Model
Trends
.ai
Model
Trends
.ai
los mejores modelos de IA de código abierto

Nodo DualCLIPLoader en ComfyUI

DualCLIPLoader carga dos codificadores de texto a la vez, por ejemplo clip_l más t5xxl para Flux o clip_g más t5xxl para SD3, y entrega un solo objeto CLIP para los nodos de prompt.
Paquete de nodos: ComfyUI core
Categoría: Cargadores

Qué hace DualCLIPLoader

Modelos como Flux y SD3 leen el prompt con dos codificadores diferentes y combinan el resultado. DualCLIPLoader carga ambos archivos desde models/text_encoders (models/clip en instalaciones antiguas) y los presenta como una sola salida CLIP, así que el resto del flujo funciona igual que en SD: CLIP va al nodo CLIP Text Encode.
La opción type le dice a ComfyUI a qué familia de modelos pertenecen los dos codificadores, porque se combinan diferente para flux, sd3, hunyuan_video y hidream. El orden de clip_name1 y clip_name2 no importa.

Entradas

Nombre
Tipo
Qué es
clip_name1
COMBO
Primer archivo de codificador de texto, por ejemplo clip_l.safetensors.
clip_name2
COMBO
Segundo archivo de codificador de texto, por ejemplo t5xxl_fp16.safetensors o t5xxl_fp8_e4m3fn.safetensors.
type
COMBO
sdxl, sd3, flux, hunyuan_video o hidream: la familia de modelos que usará los codificadores.
device
COMBO
Opcional en versiones recientes: default o cpu, para mantener los codificadores fuera de la VRAM.

Salidas

Nombre
Tipo
Qué es
CLIP
CLIP
El codificador de texto combinado para CLIP Text Encode.
AD
Olvida la instalación: workflows de ComfyUI preinstalados en la nube
BitVector ejecuta workflows de ComfyUI listos para usar en sus propias GPU. Sin instalar nada, sin nodos faltantes, sin cuadros rojos. Ábrelo en el móvil o el portátil y genera en un minuto.

Cómo usar DualCLIPLoader

  1. Descarga los dos archivos de codificador en models/text_encoders.
  2. Agrega DualCLIPLoader y selecciona ambos archivos.
  3. Pon type en la familia de modelos (flux para Flux Dev y Schnell).
  4. Conecta CLIP al nodo CLIP Text Encode que tiene tu prompt.

Ajustes y consejos

  • t5xxl_fp8_e4m3fn ahorra unos 5 GB de memoria con casi ningún cambio en el resultado; usa fp16 solo en tarjetas de 24 GB.
  • Flux ignora el prompt negativo con cfg 1, así que un solo CLIP Text Encode es suficiente; conecta el mismo conditioning a ambas entradas del sampler o usa ConditioningZeroOut para el negativo.
  • Para SD3.5 existe el TripleCLIPLoader de tres codificadores, pero clip_g más t5xxl en DualCLIPLoader también funciona.
  • Poner device en cpu libera VRAM pero hace que la codificación del prompt sea más lenta; el codificador solo corre una vez por cada cambio de prompt.

Solución de problemas de DualCLIPLoader

El menú desplegable no muestra mi archivo t5xxl

Por qué ocurre
El archivo está en la carpeta equivocada. Los codificadores de texto se leen desde models/text_encoders y models/clip, no desde checkpoints o diffusion_models.

Cómo arreglarlo
Mueve el archivo a models/text_encoders y presiona R para actualizar.

ERROR: clip input es inválido: None, o "shape mismatch" durante la codificación de texto

Por qué ocurre
type no coincide con los archivos, por ejemplo type sd3 con codificadores de Flux, o uno de los dos archivos es un checkpoint completo en vez de un codificador.

Cómo arreglarlo
Pon type en la familia que estás usando y asegúrate de que ambos archivos sean codificadores de texto reales (clip_l, clip_g, t5xxl, llama para Hunyuan).

La codificación del prompt tarda mucho o usa la RAM del sistema

Por qué ocurre
T5 en fp16 ocupa unos 9.5 GB. Con una tarjeta de 12 GB se intercambia constantemente para cada prompt.

Cómo arreglarlo
Usa el archivo T5 en fp8, o pon device en cpu para que el codificador corra una vez en la memoria del sistema.

AD
Ejecuta este workflow desde tu móvil
Todos los workflows de esta página están preinstalados en BitVector con los modelos y nodos personalizados ya colocados. Elige uno, escribe un prompt y listo. Cero configuración, nada que descargar.

Preguntas sobre DualCLIPLoader

¿Necesito DualCLIPLoader para SDXL?

Normalmente no. Los checkpoints de SDXL ya traen ambos codificadores dentro del archivo y Load Checkpoint los entrega. El tipo sdxl existe para archivos de codificadores SDXL separados.

¿Qué tipo elijo para Flux Kontext o Flux Fill?

flux. Usan los mismos codificadores clip_l y t5xxl que Flux Dev.

Nodos relacionados

Load Diffusion Model
ComfyUI core
Load Diffusion Model (UNETLoader) carga una red de denoising básica como Flux, SD3.5, Wan o HunyuanVideo desde models/diffusion_models, con una opción weight_dtype para fp8 que ayuda a ahorrar VRAM.
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode convierte un texto en CONDITIONING usando el codificador de texto del modelo. Un nodo tiene el prompt positivo y otro el negativo.
Flux Guidance
ComfyUI core
Flux Guidance (FluxGuidance) escribe el valor de guía en el conditioning que Flux Dev fue diseñado para esperar, reemplazando el cfg; 3.5 es el valor por defecto y 2 a 5 el rango útil.
Load VAE
ComfyUI core
Load VAE (VAELoader) carga un archivo VAE independiente desde models/vae para que un checkpoint con un VAE faltante o débil decodifique colores limpios, y para que modelos divididos como Flux y Wan obtengan su decodificador.
AD
¿Cansado de arreglar nodos? Deja que lo haga la nube
BitVector mantiene cientos de workflows de ComfyUI instalados, actualizados y probados en GPU rápidas en la nube. Sin Python, sin errores de CUDA, sin límites de VRAM. Funciona desde cualquier navegador.

Más nodos de ComfyUI

ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager es la extensión que instala, actualiza y arregla paquetes de nodos personalizados y modelos desde la interfaz, resuelve nodos faltantes en flujos de trabajo importados y guarda instantáneas de tu configuración.
KSampler
ComfyUI core
KSampler ejecuta el ciclo de eliminación de ruido: toma el modelo, los prompts y un latente, y produce la imagen latente final, controlado por la semilla, pasos, cfg, sampler, scheduler y denoise.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) abre un archivo de modelo .safetensors o .ckpt y entrega las tres partes que todo flujo de trabajo necesita: el MODEL de difusión, el codificador de texto CLIP y el VAE.
Save Image
ComfyUI core
Save Image guarda el tensor IMAGE en ComfyUI/output como un PNG, con todo el flujo de trabajo incrustado en los metadatos del archivo para que la imagen pueda arrastrarse de nuevo a ComfyUI y restaurar el gráfico.
VAE Decode
ComfyUI core
VAE Decode convierte el LATENT muestreado en una imagen en píxeles con el VAE; VAE Decode (Tiled) hace lo mismo en mosaicos para imágenes muy grandes.
Empty Latent Image
ComfyUI core
Empty Latent Image crea el lienzo latente vacío (ancho, alto, batch_size) desde donde empieza el muestreo de texto a imagen; las dimensiones deben ser múltiplos de 8 y coincidir con la familia del modelo.