cog-face-to-sticker权重体系完全指南300个AI模型如何用清单pget按需下载【免费下载链接】cog-face-to-stickerface-to-sticker项目地址: https://gitcode.com/gh_mirrors/co/cog-face-to-stickercog-face-to-sticker 是一个基于 ComfyUI 的「人脸变贴纸」AI 生成器上传一张人脸照片自动抠图、保脸并输出卡通贴纸。它最让人印象深刻的设计是用weights.json清单 pget并行下载器把300 个 AI 模型权重管理成用哪个、下哪个的按需下载体系完全不需要手动搬运大文件。本文带你从零读懂这套权重下载机制。项目能做什么30秒了解输入一张人物照片jpg / jpeg / png / webp处理ComfyUI 工作流完成抠背景、InstantID 保持面部特征、IP-Adapter 注入风格️输出一张矢量风格的贴纸图可选 2 倍高清放大核心入口在 predict.py它读取 face-to-sticker-api.json 中的 ComfyUI 工作流并暴露prompt、steps、instant_id_strength、upscale等可调参数。而真正让300 模型变得可管理的是下面这套三件套。权重体系架构3个文件读懂332个AI模型文件角色一句话职责weights.json模型清单按 18 个类别登记 332 个可用权重文件weights_manifest.py清单管理器拉取远端最新清单并与本地合并生成文件名 → 下载地址映射weights_downloader.py下载执行器调用 pget 按需下载已存在则跳过1️⃣ weights.json一张表管住332个模型打开 weights.json你会看到按全大写键名划分的 18 个类别每个类别就是一个权重文件的字符串数组类别数量典型文件用途CHECKPOINTS67DreamShaper_6.31_BakedVae.safetensors底模SD1.5/SDXL/写实/动漫CONTROLNET114control_v11p_sd15_openpose.pth姿态、线稿、深度等结构控制LORAS62StickersRedmond.safetensors贴纸、像素风、吉卜力等风格微调IPADAPTER25ip-adapter-plus-face_sdxl_vit-h.bin人脸/风格参考注入UPSCALE_MODELS134x-UltraSharp.pth4x/8x 超分放大SAMS7mobile_sam.pt智能抠图分割CLIP_VISION7CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors视觉编码器EMBEDDINGS5easynegative.safetensors负面提示词嵌入UNET / INSIGHTFACE / FACEDETECTION8/4/5sdxl_lightning_2step_unet.pth快速生成 UNET、换脸、人脸检测其余 9 类16photomaker-v1.bin、codeformer.pthPhotoMaker、人脸修复等 清单里甚至包含artificialguybr/StickersRedmond.safetensors这种贴纸专用 LoRA——带子目录前缀的文件下载时会自动创建对应子文件夹。2️⃣ weights_manifest.py本地清单 远端增量合并weights_manifest.py 中的WeightsManifest类做了两件聪明事拉取最新清单启动时先用 pget 下载远端的updated_weights.json带时间戳防缓存保证本地清单永远能跟上上游新增的模型增量合并把远端清单与本地 weights.json 按类别合并新模型自动补齐老模型保留。合并完成后它为每个文件自动生成映射表下载地址https://weights.replicate.delivery/default/comfy-ui/{类别}/{文件名}.tar保存位置ComfyUI/models/{类别}/另外它还维护一份非商用权重名单如inswapper_128.onnx、RMBG-1.4/model.pth下载这些文件时会打印 ⚠️ 商用授权提醒详细说明见 weights_licenses.md。3️⃣ weights_downloader.pypget 按需下载器weights_downloader.py 是整个体系的执行器逻辑极其简洁subprocess.check_call( [pget, --log-level, warn, -xf, url, dest], close_fdsFalse )pget是 Replicate 出品的并行下载工具容器构建时由 cog.yaml 自动安装到/usr/local/bin/pget。它的关键行为✅存在即跳过download_if_not_exists先检查目标文件已下载过的权重绝不重复拉取自动解包-xf参数让 pget 下载.tar后自动解压下载反馈完成后打印耗时和文件大小如Downloaded xxx in 3.42s, size: 2100.00MB白名单校验只接受清单内存在的权重未知文件名直接报ValueError防止下载来路不明的文件两种按需下载方式手动批量 vs 工作流自动方式一用 get_weights.py 手动批量下载scripts/get_weights.py 提供了命令行入口支持三种用法# 下载单个权重 python scripts/get_weights.py DreamShaper_6.31_BakedVae_pruned.safetensors # 同时下载多个权重 python scripts/get_weights.py sd_xl_base_1.0.safetensors 4x-UltraSharp.pth # 批量下载把权重名写进一个 txt每行一个 python scripts/get_weights.py my_weights.txt适合场景预先把常用底模、超分模型囤在本地避免首次生成时的等待。