Add files using upload-large-folder tool

_archive/nodes_unregistered/__init_old__.py

@@ -0,0 +1,35 @@
+# __init__.py (통합 로더)
+import traceback
+
+NODE_CLASS_MAPPINGS = {}
+NODE_DISPLAY_NAME_MAPPINGS = {}
+
+def register_node(class_name, node_class, display_name):
+    NODE_CLASS_MAPPINGS[class_name] = node_class
+    NODE_DISPLAY_NAME_MAPPINGS[class_name] = display_name
+
+# 리사이즈
+try:
+    from .wan_resizer import WanNativeResize_Dolphin
+    register_node("WanNativeResize_Dolphin", WanNativeResize_Dolphin, "🐬 Wan Native Resize (Dolphin)")
+except Exception as e: print(e)
+
+# 트리플 매트릭스
+try:
+    from .arch_logic_v16 import DolphinTripleLoraMatrix
+    register_node("DolphinTripleLoraMatrix", DolphinTripleLoraMatrix, "🐬 Dolphin Triple Lora Matrix (Wan 2.2)")
+except Exception as e: print(e)
+
+# 스토리 스플리터
+try:
+    from .promp_logic_v32_story import DolphinMultiActionPromptNode_V32
+    register_node("DolphinMultiActionPromptNode_V32", DolphinMultiActionPromptNode_V32, "🐬 Dolphin Story Splitter V32")
+except Exception as e: print(e)
+
+# 디렉터
+try:
+    from .dolphin_director import DolphinDirector
+    register_node("DolphinDirector", DolphinDirector, "🐬 Dolphin Director (V1)")
+except Exception as e: print(e)
+
+__all__ = ['NODE_CLASS_MAPPINGS', 'NODE_DISPLAY_NAME_MAPPINGS']

_archive/nodes_unregistered/gemini-code-1782954683883.py

@@ -0,0 +1,66 @@
+import json
+
+def convert_workflow(input_file, output_file):
+    with open(input_file, 'r', encoding='utf-8') as f:
+        data = json.load(f)
+        
+    for node in data.get('nodes', []):
+        # 1. Story Splitter 구버전 -> V32 최신버전으로 교체
+        if node.get('type', '').startswith('DolphinMultiActionPromptNode_'):
+            node['type'] = 'DolphinMultiActionPromptNode_V32'
+            
+        # 2. Architect V15/V16 -> Triple Lora Matrix 로 교체
+        if node.get('type', '').startswith('DolphinArchitect'):
+            node_id = node['id']
+            node['type'] = 'DolphinTripleLoraMatrix'
+            
+            # [입력 슬롯 최적화] 
+            # 구버전의 3개 모델 입력창을 제거하고, 1개의 통합 'model' 입력으로 전환
+            new_inputs = []
+            for inp in node.get('inputs', []):
+                if inp['name'] == 'model_base':
+                    inp['name'] = 'model'  # 슬롯 0번 유지
+                    new_inputs.append(inp)
+            node['inputs'] = new_inputs
+            
+            # [출력 슬롯 재구성] 
+            # 새로운 노드의 7개 출력(M_BASE, C_BASE, M_HIGH, C_HIGH, M_LOW, C_LOW, string)에 맞춤
+            node['outputs'] = [
+                {"name": "M_BASE", "type": "MODEL", "links": []},
+                {"name": "C_BASE", "type": "CLIP", "links": []},
+                {"name": "M_HIGH", "type": "MODEL", "links": []},
+                {"name": "C_HIGH", "type": "CLIP", "links": []},
+                {"name": "M_LOW", "type": "MODEL", "links": []},
+                {"name": "C_LOW", "type": "CLIP", "links": []},
+                {"name": "applied_loras", "type": "STRING", "links": []}
+            ]
+            
+            # [위젯 초기화] 
+            # 24개짜리 무거운 UI를 지우고, 가벼운 콤보+텍스트 UI로 리셋
+            node['widgets_values'] = [
+                "None", "0.5, 0.2, 0.5",
+                "None", "1.0, 0.5, 0.0",
+                "None", "1.0, 1.0, 1.0"
+            ]
+
+            # [링크(선) 지능형 재연결]
+            # M_HIGH와 M_LOW의 출력 포트 번호가 변경된 것을 찾아 선을 다시 이어줌
+            for link in data.get('links', []):
+                # link = [link_id, origin_id, origin_slot, target_id, target_slot, type]
+                if link[1] == node_id:
+                    if link[2] == 1:  # 구버전 M_HIGH
+                        link[2] = 2   # 신버전 M_HIGH 포트(2번)로 이동
+                        node['outputs'][2]['links'].append(link[0])
+                    elif link[2] == 2:  # 구버전 M_LOW
+                        link[2] = 4     # 신버전 M_LOW 포트(4번)로 이동
+                        node['outputs'][4]['links'].append(link[0])
+                    elif link[2] == 0:  # M_BASE는 그대로 유지
+                        node['outputs'][0]['links'].append(link[0])
+                        
+    with open(output_file, 'w', encoding='utf-8') as f:
+        json.dump(data, f, indent=4)
+        
+    print(f"✅ 변환 완료! 생성된 '{output_file}' 파일을 ComfyUI에 드래그 앤 드롭 하세요.")
+
+# 스크립트 실행
+convert_workflow('0705_optimized.json', '0705_v32_matrix.json')

