Serie ComfyUI (VI) — Extraer prompts desde una carpeta de imágenes (WD14 Tagger)

Continuamos la serie dedicada a ComfyUI, la plataforma visual para construir workflows de IA totalmente en local. En esta sexta entrega veremos cómo utilizar un flujo que permite leer automáticamente todas las imágenes de una carpeta y extraer sus prompts mediante el modelo WD14 Tagger, generando un archivo de texto con todas las etiquetas.

Este proceso es ideal para:

• crear datasets de entrenamiento

• obtener prompts de imágenes generadas previamente

• analizar estilos o atributos de fotos reales

• documentar colecciones completas

• convertir imágenes en texto para pipelines creativos o IA

• preparar datos para modelos de clasificación

Workflow extraer prompt de imagenes

Incluimos también el workflow listo para descarga: 📁 WF_ComfyUI_PromptsDeImagenes.json (descargable al final del artículo)

🎯 Qué vas a lograr

• Analizar automáticamente una carpeta llena de imágenes.

• Extraer prompts detallados usando WD14 Tagger.

• Guardar los prompts en un archivo de texto.

• Trabajar 100% en local sin depender de servicios externos.

• Automatizar procesos de documentación y etiquetado.

• Adaptar fácilmente la salida: un archivo global o uno por imagen.

• Entender cada nodo y ampliarlo según tus necesidades.

🧩 Requisitos

Para usar este workflow necesitarás:

• 💻 ComfyUI en funcionamiento.

• 📦 WD14 Tagger Node (incluido en muchos paquetes básicos o instalable desde Custom Nodes).

• 📁 Una carpeta con imágenes (PNG, JPG…).

• 📝 ComfyUI con permisos de escritura para generar los archivos .txt.

• 💾 Espacio en ComfyUI/output/ o en la carpeta que especifiques.

  
  

⚙️ Instalación de nodos adicionales

Para instalar los nodos necesarios, puedes hacerlo desde Pinokio:

1. Abre ComfyUI

2. Ve a Extensions → Custom Nodes

3. Busca:

   • WD14 Tagger

Pinokio lo descargará e instalará automáticamente en:

C:\pinokio\api\comfy.git\custom_nodes

💡 Nota práctica

Si cargas el workflow y falta un nodo, ComfyUI te avisará automáticamente. En el aviso verás un botón que te llevará directamente al panel Custom Nodes para instalar lo que falte.

🗂️ Crear o cargar el workflow en ComfyUI

Tienes dos maneras de trabajar con este flujo:

🅰️ Opción A — Cargar el workflow ya creado

1️⃣ Descarga el archivo JSON adjunto:📁 WF_ComfyUI_PromptsDeImagenes.json

WF_ComfyUI_PromptsDeImagenes.json

Descargar JSON • 5KB

2️⃣ Abre ComfyUI.

3️⃣ En el menú superior selecciona:Workflow → Load

4️⃣ Carga el archivo JSON. Verás en el lienzo todos los nodos conectados y listos para funcionar.

Cargar workflow en ComfyUI

🅱️ Opción B — Crear el workflow desde cero

Si prefieres entenderlo pieza a pieza, puedes recrearlo manualmente. En la siguiente sección explicamos qué hace cada bloque del flujo.

Empezar con Workflow en blanco

⚙️ El workflow: estructura general

El workflow está dividido en tres bloques principales:

Nº	Nodo	Función principal
1️⃣	LoadImageListFromDir // Inspire	Lee todas las imágenes de una carpeta.
2️⃣	WD14Tagger	Analiza cada imagen y extrae los tags / prompts.
3️⃣	SaveText (o Save Text to File)	Guarda los prompts generados dentro de un archivo .txt.
4️⃣	CR Text	Notas internas y ayuda dentro del flujo.

Este flujo está pensado para leer imágenes → generar prompts → guardarlos en texto. Simple y muy potente.

🧱 Entendiendo el workflow paso a paso

A continuación explicamos cada nodo con detalle:

1️⃣ LoadImageListFromDir // Inspire

Qué hace: Carga todas las imágenes de la carpeta indicada y las envía al flujo una por una.

Qué tocar: En su parámetro directory, indica la ruta completa de la carpeta donde están las imágenes de las que queremos sacar sus prompts

Ejemplo:

C:\ComfyUI\datasets\imagenes

Conexiones: Su salida IMAGE fluye hacia el nodo WD14Tagger, que es el que analizará la imagen.

Nodos LoadImageListFromDir y WD14Tagger

2️⃣ WD14Tagger

El corazón del workflow.

• Qué hace: Analiza cada imagen y genera una lista de etiquetas (tags) que describen su contenido: estilo artístico, objetos, escenas, rasgos visuales, atributos de persona, emociones, poses, ropa, y muchísimo más

• Qué tocar:

  • model: selecciona la versión de WD14 a usar

    • Opciones típicas:

      • wd-v1-4-swinv2-tagger-v2 → muy equilibrado

      • wd-v1-4-moat-tagger-v2 → más preciso en detalles

      • wd14-vit-tagger → más ligero

  • threshold: ajusta la sensibilidad del modelo (más bajo = más etiquetas).

    • Define el nivel mínimo de confianza para aceptar una etiqueta.

      • Más bajo (0.20–0.30) → más etiquetas, más ruido

      • Estándar (0.35–0.45) → equilibrio

      • Alto (0.50–0.70) → etiquetas muy seguras, menos cantidad

  • Character_threshold:

    • Umbral específico para etiquetas relacionadas con personajes, como ojos, pose, género, edad aproximada, expresiones, ropa, estilo del presonaje.

