# ComfyUI: Korean 내장 노드 (Built-in Nodes) 노드 Model ## Model ### Conditioning - [오디오 인코더 인코딩 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/AudioEncoderEncode.md): AudioEncoderEncode 노드는 오디오 인코더 모델을 사용하여 오디오를 인코딩된 표현으로 변환합니다. - [CLIP 마지막 레이어 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipSetLastLayer.md): CLIP Set Last Layer는 CLIP 모델의 처리 깊이를 제어하기 위한 ComfyUI의 핵심 노드입니다. - [CLIP 텍스트 인코딩 (프롬프트) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipTextEncode.md): CLIP 모델을 사용하여 텍스트 프롬프트를 임베딩으로 인코딩합니다. 이 임베딩은 디퓨전 모델이 특정 이미지를 생성하도록 유도하는 데 사용할 수 있습니다. - [CLIP 텍스트 인코딩 (컨트롤넷) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPTextEncodeControlnet.md): CLIP Text Encode (Controlnet) 노드는 CLIP 모델로 텍스트 프롬프트를 인코딩하고, 그 결과로 생성된 텍스트 인코딩을 기존 컨디셔닝 데이터에 추가합니다. - [CLIP_VISION 인코딩 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipVisionEncode.md): CLIP Vision Encode 노드는 ComfyUI의 이미지 인코딩 노드로, CLIP Vision 모델을 통해 입력 이미지를 시각적 특징 벡터로 변환합니다. - [인페인팅 모델 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/InpaintModelConditioning.md): InpaintModelConditioning 노드는 인페인팅 모델을 위한 컨디셔닝 프로세스를 용이하게 하도록 설계되어, 다양한 컨디셔닝 입력을 통합 및 조작하여 인페인팅 출력을 맞춤화할 수 있도록 합니다. - [MiniMax H3 이미지 컨디셔닝 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3ImageConditioning.md): 프롬프트를 MiniMax H3 Image용 컨디셔닝과 빈 레이턴트로 변환합니다. - [NormalizeVideoLatentStart - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/NormalizeVideoLatentStart.md): 이 노드는 비디오 레이턴트의 처음 몇 프레임을 이후에 오는 프레임과 더 유사하게 보이도록 조정합니다. - [PiD 컨디셔닝 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/PiDConditioning.md): latent와 degradesigma 값을 CONDITIONING에 첨부하여 PiD 디코딩 또는 업스케일링에 사용할 수 있게 합니다. - [참조 잠재 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ReferenceLatent.md): 이 노드는 편집 모델의 가이드 latent를 설정합니다. conditioning 데이터와 선택적 latent 입력을 받은 다음, conditioning을 수정하여 참조 latent 정보를 포함시킵니다. - [참조 다중 latent 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ReferenceMultiLatent.md): 이 노드는 하나 이상의 참조 이미지를 인코딩하고, 해당 잠재값을 편집 모델이 사용하는 컨디셔닝에 추가합니다. - [ReferenceTimbreAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ReferenceTimbreAudio.md): 이 노드는 "ace step 1.5" 프로세스의 참조 오디오를 설정합니다. conditioning 입력과 선택적으로 오디오의 잠재 표현을 받은 다음, 해당 잠재 데이터를 conditioning에 연결하여 이후 노드에서 참조 오디오 음색 잠재 표현으로 사용할 수 있게 합니다. - [컨디셔닝 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SaveConditioning.md): 이 노드는 단일 컨디셔닝을 safetensors 파일로 출력 폴더에 저장합니다. - [SeedVR2 컨디셔닝 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SeedVR2Conditioning.md): SeedVR2 모델과 함께 사용하기 위해 VAE latent로부터 긍정 및 부정 컨디셔닝을 생성합니다. - [스타일 모델 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/StyleModelApply.md): 이 노드는 스타일 모델을 주어진 컨디셔닝에 적용하여, CLIP 비전 모델의 출력을 기반으로 스타일을 강화하거나 변경합니다. - [T5 토큰생성기 옵션 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/T5TokenizerOptions.md): T5TokenizerOptions 노드는 다양한 T5 모델 유형에 대한 토크나이저 설정을 구성합니다. t5xxl, pilet5xl, t5base, mt5xl, umt5xxl을 포함한 여러 T5 모델 변형에 대해 최소 패딩 및 최소 길이 매개변수를 설정합니다. - [unCLIP 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/unCLIPConditioning.md): 이 노드는 CLIP 비전 출력을 컨디셔닝 과정에 통합하여, 지정된 강도 및 노이즈 증강 매개변수에 따라 이러한 출력의 영향을 조정합니다. - [MOSS-Image 색상/깊이 제어 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MOSSImageControl.md): MOSS-Image 색상/깊이 제어 어댑터의 색상 영역 맵과 깊이 맵을 컨디셔닝에 추가합니다. positive 및 negative 컨디셔닝, VAE, 그리고 하나 또는 두 맵을 모두 연결합니다. - [TextEncodeFibo2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeFibo2.md): Fibo 2.0 프롬프트를 컨디셔닝과 그에 맞는 빈 잠재로 인코딩합니다. - [MOSS-Image 편집 텍스트 인코딩 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeMOSSImageEdit.md): 편집 지시와 참조 이미지를 함께 인코딩하여 MOSS-Image 편집 LoRA용 conditioning으로 만듭니다. - [p-h3-image 컨디셔닝 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/PH3ImageConditioning.md): 이 노드는 p-h3-image를 사용하여 프롬프트를 조건화(conditioning)와 단일 정지 이미지용 빈 레이턴트로 변환합니다. - [RelayVSRConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/RelayVSRConditioning.md): RelayVSR Conditioning은 RelayVSR 비디오 업스케일을 위한 컨디셔닝과 빈 레이턴트를 준비합니다. #### Ace - [TextEncodeAceStepAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeAceStepAudio.md): TextEncodeAceStepAudio 노드는 태그와 가사를 토큰으로 결합한 다음 조정 가능한 가사 강도로 인코딩하여 오디오 컨디셔닝을 위한 텍스트 입력을 처리합니다. - [TextEncodeAceStepAudio1.5 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeAceStepAudio1.5.md): TextEncodeAceStepAudio1.5 노드는 AceStepAudio 1.5 모델에서 사용할 텍스트 및 오디오 관련 메타데이터를 준비합니다. #### Autoregressive - [ARVideoI2V - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ARVideoI2V.md): 이 노드는 Causal Forcing 또는 Self-Forcing을 사용하는 AR(Auto-Regressive) 비디오 모델을 위한 이미지-투-비디오 생성 설정을 준비합니다. #### Bernini - [Bernini Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/BerniniConditioning.md): BerniniConditioning 노드는 Wan2.2-A14B 모델을 위한 비디오 및 이미지 컨디셔닝 데이터를 준비합니다. #### Boogu - [TextEncodeBooguEdit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeBooguEdit.md): 이 노드는 Boogu를 사용한 이미지 편집을 위한 컨디셔닝을 준비합니다. #### Controlnet - [컨트롤넷 적용 (구형) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ControlNetApply.md): ControlNet을 사용하려면 입력 이미지의 전처리가 필요합니다. ComfyUI 기본 노드에는 전처리기와 ControlNet 모델이 포함되어 있지 않으므로 - [컨트롤넷 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ControlNetApplyAdvanced.md): 이 노드는 이미지와 컨트롤 넷 모델을 기반으로 컨디셔닝 데이터에 고급 컨트롤 넷 변환을 적용합니다. - [컨트롤넷을 VAE와 함께 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ControlNetApplySD3.md): 이 노드는 Stable Diffusion 3 컨디셔닝에 ControlNet 가이던스를 적용합니다. - [컨트롤넷 인페인팅 AliMama 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ControlNetInpaintingAliMamaApply.md): ControlNetInpaintingAliMamaApply 노드는 긍정 및 부정 컨디셔닝을 제어 이미지 및 마스크와 결합하여 인페인팅 작업을 위한 ControlNet 컨디셔닝을 적용합니다. - [통합 컨트롤넷 유형 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SetUnionControlNetType.md): The SetUnionControlNetType 노드를 사용하면 컨트롤 네트워크가 사용할 컨트롤 유형을 선택할 수 있습니다. #### Cosmos - [Cosmos 비디오 생성 (이미지 → 비디오) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CosmosImageToVideoLatent.md): CosmosImageToVideoLatent 노드는 입력 이미지에서 비디오 잠재 표현을 생성합니다. - [CosmosPredict2ImageToVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CosmosPredict2ImageToVideoLatent.md): Cosmos Predict2 이미지-투-비디오 워크플로를 위한 비디오 latent를 생성합니다. #### FLUX - [CLIP 텍스트 인코딩 (FLUX) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipTextEncodeFlux.md): CLIPTextEncodeFlux는 Flux 아키텍처용으로 설계된 텍스트 인코딩 노드입니다. - [FLUX 3 이미지 레이아웃 프롬프트 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Flux3LayoutPrompt.md): FLUX 3 Image가 프롬프트에서 읽는 레이아웃 테이블을 생성합니다. - [가이드 비활성화 (FLUX) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FluxDisableGuidance.md): 이 노드는 Flux 및 Flux 유사 모델에서 가이던스 임베드를 완전히 비활성화합니다. - [FLUX 가이드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FluxGuidance.md): Complete documentation for the FluxGuidance node in ComfyUI. Learn its inputs, outputs, parameters and usage. - [Flux Kontext 이미지 스케일 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FluxKontextImageScale.md): 이 노드는 입력 이미지의 종횡비를 기준으로 Lanczos 알고리즘을 사용하여 Flux Kontext 모델 학습 중 사용되는 최적 크기로 이미지를 조정합니다. - [Flux Kontext 다중 참조 잠재 방법 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FluxKontextMultiReferenceLatentMethod.md): FluxKontextMultiReferenceLatentMethod 노드는 선택한 참조 레이턴트 방식을 내부에 저장하여 컨디셔닝 데이터를 업데이트합니다. #### Gligen - [GLIGEN 텍스트 박스 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/GLIGENTextBoxApply.md): GLIGENTextBoxApply 노드는 텍스트 기반 컨디셔닝을 생성 모델의 입력에 통합하도록 설계되었습니다. #### Hidream - [CLIPTextEncodeHiDream - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPTextEncodeHiDream.md): CLIPTextEncodeHiDream 노드는 서로 다른 언어 모델(CLIP-L, CLIP-G, T5-XXL 및 LLaMA)을 사용하여 네 개의 별도 텍스트 입력을 처리하고 이를 단일 컨디셔닝 출력으로 결합합니다. - [HiDream-O1 Reference Images - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HiDreamO1ReferenceImages.md): 이 노드는 참조 이미지를 포지티브 컨디셔닝과 네거티브 컨디셔닝 모두에 첨부하여, 다운스트림 노드가 이를 사용해 생성을 안내할 수 있도록 합니다. #### Hunyuan 3d - [Hunyuan3Dv2Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Hunyuan3Dv2Conditioning.md): Hunyuan3Dv2Conditioning 노드는 CLIP 비전 출력을 처리하여 3D 모델용 컨디셔닝 데이터를 생성합니다. - [Hunyuan3Dv2ConditioningMultiView - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Hunyuan3Dv2ConditioningMultiView.md): Hunyuan3Dv2ConditioningMultiView 노드는 최대 4개 뷰(front, left, back, right)의 CLIP vision 출력을 하나의 다중 뷰 컨디셔닝으로 결합합니다. #### Hunyuan Image - [CLIP 텍스트 인코딩 (HunyuanDiT) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipTextEncodeHunyuanDit.md): CLIPTextEncodeHunyuanDiT 노드는 텍스트 설명을 HunyuanDiT 모델이 이해할 수 있는 형식으로 변환합니다. #### Hunyuan Video - [HunyuanImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HunyuanImageToVideo.md): The