方式二跑工作流时自动下载默认方式在 helpers/comfyui.py 的handle_weights方法中ComfyUI 类会在运行工作流前做一轮权重巡检遍历工作流中所有节点的输入参数识别.safetensors、.ckpt、.pth、.bin、.onnx等权重后缀同时让 Controlnet Aux、IPAdapter Plus、InstantID、BRIA RMBG 四个自定义节点各自补充自己需要的模型去重后逐个交给WeightsDownloader下载每个成功的权重打印 ✅只有清单里的权重会被下载工作流引用了未知模型时会明确报错并提示查看可用清单。这意味着你拿到仓库后零手动操作改工作流换模型缺什么自动补什么。上手三步走从clone到出图# 第1步克隆仓库含 ComfyUI 子模块 git clone --recurse-submodules https://gitcode.com/gh_mirrors/co/cog-face-to-sticker # 第2步安装所有自定义节点 ./scripts/clone_plugins.sh # 第3步启动容器并打开 ComfyUI Web UI端口 8188 sudo cog run -p 8188 bash cd ComfyUI/ python main.py --listen 0.0.0.0然后在本地浏览器访问http://GPU机器IP:8188加载仓库自带的face-to-sticker-ui.json工作流即可出图——首次运行时所需权重会自动补齐。注意事项商用授权与磁盘管理⚠️商用限制InsightFace 换脸模型inswapper_128.onnx等仅限非商用研究RMBG-1.4 抠图模型需 BRIA AI 商用授权。清单中已标记的非商用模型共 13 个商用前务必阅读 weights_licenses.md磁盘占用单个 CHECKPOINT 常达 2~7 GBCONTROLNET 类最多114 个切勿一次性全量下载坚持按需原则清单更新上游模型库持续扩张CHANGELOG.md 记录了每次新增的模型与插件每次启动WeightsManifest会自动同步无需手动更新缓存清理每次预测后predict.py的cleanup会清空/tmp/inputs、/tmp/outputs与 ComfyUI 临时目录但权重缓存在ComfyUI/models/下长期保留这是刻意设计的下载一次、反复使用。小结cog-face-to-sticker 的权重体系给所有 ComfyUI 类项目打了个样用 JSON 清单声明模型、用映射表绑定下载地址、用并行下载器执行、用白名单守住安全边界。300 个 AI 模型不再是一座搬不动的模型坟场而变成一份随时可以点单取货的模型超市——这正是清单 pget 按需下载这套组合拳的全部价值。【免费下载链接】cog-face-to-stickerface-to-sticker项目地址: https://gitcode.com/gh_mirrors/co/cog-face-to-sticker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 cog-face-to-sticker权重体系完全指南：300+个AI模型如何用清单+pget按需下载
cog-face-to-sticker权重体系完全指南300个AI模型如何用清单pget按需下载【免费下载链接】cog-face-to-stickerface-to-sticker项目地址: https://gitcode.com/gh_mirrors/co/cog-face-to-stickercog-face-to-sticker 是一个基于 ComfyUI 的「人脸变贴纸」AI 生成器上传一张人脸照片自动抠图、保脸并输出卡通贴纸。它最让人印象深刻的设计是用weights.json清单 pget并行下载器把300 个 AI 模型权重管理成用哪个、下哪个的按需下载体系完全不需要手动搬运大文件。本文带你从零读懂这套权重下载机制。项目能做什么30秒了解输入一张人物照片jpg / jpeg / png / webp处理ComfyUI 工作流完成抠背景、InstantID 保持面部特征、IP-Adapter 注入风格️输出一张矢量风格的贴纸图可选 2 倍高清放大核心入口在 predict.py它读取 face-to-sticker-api.json 中的 ComfyUI 工作流并暴露prompt、steps、instant_id_strength、upscale等可调参数。而真正让300 模型变得可管理的是下面这套三件套。权重体系架构3个文件读懂332个AI模型文件角色一句话职责weights.json模型清单按 18 个类别登记 332 个可用权重文件weights_manifest.py清单管理器拉取远端最新清单并与本地合并生成文件名 → 下载地址映射weights_downloader.py下载执行器调用 pget 按需下载已存在则跳过1️⃣ weights.json一张表管住332个模型打开 weights.json你会看到按全大写键名划分的 18 个类别每个类别就是一个权重文件的字符串数组类别数量典型文件用途CHECKPOINTS67DreamShaper_6.31_BakedVae.safetensors底模SD1.5/SDXL/写实/动漫CONTROLNET114control_v11p_sd15_openpose.pth姿态、线稿、深度等结构控制LORAS62StickersRedmond.safetensors贴纸、像素风、吉卜力等风格微调IPADAPTER25ip-adapter-plus-face_sdxl_vit-h.bin人脸/风格参考注入UPSCALE_MODELS134x-UltraSharp.pth4x/8x 超分放大SAMS7mobile_sam.pt智能抠图分割CLIP_VISION7CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors视觉编码器EMBEDDINGS5easynegative.safetensors负面提示词嵌入UNET / INSIGHTFACE / FACEDETECTION8/4/5sdxl_lightning_2step_unet.pth快速生成 UNET、换脸、人脸检测其余 9 类16photomaker-v1.bin、codeformer.pthPhotoMaker、人脸修复等 清单里甚至包含artificialguybr/StickersRedmond.safetensors这种贴纸专用 LoRA——带子目录前缀的文件下载时会自动创建对应子文件夹。