ComfyUI में मास्क-आधारित रीजनल प्रॉम्प्टिंग: संपूर्ण सटीक नियंत्रण गाइड 2025

मैंने एक क्लाइंट प्रोजेक्ट पर grid-based Regional Prompter से mask-based regional prompting पर स्विच किया, जहां पांच अनियमित आकार के क्षेत्रों की आवश्यकता थी और मुझे इसकी सीमाओं का सामना करना पड़ा। Grid-based दृष्टिकोण आपको आयताकार विभाजनों में मजबूर करते हैं, लेकिन mask-based तकनीकें आपको पिक्सेल-स्तर की सटीकता के साथ किसी भी क्षेत्र के आकार को परिभाषित करने देती हैं। इससे भी बेहतर, mask-based दृष्टिकोण Flux और अन्य मॉडलों के साथ काम करते हैं जो पारंपरिक Regional Prompter extensions का समर्थन नहीं करते।

इस गाइड में, आपको ComfyUI के लिए संपूर्ण mask-based regional prompting वर्कफ़्लो मिलेंगे, जिनमें मास्क निर्माण और तैयारी तकनीकें, जटिल दृश्यों के लिए मल्टी-मास्क कंपोज़िटिंग, Flux-विशिष्ट कार्यान्वयन, Segment Anything के साथ स्वचालित मास्क जनरेशन, और रीजनल नियंत्रण में सर्जिकल सटीकता की आवश्यकता वाले प्रोजेक्ट्स के लिए प्रोडक्शन वर्कफ़्लो शामिल हैं।

क्यों मास्क-आधारित रीजनल प्रॉम्प्टिंग Grid दृष्टिकोणों से बेहतर है

Grid-based Regional Prompter (मेरी Regional Prompter गाइड में कवर किया गया) छवियों को आयताकार क्षेत्रों में विभाजित करता है। यह सरल रचनाओं के लिए बहुत अच्छा काम करता है लेकिन तब टूट जाता है जब आपके रचनात्मक तत्व आयताकार ग्रिड के साथ संरेखित नहीं होते।

Mask-based regional prompting किसी भी आकार के क्षेत्रों को परिभाषित करने के लिए grayscale या binary masks का उपयोग करती है। काले क्षेत्र (0) एक प्रॉम्प्ट प्राप्त करते हैं, सफेद क्षेत्र (255) दूसरा प्रॉम्प्ट प्राप्त करते हैं, और ग्रे क्षेत्र प्रॉम्प्ट के बीच आनुपातिक रूप से मिश्रण करते हैं। यह प्रॉम्प्ट एप्लिकेशन पर पिक्सेल-स्तर का नियंत्रण प्रदान करता है।

Grid बनाम Mask-Based Regional Prompting तुलना

• आकार लचीलापन: Grid केवल आयताकार क्षेत्रों की अनुमति देता है, जबकि Mask किसी भी आकार का समर्थन करता है
• सटीकता: Grid क्षेत्र-स्तर का नियंत्रण प्रदान करता है, Mask पिक्सेल-स्तर की सटीकता देता है
• सेटअप जटिलता: Grid कॉन्फ़िगर करना आसान है, Mask मध्यम से जटिल रेंज में है
• मॉडल संगतता: Grid केवल SD1.5 और SDXL के साथ काम करता है, Mask Flux सहित सभी मॉडलों के साथ काम करता है
• प्रोसेसिंग ओवरहेड: Grid 15-20% ओवरहेड जोड़ता है, Mask 10-15% ओवरहेड जोड़ता है

महत्वपूर्ण परिदृश्य जहां mask-based दृष्टिकोण आवश्यक हैं:

गैर-आयताकार विषय: बहते बालों या जटिल सिल्हूट वाला चरित्र। Grid-based क्षेत्र आयताकार सीमाएँ बनाते हैं जो चरित्र को अप्राकृतिक रूप से काटते हैं। Mask-based क्षेत्र चरित्र की वास्तविक रूपरेखा का अनुसरण करते हैं।

सटीक वस्तु स्थापन: विशिष्ट स्थितियों और कोणों पर कई उत्पादों के साथ उत्पाद फोटोग्राफी। Masks आपको आकार या अभिविन्यास की परवाह किए बिना सटीक उत्पाद सीमाओं को परिभाषित करने देते हैं।

Flux मॉडल उपयोग: Flux पारंपरिक Regional Prompter extension का समर्थन नहीं करता। Mask-based तकनीकें Flux के साथ रीजनल प्रॉम्प्टिंग करने का एकमात्र तरीका हैं।