HunyuanImageToVideo 노드는 Hunyuan 비디오 모델을 사용하여 이미지를 비디오 잠재 표현으로 변환합니다. - [HunyuanRefinerLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HunyuanRefinerLatent.md): HunyuanRefinerLatent 노드는 Hunyuan 비디오 정제 프로세스를 위한 conditioning 및 latent 데이터를 준비합니다. - [HunyuanVideo15ImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HunyuanVideo15ImageToVideo.md): HunyuanVideo15ImageToVideo 노드는 HunyuanVideo 1.5 모델을 기반으로 비디오 생성을 위한 컨디셔닝 및 잠재 공간 데이터를 준비합니다. - [HunyuanVideo15SuperResolution - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HunyuanVideo15SuperResolution.md): HunyuanVideo15SuperResolution 노드는 비디오 슈퍼해상도 프로세스를 위한 조건부(conditioning) 데이터를 준비합니다. - [HunyuanVideo 텍스트 인코딩 (이미지 → 비디오) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeHunyuanVideo_ImageToVideo.md): TextEncodeHunyuanVideoImageToVideo 노드는 텍스트 프롬프트와 참조 이미지의 시각적 정보를 결합하여 이미지-투-비디오 생성용 컨디셔닝 데이터를 생성합니다. #### Instructpix2pix - [InstructPixToPix 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/InstructPixToPixConditioning.md): InstructPixToPixConditioning 노드는 긍정 및 부정 텍스트 프롬프트를 이미지 데이터와 결합하여 InstructPix2Pix 이미지 편집을 위한 컨디셔닝 데이터를 준비합니다. #### Joyimage - [TextEncodeJoyImageEdit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeJoyImageEdit.md): 이 노드는 텍스트 프롬프트와 선택적 이미지를 JoyImage 모델과 함께 사용하기 위한 컨디셔닝 데이터로 인코딩합니다. #### Kandinsky - [CLIPTextEncodeKandinsky5 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPTextEncodeKandinsky5.md): CLIP Text Encode (Kandinsky 5) 노드는 Kandinsky 5 모델과 함께 사용할 텍스트 프롬프트를 준비합니다. - [Kandinsky5ImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Kandinsky5ImageToVideo.md): Kandinsky5ImageToVideo 노드는 Kandinsky 모델을 사용한 비디오 생성에 필요한 conditioning 및 latent 데이터를 준비합니다. #### Lotus - [Lotus 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LotusConditioning.md): LotusConditioning 노드는 Lotus 모델에 대해 고정된, 미리 계산된 컨디셔닝 임베딩을 제공합니다. #### Ltxv - [IC-LoRA 파라미터 가져오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/GetICLoRAParameters.md): 이 노드는 LoRA가 로드된 모델에서 메타데이터를 읽어 IC-LoRA 매개변수(예: 참조 다운스케일 계수)를 추출합니다. - [LTXV 생성된 키프레임 추가 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVAddGeneratedKeyframes.md): LTXV Add Generated Keyframes 노드는 비디오 latent에 디테일링 키프레임을 추가합니다. - [LTXV 가이드 추가 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVAddGuide.md): The LTXVAddGuide node encodes input images or videos through a VAE encoder and adds them as guide keyframes to a latent video sequence. - [LTXV Latent 가이드 추가 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVAddLatentGuide.md): LTXV Add Latent Guide 노드는 이미 인코딩된 latent를 가이드로 고정하며, 가이드가 이미지가 아니라 이전 단계에서 나오는 경우에 사용합니다. - [LTXV 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVConditioning.md): LTXVConditioning 노드는 비디오 생성 모델을 위해 positive 및 negative conditioning 입력 모두에 프레임 레이트 정보를 추가합니다. - [LTXV 가이드 자르기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVCropGuides.md): LTXVCropGuides 노드는 비디오 생성 워크플로에서 키프레임 가이던스 데이터를 제거합니다. - [LTXV Duration Predictor - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVDurationPredictor.md): 이 노드는 ModelPatchLoader로 로드한 LTX 2.4 duration head를 사용하여 텍스트 프롬프트의 자연스러운 샷 길이를 예측한 다음, 그 결과를 VAE의 8k+1 프레임 그리드에 맞춥니다. - [LTXV 생성된 키프레임을 가이드로 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVGeneratedKeyframesToGuides.md): LTXV Generated Keyframes to Guides 노드는 이전 단계에서 생성된 키프레임을 이후 캔버스에 고정된 이미지 가이드로 고정합니다. - [LTXV 비디오 생성 (이미지 → 비디오) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVImgToVideo.md): LTXVImgToVideo는 입력 이미지를 비디오 생성 모델용 비디오 잠재 표현으로 변환합니다. - [LTXVImgToVideoInplace - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVImgToVideoInplace.md): LTXVImgToVideoInplace는 입력 이미지를 잠재 공간으로 인코딩하고, 인코딩된 프레임을 기존 잠재 비디오의 시작 부분에 배치합니다. - [LTXV Reference Audio (ID-LoRA) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVReferenceAudio.md): LTXV Reference Audio는 참조 오디오 클립에서 화자의 음성 정체성을 생성된 오디오로 전이합니다. - [LTXV 생성된 키프레임 분리 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVSeparateGeneratedKeyframes.md): LTXV Separate Generated Keyframes 노드는 LTXV Add Generated Keyframes에 의해 추가된 생성된 키프레임을 샘플링된 latent에서 다시 분리하고 컨디셔닝에서 제거합니다. #### Lumina - [CLIP 텍스트 인코딩 (Lumina2) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPTextEncodeLumina2.md): 이 노드는 CLIP 모델을 사용하여 시스템 프롬프트와 사용자 프롬프트를 인코딩하여, 확산 모델이 특정 이미지를 생성하도록 안내하는 데 사용할 수 있는 임베딩으로 변환합니다. #### Mage - [TextEncodeMageFlowEdit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeMageFlowEdit.md): 이 노드는 Mage-Flow-Edit 모델을 위해 하나 이상의 참조 이미지와 함께 편집 명령(프롬프트)을 인코딩합니다. #### Ming Image - [텍스트 인코드 Ming 이미지 편집 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeMingImageEdit.md): Text Encode Ming Image Edit는 텍스트 프롬프트를 Ming 이미지 편집용 컨디셔닝으로 인코딩하며, 선택적으로 참조 이미지를 혼합합니다. #### Minimax - [MiniMax H3용 가이드 추가 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3AddGuide.md): 이 노드는 이미지, 짧은 클립, 오디오 또는 사운드트랙이 포함된 클립을 MiniMax H3 비디오의 임의 프레임에 앵커링합니다. - [MiniMax H3 이미지 → 비디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3ImageToVideo.md): This node prepares the conditioning and empty latent needed to generate a video with the MiniMax H3 model. - [MiniMax H3 참조 → 비디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3ReferenceToVideo.md): MiniMax H3 Reference to Video는 MiniMax H3 reference-to-video 생성에 필요한 텍스트 컨디셔닝과 빈 오디오-비디오 latent를 생성합니다. #### Minimax Music - [MiniMax Music3 텍스트 인코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxMusic3TextEncode.md): MiniMax Music3 Text Encode는 MiniMax Music3 CLIP 모델을 사용하여 텍스트 캡션과 가사를 음악 생성을 위한 음향 컨디셔닝 시퀀스로 변환합니다. #### Moss Image - [MOSS-Image 레이아웃 프롬프트 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MOSSImageLayoutPrompt.md): MOSS-Image가 읽는 레이아웃 프롬프트를 생성합니다. Create Bounding Boxes 노드에서 그린 요소를 받아 각 상자마다 항목이 하나씩 있는 JSON 레이아웃을 출력합니다: 레이블, 캡션, 대상 캔버스의 픽셀 공간에서의 사각형입니다. #### Photomaker - [포토메이커 인코딩 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/PhotoMakerEncode.md): PhotoMakerEncode 노드는 참조 이미지와 텍스트 프롬프트를 결합하여 이미지 생성을 위한 컨디셔닝 데이터를 생성합니다. #### Pixart - [CLIPTextEncodePixArtAlpha - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPTextEncodePixArtAlpha.md): PixArt Alpha용 텍스트를 인코딩하고 해상도 컨디셔닝을 설정합니다. #### Qwen Image - [Qwen Image 2.1 캐시 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/QwenImage21Cache.md): QwenImage21Cache 노드는 Qwen-Image 2.1 모델의 KV 프리픽스 캐시, 즉 캐시된 키와 값이 어디에 저장되고 어느 정밀도로 저장되는지를 구성합니다. - [텍스트 인코드 Qwen Image 2.1 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeQwenImage21.md): The TextEncodeQwenImage21 노드는 Qwen-Image 2.1 모델용 프롬프트와 부정 프롬프트를 인코딩하며, 선택적으로 참조 이미지를 첨부합니다. - [텍스트 인코드 Qwen Image Edit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeQwenImageEdit.md): TextEncodeQwenImageEdit 노드는 텍스트 프롬프트와 선택적 이미지를 이미지 생성 또는 편집을 위한 컨디셔닝 데이터로 변환합니다. - [텍스트 인코드 Qwen Image Edit Plus - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeQwenImageEditPlus.md): TextEncodeQwenImageEditPlus 노드는 텍스트 프롬프트와 최대 3개의 선택적 이미지를 처리하여 이미지 생성 또는 편집 작업을 위한 컨디셔닝 데이터를 생성합니다. #### Stable Audio - [Stable Audio 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningStableAudio.md): ConditioningStableAudio 노드는 오디오 생성을 위해 positive 및 negative conditioning 입력에 타이밍 정보를 추가합니다. #### Stable Cascade - [StableCascasde_StageB 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/StableCascade_StageB_Conditioning.md): StableCascadeStageBConditioning 노드는 기존 컨디셔닝 정보를 Stage C에서 생성된 prior 잠재 표현과 결합하여 Stable Cascade Stage B 생성을 위한 컨디셔닝 데이터를 준비합니다. #### Stable Diffusion - [CLIP 텍스트 인코딩 (SD3) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPTextEncodeSD3.md): CLIPTextEncodeSD3는 여러 CLIP 모델을 사용하여 여러 텍스트 프롬프트를 인코딩함으로써 Stable Diffusion 3 모델용 텍스트 입력을 처리합니다. - [CLIP 텍스트 인코딩 (SDXL) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipTextEncodeSdxl.md): 이 노드는 SDXL 아키텍처에 특화된 CLIP 모델을 사용하여 텍스트 입력을 인코딩하도록 설계되었습니다. - [CLIP 텍스트 인코딩 (SDXL Refiner) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipTextEncodeSdxlRefiner.md): 이 노드는 SDXL Refiner 모델을 위해 특별히 설계되어, 미적 점수와 차원 정보를 통합하여 텍스트 프롬프트를 조건 정보로 변환함으로써 생성 작업의 조건을 강화하고 최종 정제 효과를 개선합니다. #### Stable Diffusion Upscaler - [SD_4X 확대 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SD_4XUpscale_Conditioning.md): The SD4XUpscaleConditioning 노드는 디퓨전 모델로 이미지를 업스케일링하기 위한 컨디셔닝 데이터를 준비합니다. #### Stable Video 3d - [SV3D 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SV3D_Conditioning.md): SV3DConditioning은 SV3D 모델을 사용하여 3D 비디오 생성을 위한 컨디셔닝 데이터를 준비합니다. #### Stable Zero123 - [StableZero123 조건 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/StableZero123_Conditioning.md): StableZero123Conditioning 