2️⃣ weights_manifest.py本地清单 远端增量合并weights_manifest.py 中的WeightsManifest类做了两件聪明事拉取最新清单启动时先用 pget 下载远端的updated_weights.json带时间戳防缓存保证本地清单永远能跟上上游新增的模型增量合并把远端清单与本地 weights.json 按类别合并新模型自动补齐老模型保留。合并完成后它为每个文件自动生成映射表下载地址https://weights.replicate.delivery/default/comfy-ui/{类别}/{文件名}.tar保存位置ComfyUI/models/{类别}/另外它还维护一份非商用权重名单如inswapper_128.onnx、RMBG-1.4/model.pth下载这些文件时会打印 ⚠️ 商用授权提醒详细说明见 weights_licenses.md。3️⃣ weights_downloader.pypget 按需下载器weights_downloader.py 是整个体系的执行器逻辑极其简洁subprocess.check_call( [pget, --log-level, warn, -xf, url, dest], close_fdsFalse )pget是 Replicate 出品的并行下载工具容器构建时由 cog.yaml 自动安装到/usr/local/bin/pget。它的关键行为✅存在即跳过download_if_not_exists先检查目标文件已下载过的权重绝不重复拉取自动解包-xf参数让 pget 下载.tar后自动解压下载反馈完成后打印耗时和文件大小如Downloaded xxx in 3.42s, size: 2100.00MB白名单校验只接受清单内存在的权重未知文件名直接报ValueError防止下载来路不明的文件两种按需下载方式手动批量 vs 工作流自动方式一用 get_weights.py 手动批量下载scripts/get_weights.py 提供了命令行入口支持三种用法# 下载单个权重 python scripts/get_weights.py DreamShaper_6.31_BakedVae_pruned.safetensors # 同时下载多个权重 python scripts/get_weights.py sd_xl_base_1.0.safetensors 4x-UltraSharp.pth # 批量下载把权重名写进一个 txt每行一个 python scripts/get_weights.py my_weights.txt适合场景预先把常用底模、超分模型囤在本地避免首次生成时的等待。方式二跑工作流时自动下载默认方式在 helpers/comfyui.py 的handle_weights方法中ComfyUI 类会在运行工作流前做一轮权重巡检遍历工作流中所有节点的输入参数识别.safetensors、.ckpt、.pth、.bin、.onnx等权重后缀同时让 Controlnet Aux、IPAdapter Plus、InstantID、BRIA RMBG 四个自定义节点各自补充自己需要的模型去重后逐个交给WeightsDownloader下载每个成功的权重打印 ✅只有清单里的权重会被下载工作流引用了未知模型时会明确报错并提示查看可用清单。这意味着你拿到仓库后零手动操作改工作流换模型缺什么自动补什么。上手三步走从clone到出图# 第1步克隆仓库含 ComfyUI 子模块 git clone --recurse-submodules https://gitcode.com/gh_mirrors/co/cog-face-to-sticker # 第2步安装所有自定义节点 ./scripts/clone_plugins.sh # 第3步启动容器并打开 ComfyUI Web UI端口 8188 sudo cog run -p 8188 bash cd ComfyUI/ python main.py --listen 0.0.0.0然后在本地浏览器访问http://GPU机器IP:8188加载仓库自带的face-to-sticker-ui.json工作流即可出图——首次运行时所需权重会自动补齐。注意事项商用授权与磁盘管理⚠️商用限制InsightFace 换脸模型inswapper_128.onnx等仅限非商用研究RMBG-1.4 抠图模型需 BRIA AI 商用授权。清单中已标记的非商用模型共 13 个商用前务必阅读 weights_licenses.md磁盘占用单个 CHECKPOINT 常达 2~7 GBCONTROLNET 类最多114 个切勿一次性全量下载坚持按需原则清单更新上游模型库持续扩张CHANGELOG.md 记录了每次新增的模型与插件每次启动WeightsManifest会自动同步无需手动更新缓存清理每次预测后predict.py的cleanup会清空/tmp/inputs、/tmp/outputs与 ComfyUI 临时目录但权重缓存在ComfyUI/models/下长期保留这是刻意设计的下载一次、反复使用。小结cog-face-to-sticker 的权重体系给所有 ComfyUI 类项目打了个样用 JSON 清单声明模型、用映射表绑定下载地址、用并行下载器执行、用白名单守住安全边界。300 个 AI 模型不再是一座搬不动的模型坟场而变成一份随时可以点单取货的模型超市——这正是清单 pget 按需下载这套组合拳的全部价值。【免费下载链接】cog-face-to-stickerface-to-sticker项目地址: https://gitcode.com/gh_mirrors/co/cog-face-to-sticker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考