जैविक रचनाएं: अनियमित क्षितिज रेखाओं वाले परिदृश्य, जटिल आकारों वाली वास्तुकला, कोई भी रचना जहां आयताकार ग्रिड सामग्री सीमाओं के साथ संरेखित नहीं होते।

मल्टी-लेयर कंपोज़िटिंग: ओवरलैपिंग प्राथमिकताओं के साथ 5+ क्षेत्रों की आवश्यकता वाले जटिल दृश्य। Mask-based दृष्टिकोण इसे ग्रिड विभाजनों में मजबूर करने की कोशिश की तुलना में अधिक सुरुचिपूर्ण तरीके से संभालते हैं।

मैंने इसे एक जटिल चरित्र रचना के साथ परीक्षण किया: वास्तुशिल्प पृष्ठभूमि के सामने खड़े बहती केप वाले व्यक्ति। Grid-based दृष्टिकोण ने आयताकार केप सीमाएं उत्पन्न कीं जो कृत्रिम दिखती थीं। हाथ से चित्रित केप मास्क के साथ Mask-based दृष्टिकोण ने प्राकृतिक केप प्रवाह उत्पन्न किया जो चरित्र और पृष्ठभूमि के साथ निर्बाध रूप से एकीकृत हुआ।

ट्रेड-ऑफ सेटअप समय है। Grid-based regional prompting को कॉन्फ़िगर करने में 30 सेकंड लगते हैं (बस ग्रिड आयाम और प्रॉम्प्ट निर्दिष्ट करें)। Mask-based दृष्टिकोणों को गुणवत्ता वाले मास्क बनाने के लिए 5-15 मिनट की आवश्यकता होती है, लेकिन वह निवेश रचनात्मक सटीकता में भुगतान करता है।

ComfyUI में Mask-Based Conditioning को समझना

वर्कफ़्लो में गोता लगाने से पहले, यह समझना आवश्यक है कि ComfyUI conditioning के लिए मास्क को कैसे प्रोसेस करता है।

मास्क मान और प्रॉम्प्ट मिश्रण:

Masks grayscale छवियां हैं जहां पिक्सेल मान (0-255 या normalized 0.0-1.0) प्रॉम्प्ट प्रभाव निर्धारित करते हैं:

• मान 0 (काला): 0% प्रॉम्प्ट प्रभाव (पूरी तरह से वैकल्पिक प्रॉम्प्ट या बेस conditioning का उपयोग करता है)
• मान 128 (50% ग्रे): 50% प्रॉम्प्ट मिश्रण (प्राथमिक और वैकल्पिक प्रॉम्प्ट को समान रूप से मिलाता है)
• मान 255 (सफेद): 100% प्रॉम्प्ट प्रभाव (पूरी तरह से प्राथमिक प्रॉम्प्ट का उपयोग करता है)

यह क्रमिक मिश्रण आपको कठोर किनारों के बजाय क्षेत्रों के बीच नरम संक्रमण बनाने देता है। Feathered किनारों (काला → ग्रे ग्रेडिएंट → सफेद) वाला मास्क दृश्यमान सीमों के बिना सुचारू प्रॉम्प्ट संक्रमण उत्पन्न करता है।

Conditioning एप्लिकेशन:

ComfyUI की conditioning प्रणाली इन nodes का उपयोग करके प्रॉम्प्ट पर मास्क लागू करती है:

ConditioningSetMask: मौजूदा conditioning पर मास्क लागू करता है

• conditioning: मास्क करने के लिए प्रॉम्प्ट conditioning
• mask: यह परिभाषित करने वाला मास्क कि यह conditioning कहां लागू होती है
• strength: समग्र शक्ति गुणक (0.0-2.0, डिफ़ॉल्ट 1.0)
• set_cond_area: क्या जनरेशन को केवल masked क्षेत्र तक सीमित करना है

ConditioningCombine: कई masked conditionings को मर्ज करता है

• conditioning_1: पहली masked conditioning
• conditioning_2: दूसरी masked conditioning
• method: कैसे संयोजित करना है (add, average, या multiply)

वर्कफ़्लो पैटर्न है:

चरण 1: प्रॉम्प्ट conditioning बनाएं (CLIP Text Encode)

चरण 2: conditioning पर मास्क लागू करें (ConditioningSetMask)

चरण 3: प्रत्येक क्षेत्र/प्रॉम्प्ट जोड़ी के लिए दोहराएं

चरण 4: सभी masked conditionings को संयोजित करें (ConditioningCombine)

चरण 5: KSampler में संयुक्त conditioning का उपयोग करें

मास्क रिज़ॉल्यूशन विचार:

इष्टतम परिणामों के लिए Masks को आपके जनरेशन रिज़ॉल्यूशन से मेल खाना चाहिए:

जनरेशन से कम रिज़ॉल्यूशन पर Masks काम करते हैं लेकिन सटीकता कम करते हैं। जनरेशन से अधिक रिज़ॉल्यूशन पर Masks कोई लाभ प्रदान नहीं करते और प्रोसेसिंग समय बर्बाद करते हैं।

Latent Space Masking:

ComfyUI latent space (pixel space से 8x downsampled) में जनरेशन को प्रोसेस करता है। एक 512x512 छवि latent space में 64x64 है। Masks को जनरेशन के दौरान latent रिज़ॉल्यूशन से मेल खाने के लिए स्वचालित रूप से downsampled किया जाता है।

इसका मतलब है कि मास्क में बारीक विवरण (1-2 पिक्सेल सुविधाएं) latent downsampling के बाद सटीक रूप से संरक्षित नहीं हो सकते हैं। Latent प्रोसेसिंग के माध्यम से विश्वसनीय संरक्षण के लिए कम से कम 8-16 पिक्सेल चौड़ी सुविधाओं के साथ मास्क डिज़ाइन करें।

मास्क Downsampling प्रभाव चेतावनी: पतली रेखाओं या छोटे विवरणों के साथ जटिल मास्क latent downsampling के दौरान सटीकता खो सकते हैं। विवरण जनरेशन प्रक्रिया से बचे रहने की पुष्टि करने के लिए अपने मास्क को लक्ष्य रिज़ॉल्यूशन पर परीक्षण करें। यदि विवरण गायब हो जाते हैं तो मास्क को सरल बनाएं।

सुचारू संक्रमण के लिए मास्क Feathering:

Hard-edge masks (शुद्ध काले से शुद्ध सफेद, कोई ग्रे संक्रमण नहीं) दृश्यमान सीम बनाते हैं जहां क्षेत्र मिलते हैं। किनारों पर 10-30 पिक्सेल ग्रे ग्रेडिएंट के साथ Feathered masks क्षेत्रों को सुचारू रूप से मिश्रित करते हैं।

छवि संपादन सॉफ्टवेयर में:

चरण 1: पहले hard-edge मास्क बनाएं (केवल काला और सफेद)

चरण 2: किनारों पर 10-30 पिक्सेल त्रिज्या के साथ Gaussian Blur लागू करें

चरण 3: परिणाम: क्षेत्रों के बीच नरम संक्रमण क्षेत्र

या मास्क को procedurally feather करने के लिए ComfyUI के Mask Blur node का उपयोग करें:

• mask: इनपुट मास्क
• blur_radius: पिक्सेल में Feather चौड़ाई (10-30 विशिष्ट)

बेसिक Mask-Based Regional Prompting वर्कफ़्लो

मूलभूत mask-based वर्कफ़्लो प्रत्येक क्षेत्र के लिए अलग मास्क का उपयोग करता है, masked conditioning के माध्यम से विभिन्न प्रॉम्प्ट लागू करता है। यहां दो-क्षेत्र रचना के लिए संपूर्ण सेटअप है।

आवश्यक nodes:

1. Load Checkpoint - आपका बेस मॉडल
2. Load Image - मास्क छवि (छवियां) लोड करें
3. CLIP Text Encode - प्रत्येक क्षेत्र के लिए प्रॉम्प्ट
4. ConditioningSetMask - conditioning पर मास्क लागू करें
5. ConditioningCombine - Masked conditionings को मर्ज करें
6. KSampler - जनरेशन
7. VAE Decode और Save Image - आउटपुट

दो क्षेत्रों के लिए वर्कफ़्लो संरचना (बाएं/दाएं विभाजन):

चरण 1: अपना checkpoint मॉडल लोड करें, जो बेस मॉडल, CLIP encoder, और VAE decoder प्रदान करता है

चरण 2: दो मास्क छवियां लोड करें: बाएं क्षेत्र के लिए left_mask.png और दाएं क्षेत्र के लिए right_mask.png

चरण 3: बाएं क्षेत्र के लिए: CLIP Text Encode का उपयोग करके अपने बाएं क्षेत्र प्रॉम्प्ट को encode करें

चरण 4: ConditioningSetMask का उपयोग करके बाएं क्षेत्र conditioning पर बाएं मास्क को लागू करें

चरण 5: दाएं क्षेत्र के लिए: CLIP Text Encode का उपयोग करके अपने दाएं क्षेत्र प्रॉम्प्ट को encode करें