노드는 입력 이미지와 카메라 각도를 처리하여 3D 모델 생성을 위한 컨디셔닝 데이터와 잠재 표현을 생성합니다. - [StableZero123 조건 설정 (배치) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/StableZero123_Conditioning_Batched.md): StableZero123ConditioningBatched 노드는 단일 입력 이미지에서 3D 모델을 생성하기 위한 컨디셔닝 데이터를 준비합니다. #### Transform - [조건 (연결) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningConcat.md): ConditioningConcat 노드는 컨디셔닝 벡터를 연결(concatenate)하도록 설계되었으며, 특히 'conditioningfrom' 벡터를 'conditioningto' 벡터에 병합합니다. - [Conditioning (Multiply) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningMultiply.md): 이 노드는 컨디셔닝 값에 지정된 배율을 곱하여 생성 과정에서 컨디셔닝의 영향을 조정할 수 있도록 합니다. - [조건 (영역 설정) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningSetArea.md): 이 노드는 컨디셔닝 컨텍스트 내에서 특정 영역을 설정하여 컨디셔닝 정보를 수정하도록 설계되었습니다. - [조건 (비율로 영역 설정) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningSetAreaPercentage.md): ConditioningSetAreaPercentage 노드는 컨디셔닝 요소의 영향 영역을 백분율 값에 기반하여 조정하는 데 특화되어 있습니다. - [비디오 조건 (비율로 영역 설정) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningSetAreaPercentageVideo.md): ConditioningSetAreaPercentageVideo 노드는 비디오 생성을 위한 특정 영역과 시간적 구간을 정의하여 조건부 입력(conditioning) 데이터를 수정합니다. - [조건 (영역 강도 설정) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningSetAreaStrength.md): 이 노드는 주어진 컨디셔닝 세트의 강도 속성을 수정하여, 생성 과정에 대한 컨디셔닝의 영향이나 강도를 조정할 수 있도록 설계되었습니다. - [조건 (마스크 설정) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningSetMask.md): 이 노드는 지정된 강도로 마스크를 특정 영역에 적용하여 생성 모델의 컨디셔닝을 수정하도록 설계되었습니다. - [조건 (타임스텝 범위 설정) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningSetTimestepRange.md): 이 노드는 특정 시간 단위 범위를 설정하여 컨디셔닝의 시간적 측면을 조정하도록 설계되었습니다. - [조건 (0으로 출력) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningZeroOut.md): 이 노드는 컨디셔닝 데이터 구조 내의 특정 요소를 0으로 설정하여, 이후 처리 단계에서 해당 요소의 영향을 효과적으로 중화합니다. #### Trellis - [Pixal3D 컨디셔닝 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Pixal3DConditioning.md): Pixal3DConditioning 노드는 Trellis2 3D 생성 파이프라인을 위한 이미지 컨디셔닝을 준비합니다. - [Pixal3D 다중 뷰 컨디셔닝 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Pixal3DMultiViewConditioning.md): Pixal3D Multi-View Conditioning 노드는 고정 궤도 카메라 리그로부터 컨디셔닝 데이터를 구성합니다. - [Trellis2 컨디셔닝 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Trellis2Conditioning.md): Trellis2Conditioning은 입력 이미지를 TRELLIS.2 모델용 컨디셔닝 데이터로 변환합니다. - [Trellis2 형태 단계 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Trellis2ShapeStage.md): 이 노드는 Trellis2 파이프라인의 첫 번째 형상 생성 샘플링 패스를 설정합니다. - [Trellis2 텍스처 단계 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Trellis2TextureStage.md): 이 노드는 Trellis2 생성의 텍스처 단계 샘플링 패스를 설정합니다. - [Trellis2 업샘플 스테이지 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Trellis2UpsampleStage.md): 이 노드는 512 해상도의 shape latent를 고해상도 희소 좌표로 업스케일하고, 대상 해상도에서 두 번째 shape-stage 샘플링 패스를 준비합니다. #### Triposplat - [TripoSplat 컨디셔닝 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TripoSplatConditioning.md): 이 노드는 입력 이미지를 DINOv3 이미지 인코더와 Flux2 VAE로 인코딩하여 TripoSplat 모델용 긍정 및 부정 컨디셔닝 데이터를 생성합니다. - [TripoSplat 전처리 이미지 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TripoSplatPreprocessImage.md): 이 노드는 각 입력 이미지를 검은색 배경의 중앙 정사각형으로 크롭하고 지정된 출력 크기에 도달하도록 패딩을 추가합니다. #### Void - [VOIDInpaintConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VOIDInpaintConditioning.md): VOIDInpaintConditioning 노드는 CogVideoX 모델을 사용한 인페인팅에 필요한 컨디셔닝 데이터를 준비합니다. #### Wan - [Wan22ImageToVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Wan22ImageToVideoLatent.md): Wan22ImageToVideoLatent는 이미지로부터 비디오 레이턴트 표현을 생성합니다. - [WAN 비디오 생성 (시작-끝 프레임) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanFirstLastFrameToVideo.md): WanFirstLastFrameToVideo 노드는 시작 프레임과 끝 프레임을 텍스트 프롬프트와 결합하여 비디오 생성을 위한 컨디셔닝을 준비합니다. - [WAN 비디오 생성 (이미지 → 비디오) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanImageToVideo.md): WanImageToVideo 노드는 비디오 생성을 위한 컨디셔닝 및 잠재 표현을 준비합니다. ##### Animate - [WanAnimate2Cache - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanAnimate2Cache.md): 포즈 비디오의 블록별 활성화를 한 번 캐시하여 매 샘플링 단계마다 재계산할 필요가 없게 하므로 생성 시간이 약 절반으로 줄어듭니다. - [WanAnimate2ToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanAnimate2ToVideo.md): WanAnimate2ToVideo는 별도의 포즈 비디오에서 표정, 신체 동작, 손 제스처를 전이하여 참조 이미지의 캐릭터를 애니메이션화합니다. - [완애니메이트투비디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanAnimateToVideo.md): WanAnimateToVideo는 참조 이미지, 포즈, 얼굴, 배경 및 이전 청크의 선택적 모션과 같은 입력을 사용하여 Wan으로 애니메이션 비디오를 생성하기 위한 컨디셔닝 데이터와 초기 잠재 변수를 준비합니다. ##### Camera - [완카메라임베딩 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanCameraEmbedding.md): 이 노드는 선택한 카메라 경로에 대해 Plücker 임베딩을 사용하여 카메라 궤적 임베딩을 생성합니다. - [완카메라이미지투비디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanCameraImageToVideo.md): WanCameraImageToVideo 노드는 이미지로부터 카메라 제어 비디오 생성을 위한 컨디셔닝 및 잠재 데이터를 준비합니다. ##### Dancer - [WanDancerEncodeAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanDancerEncodeAudio.md): 이 노드는 오디오 클립을 분석하여 비디오 생성 모델을 안내할 수 있는 특징 집합으로 변환합니다. - [WanDancerVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanDancerVideo.md): WanDancerVideo 노드는 WanDancer 모델로 비디오를 생성하기 위한 컨디셔닝 데이터와 빈 잠재 텐서를 준비합니다. ##### Fun Control - [Wan22FunControlToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Wan22FunControlToVideo.md): Wan22FunControlToVideo 노드는 Wan 비디오 모델을 사용한 비디오 생성을 위해 컨디셔닝 데이터와 빈 잠재 텐서를 준비합니다. - [WAN 비디오 생성 (Fun Control) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanFunControlToVideo.md): 이 노드는 Alibaba Wan Fun Control 모델을 지원하여 비디오 생성을 돕기 위해 추가되었으며 ##### Fun Inpaint - [WAN 비디오 생성 (Fun Inpaint) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanFunInpaintToVideo.md): WanFunInpaintToVideo 노드는 인페인팅 스타일 비디오 생성을 위해 컨디셔닝 및 잠재(latent) 데이터를 준비하며, 선택적인 시작 이미지와 끝 이미지를 사용하여 결과를 안내합니다. ##### Humo - [WanHuMo 이미지-비디오 변환 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanHuMoImageToVideo.md): WanHuMoImageToVideo 노드는 Wan HuMo 비디오 생성 파이프라인을 위한 컨디셔닝 데이터와 빈 잠재 비디오를 준비합니다. ##### Infinite Talk - [WanInfiniteTalkToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanInfiniteTalkToVideo.md): WanInfiniteTalkToVideo는 오디오 입력으로부터 비디오 시퀀스를 생성합니다. ##### Move - [GenerateTracks - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/GenerateTracks.md): GenerateTracks 노드는 비디오 생성을 위한 여러 개의 평행 이동 경로(트랙)를 생성합니다. - [WanMoveConcatTrack - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanMoveConcatTrack.md): WanMoveConcatTrack 노드는 두 세트의 모션 트래킹 데이터를 하나의 더 긴 시퀀스로 결합합니다. - [WanMoveTracksFromCoords - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanMoveTracksFromCoords.md): WanMoveTracksFromCoords 노드는 JSON 형식의 좌표 문자열로부터 모션 트랙을 생성합니다. - [WanMoveTrackToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanMoveTrackToVideo.md): WanMoveTrackToVideo 노드는 선택적 모션 트래킹 정보를 통합하여 비디오 생성을 위한 컨디셔닝 및 잠재 공간 데이터를 준비합니다. - [WanMoveVisualizeTracks - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanMoveVisualizeTracks.md): WanMoveVisualizeTracks 노드는 모션 추적 데이터를 이미지 또는 비디오 프레임 시퀀스 위에 오버레이합니다. - [WanTrackToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanTrackToVideo.md): WanTrackToVideo 노드는 트랙 포인트를 처리하고 해당 비디오 프레임을 생성하여 모션 트래킹 데이터를 비디오 시퀀스로 변환합니다. ##### Phantom Subject - [WanPhantomSubjectToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanPhantomSubjectToVideo.md): WanPhantomSubjectToVideo 노드는 Wan 비디오 생성을 위한 컨디셔닝 데이터와 latent를 준비합니다. ##### Scail - [SCAIL-2 컬러 마스크 생성 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SCAIL2ColoredMask.md): 이 노드는 SAM3 추적 데이터를 WanSCAILToVideo 노드에서 사용하는 컬러 마스크로 렌더링합니다. - [WanSCAILToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanSCAILToVideo.md): WanSCAILToVideo 노드는 SCAIL 및 SCAIL-2 비디오 모델을 사용한 비디오 생성을 위해 컨디셔닝과 빈 잠재 공간을 준비합니다. ##### Sound - [WanSoundImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanSoundImageToVideo.md): WanSoundImageToVideo 노드는 Wan 사운드-투-비디오 생성을 위해 컨디셔닝과 빈 잠재 비디오 텐서를 준비합니다. - [WanSoundImageToVideoExtend - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanSoundImageToVideoExtend.md): WanSoundImageToVideoExtend 노드는 오디오, 참조 이미지 및 제어 비디오에 의해 선택적으로 안내되는 추가 프레임을 생성하여 기존 비디오 잠재 변수를 확장합니다. ##### Vace - [WAN 비디오 생성 (VACE) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanVaceToVideo.md): WanVaceToVideo 노드는 VACE 제어 비디오 생성 모델을 위한 비디오 컨디셔닝 데이터를 준비합니다. #### Yue2 - [SheetSage2 오디오를 ABC로 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SheetSage2AudioToABC.md): 이 노드는 음악에서 보컬 및 악기 멜로디를 ABC 기보법(악보를 기록하기 위한 텍스트 기반 형식)으로 채보합니다. - [YuE2 ABC 생성 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/YuE2GenerateABC.md): 이 노드는 YuE2 텍스트 및 가사 모델을 사용하여 스타일 설명과 가사를 기반으로 곡의 ABC 표기법을 