之前有做过一期Joy_Caption的介绍教程，那期主要是在线体验Joy_Caption，之前觉得安装麻烦，但是无奈其他反推模型在flux上使用都没Joy_Caption效果好，所以还是把这个本地部署的教程带给大家。

• 一些缺点：

Joy_Caption运行过程中比较占显存，大概10g左右，低显存的就不要轻易尝试了

我反推一张图片的时间大概是35s左右，这个时间还是有点久的，电脑配置差的可能会更久

需要下载的文件多，对transformers版本有要求

如果你以上缺点都能接受就可以继续安装了

安装节点

管理器安装即可

也可以在项目地址手动安装：https://github.com/StartHua/Comfyui_CXH_joy_caption

更新transformers

安装完节点后我们到/custom_nodes/Comfyui_CXH_joy_caption中，点击install_req脚本会自动帮我们安装或者更新transformers

下载模型

我们这里要下载3个模型，缺失的文件夹我们需要自己新建

(1).https://huggingface.co/google/siglip-so400m-patch14-384 放到clip/siglip-so400m-patch14-384

(2).推荐下载 https://huggingface.co/unsloth/Meta-Llama-3.1-8B-bnb-4bit （如果你有A100 可以考虑下载meta-llama/Meta-Llama-3.1-8B）放到LLM/Meta-Llama-3.1-8B-bnb-4bit

(3).必须手动下载:https://huggingface.co/spaces/fancyfeast/joy-caption-pre-alpha/tree/main/wpkklhc6 放到Joy_caption 下

工作流

插件作者给我们提供了测试的工作流：核心节点就两个

为了分辨观察我自己加了个翻译节点，如果测试的没问题我们再结合Flux使用

链接到FLux后就是这样

我们再测试出图效果，我这里使用nf4v2出图测试

左边是参考图，右边是生成图，可以看到主要的元素基本是和参考图一致的，最后出图的时间大概是2分30s左右

反推出的提示词：照片中，一名男子站在户外。这名男子年龄在 20 多岁到 30 岁之间，体格健壮，皮肤白皙。他留着一头整洁的棕色短发和修剪整齐的胡须。他戴着带反光镜片的深色飞行员太阳镜，为他的外表增添了时尚和酷炫的感觉。他的着装包括一件浅蓝色长袖衬衫，衬衫上印有精致的格纹图案，扣子一直扣到衣领，下身是深蓝色长裤。一件黑色西装外套搭在他的左肩上，右手随意地握着外套的衣领。他的腰带是黑色的，上面有一个银色的带扣。背景是茂密的绿色植物，包括大片热带树叶和木栅栏，表明这里是热带或亚热带环境。阳光散发出温暖的光芒，凸显了他的棕褐色皮肤，为场景增添了一种放松和宁静的感觉。整体氛围轻松自信，这名男子散发着一种轻松和时尚的感觉。

再来几个比较抽象的：

反推提示词：未来数字界面。这是一张高分辨率照片，近距离展示了一个人的手与时尚现代的触摸屏交互。屏幕上显示一系列数字图标和仪表，全部采用蓝白配色方案，表明主题是技术和效率。界面包括各种功能的图标，例如“设置”、“灯光”、“风扇”和“温度”，以网格状排列。温度计显示醒目，采用圆形设计，外圈为蓝色，中央为蓝色圆圈，显示当前温度。人的手位于图像中央，皮肤白皙，外观纤细精致。手指伸直，食指指向温度计。背景模糊，由蓝色和白色色调混合而成，暗示着现代高科技环境，可能是办公室或实验室。整体氛围干净、简约、技术先进，强调数字交互和控制的概念。

反推提示词：一幅以充满活力的超现实场景为特色的数字艺术作品。图像描绘了一辆色彩鲜艳的复古汽车在半空中，似乎正处于戏剧性的飞行时刻。这辆汽车涂上了醒目的紫色，位于中央，略微向左倾斜，给人一种运动和活力的感觉。汽车的细节，包括车灯和车牌，都清晰逼真，与周围的超现实主义元素形成鲜明对比。背景是一片迷人的云景，浓密蓬松的云朵呈粉红色、紫色和蓝色，形成了一种旋转、空灵的氛围。云朵似乎在汽车周围翻腾和旋转，营造出一种混乱和不可预测的感觉。上方的天空是深灰色和黑色的戏剧性、喜怒无常的混合，地平线附近略带红色和橙色，暗示着日出或日落。图像的整体氛围是一种异想天开的混乱，融合了现实主义和奇幻元素。云朵的纹理柔软而蓬松，而汽车的表面看起来光滑而有金属感，与梦幻般的场景形成了鲜明的对比。

最后再测试一个海报

反推提示词：一幅具有极简主义现代艺术风格的数字插图。该图像以风格化的方式描绘了一座桥梁及其周围的景观。这座桥位于画面中央，以蓝白色调呈现，线条简洁，几何形状鲜明。它的缆绳和支架采用时尚的现代设计，使其具有未来感。这座桥横跨一片平静、反光的水体，占据了图像的下半部分。水面映照着桥梁，增添了一种对称和宁静的感觉。在背景中，一系列风格化的蓝色山脉水平延伸，为构图增添了深度。一轮巨大的满月位于右上角附近，营造出宁静的氛围。天空从顶部的深蓝色过渡到地平线附近的浅色，增强了深度感和距离感。底部的文字写道：“艺术就是有能力在针尖上建造一座宫殿。我思想的奥秘在十秒钟内就显现出来。转一圈，沙漠就变成了一座城市。”这句话用粗体白色字体书写，与蓝色背景形成鲜明对比，为视觉元素提供了哲学背景。整体美感干净、现代，视觉冲击力十足。

识别出了画面的主要元素，但是排版上的文字没有识别出来

但是我在网页上反推的倒是有

总结

我认为非必要就不用安装，想体验的可以去用网页版，效果还更准确一些

网页版地址：https://huggingface.co/spaces/fancyfeast/joy-caption-pre-alpha