    • Cuanto más alto sea este valor tendremos menos etiquetas "dudosas" y estará más centrado en etiquetas claras y definidas.

  • replace_underscore

    • Convierte etiquetas como: long_hair en long hair.

    • Es útil si quieres un lenguaje más natural.

    • La recomendación es dejarlo en false si planeas usar estas prompts para generar luego imágenes

  • trailing_comma: Decide si las etiquetas se separan con una coma al final o no.

  • exclude_tags:

    • Permite especificar qué etiquetas NO quieres incluir en el resultado

    • Puedes poner una lista separada por comas: watermark, text

• Salida: Un texto completo con todas las etiquetas encontradas en la imagen.

  • Este texto será luego guardado en un archivo .txt.

3️⃣ SaveText / Save Text to File

En tu workflow se usa un nodo que escribe el texto generado por WD14 a un archivo.

• Qué hace: Guarda los prompts extraídos en un TXT.Puede generar:

  • un archivo global (todas las imágenes dentro del mismo .txt)

  • un archivo diferente por imagen (si se configura con nombre dinámico)

• Qué tocar:

  • file: Define la ruta completa y el nombre del archivo .txt donde se guardará el texto.

  • enable_replacement: activa o desactiva el sistema de “sustituciones” internas del nodo

    • Valores:

      • No → Guarda el texto tal cual llega del nodo anterior.

      • Yes →Permite usar los campos inferiores (image_style, gender_age_replacement, etc.) para modificar automáticamente el texto antes de guardarlo.

  • Image_style: si "enable_replacement" es YES, este campo permite añadir un estilo predefinido al texto antes de guardarlo (cinematic lighting, realistic photography....)

  • gender_age_replacement: Permite insertar automáticamente texto relacionado con el género o la edad del sujeto extraído por otros nodo

  • lora_trigger: Permite insertar automáticamente una palabra “trigger” para activar un LoRA concreto en workflows de generación.

  • negative_prompt_text: Permite añadir un bloque de negative prompt antes de guardar el archivo.

Nodos WD14 tagger y Save Text

• Salida: Un archivo de texto que contiene los prompts generados para cada imagen de la carpeta.

▶️ Cómo usarlo

1️⃣ Abre ComfyUI.

2️⃣ Carga el archivo JSON del workflow.

3️⃣ En LoadImageListFromDir, indica la ruta de tu carpeta con imágenes.

4️⃣ En SaveText, configura dónde guardar el archivo .txt.

5️⃣ Pulsa Run.

El workflow analizará todas las imágenes y generará automáticamente un archivo con los prompts extraídos.

Ejecución del workflow

💡 Consejos y buenas prácticas

• Usa imágenes bien iluminadas para obtener prompts más fiables.

• Ajusta el threshold de WD14 si quieres más o menos detalle.

• Usa los prompts resultantes para:

  • reentrenar LoRAs

  • clasificar datasets

  • analizar estilos

  • documentar colecciones

  • generar nuevas imágenes basadas en las originales

• Puedes excluir etiquetas no deseadas.

• Guarda un archivo por imagen si estás generando datasets. Esto facilita la organización, entrenamiento de LoRA o retocado posterior.

🌐 Recursos útiles

• 🌍 Hugging Face: uno de los mayores repositorios de IA del mundo, donde encontrarás miles de modelos —incluidos los compatibles con Stable Diffusion y ComfyUI— listos para descargar y usar.

• 🎨CivitAI: plataforma comunitaria donde los usuarios comparten modelos, estilos, LoRAs y nodos específicos para ComfyUI, clasificados por categoría, versión y nivel de complejidad.

• 🧠 En Lozkorp: 

  • Descubre el artículo previo donde introdujimos ComfyUI dentro del ciclo “Generación de imágenes con IA en local (IV)”:🔗 Generación de imágenes con IA en local (IV) — ComfyUI

  • Serie ComfyUI (I) — Tu primer workflow con SDXL

  • Serie ComfyUI (II) — Workflow simple con FLUX

  • Serie ComfyUI (III) — Elimina el fondo de tus imágenes

  • Serie ComfyUI (IV) — Workflow de cambio de cara 

  • Serie ComfyUI (V) -- Generar imágenes a partir de prompts guardados en un archivo de texto

  • Archivo JSON de este ejemplo 📁 WF_ComfyUI_PromptsDeImagenes.json

WF_ComfyUI_PromptsDeImagenes.json

Descargar JSON • 5KB

🗺️ Conclusión

Con este sexto artículo de la Serie ComfyUI ya dispones de un workflow completo para extraer prompts automáticamente a partir de cualquier carpeta de imágenes, utilizando el modelo WD14 Tagger y trabajando siempre en un entorno 100% local.

Combinado con la entrega anterior (generar imágenes desde prompts en un .txt), este workflow abre la puerta a pipelines completos como:

Imagen → Prompt → Imagen, ideal para recrear estilos, reconstruir datasets o explorar nuevas variantes creativas.

ComfyUI demuestra una vez más que, con los nodos adecuados, puede convertirse en una herramienta tremendamente poderosa para automatización, análisis visual y creación asistida por IA.

💙 Si te ha gustado esta entrega, recuerda que puedes encontrar más artículos, herramientas, workflows y contenido sobre IA en local, creatividad y automatización en: 👉 www.lozkorp.com