생성합니다. - [YuE2 음악 생성 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/YuE2GenerateMusic.md): 스타일, 가사, ABC 표기법으로부터 음악 토큰과 음향 컨디셔닝을 생성합니다. #### Z Image - [TextEncodeZImageOmni - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TextEncodeZImageOmni.md): TextEncodeZImageOmni는 텍스트 프롬프트를 최대 3개의 선택적 참조 이미지와 함께 이미지 생성 모델용 컨디셔닝 형식으로 인코딩합니다. ### Latent - [빈 잠재 오디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyLatentAudio.md): Empty Latent Audio는 오디오 처리를 위한 빈 잠재 텐서를 생성합니다. - [빈 잠재 이미지 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyLatentImage.md): EmptyLatentImage 노드는 지정된 크기와 배치 크기로 빈 잠재 공간 표현을 생성하도록 설계되었습니다. - [오디오 Latent 크기 가져오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/GetAudioLatentSize.md): 오디오 잠재를 읽고 해당 길이, 오디오 채널 수, 배치 크기를 반환하므로 오디오를 디코딩하지 않고도 이 값을 재사용할 수 있습니다. - [잠재 데이터 합성 (위치 기반) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentComposite.md): LatentComposite 노드는 두 개의 잠재 표현을 하나의 출력으로 혼합하거나 병합하도록 설계되었습니다. - [잠재 데이터 합성 (마스크 기반) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentCompositeMasked.md): LatentCompositeMasked 노드는 두 개의 잠재 표현을 지정된 좌표에서 혼합하고, 선택적으로 마스크를 사용하여 보다 정밀한 합성을 수행하도록 설계되었습니다. - [잠재 데이터 크기 조정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentUpscale.md): LatentUpscale 노드는 이미지의 잠재 표현을 업스케일링하기 위해 설계되었습니다. - [잠재 데이터 크기 배율 조정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentUpscaleBy.md): LatentUpscaleBy 노드는 이미지의 잠재 표현을 업스케일링하기 위해 설계되었습니다. - [잠재 데이터 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadLatent.md): LoadLatent 노드는 입력 디렉토리의 .latent 파일에서 이전에 저장된 잠재 표현을 로드합니다. - [잠재 데이터 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SaveLatent.md): SaveLatent는 잠재 텐서를 .latent 파일로 디스크에 저장하여 나중에 재사용하거나 공유할 수 있도록 합니다. - [잠재 데이터에 노이즈 마스크 설정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SetLatentNoiseMask.md): 이 노드는 잠재 샘플 세트에 노이즈 마스크를 적용하도록 설계되었습니다. 지정된 마스크를 통합하여 입력 샘플을 수정함으로써 노이즈 특성을 변경합니다. - [잠재 비디오 자르기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TrimVideoLatent.md): TrimVideoLatent 노드는 비디오 잠재 표현의 시작 부분에서 프레임을 제거합니다. - [VAE 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEDecode.md): VAEDecode 노드는 지정된 Variational Autoencoder(VAE)를 사용하여 잠재 표현을 이미지로 디코딩하도록 설계되었습니다. - [오디오 VAE 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEDecodeAudio.md): 이 노드는 변분 오토인코더(VAE)를 사용하여 오디오 잠재 표현을 재생 가능한 오디오 파형으로 다시 변환합니다. - [VAE 오디오 디코드 (타일) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEDecodeAudioTiled.md): 이 노드는 VAE(변분 오토인코더)를 사용하여 압축된 오디오 표현(잠재 샘플)을 다시 오디오 파형으로 변환합니다. - [VAE 디코드 (타일) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEDecodeTiled.md): VAEDecodeTiled 노드는 큰 이미지를 효율적으로 처리하기 위해 타일 방식으로 잠재 표현을 이미지로 디코딩합니다. - [VAE 인코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEEncode.md): 이 노드는 지정된 VAE 모델을 사용하여 이미지를 잠재 공간 표현으로 인코딩하도록 설계되었습니다. - [오디오 VAE 인코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEEncodeAudio.md): VAE Encode Audio 노드는 Variational Autoencoder(VAE)를 사용하여 오디오 데이터를 잠재 표현으로 변환합니다. - [VAE 인코드 (인페인팅용) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEEncodeForInpaint.md): 이 노드는 인페인팅 작업에 적합한 잠재 표현으로 이미지를 인코딩하기 위해 설계되었으며, VAE 모델이 최적으로 인코딩할 수 있도록 입력 이미지와 마스크를 조정하는 추가 전처리 단계를 포함합니다. - [VAE 인코드 (타일) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEEncodeTiled.md): VAEEncodeTiled는 이미지를 더 작은 타일로 분할하고 변분 오토인코더를 사용하여 인코딩합니다. - [MiniMax H3 모델을 사용한 잠재 공간 업스케일 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3LatentUpscaleWithModel.md): MiniMax H3 Latent Upscale With Model은 latent 업스케일 모델을 사용하여 MiniMax H3 latent의 비디오 부분을 대상 너비와 높이로 크기 조정합니다. #### Ace - [EmptyAceStep1.5LatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyAceStep1.5LatentAudio.md): Empty Ace Step 1.5 Latent Audio 노드는 오디오 생성 워크플로를 위해 비어 있는(무음) 오디오 latent 텐서를 생성합니다. - [EmptyAceStepLatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyAceStepLatentAudio.md): Empty Ace Step 1.0 Latent Audio 노드는 선택한 길이에 대한 빈 잠재 오디오 샘플을 생성합니다. #### Advanced - [잠재 데이터 연산 (더하기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentAdd.md): LatentAdd 노드는 두 개의 잠재 표현을 더하기 위해 설계되었습니다. - [잠재 데이터 배치 시드 동작 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentBatchSeedBehavior.md): LatentBatchSeedBehavior 노드는 잠재 샘플 배치의 시드 동작을 수정하도록 설계되었습니다. - [LatentConcat - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentConcat.md): LatentConcat 노드는 선택한 차원을 따라 두 개의 잠재 샘플을 결합합니다. - [LatentCut - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentCut.md): LatentCut 노드는 선택한 차원을 따라 잠재 샘플에서 특정 구간을 추출합니다. - [LatentCutToBatch - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentCutToBatch.md): LatentCutToBatch 노드는 잠재 표현을 선택한 차원(시간, 너비 또는 높이)을 따라 지정된 크기의 슬라이스로 분할하고, 그 슬라이스들을 새로운 배치로 스택합니다. - [잠재 데이터 연산 (보간) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentInterpolate.md): LatentInterpolate 노드는 지정된 비율에 따라 두 잠재 샘플 세트 간의 보간을 수행하여, 두 세트의 특성을 혼합한 새로운 중간 잠재 샘플 세트를 생성하도록 설계되었습니다. - [잠재 데이터 연산 (곱하기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentMultiply.md): LatentMultiply 노드는 샘플의 잠재 표현을 지정된 승수로 확장하도록 설계되었습니다. - [잠재 데이터 연산 (빼기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentSubtract.md): LatentSubtract 노드는 하나의 잠재 표현에서 다른 잠재 표현을 빼는 역할을 합니다. ##### Operations - [잠재 데이터 연산 (연산 적용) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentApplyOperation.md): LatentApplyOperation 노드는 지정된 잠재 연산을 잠재 샘플에 적용합니다. - [잠재 데이터 CFG 연산 (연산 적용) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentApplyOperationCFG.md): LatentApplyOperationCFG 노드는 모델 샘플링 과정의 classifier-free guidance(CFG) 단계 내에서 잠재 연산을 적용합니다. - [잠재 연산 혼합 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentOperationBlend.md): 이 노드는 레이턴트를 참조 레이턴트 쪽으로 블렌딩하는 레이턴트 연산을 생성하고, 해당 연산을 반환하여 Latent Apply Operation 또는 Latent Apply Operation CFG와 같은 노드에 연결할 수 있게 합니다. - [잠재 데이터 연산 (선명화) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentOperationSharpen.md): LatentOperationSharpen 노드는 가우시안 기반 커널을 사용하여 잠재 표현을 위한 샤프닝 작업을 생성합니다. - [잠재 데이터 연산 (톤맵 레인하르트) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentOperationTonemapReinhard.md): 이 노드는 latent 벡터에 Reinhard 톤매핑을 적용하는 latent 연산을 생성합니다. #### Autoregressive - [EmptyARVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyARVideoLatent.md): EmptyARVideoLatent 노드는 비디오 생성을 위한 빈 잠재 표현을 생성합니다. #### Batch - [latent 배치 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/BatchLatentsNode.md): Batch Latents 노드는 여러 잠재 입력을 단일 배치로 결합합니다. - [잠재 데이터 배치 연결 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentBatch.md): LatentBatch 노드는 두 개의 잠재 샘플 세트를 단일 배치로 병합하며, 필요에 따라 한 세트의 크기를 다른 세트의 차원에 맞게 조정한 후 연결합니다. - [배치에서 잠재 데이터 가져오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentFromBatch.md): 이 노드는 지정된 배치 인덱스와 길이에 따라 주어진 배치에서 잠재 샘플의 특정 하위 집합을 추출하도록 설계되었습니다. - [잠재 데이터 배치 재배치 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/RebatchLatents.md): RebatchLatents 노드는 지정된 배치 크기에 따라 잠재 표현들의 배치를 새로운 배치 구성으로 재구성합니다. - [잠재 데이터 반복 배치 생성 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/RepeatLatentBatch.md): RepeatLatentBatch 노드는 잠재 표현 배치를 지정된 횟수만큼 복제하는 기능을 수행합니다. - [비디오 Latent 프레임 교체 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ReplaceVideoLatentFrames.md): ReplaceVideoLatentFrames 노드는 지정된 프레임 인덱스부터 시작하여 대상 잠재 비디오의 프레임 범위를 소스 잠재 비디오의 프레임으로 교체합니다. #### Chroma Radiance - [빈 색조 복사 잠재 이미지 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyChromaRadianceLatentImage.md): EmptyChromaRadianceLatentImage 노드는 chroma radiance 워크플로에서 사용할 수 있도록 지정한 치수로 빈 잠재 이미지를 생성합니다. #### Cosmos - [빈 Cosmos 잠재 비디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyCosmosLatentVideo.md): EmptyCosmosLatentVideo는 지정된 차원으로 빈 잠재 비디오 텐서를 생성합니다. #### FLUX - [Empty Flux 2 Latent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyFlux2LatentImage.md): Empty Flux 2 Latent 노드는 0으로 채워진 빈 잠재 표현을 생성합니다. #### Hidream - [Empty HiDream-O1 Latent Image - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyHiDreamO1LatentImage.md): 이 노드는 HiDream-O1-Image 모델을 위한 픽셀 공간의 빈 잠재 이미지를 생성합니다. width, height, batchsize 입력으로 정의되는 차원을 가진, 이미지 생성의 시작점 역할을 하는 0으로 채워진 빈 텐서를 생성합니다. #### Hunyuan 3d - [빈 Hunyuan 3D v2 잠재 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyLatentHunyuan3Dv2.md): 이 노드는 Hunyuan3Dv2 3D 생성 모델용으로 포맷된 비어 있는(모두 0인) 잠재 샘플 배치를 생성합니다. 