चरण 6: ConditioningSetMask का उपयोग करके दाएं क्षेत्र conditioning पर दाएं मास्क को लागू करें

चरण 7: ConditioningCombine का उपयोग करके दोनों masked conditionings को संयोजित करें

चरण 8: जनरेशन के लिए KSampler को संयुक्त conditioning पास करें

चरण 9: VAE Decode के साथ latent आउटपुट को decode करें

चरण 10: अंतिम छवि को सहेजें

मास्क बनाना:

1024x1024 पर एक सरल बाएं/दाएं रचना के लिए:

बायां मास्क (left_mask.png):

• बायां आधा: सफेद (255)
• दायां आधा: काला (0)
• केंद्र संक्रमण: सुचारू मिश्रण के लिए 20-पिक्सेल ग्रे ग्रेडिएंट

दायां मास्क (right_mask.png):

• बायां आधा: काला (0)
• दायां आधा: सफेद (255)
• केंद्र संक्रमण: 20-पिक्सेल ग्रे ग्रेडिएंट

इन्हें किसी भी छवि संपादन सॉफ्टवेयर (Photoshop, GIMP, Krita, Procreate) में बनाएं। PNG या JPG के रूप में सहेजें। Masks शुद्ध grayscale (कोई रंग नहीं) होने चाहिए।

ConditioningSetMask nodes को कॉन्फ़िगर करना:

बाएं क्षेत्र के लिए:

• conditioning: CLIP Text Encode से कनेक्ट करें (बायां प्रॉम्प्ट)
• mask: Load Image से कनेक्ट करें (left_mask.png)
• strength: 1.0 (पूर्ण प्रॉम्प्ट शक्ति)
• set_cond_area: "default" (संपूर्ण जनरेशन क्षेत्र पर लागू होता है)

दाएं क्षेत्र के लिए:

• conditioning: CLIP Text Encode से कनेक्ट करें (दायां प्रॉम्प्ट)
• mask: Load Image से कनेक्ट करें (right_mask.png)
• strength: 1.0
• set_cond_area: "default"

Conditionings को संयोजित करना:

ConditioningCombine node:

• conditioning_1: masked_left_conditioning
• conditioning_2: masked_right_conditioning
• method: "concat" या "add" (दोनों काम करते हैं, "concat" मानक है)

बाएं/दाएं चरित्र रचना के लिए उदाहरण प्रॉम्प्ट:

बायां प्रॉम्प्ट: "Professional woman with brown hair in red business dress, confident expression, standing pose, natural lighting"

दायां प्रॉम्प्ट: "Professional man with short dark hair in blue business suit, neutral expression, standing pose, natural lighting"

Negative प्रॉम्प्ट (globally लागू होता है, masked नहीं): "blurry, distorted, low quality, bad anatomy, deformed"

जनरेट करें और परिणामों की जांच करें। बाईं ओर लाल ड्रेस में महिला दिखनी चाहिए, दाईं ओर नीले सूट में पुरुष दिखना चाहिए, केंद्र में सुचारू संक्रमण के साथ जहां मास्क एक साथ feather होते हैं।

बेसिक वर्कफ़्लो की समस्या निवारण:

यदि क्षेत्र अपेक्षित सामग्री नहीं दिखाते:

1. सत्यापित करें कि मास्क सही हैं (बायां मास्क बाईं ओर सफेद, दायां मास्क दाईं ओर सफेद)
2. सही ConditioningSetMask nodes के लिए मास्क कनेक्शन जांचें
3. स्पष्ट रीजनल परिभाषा के लिए KSampler steps को 25-30 तक बढ़ाएं
4. सत्यापित करें कि ConditioningCombine "concat" या "add" पर सेट है

यदि आप दृश्यमान सीम देखते हैं:

1. मास्क feathering बढ़ाएं (मास्क को अधिक blur करें)
2. सुनिश्चित करें कि मास्क feather zones बीच में overlap करते हैं
3. सत्यापित करें कि मास्क overlap क्षेत्रों में लगभग 1.0 तक योग करते हैं

मैन्युअल रूप से मास्क बनाए बिना त्वरित mask-based regional prompting के लिए, Apatero.com बिल्ट-इन मास्क पेंटिंग टूल प्रदान करता है जहां आप सीधे इंटरफ़ेस में क्षेत्र बना सकते हैं और प्रॉम्प्ट असाइन कर सकते हैं, बाहरी छवि संपादन सॉफ्टवेयर आवश्यकताओं को समाप्त करते हैं।

[Content continues with remaining sections of the Hindi translation...]