ComfyUI_LayerStyle_Advance

LayerUtility: Llama Vision(Advance)

节点功能：基于 Llama 3.2 11B Vision 模型的多模态图像理解和生成文本描述。

LayerUtility: Llama Vision(Advance)-节点参数说明

输入参数
image	输入图像，可为单张或多张图像。
输出参数
text	每张图像的生成文本描述，按列表输出。
控件参数
model	使用的视觉语言模型，目前仅支持 Llama-3.2-11B-Vision-Instruct-nf4。
system_prompt	系统设定提示词，用于设定模型行为，如：“You are a helpful AI assistant.”。
user_prompt	用户提示词，用于描述任务目的，如“Describe this image in natural language.”。
max_new_tokens	最多生成的 token 数。
do_sample	是否启用采样。
temperature	采样温度。越高生成越发散（推荐 0.3～0.8 之间），越低越稳定。
top_p	nucleus sampling 的概率阈值。常用设为 0.9，控制生成 token 的累计概率覆盖。
top_k	限定前 k 个 token 中采样。用于控制 token 候选范围，通常设置为 20～100。
stop_strings	停止生成的关键字符串，用英文逗号分隔。
seed	随机种子。
include_prompt_in_output	是否将输入 prompt 一并包含在输出中。
cache_model	是否缓存加载的模型。

当 do_sample=False 时，模型使用贪心搜索（Greedy Search），每一步都选择概率最高的词。这种方式速度快、结果稳定，但可能过于保守，缺乏变化和创意。

当 do_sample=True 时，模型会根据概率分布进行随机采样，即使是概率较低的词也可能被选中。这样可以带来更多多样性和创造性。而只有ture时，temperature、top_p、top_k参数才生效。

top_k和top_p的区别

stop_strings作为结束标识符，需要在system_prompt或者user_prompt加以提示才能生效。

include_prompt_in_output设置为true时，它会将角色和问题都放入描述文本中。

cache_model为false时，生成时间将近11秒

cache_model为true时，生成时间大约7秒

ComfyUI原生节点