3D 생성 워크플로의 시작점으로 사용되는 올바른 형태의 잠재 텐서를 생성하며, 해당 잠재값은 "hunyuan3dv2" 유형으로 태그가 지정됩니다. - [Hunyuan 3D VAE 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEDecodeHunyuan3D.md): VAEDecodeHunyuan3D 노드는 VAE 디코더를 사용하여 잠재 표현을 3D 복셀 데이터로 변환합니다. #### Hunyuan Image - [빈 Hunyuan 이미지 잠재 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyHunyuanImageLatent.md): EmptyHunyuanImageLatent 노드는 Hunyuan 이미지 생성 모델용 빈(all-zero) 잠재 공간을 생성합니다. #### Hunyuan Video - [빈 Hunyuan 비디오 1.0 잠재 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyHunyuanLatentVideo.md): EmptyHunyuanLatentVideo 노드는 EmptyLatentImage 노드와 유사합니다. - [빈 Hunyuan 비디오 1.5 잠재 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyHunyuanVideo15Latent.md): 이 노드는 HunyuanVideo 1.5 모델과 함께 사용하도록 특별히 포맷된 빈 잠재 텐서를 생성합니다. - [모델을 사용한 Hunyuan 비디오 1.5 잠재 업스케일 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HunyuanVideo15LatentUpscaleWithModel.md): Hunyuan Video 15 Latent Upscale With Model 노드는 잠재 이미지 표현의 해상도를 높입니다. #### Ltxv - [빈 LTXV 잠재 비디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyLTXVLatentVideo.md): EmptyLTXVLatentVideo 노드는 지정한 width, height, length, batchsize를 사용하여 비어 있는(0으로 채워진) 잠재 비디오 텐서를 생성합니다. - [LTXV 오디오 VAE 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVAudioVAEDecode.md): LTXV Audio VAE 디코드 노드는 오디오의 잠재 표현을 다시 오디오 파형으로 변환합니다. - [LTXV 오디오 VAE 인코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVAudioVAEEncode.md): LTXV Audio VAE Encode 노드는 오디오 입력을 받아 지정된 Audio VAE 모델을 사용하여 더 작은 잠재 표현(latent representation)으로 압축합니다. - [AV Latent 연결 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVConcatAVLatent.md): This node merges a video latent and an audio latent into a single joint audio-video (AV) latent, ready for AV models such as LTXV or MiniMax H3. - [빈 LTXV 잠재 오디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVEmptyLatentAudio.md): LTXV Empty Latent Audio 노드는 비어 있는(0으로 채워진) 잠재 오디오 텐서 배치를 생성합니다. - [LTXV Latent 고정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVFreezeLatent.md): LTXV Freeze Latent 노드는 latent의 노이즈 마스크를 0으로 설정하여, 샘플링이 실행되는 동안 해당 latent를 깨끗하고 변경되지 않은 상태로 유지합니다. - [LTXVLatentUpsampler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVLatentUpsampler.md): LTXVLatentUpsampler 노드는 비디오 잠재 표현의 공간 해상도를 2배로 증가시킵니다. - [AV Latent 분리 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVSeparateAVLatent.md): LTXVSeparateAVLatent 노드는 결합된 오디오-비주얼 잠재 표현을 비디오 데이터가 포함된 잠재 표현과 오디오 데이터가 포함된 잠재 표현이라는 두 개의 개별 잠재 표현으로 분할합니다. #### Minimax - [Empty MiniMax H3 AV Latent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyMiniMaxH3LatentAV.md): 이 노드는 MiniMax H3 모델을 위해 비디오와 오디오 정보를 모두 결합한 빈 잠재 표현(latent)을 생성합니다. #### Minimax Music - [EmptyMiniMaxMusic3LatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyMiniMaxMusic3LatentAudio.md): 이 노드는 MiniMax Music3 모델을 위한 빈(0으로 채워진) 오디오 레이턴트를 생성합니다. #### Mochi - [빈 잠재 비디오 (Mochi) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyMochiLatentVideo.md): EmptyMochiLatentVideo는 지정한 크기로 비어 있는 잠재 비디오 텐서를 생성합니다. #### Qwen - [Empty Qwen Image Layered Latent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyQwenImageLayeredLatentImage.md): Empty Qwen Image Layered Latent는 Qwen-Image-Layered 모델이 그림을 그릴 빈 캔버스를 준비합니다. #### Seedvr - [SeedVR2 latent 분할 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SeedVR2TemporalChunk.md): 이 노드는 SeedVR2 비디오 잠재 변수를 더 작은 시간적 청크로 분할하여, 사용 가능한 VRAM 내에서 한 번에 하나씩 처리할 수 있도록 합니다. - [SeedVR2 latent 병합 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SeedVR2TemporalMerge.md): 이 노드는 샘플링된 SeedVR2 잠재 텐서 시간 청크들을 단일 전체 길이 잠재 텐서로 재결합합니다. #### Stable Cascade - [빈 Stable Cascade 잠재 이미지 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/StableCascade_EmptyLatentImage.md): StableCascadeEmptyLatentImage 노드는 Stable Cascade 모델용 빈 잠재 텐서를 생성합니다. - [Stable Cascade 스테이지 C VAE 인코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/StableCascade_StageC_VAEEncode.md): StableCascadeStageCVAEEncode 노드는 VAE 인코더를 통해 입력 이미지를 처리하여 Stable Cascade 모델용 잠재 표현을 생성합니다. #### Stable Diffusion - [빈 잠재 이미지 (SD3) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptySD3LatentImage.md): EmptySD3LatentImage는 Stable Diffusion 3 모델이 기대하는 레이아웃으로 빈(모두 0인) 잠재 이미지를 생성합니다. #### Transform - [잠재 데이터 자르기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentCrop.md): LatentCrop 노드는 이미지의 잠재 표현에 대한 자르기 작업을 수행하도록 설계되었습니다. - [잠재 데이터 연산 (뒤집기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentFlip.md): LatentFlip 노드는 잠재 표현을 수직 또는 수평으로 뒤집어 조작하도록 설계되었습니다. - [잠재 데이터 연산 (회전) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentRotate.md): LatentRotate 노드는 지정된 각도로 이미지의 잠재 표현을 회전시키도록 설계되었습니다. #### Trellis - [빈 Trellis2 잠재 구조 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyTrellis2LatentStructure.md): 이 노드는 Trellis2 모델을 위한 빈 잠재 구조를 생성하며, 모든 값은 0으로 설정됩니다. - [Trellis2 VAE 형태 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VaeDecodeShapeTrellis.md): 이 노드는 Trellis2 형상 잠재 표현을 3D 메시로 디코딩합니다. VAE를 사용하여 희소 형상 잠재 데이터를 메시 지오메트리로 변환하고, 디코딩 중에 생성된 형상 세분화 데이터도 출력합니다. - [Trellis2 VAE 구조 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VaeDecodeStructureTrellis2.md): 이 노드는 VAE의 구조 디코더를 사용하여 Trellis 구조 잠재 샘플을 3D 복셀 그리드로 변환합니다. - [Trellis2 VAE 텍스처 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VaeDecodeTextureTrellis.md): 이 노드는 VAE를 사용하여 Trellis2 텍스처 latent를 복셀 색상으로 디코딩합니다. #### Triposplat - [TripoSplat 샘플링 미리보기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TripoSplatSamplingPreview.md): 이 노드는 TripoSplat 모델을 패치하여 표준 KSampler 노드와 함께 사용할 때 각 샘플링 단계에서 디코딩된 가우시안 스플랫의 실시간 미리보기가 표시되도록 합니다. - [TripoSplat 디코드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAEDecodeTripoSplat.md): TripoSplat 잠재 표현을 3D 가우시안 스플랫으로 디코딩합니다. 이 노드는 TripoSplat 모델에서 샘플링된 잠재 변수를 가져와 3D 가우시안 집합으로 재구성하며, 생성되는 가우시안 수를 조정하여 밀도를 변경할 수 있습니다. #### Void - [VOIDWarpedNoise - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VOIDWarpedNoise.md): VOID 비디오 정제 과정의 두 번째 패스에 사용할 시간적 상관관계가 있는 노이즈를 생성합니다. - [VOIDWarpedNoiseSource - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VOIDWarpedNoiseSource.md): 이 노드는 LATENT(예: VOIDWarpedNoise 노드의 출력)를 NOISE 소스로 변환합니다. #### Yue2 - [빈 YuE2 latent 오디오 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/EmptyYuE2LatentAudio.md): 이 노드는 YuE2용 빈 오디오 잠재값을 생성하며, 선택한 길이와 배치 수에 맞게 크기가 지정됩니다. ### Loaders - [오디오 인코더 로더 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/AudioEncoderLoader.md): AudioEncoderLoader 노드는 audioencoders 폴더에 저장된 파일에서 오디오 인코더 모델을 로드합니다. - [구성으로 체크포인트 로드 (지원 중단) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CheckpointLoader.md): CheckpointLoader 노드는 사전 학습된 모델 체크포인트와 해당 구성 파일을 함께 로드합니다. - [체크포인트 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CheckpointLoaderSimple.md): 디퓨전 모델 체크포인트 파일을 로드하고 이를 세 가지 핵심 구성 요소로 분할합니다: 잠재 변수의 노이즈 제거에 사용되는 기본 모델, CLIP 텍스트 인코더, VAE 이미지 인코더/디코더. - [CLIP 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipLoader.md): CLIPLoader 노드는 파일에서 텍스트 인코더 모델(CLIP, T5 또는 유사)을 로드하여, 텍스트 프롬프트를 수치 표현으로 변환해야 하는 다른 노드에서 사용할 수 있도록 합니다. - [CLIP_VISION 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipVisionLoader.md): 이 노드는 ComfyUI/models/clipvision 폴더에 있는 모델과 extramodelpaths.yaml 파일에 설정된 추가 모델 경로를 자동으로 감지합니다. - [컨디셔닝 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ConditioningLoader.md): 이 노드는 이전에 Save Conditioning 노드로 저장한 컨디셔닝 또는 embeddings 폴더에서 conditioning 텐서를 포함하는 모든 safetensors 파일을 로드합니다. - [컨트롤넷 모델 로드 (차이) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/DiffControlNetLoader.md): 이 노드는 ComfyUI/models/controlnet 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 설정된 추가 경로의 모델도 읽어옵니다. - [Diffusers 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/DiffusersLoader.md): DiffusersLoader 노드는 diffusers 형식으로 저장된 사전 학습된 모델을 로드합니다. - [이중 CLIP 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/DualCLIPLoader.md): DualCLIPLoader 노드는 두 개의 CLIP 모델을 동시에 로드하여, 두 모델의 특징을 통합하거나 비교하는 작업을 용이하게 하도록 설계되었습니다. - [프레임 보간 모델 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FrameInterpolationModelLoader.md): 이 노드는 프레임 보간 모델 파일을 로드하고 워크플로에서 사용할 수 있도록 준비합니다. - [GLIGEN 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/GLIGENLoader.md): 이 노드는 ComfyUI/models/gligen 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 설정된 추가 경로의 모델도 읽어옵니다. - [하이퍼네트워크 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HypernetworkLoader.md): 이 노드는 ComfyUI/models/hypernetworks 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 설정된 추가 경로의 모델도 함께 읽어옵니다. - [이미지 전용 체크포인트 로드 (img2vid 모델) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ImageOnlyCheckpointLoader.md): 이 노드는 ComfyUI/models/checkpoints 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 설정된 추가 경로의 모델도 함께 읽어옵니다. - [Latent 업스케일 모델 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LatentUpscaleModelLoader.md): LatentUpscaleModelLoader 노드는 ComfyUI의 latentupscalemodels 폴더에 저장된 파일에서 잠재 표현(latent representation) 업스케일링에 특화된 모델을 로드합니다. - [배경 제거 모델 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadBackgroundRemovalModel.md): 파일에서 배경 제거 모델을 로드합니다. 