ComfyUI GLM-4.1V 视觉节点 (图片/视频)

这是一个为 ComfyUI 设计的自定义节点，它集成了智谱 AI 最新的开源视觉语言模型 GLM-4.1V-9B-Thinking，专注于提供强大的图片和视频理解能力。

---

✨ 功能特性

• 图片与视频支持: 分别通过 ComfyUI 内置的 Load Image 节点和本插件提供的 Load Video 节点，轻松加载两种媒体。
• 高效视频采样: Load Video 节点能将视频文件高效地采样成一系列图像帧，供模型分析。
• 本地模型加载: 从 ComfyUI/models/glm_v/ 目录加载模型，完全离线运行。
• 统一推理接口: 无论是单张图片还是一系列视频帧，都由同一个 Inference 节点处理。

---

🔧 安装指南

1. 克隆插件仓库

• 进入 ComfyUI/custom_nodes/ 目录，运行：

  git clone https://github.com/你的用户名/ComfyUI_GLM4V.git

2. 下载模型文件

• 在 ComfyUI/models/ 目录下创建一个 glm_v 文件夹。
• 使用 git lfs 将模型克隆到该文件夹中：

  cd ComfyUI/models/glm_v/
  git lfs install
  git clone https://huggingface.co/THUDM/GLM-4.1V-9B-Thinking

4. 重启 ComfyUI

• 完全关闭并重新启动 ComfyUI。

---

🚀 如何使用

分析图片

1. 添加 ComfyUI 内置的 Load Image 节点，并选择一张图片。
2. 添加本插件的 Load GLM-4.1V Model 和 GLM-4.1V Inference 节点。
3. 连接工作流:
   • Load Image 的 IMAGE 输出 -> Inference 节点的 image 输入。
   • Load Model 的 glm4v_model 输出 -> Inference 节点的 glm4v_model 输入。
4. 在 Inference 节点中输入提示词，然后执行。

分析视频

1. 将你的视频文件（如 my_video.mp4）放入 ComfyUI 的 input 文件夹。
2. 添加本插件的 Load Video for GLM-4.1V 节点，并选择你的视频。
3. 添加 Load GLM-4.1V Model 和 GLM-4.1V Inference 节点。
4. 连接工作流:
   • Load Video 的 video_frames 输出 -> Inference 节点的 video_frames 输入。
   • Load Model 的 glm4v_model 输出 -> Inference 节点的 glm4v_model 输入。
5. 在 Inference 节点中输入提示词（如“总结视频内容”），然后执行。