# ComfyUI: Chinese 内置节点 节点 Model

## Model

### Conditioning

- [AudioEncoderEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/AudioEncoderEncode.md): AudioEncoderEncode 节点使用音频编码器模型将音频数据转换为编码表示。
- [CLIPSetLastLayer - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipSetLastLayer.md): CLIP Set Last Layer 是 ComfyUI 中用于控制 CLIP 模型处理深度的核心节点。
- [CLIPTextEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipTextEncode.md): CLIP Text Encode (CLIPTextEncode) 相当于一个翻译器，将你的文本描述转换为 AI 可以理解的格式。
- [CLIPTextEncodeControlnet - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPTextEncodeControlnet.md): CLIPTextEncodeControlnet 节点使用 CLIP 模型处理文本提示，并将生成的文本编码与现有的条件数据（conditioning）相结合。
- [CLIPVisionEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipVisionEncode.md): CLIP Vision Encode 节点是 ComfyUI 中的图像编码节点，用于通过 CLIP Vision 模型将输入图像转换为视觉特征向量。
- [InpaintModelConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/InpaintModelConditioning.md): InpaintModelConditioning 节点旨在简化修复模型的条件处理流程，支持集成和操作多种条件输入以定制修复输出。
- [NormalizeVideoLatentStart - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/NormalizeVideoLatentStart.md): 此节点调整视频潜空间表示（latent）的前几帧，使其看起来更像后续的帧。
- [PiDConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/PiDConditioning.md): 将潜在图像和退化 sigma 值附加到 CONDITIONING 数据上。
- [ReferenceLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ReferenceLatent.md): 此节点为编辑模型设置引导潜在变量。
- [ReferenceTimbreAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ReferenceTimbreAudio.md): 此节点用于在“ace step 1.5”流程中设置参考音频音色。
- [SeedVR2Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SeedVR2Conditioning.md): 此节点从 VAE 潜变量构建正负条件，用于 SeedVR2 模型。
- [StyleModelApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/StyleModelApply.md): 此节点将样式模型应用于给定的 conditioning，基于 CLIP 视觉模型的输出增强或改变其样式。
- [T5TokenizerOptions - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/T5TokenizerOptions.md): T5TokenizerOptions 节点可为各种 T5 模型类型配置分词器设置。
- [unCLIPConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/unCLIPConditioning.md): 此节点旨在将 CLIP 视觉输出整合到条件处理过程中，根据指定的强度和噪声增强参数调整这些输出的影响。

#### Ace

- [TextEncodeAceStepAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeAceStepAudio.md): TextEncodeAceStepAudio 节点通过将标签（tags）和歌词（lyrics）组合为 token 来处理用于音频条件化的文本输入，并使用可调节的歌词强度进行编码。
- [TextEncodeAceStepAudio1.5 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeAceStepAudio1.5.md): TextEncodeAceStepAudio1.5 节点用于准备与 AceStepAudio 1.5 模型配合使用的文本及音频相关元数据。

#### Autoregressive

- [ARVideoI2V - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ARVideoI2V.md): Documentation for ARVideoI2V node.

#### Bernini

- [BerniniConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/BerniniConditioning.md): BerniniConditioning 节点为 Wan2.2-A14B 模型准备视频和图像条件数据。

#### Boogu

- [TextEncodeBooguEdit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeBooguEdit.md): 此节点为使用 Boogu 进行图像编辑准备 conditioning。

#### Controlnet

- [ControlNetApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ControlNetApply.md): 使用 controlNet 需要对输入图像进行预处理。
- [ControlNetApplyAdvanced - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ControlNetApplyAdvanced.md): 此节点根据图像和控制网模型，对 conditioning 数据应用高级控制网变换。
- [ControlNetApplySD3 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ControlNetApplySD3.md): 此节点将 ControlNet 引导应用于 Stable Diffusion 3 条件输入。
- [ControlNetInpaintingAliMamaApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ControlNetInpaintingAliMamaApply.md): ControlNetInpaintingAliMamaApply 节点通过将正向和负向 conditioning 与控制图像和遮罩相结合，为修复（inpainting）任务应用 ControlNet conditioning。
- [SetUnionControlNetType - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SetUnionControlNetType.md): SetUnionControlNetType 节点用于选择控制网络所使用的控制类型。

#### Cosmos

- [CosmosImageToVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CosmosImageToVideoLatent.md): The CosmosImageToVideoLatent node creates a video latent representation from input images.
- [CosmosPredict2ImageToVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CosmosPredict2ImageToVideoLatent.md): CosmosPredict2ImageToVideoLatent 根据图像创建用于视频生成的视频潜在表示。