이 노드는 다른 노드가 이미지에서 배경을 제거하는 데 사용할 수 있도록 모델을 준비합니다. - [Depth Anything 3 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadDA3Model.md): 이 노드는 파일에서 Depth Anything 3 모델을 로드하여 깊이 추정 작업에 사용할 수 있도록 준비합니다. - [LoRA 불러오기 (모델) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadLoraModel.md): diffusion 모델에 LoRA 스택을 단일 노드에서 적용합니다. loras의 각 행은 LoRA 파일, 해당 강도 및 켜기/끄기 스위치를 가지며, 행은 위에서 아래로 적용되므로 각 행은 바로 위 행의 결과를 패치합니다. - [LoRA 불러오기 (텍스트 인코더) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadLoraTextEncoder.md): 단일 노드에서 CLIP 텍스트 인코더에 LoRA 스택을 적용합니다. loras의 각 행은 LoRA 파일, 강도, 켜기/끄기 스위치를 가지며, 행은 위에서 아래로 적용되므로 각 행은 위 행의 결과를 패치합니다. - [MediaPipe 얼굴 랜드마커 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadMediaPipeFaceLandmarker.md): 이 노드는 MediaPipe Face Landmarker v2 모델을 로드하며, 이미지에서 얼굴과 얼굴 랜드마크(눈, 코, 입 등)를 검출합니다. - [MoGe 모델 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadMoGeModel.md): 파일에서 MoGe(Monocular Geometry) 모델을 로드하고 기하 추정 작업에 사용할 수 있도록 준비합니다. - [LoRA 불러오기 (바이패스) (디버깅용) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoraLoaderBypass.md): LoraLoaderBypass 노드는 특별한 "바이패스" 모드로 디퓨전 모델과 CLIP 모델에 LoRA(Low-Rank Adaptation)를 적용합니다. - [LoRA 불러오기 (바이패스, 모델만) (디버깅용) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoraLoaderBypassModelOnly.md): 이 노드는 LoRA(저차원 적응)를 모델에 적용하여 동작을 수정하지만, 모델 구성 요소 자체에만 영향을 미칩니다. - [LoRA 모델 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoraModelLoader.md): LoraModelLoader 노드는 훈련된 LoRA(Low-Rank Adaptation) 가중치를 확산 모델에 적용합니다. - [LTXV 오디오 텍스트 인코더 로더 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXAVTextEncoderLoader.md): 이 노드는 LTXV 오디오 모델용 특수 텍스트 인코더를 로드합니다. 텍스트 인코더 파일과 체크포인트 파일을 결합하여 오디오 생성에서 텍스트 컨디셔닝에 사용되는 CLIP 모델을 생성합니다. - [LTXV 오디오 VAE 로더 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVAudioVAELoader.md): LTXV Audio VAE Loader 노드는 체크포인트 파일에서 사전 학습된 Audio Variational Autoencoder(VAE) 모델을 로드합니다. - [모델 패치 로더 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelPatchLoader.md): ModelPatchLoader 노드는 modelpatches 폴더에서 모델 패치 파일을 로드하고 워크플로에서 사용할 수 있도록 준비합니다. - [광학 흐름 모델 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/OpticalFlowLoader.md): models/opticalflow/ 폴더에서 광학 흐름(optical flow) 모델을 불러옵니다. - [포토메이커 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/PhotoMakerLoader.md): PhotoMakerLoader 노드는 사용 가능한 모델 파일에서 PhotoMaker 모델을 로드합니다. - [QuadrupleCLIPLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/QuadrupleCLIPLoader.md): QuadrupleCLIPLoader는 ComfyUI의 핵심 노드 중 하나로, HiDream I1 버전 모델을 지원하기 위해 처음 추가되었습니다. - [스타일 모델 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/StyleModelLoader.md): 이 노드는 ComfyUI/models/stylemodels 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 설정된 추가 경로의 모델도 함께 읽어옵니다. - [삼중 CLIP 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TripleCLIPLoader.md): TripleCLIPLoader는 세 개의 텍스트 인코더 모델을 동시에 로드하고 이를 하나의 CLIP 모델로 결합합니다. - [unCLIP 체크포인트 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/unCLIPCheckpointLoader.md): 이 노드는 ComfyUI/models/checkpoints 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 구성된 추가 경로의 모델도 읽어옵니다. - [확산 모델 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/UNETLoader.md): UNETLoader 노드는 이름으로 U-Net 모델을 로드하도록 설계되어, 시스템 내에서 사전 훈련된 U-Net 아키텍처를 손쉽게 사용할 수 있도록 합니다. - [업스케일 모델 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/UpscaleModelLoader.md): 이 노드는 ComfyUI/models/upscalemodels 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 구성된 추가 경로의 모델도 읽어옵니다. - [VAE 로드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAELoader.md): 이 노드는 ComfyUI/models/vae 폴더에 있는 모델을 감지하며, extramodelpaths.yaml 파일에 구성된 추가 경로에서도 모델을 읽어옵니다. ### Merging - [체크포인트 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CheckpointSave.md): Save Checkpoint 노드는 UNet, CLIP 및 VAE 구성 요소를 포함한 완전한 Stable Diffusion 모델을 .safetensors 형식의 체크포인트 파일로 저장하도록 설계되었습니다. - [CLIP 병합 (더하기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPMergeAdd.md): CLIPMergeAdd 노드는 두 번째 모델의 패치를 첫 번째 모델에 추가하여 두 CLIP 모델을 결합합니다. - [CLIP 병합 (단순) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipMergeSimple.md): CLIPMergeSimple는 두 개의 CLIP 텍스트 인코더 모델을 지정된 비율에 따라 결합하는 모델 병합 노드입니다. - [CLIP 병합 (빼기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CLIPMergeSubtract.md): CLIPMergeSubtract 노드는 한 CLIP 모델의 가중치를 다른 CLIP 모델에서 빼서 모델 병합을 수행합니다. - [CLIP 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ClipSave.md): CLIPSave 노드는 CLIP 텍스트 인코더 모델을 SafeTensors 형식으로 디스크에 저장합니다. - [이미지 전용 체크포인트 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ImageOnlyCheckpointSave.md): 이 노드는 모델을 CLIP 비전 인코더 및 VAE와 함께 묶은 체크포인트 파일을 저장합니다. - [모델 병합 (더하기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeAdd.md): ModelMergeAdd 노드는 한 모델의 주요 패치를 다른 모델에 추가하여 두 모델을 병합하도록 설계되었습니다. - [모델 병합 (블록) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeBlocks.md): ModelMergeBlocks는 고급 모델 병합 작업을 위해 설계된 노드로, 두 모델의 서로 다른 부분에 대해 사용자 지정 혼합 비율을 적용하여 통합할 수 있도록 합니다. - [모델 병합 (단순) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeSimple.md): ModelMergeSimple 노드는 지정된 비율에 따라 두 모델의 매개변수를 혼합하여 병합하도록 설계되었습니다. - [모델 병합 (빼기) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeSubtract.md): 이 노드는 고급 모델 병합 작업을 위해 설계되었으며, 특히 지정된 승수에 따라 한 모델의 매개변수를 다른 모델에서 차감합니다. - [모델 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSave.md): ModelSave 노드는 MODEL을 컴퓨터 저장소에 .safetensors 체크포인트 파일로 저장합니다. - [LoRA 가중치 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SaveLoRA.md): The SaveLoRA 노드는 LoRA(Low-Rank Adaptation) 모델을 파일로 저장합니다. - [VAE 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VAESave.md): VAESave 노드는 VAE 모델과 해당 메타데이터(프롬프트 및 추가 PNG 정보 포함)를 지정된 출력 디렉토리에 저장하기 위해 설계되었습니다. #### Model Specific - [모델 병합 (AuraFlow) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeAuraflow.md): ModelMergeAuraflow 노드는 모델의 초기 레이어부터 최종 출력까지 각 부분에 별도의 블렌딩 가중치를 할당하여 두 Auraflow 모델을 함께 블렌딩합니다. - [모델 병합 (Cosmos 14B) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeCosmos14B.md): ModelMergeCosmos14B 노드는 Cosmos 14B 모델 아키텍처를 위해 특별히 설계된 블록 기반 접근 방식을 사용하여 두 AI 모델을 병합합니다. - [모델 병합 (Cosmos 7B) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeCosmos7B.md): ModelMergeCosmos7B 노드는 특정 구성 요소의 가중치 블렌딩을 사용하여 두 AI 모델을 병합합니다. - [ModelMergeCosmosPredict2_14B - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeCosmosPredict2_14B.md): ModelMergeCosmosPredict214B 노드는 두 AI 모델의 일치하는 내부 구성 요소를 혼합하여 하나의 모델로 결합하는 노드입니다. - [ModelMergeCosmosPredict2_2B - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeCosmosPredict2_2B.md): ModelMergeCosmosPredict22B 노드는 블록 기반 접근 방식을 사용하여 두 개의 확산 모델을 병합하며, 서로 다른 모델 구성 요소에 대해 세밀하게 제어할 수 있습니다. - [모델 병합 (FLUX.1) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeFlux1.md): ModelMergeFlux1 노드는 가중 보간법을 사용하여 구성 요소를 혼합함으로써 두 개의 확산 모델을 병합합니다. - [ModelMergeKrea2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeKrea2.md): 이 노드는 두 모델의 내부 구성 요소를 세밀한 수준에서 혼합하여 병합하며, 각 모델의 특정 부분이 최종 결과에 영향을 미치는 정도를 제어할 수 있도록 합니다. - [모델 병합 (LTXV) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeLTXV.md): ModelMergeLTXV 노드는 두 LTXV 모델을 병합하여 일치하는 구성 요소를 혼합합니다. - [모델 병합 (Mochi Preview) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeMochiPreview.md): 이 노드는 블록 기반 접근 방식을 사용하여 두 개의 Mochi AI 모델을 병합하며, 다양한 모델 구성 요소를 세밀하게 제어할 수 있습니다. - [ModelMergeMOSSImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeMOSSImage.md): ModelMergeMOSSImage 노드는 두 MOSS 이미지 모델을 일치하는 가중치를 블록별로 혼합하여 병합하므로, 결과의 일부는 기본 모델에서, 나머지는 파인튜닝 모델 또는 두 번째 모델에서 가져올 수 있습니다. - [ModelMergeQwenImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeQwenImage.md): 이 노드는 두 Qwen 이미지 모델을 개별 구성 요소를 조정 가능한 가중치로 블렌딩하여 병합합니다. - [모델 병합 (SD1) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeSD1.md): ModelMergeSD1 노드는 각 모델 구성 요소가 결과에 기여하는 정도를 조정하여 두 개의 Stable Diffusion 1.x 모델을 혼합합니다. - [모델 병합 (SD2) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeSD2.md): ModelMergeSD2 노드는 일치하는 구성 요소를 혼합하여 두 Stable Diffusion 2.x 모델을 병합하며, 시간 임베딩, 레이블 임베딩, 그리고 모든 입력, 중간 및 출력 블록에 대해 별도의 가중치를 둡니다. - [모델 병합 (SD35 Large) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeSD35_Large.md): ModelMergeSD35Large 노드는 두 개의 Stable Diffusion 3.5 Large 모델을 병합하여 두 번째 모델의 특정 내부 구성 요소를 첫 번째 모델에 혼합합니다. - [모델 병합 (SD3 2B) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeSD3_2B.md): ModelMergeSD32B 노드는 조정 가능한 가중치로 구성 요소를 혼합하여 두 개의 Stable Diffusion 3 2B 모델을 병합할 수 있게 해줍니다. - [모델 병합 (SDXL) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeSDXL.md): ModelMergeSDXL 노드는 아키텍처의 서로 다른 부분에 대한 각 모델의 영향을 조정하여 두 개의 SDXL 모델을 혼합할 수 있게 해줍니다. - [모델 병합 (WAN2.1) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelMergeWAN2_1.md): ModelMergeWAN21 노드는 가중 평균을 사용하여 구성 요소를 혼합함으로써 두 개의 WAN2.1 모델을 병합합니다. ### Patch - [모델 희소 어텐션 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/BlockSparseAttention.md): Block Sparse Attention 노드는 모델을 수정하여 어텐션 레이어가 입력의 모든 부분을 한 번에 처리하는 대신 가장 관련성 높은 부분에만 집중하도록 합니다. - [컨텍스트 윈도우 (수동) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ContextWindowsManual.md): Context Windows (Manual) 노드를 사용하면 샘플링 중에 모델의 컨텍스트 윈도우를 수동으로 구성할 수 있습니다. - [모델 어텐션 백엔드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelAttentionBackend.md): 이 노드는 모델의 밀집 어텐션 구현을 선택하고, 모델을 복제한 뒤, 선택한 백엔드를 적용하여 패치된 복제본을 반환합니다. - [ModelNoiseScale - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelNoiseScale.md): 이 노드는 모델 샘플링 중에 사용되는 노이즈 스케일을 조정합니다. 