flujo de trabajo de abajo y arrástrala a ComfyUI para ca -Descarga la imagen de abajo y úsala como fotograma inicial para la generación de imagen a video: +Descarga la imagen que aparece a continuación y úsala como fotograma inicial para la generación de imagen a video: - Guarda y usa como imagen de entrada para la generación I2V + Guárdala y úsala como imagen de entrada para la generación de I2V -#### 2. Instalación manual de modelos relacionados +#### 2. Instalación manual de los modelos relacionados Guárdalo en ComfyUI/models/diffusion_models @@ -241,22 +243,22 @@ ComfyUI/ #### 3. Pasos para ejecutar el flujo de trabajo -![Flujo de trabajo de ComfyUI Hunyuan Video I2V v2](/images/tutorial/advanced/hunyuanvideo/flow_diagram_i2v_v2.jpg) +![ComfyUI Hunyuan Video I2V v2 Workflow](/images/tutorial/advanced/hunyuanvideo/flow_diagram_i2v_v2.jpg) -1. Asegúrate de que el nodo `DualCLIPLoader` haya cargado estos modelos: +1. Asegúrate de que el nodo `DualCLIPLoader` tenga cargados estos modelos: - clip_name1: clip_l.safetensors - clip_name2: llava_llama3_fp8_scaled.safetensors -2. Asegúrate de que el nodo `Load CLIP Vision` haya cargado `llava_llama3_vision.safetensors` -3. Asegúrate de que el nodo `Load Image Model` haya cargado `hunyuan_video_image_to_video_720p_bf16.safetensors` -4. Asegúrate de que el nodo `Load VAE` haya cargado `hunyuan_video_vae_bf16.safetensors` -5. Asegúrate de que el nodo `Load Diffusion Model` haya cargado `hunyuan_video_v2_replace_image_to_video_720p_bf16.safetensors` +2. Asegúrate de que el nodo `Load CLIP Vision` tenga cargado `llava_llama3_vision.safetensors` +3. Asegúrate de que el nodo `Load Image Model` tenga cargado `hunyuan_video_image_to_video_720p_bf16.safetensors` +4. Asegúrate de que el nodo `Load VAE` tenga cargado `hunyuan_video_vae_bf16.safetensors` +5. Asegúrate de que el nodo `Load Diffusion Model` tenga cargado `hunyuan_video_v2_replace_image_to_video_720p_bf16.safetensors` 6. Haz clic en el botón `Queue` o usa el atajo `Ctrl(cmd) + Enter` para ejecutar el flujo de trabajo ## Pruébalo tú mismo Aquí tienes algunas imágenes y prompts que proporcionamos. Úsalos tal cual o ajústalos para crear tu propio video. -![example](/images/tutorial/advanced/hunyuanvideo/humanoid_android_dressed_in_a_flowing.png) +![ejemplo](/images/tutorial/advanced/hunyuanvideo/humanoid_android_dressed_in_a_flowing.png) ``` Futuristic robot dancing ballet, dynamic motion, fast motion, fast shot, moving scene @@ -264,7 +266,7 @@ Futuristic robot dancing ballet, dynamic motion, fast motion, fast shot, moving --- -![example](/images/tutorial/advanced/hunyuanvideo/samurai.png) +![ejemplo](/images/tutorial/advanced/hunyuanvideo/samurai.png) ``` Samurai waving sword and hitting the camera. camera angle movement, zoom in, fast scene, super fast, dynamic @@ -272,7 +274,7 @@ Samurai waving sword and hitting the camera. camera angle movement, zoom in, fas --- -![example](/images/tutorial/advanced/hunyuanvideo/a_flying_car.png) +![ejemplo](/images/tutorial/advanced/hunyuanvideo/a_flying_car.png) ``` flying car fastly moving and flying through the city @@ -280,7 +282,7 @@ flying car fastly moving and flying through the city --- -![example](/images/tutorial/advanced/hunyuanvideo/cyber_car_race.png) +![ejemplo](/images/tutorial/advanced/hunyuanvideo/cyber_car_race.png) ``` cyberpunk car race in night city, dynamic, super fast, fast shot