_archive/nodes_unregistered/lora_classifier.py

@@ -0,0 +1,149 @@
+# -*- coding: utf-8 -*-
+"""
+LoRA Manager 로컬 DB(civitai에서 스캔 시 이미 긁어온 태그/메타데이터)를 읽어서
+WAN 계열 로라만 골라 1차 자동 분류 결과를 JSON으로 뽑는다.
+
+분류 축 2개:
+  1) 기술 호환성: wan_version(2.1/2.2/unknown), variant(i2v/t2v/unknown),
+     stage(high/low/base-or-single) - 전부 filename + base_model 필드에서 추출
+  2) 행위/내용 카테고리: civitai에서 스캔한 model_tags를 미리 정한 카테고리
+     사전에 매핑 (여러 개 중복 가능 - 로라 하나가 pov+anal 같이 여러 태그를 가질 수 있음)
+
+DB 자체를 수정하지 않는다(읽기 전용). 결과는 review용 JSON 하나로 뽑아서,
+사람이 눈으로 훑고 필요하면 손으로 고칠 수 있게 한다 - 자동분류 결과를 그대로
+자동 적용(로라 자동 선택)하는 건 지난번에 "예외 동작이 너무 많다"고 명시적으로
+거부하셨던 방향이라 이 스크립트는 딱 "분류표 생성"까지만 한다.
+"""
+import sqlite3
+import json
+import os
+import re
+
+DB_PATH = os.path.join(
+    os.environ.get("LOCALAPPDATA", ""), "ComfyUI-LoRA-Manager", "cache", "model", "comfyui.sqlite")
+OUT_PATH = os.path.join(os.path.dirname(__file__), "dolphin_lora_classification.json")
+
+# 태그 -> 카테고리. 순서는 우선순위(먼저 매치되는 걸 "primary"로 씀). 카테고리 자체는
+# 중복 허용(한 로라가 여러 카테고리에 다 들어갈 수 있음).
+CATEGORY_TAG_MAP = {
+    "oral": {"oral", "blowjob", "deepthroat", "fellatio", "irrumatio"},
+    "anal": {"anal"},
+    "position_action": {"cowgirl", "doggystyle", "missionary", "riding", "sex", "penetration",
+                         "reverse cowgirl", "standing sex", "piledriver"},
+    "masturbation": {"masturbation", "fingering", "handjob"},
+    "pov": {"pov"},
+    "fetish_other": {"futanari", "bdsm", "feet", "pee", "piss", "cum", "creampie", "squirting"},
+    "character_identity": {"character", "celebrity"},
+    "style_render": {"photorealistic", "realistic", "anime", "style", "illustrious"},
+    "toy_prop": {"sex toy", "dildo", "sex machine", "vibrator"},
+    "kink_dynamic": {"femdom", "bdsm"},
+    "dance_movement": {"dance", "poses", "pose"},
+    # 콘텐츠 카테고리가 아니라 "이 로라 자체가 lightx2v류 가속/증류 로라"라는 표시.
+    # 클립 콘텐츠용 로라 풀에서 걸러내야 할 대상 - Model Loader에서 이미 쓰는 것과
+    # 겹치는 속도용 로라를 실수로 클립 로라 슬롯에 넣지 않도록 구분해둔다.
+    "speed_distillation": {"distill", "distillation", "fast", "faster", "speed up", "lightning",
+                           "lightx2v", "accelerator"},
+}
+
+FILENAME_STAGE_RE = re.compile(r"(high[_-]?noise|_high\b)", re.IGNORECASE)
+FILENAME_LOW_RE = re.compile(r"(low[_-]?noise|_low\b)", re.IGNORECASE)
+
+
+def classify_wan_version(base_model, file_name):
+    bm = (base_model or "").lower()
+    fn = (file_name or "").lower()
+    if "2.2" in bm or "2.2" in fn or "wan2.2" in fn or "wan22" in fn:
+        version = "2.2"
+    elif "wan video 14b" in bm or "2.1" in bm or "wan2.1" in fn or "wan21" in fn:
+        version = "2.1"
+    elif bm.startswith("wan"):
+        version = "unknown-wan"
+    else:
+        version = None  # WAN 계열 아님(Flux/Pony/SDXL 등) - 호출부에서 걸러냄
+    if "i2v" in bm or "i2v" in fn:
+        variant = "i2v"
+    elif "t2v" in bm or "t2v" in fn:
+        variant = "t2v"
+    else:
+        variant = "unknown"