입력 모델의 복사본을 만들고, 지정된 노이즈 스케일을 해당 샘플링 구성에 적용한 뒤 수정된 모델을 반환합니다. - [모델 샘플링 (AuraFlow) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingAuraFlow.md): ModelSamplingAuraFlow 노드는 확산 모델에 특화된 샘플링 구성을 적용하며, 특히 AuraFlow 모델 아키텍처를 위해 설계되었습니다. - [모델 샘플링 (연속 EDM) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingContinuousEDM.md): 이 노드는 연속 EDM(에너지 기반 확산 모델) 샘플링 기법을 통합하여 모델의 샘플링 성능을 향상시키도록 설계되었습니다. - [모델 샘플링 (연속 V) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingContinuousV.md): ModelSamplingContinuousV 노드는 연속 V-예측 샘플링을 적용하여 모델의 샘플링 동작을 조정합니다. - [모델 샘플링 (이산) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingDiscrete.md): 이 노드는 이산 샘플링 전략을 적용하여 모델의 샘플링 동작을 수정하도록 설계되었습니다. epsilon, vprediction, lcm 또는 x0과 같은 다양한 샘플링 방법을 선택할 수 있으며, 선택적으로 제로샷 노이즈 비율(zsnr) 설정에 따라 모델의 노이즈 감소 전략을 조정합니다. - [RenormCFG - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/RenormCFG.md): RenormCFG 노드는 조건부 스케일링과 정규화를 적용하여 확산 모델의 classifier-free guidance(CFG) 과정을 수정합니다. - [CFG 리스케일 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/RescaleCFG.md): RescaleCFG 노드는 모델 출력의 조건부 및 비조건부 스케일을 지정된 승수에 따라 조정하여 보다 균형 잡히고 통제된 생성 과정을 달성하도록 설계되었습니다. - [ROPE 스케일 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ScaleROPE.md): ScaleROPE 노드는 모델의 X, Y, T(시간) 구성 요소에 별도의 스케일링 및 시프팅 계수를 적용하여 모델의 회전 위치 임베딩(ROPE)을 수정할 수 있게 해줍니다. - [Fun ControlNet 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ZImageFunControlnet.md): ZImageFunControlnet은 기본 모델에 제어 네트워크 패치를 적용하여 이미지 생성 또는 편집 과정을 안내할 수 있게 합니다. - [MiniMax H3 컨텍스트 윈도우 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3ContextWindows.md): 샘플링을 겹치는 컨텍스트 윈도우로 분할하여 MiniMax H3 비디오가 모델의 단일 패스 윈도우보다 길어질 수 있도록 합니다. #### Anima - [Anima LLLite 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/AnimaLLLiteApply.md): AnimaLLLiteApply는 디퓨전 모델에 경량 애니메이션 패치를 적용하여 조정 가능한 강도와 타이밍으로 제어 가능한 이미지-투-이미지 생성을 가능하게 합니다. #### Chroma Radiance - [ChromaRadianceOptions - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ChromaRadianceOptions.md): ChromaRadianceOptions 노드를 사용하면 Chroma Radiance 모델의 고급 설정을 구성할 수 있습니다. #### FLUX - [모델 샘플링 (FLUX) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingFlux.md): The ModelSamplingFlux 노드는 이미지 크기에 기반한 시프트 매개변수를 계산하여 주어진 모델에 Flux 모델 샘플링을 적용합니다. - [USO 스타일 참조 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/USOStyleReference.md): USOStyleReference 노드는 CLIP 비전 특징과 모델 패치를 결합하여 모델에 스타일 참조를 적용하고, 입력 모델의 패치된 복사본을 반환합니다. #### Hidream - [HiDream-O1 Patch Seam Smoothing - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HiDreamO1PatchSeamSmoothing.md): 이 노드는 샘플링 과정의 후반부에서 여러 이동된 패치 그리드 위치에 걸쳐 모델의 출력을 평균화하여 HiDream-O1 모델로 생성된 이미지의 눈에 띄는 이음새를 줄입니다. #### Ltxv - [LTXV 컨텍스트 윈도우 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVContextWindows.md): 이 노드는 샘플링 중 LTXV 유사 모델의 컨텍스트 윈도우를 설정합니다. - [모델 샘플링 (LTXV) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingLTXV.md): ModelSamplingLTXV 노드는 토큰 수를 기준으로 모델에 고급 샘플링 매개변수를 적용합니다. baseshift와 maxshift 사이를 토큰 범위에 걸쳐 선형 보간하여 시프트 값을 계산한 다음, 특수 샘플링 구성으로 입력 모델을 패치합니다. #### Minimax - [MiniMax H3 Fun ControlNet 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3FunControlNetApply.md): 이 노드는 MiniMax H3 Fun ControlNet을 모델 패치로 텍스트-투-비디오 모델에 적용합니다. - [MiniMax H3 Sigma Shift - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MiniMaxH3SigmaShift.md): MiniMax H3 모델에 대한 비디오 및 오디오 흐름 시프트 값을 설정합니다. #### Qwen - [QwenImageDiffsynthControlnet - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/QwenImageDiffsynthControlnet.md): QwenImageDiffsynthControlnet은 기본 모델에 디퓨전 합성 컨트롤 네트워크 패치를 적용합니다. #### Sensenova - [SenseNova 샘플링 옵션 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SenseNovaSamplingOptions.md): SenseNova Sampling Options는 모델에 SenseNova flow shift를 설정합니다. #### Stable Cascade - [모델 샘플링 (StableCascade) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingStableCascade.md): ModelSamplingStableCascade 노드는 샘플링 매개변수에 shift 값을 적용하여 모델에 Stable Cascade 샘플링 설정을 적용합니다. #### Stable Diffusion - [모델 샘플링 (SD3) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ModelSamplingSD3.md): 이 노드는 모델에 Stable Diffusion 3 스타일 샘플링 설정을 적용합니다. #### Supir - [SUPIRApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SUPIRApply.md): SUPIRApply 노드는 확산 모델에 SUPIR 모델 패치를 적용합니다. #### Unet - [엡실론 스케일링 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Epsilon Scaling.md): 본 노드는 연구 논문 "Elucidating the Exposure Bias in Diffusion Models" (arxiv.org/abs/2308.15321v6)의 엡실론 스케일링(Epsilon Scaling) 방법을 구현합니다. - [FreeU - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FreeU.md): FreeU 노드는 모델의 출력 블록에 주파수 영역 수정을 적용하여 이미지 생성 품질을 향상합니다. - [FreeU V2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FreeU_V2.md): FreeUV2는 확산 모델의 U-Net 아키텍처에 주파수 기반 수정을 적용하여 이미지 생성 품질을 향상합니다. - [하이퍼 타일 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/HyperTile.md): HyperTile은 디퓨전 모델 내부의 어텐션 메커니즘에 타일링 기법을 적용하여 이미지 생성 중 메모리 사용량을 줄입니다. - [다운스케일 추가 모델 패치 (Kohya Deep Shrink) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/PatchModelAddDownscale.md): PatchModelAddDownscale (Kohya Deep Shrink)는 선택한 블록에서 중간 특징을 축소한 다음 원래 크기로 다시 확대하는 방식으로 모델에 Kohya Deep Shrink 기법을 적용합니다. - [교란 어텐션 유도 (PAG) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/PerturbedAttentionGuidance.md): PerturbedAttentionGuidance 노드는 생성 품질을 향상시키기 위해 확산 모델에 교란 어텐션 가이던스를 적용합니다. - [TSR - 시간적 점수 재조정 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TemporalScoreRescaling.md): 이 노드는 확산 모델에 Temporal Score Rescaling(TSR)을 적용합니다. - [토큰 병합(ToMe) 모델 패치 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TomePatchModel.md): TomePatchModel은 추론 중 계산 비용을 줄이기 위해 확산 모델에 Token Merging(ToMe)을 적용합니다. #### Wan - [WAN 컨텍스트 창 (수동) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanContextWindowsManual.md): WAN Context Windows (Manual) 노드를 사용하면 Wan 스타일 비디오 모델용 컨텍스트 창을 수동으로 구성할 수 있습니다. - [Wan Uni3C ControlNet 적용 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/WanUni3CControlnetApply.md): 이 노드는 렌더링된 가이던스 비디오(예: 왜곡된 포인트 클라우드 렌더)를 사용하여 Wan 비디오 확산 모델에 Uni3C ControlNet을 적용하며, 모델의 출력에 영향을 줍니다. ### Sampling - [KSampler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/KSampler.md): KSampler는 다음과 같이 작동합니다: 특정 모델과 긍정 및 부정 조건을 기반으로 제공된 원본 잠재 이미지 정보를 수정합니다. - [고급 KSampler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/KSamplerAdvanced.md): KSamplerAdvanced 노드는 고급 구성과 기술을 제공하여 샘플링 프로세스를 개선하도록 설계되었습니다. #### Custom - [적응형 투사 가이던스 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/APG.md): APG(Adaptive Projected Guidance) 노드는 확산 과정에서 가이던스가 적용되는 방식을 조정하여 샘플링 프로세스를 수정합니다. - [사용자 정의 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerCustom.md): SamplerCustom 노드는 다양한 애플리케이션을 위한 유연하고 사용자 정의 가능한 샘플링 메커니즘을 제공하도록 설계되었습니다. - [고급 사용자 정의 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerCustomAdvanced.md): SamplerCustomAdvanced 노드는 사용자 지정 노이즈, 가이던스 및 샘플링 구성을 사용하여 고급 잠재 공간 샘플링을 수행합니다. #### Guiders - [기본 가이드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/BasicGuider.md): BasicGuider 노드는 샘플링 과정을 위한 간단한 안내 메커니즘을 생성합니다. - [CFG 가이드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CFGGuider.md): CFG Guider 노드는 이미지 생성에서 샘플링 과정을 제어하기 위한 가이던스 시스템을 생성합니다. - [CFG 오버라이드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/CFGOverride.md): CFG Override 노드는 샘플링 과정의 백분율(sigma) 범위에 걸쳐 CFG(Classifier-Free Guidance) 스케일을 고정 값으로 재정의합니다. - [이중 CFG 가이드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/DualCFGGuider.md): Dual CFG Guider 노드는 두 개의 컨디셔닝 입력과 하나의 네거티브 컨디셔닝 입력을 함께 사용하는 샘플링용 가이던스 시스템을 생성합니다. - [Dual Model CFG Guider - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/DualModelGuider.md): 이 노드는 안내된 CFG 샘플링 과정에서 두 개의 서로 다른 모델을 사용할 수 있게 해줍니다. - [LTXV Dual CFG Guider - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVDualCFGGuider.md): 이 노드는 LTXV-AV 모델용 가이드 샘플링 객체(CFG 가이더)를 생성합니다. - [비디오 선형 CFG 가이드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VideoLinearCFGGuidance.md): VideoLinearCFGGuidance 노드는 비디오 모델에 선형 조건부 안내 스케일을 적용하여, 지정된 범위 내에서 조건부 및 비조건부 구성 요소의 영향을 조정합니다. - [비디오 삼각형 CFG 가이드 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VideoTriangleCFGGuidance.md): VideoTriangleCFGGuidance 노드는 비디오 모델에 삼각형 분류기 없는 가이던스(CFG) 스케일링 패턴을 적용합니다. #### Noise - [노이즈 추가 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/AddNoise.md): 이 노드는 지정된 노이즈 생성기와 시그마 값을 사용하여 잠재 이미지에 제어된 노이즈를 추가합니다. - [노이즈 비활성화 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/DisableNoise.md): 이 노드는 샘플링 중 노이즈 생성을 비활성화하는 빈 노이즈 구성을 제공합니다. - [무작위 노이즈 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/RandomNoise.md): RandomNoise 노드는 샘플링 과정에서 사용할 시드 값을 기반으로 노이즈 생성기를 생성합니다. #### Samplers - [KSampler (선택) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/KSamplerSelect.md): KSamplerSelect 노드는 제공된 샘플러 이름을 기반으로 특정 샘플러를 선택하도록 설계되었습니다. - [Sampler AR Video - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerARVideo.md): Sampler AR Video 노드는 Causal Forcing 또는 Self-Forcing 기법을 사용하는 자동회귀 비디오 모델을 위한 특화된 샘플링 방법을 제공합니다. - [DPMAdaptive 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerDPMAdaptative.md): SamplerDPMAdaptative 노드는 샘플링 과정에서 스텝 크기를 자동으로 조정하는 적응형 DPM(Diffusion Probabilistic Model) 샘플러를 구현합니다. - [DPMPP_2M_SDE 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerDPMPP_2M_SDE.md): SamplerDPMPP2MSDE 노드는 확산 모델용 DPM++ 2M SDE 샘플러를 생성합니다. - [DPMPP_2S_Ancestral 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerDPMPP_2S_Ancestral.md): SamplerDPMPP2SAncestral 노드는 이미지 생성에 DPM++ 2S Ancestral 샘플링 방법을 사용하는 샘플러를 생성합니다. - [DPMPP_3M_SDE 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerDPMPP_3M_SDE.md): SamplerDPMPP3MSDE 노드는 샘플링 과정에서 사용할 DPM++ 3M SDE 샘플러를 생성합니다. - [DPMPP_SDE 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerDPMPP_SDE.md): SamplerDPMPPSDE는 샘플링 과정에서 사용할 DPM++ SDE(확률적 미분 방정식) 샘플러를 생성합니다. - [SamplerER_SDE - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerER_SDE.md): SamplerERSDE 노드는 확산 모델을 위한 특수 샘플링 방법을 제공하며, ER-SDE, Reverse-time SDE, ODE 등 다양한 솔버 유형을 지원합니다. - [Eluer Ancestral 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerEulerAncestral.md): SamplerEulerAncestral 노드는 이미지 생성 중에 사용할 수 있는 Euler Ancestral 샘플러를 생성합니다. - [Eluer Acnestral CFG++ 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerEulerAncestralCFGPP.md): SamplerEulerAncestralCFG++ 노드는 이미지 생성을 위해 classifier-free guidance(CFG++)와 함께 Euler Ancestral 방식을 사용하는 샘플러를 생성합니다. - [SamplerLCM - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerLCM.md): 이 노드는 단계별 노이즈를 조정할 수 있는 LCM(Latent Consistency Model) 샘플러를 제공합니다. - [LCM 확대 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerLCMUpscale.md): 이 노드는 Latent Consistency Model(LCM) 샘플링과 점진적 이미지 업스케일링을 결합한 특수 샘플링 방법을 제공합니다. - [LMS 샘플러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerLMS.md): SamplerLMS 노드는 확산 모델에서 사용할 최소 평균 제곱(LMS) 샘플러를 생성합니다. - [SamplerSASolver - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerSASolver.md): SamplerSASolver 노드는 diffusion 모델용 사용자 정의 샘플러를 생성하고 구성합니다. - [SamplerSEEDS2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplerSEEDS2.md): 이 노드는 이미지 생성을 위한 구성 가능한 샘플러를 제공합니다. 이는 확률적 미분 방정식(SDE) 솔버를 기반으로 하며, 설정에 따라 seeds2, expheun2x0, expheun2x0sde를 포함한 여러 특정 샘플러처럼 동작할 수 있습니다. - [VOIDSampler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VOIDSampler.md): VOIDSampler는 VOID 인페인팅 모델을 위해 설계된 특수 DDIM 샘플러입니다. #### Schedulers - [AlignYourSteps 스케쥴러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/AlignYourStepsScheduler.md): AlignYourStepsScheduler 노드는 다양한 모델 유형에 따라 디노이징 과정에 사용할 시그마 값(노이즈 레벨)을 생성합니다. - [기본 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/BasicScheduler.md): BasicScheduler 노드는 제공된 스케줄러, 모델 및 디노이징 매개변수를 기반으로 diffusion 모델용 시그마 값 시퀀스를 계산하도록 설계되었습니다. - [베타 샘플링 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/BetaSamplingScheduler.md): BetaSamplingScheduler 노드는 베타 스케줄링 알고리즘을 사용하여 샘플링 프로세스를 위한 일련의 노이즈 레벨(sigmas)을 생성합니다. - [지수 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ExponentialScheduler.md): ExponentialScheduler 노드는 확산 샘플링 과정에서 지수 스케줄을 따라 시그마 값 시퀀스를 생성하도록 설계되었습니다. - [Flux2Scheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Flux2Scheduler.md): Flux2Scheduler는 디노이징 과정을 위한 노이즈 레벨(시그마) 시퀀스를 생성하며, Flux 모델에 특화되어 있습니다. - [GITS 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/GITSScheduler.md): GITSScheduler 노드는 GITS(Generative Iterative Time Steps) 샘플링 방식에 사용할 노이즈 스케줄 sigma를 생성합니다. - [Ideogram 4 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/Ideogram4Scheduler.md): Ideogram 4 Scheduler 노드는 Ideogram 4 참조 일정을 기반으로 확산 샘플링 과정을 위한 시그마 값(노이즈 수준) 시퀀스를 생성합니다. - [Karras 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/KarrasScheduler.md): KarrasScheduler 노드는 Karras 등(2022)의 노이즈 스케줄을 기반으로 일련의 노이즈 레벨(시그마)을 생성하도록 설계되었습니다. - [라플라스 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LaplaceScheduler.md): LaplaceScheduler 노드는 확산 샘플링에 사용하기 위해 라플라스 분포를 따르는 시그마 값 시퀀스를 생성합니다. - [LTXV 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LTXVScheduler.md): LTXVScheduler 노드는 사용자 정의 샘플링 프로세스를 위한 시그마 값을 생성합니다. - [OptimalStepsScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/OptimalStepsScheduler.md): OptimalStepsScheduler 노드는 디퓨전 샘플링 중 사용할 노이즈 스케줄(시그마 값의 시퀀스)을 생성합니다. - [다항 지수 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/PolyexponentialScheduler.md): PolyexponentialScheduler 노드는 다지수(polyexponential) 노이즈 스케줄을 기반으로 노이즈 수준(sigmas) 시퀀스를 생성하도록 설계되었습니다. - [SD-Turbo 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SDTurboScheduler.md): SDTurboScheduler는 이미지 샘플링을 위한 시그마 값 시퀀스를 생성하도록 설계되었으며, 지정된 노이즈 제거 수준과 단계 수에 따라 시퀀스를 조정합니다. - [VP 스케줄러 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/VPScheduler.md): VPScheduler 노드는 Variance Preserving(VP) 스케줄링 방식을 기반으로 노이즈 수준(시그마) 시퀀스를 생성하도록 설계되었습니다. #### Sigmas - [시그마 배열 중간 구간 확장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ExtendIntermediateSigmas.md): ExtendIntermediateSigmas 노드는 기존 시그마 값 시퀀스를 가져와 그 사이에 추가 중간 시그마 값을 삽입합니다. - [시그마 배열 뒤집기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/FlipSigmas.md): FlipSigmas 노드는 확산 모델에 사용되는 시그마 값 시퀀스의 순서를 반전시키고, 첫 번째 값이 원래 0이었다면 0이 아닌 값으로 보장하여 조작하도록 설계되었습니다. - [ManualSigmas - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ManualSigmas.md): ManualSigmas 노드를 사용하면 샘플링 과정에 사용할 노이즈 레벨(시그마)의 사용자 지정 시퀀스를 수동으로 정의할 수 있습니다. - [SamplingPercentToSigma - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SamplingPercentToSigma.md): 선택한 모델의 샘플링 설정을 사용하여 샘플링 백분율을 이에 대응하는 sigma 값으로 변환합니다. 0.0과 1.0 사이의 백분율을 모델의 노이즈 스케줄에 매핑하며, 선택적으로 두 끝점에서 모델의 실제 최대 또는 최소 sigma를 반환할 수 있습니다. - [SetFirstSigma - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SetFirstSigma.md): SetFirstSigma 노드는 시그마 시퀀스의 첫 번째 값만 사용자 지정 시그마 값으로 교체하여 시그마 시퀀스를 변경합니다. - [시그마 배열 분할 (스텝) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SplitSigmas.md): SplitSigmas 노드는 시그마 값 시퀀스를 지정된 단계에 따라 두 부분으로 분할하도록 설계되었습니다. - [시그마 배열 분할 (노이즈 제거양) - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SplitSigmasDenoise.md): SplitSigmasDenoise 노드는 디노이징 강도 매개변수를 기반으로 시그마 값 시퀀스를 두 부분으로 나눕니다. ### Training - [학습 데이터셋 불러오기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LoadTrainingDataset.md): 이 노드는 이전에 디스크에 저장된 인코딩된 학습 데이터셋(latents 및 conditioning)을 불러옵니다. - [손실 그래프 그리기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/LossGraphNode.md): LossGraphNode는 학습 단계에 따른 학습 손실 값의 꺾은선 그래프를 생성하고 이를 미리보기 이미지로 표시합니다. - [학습 데이터셋 만들기 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/MakeTrainingDataset.md): 이 노드는 이미지와 텍스트를 인코딩하여 학습용 데이터를 준비합니다. 이미지 목록과 이에 대응하는 텍스트 캡션 목록을 입력받은 다음, VAE 모델을 사용해 이미지를 latent 표현으로 변환하고 CLIP 모델을 사용해 텍스트를 컨디셔닝 데이터로 변환합니다. - [해상도 버킷 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/ResolutionBucket.md): 이 노드는 잠재 이미지 목록과 그에 해당하는 컨디셔닝 데이터를 해상도별로 정리합니다. - [학습 데이터셋 저장 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/SaveTrainingDataset.md): 이 노드는 인코딩된 학습 데이터셋을 디스크에 저장하여 학습 중 효율적으로 불러올 수 있게 합니다. - [LoRA 학습 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/ko/built-in-nodes/TrainLoraNode.md): TrainLoRA 노드는 제공된 잠재 표현(latents)과 컨디셔닝 데이터를 사용하여 확산 모델에 대한 LoRA(저차원 적응) 모델을 생성하고 학습합니다.