+    return version, variant
+
+
+def classify_stage(file_name):
+    fn = file_name or ""
+    if FILENAME_STAGE_RE.search(fn):
+        return "high"
+    if FILENAME_LOW_RE.search(fn):
+        return "low"
+    return "base_or_single"  # high/low 구분 없는 단일 파일 (base 겸용이거나 non-split)
+
+
+def main():
+    if not os.path.exists(DB_PATH):
+        print(f"❌ LoRA Manager DB를 못 찾음: {DB_PATH}")
+        return
+
+    con = sqlite3.connect(f"file:{DB_PATH}?mode=ro", uri=True)
+    cur = con.cursor()
+    cur.execute("""
+        SELECT file_path, file_name, base_model, trained_words, notes, usage_tips
+        FROM models WHERE model_type='lora'
+    """)
+    rows = cur.fetchall()
+
+    cur.execute("SELECT file_path, tag FROM model_tags WHERE model_type='lora'")
+    tags_by_path = {}
+    for file_path, tag in cur.fetchall():
+        tags_by_path.setdefault(file_path, []).append(tag)
+    con.close()
+
+    results = []
+    skipped_non_wan = 0
+    for file_path, file_name, base_model, trained_words, notes, usage_tips in rows:
+        version, variant = classify_wan_version(base_model, file_name)
+        if version is None:
+            skipped_non_wan += 1
+            continue
+
+        tags = set(t.lower() for t in tags_by_path.get(file_path, []))
+        categories = [cat for cat, keywords in CATEGORY_TAG_MAP.items() if tags & keywords]
+
+        try:
+            trained = json.loads(trained_words) if trained_words else []
+        except (ValueError, TypeError):
+            trained = []
+
+        results.append({
+            "file_name": file_name,
+            "file_path": file_path,
+            "wan_version": version,
+            "variant": variant,
+            "stage": classify_stage(file_name),
+            "categories": categories or ["uncategorized"],
+            "trigger_words": trained,
+            "raw_tags": sorted(tags),
+            "notes": notes or "",
+            "usage_tips": usage_tips or "",
+        })
+
+    results.sort(key=lambda r: (r["wan_version"], r["variant"], r["file_name"]))
+
+    with open(OUT_PATH, "w", encoding="utf-8") as f:
+        json.dump(results, f, ensure_ascii=False, indent=1)
+
+    print(f"✅ WAN 계열 로라 {len(results)}개 분류 완료 (비WAN {skipped_non_wan}개 제외)")
+    print(f"   -> {OUT_PATH}")
+
+    from collections import Counter
+    ver_counts = Counter((r["wan_version"], r["variant"]) for r in results)
+    print("\n버전/variant 분포:")
+    for k, v in ver_counts.most_common():
+        print(f"  {k}: {v}")
+    cat_counts = Counter(c for r in results for c in r["categories"])
+    print("\n카테고리 분포:")
+    for k, v in cat_counts.most_common():
+        print(f"  {k}: {v}")
+
+
+if __name__ == "__main__":
+    main()

dataset_builder/yolov8n.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f59b3d833e2ff32e194b5bb8e08d211dc7c5bdf144b90d2c8412c47ccfc83b36
+size 6549796