#### Flux

- [CLIPTextEncodeFlux - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipTextEncodeFlux.md): CLIPTextEncodeFlux 是一个专为 Flux 架构设计的高级文本编码节点。
- [FluxDisableGuidance - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FluxDisableGuidance.md): 此节点完全禁用 Flux 及类似模型上的引导嵌入。
- [FluxGuidance - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FluxGuidance.md): Documentation for FluxGuidance node.
- [FluxKontextImageScale - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FluxKontextImageScale.md): 此节点根据输入图像的宽高比，使用 Lanczos 算法将输入图像缩放至 Flux Kontext 模型训练时使用的最佳尺寸。
- [FluxKontextMultiReferenceLatentMethod - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FluxKontextMultiReferenceLatentMethod.md): FluxKontextMultiReferenceLatentMethod 节点通过设置特定的参考潜变量（reference latents）方法来修改 conditioning 数据。

#### Gligen

- [GLIGENTextBoxApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/GLIGENTextBoxApply.md): GLIGENTextBoxApply 节点旨在将基于文本的条件信息集成到生成模型的输入中，具体通过应用文本框参数并使用 CLIP 模型对其进行编码。

#### Hidream

- [CLIPTextEncodeHiDream - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPTextEncodeHiDream.md): CLIPTextEncodeHiDream 节点使用不同的语言模型（CLIP-L、CLIP-G、T5-XXL 和 LLaMA）处理四个独立的文本输入，并将它们组合成单个 conditioning 输出。
- [HiDreamO1ReferenceImages - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HiDreamO1ReferenceImages.md): This node attaches reference images to both positive and negative conditioning, so downstream nodes can use them to guide generation.

#### Hunyuan 3d

- [Hunyuan3Dv2Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Hunyuan3Dv2Conditioning.md): Hunyuan3Dv2Conditioning 节点处理 CLIP 视觉输出，为 3D 模型生成条件数据。
- [Hunyuan3Dv2ConditioningMultiView - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Hunyuan3Dv2ConditioningMultiView.md): Hunyuan3Dv2ConditioningMultiView 节点将来自最多四个视角（前、左、后、右）的 CLIP 视觉输出合并为单一的多视角条件输入。

#### Hunyuan Image

- [CLIPTextEncodeHunyuanDiT - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipTextEncodeHunyuanDit.md): CLIPTextEncodeHunyuanDiT 节点将文本描述转换为 HunyuanDiT 模型能够理解的格式。

#### Hunyuan Video

- [HunyuanImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HunyuanImageToVideo.md): HunyuanImageToVideo 节点使用 Hunyuan 视频模型将图像转换为视频潜空间表示。
- [HunyuanRefinerLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HunyuanRefinerLatent.md): HunyuanRefinerLatent 节点为 Hunyuan 视频精炼过程准备 conditioning 和 latent 数据。
- [HunyuanVideo15ImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HunyuanVideo15ImageToVideo.md): HunyuanVideo15ImageToVideo 节点基于 HunyuanVideo 1.5 模型，为视频生成准备条件（conditioning）和潜空间数据。
- [HunyuanVideo15SuperResolution - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HunyuanVideo15SuperResolution.md): HunyuanVideo15SuperResolution 节点为视频超分辨率过程准备条件数据。
- [TextEncodeHunyuanVideo_ImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeHunyuanVideo_ImageToVideo.md): TextEncodeHunyuanVideoImageToVideo 节点通过将文本提示与参考图像的视觉信息相结合，为图像转视频生成创建条件数据。

#### Instructpix2pix

- [InstructPixToPixConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/InstructPixToPixConditioning.md): InstructPixToPixConditioning 节点通过将正向和负向文本提示与图像数据相结合，为 InstructPix2Pix 图像编辑准备 conditioning 数据。

#### Joyimage

- [TextEncodeJoyImageEdit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeJoyImageEdit.md): 此节点将文本提示和可选图像编码为条件数据，用于 JoyImage 模型。

#### Kandinsky

- [CLIPTextEncodeKandinsky5 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPTextEncodeKandinsky5.md): CLIP Text Encode (Kandinsky 5) 节点准备用于 Kandinsky 5 模型的文本提示。
- [Kandinsky5ImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Kandinsky5ImageToVideo.md): Kandinsky5ImageToVideo 节点使用 Kandinsky 模型为视频生成准备 conditioning 和潜空间数据。

#### Lotus

- [LotusConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LotusConditioning.md): LotusConditioning 节点为 Lotus 模型提供预计算的条件嵌入。

#### Ltxv

- [GetICLoRAParameters - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/GetICLoRAParameters.md): 此节点从加载了 LoRA 的模型中读取元数据，以提取 IC-LoRA 参数，例如参考下采样因子（referencedownscalefactor）。
- [LTXVAddGuide - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVAddGuide.md): LTXVAddGuide 节点通过编码输入图像或视频，并将其作为关键帧合并到条件数据中，为潜在序列添加视频条件引导。
- [LTXVConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVConditioning.md): LTXVConditioning 节点为视频生成模型的正向和负向 conditioning 输入添加帧率信息。
- [LTXVCropGuides - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVCropGuides.md): LTXVCropGuides 节点通过移除关键帧信息并调整潜在维度，来处理用于视频生成的条件输入和潜在输入。
- [LTXVDurationPredictor - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVDurationPredictor.md): 此节点使用 LTX 2.4 时长预测头，根据提示词预测自然镜头时长。
- [LTXVImgToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVImgToVideo.md): LTXVImgToVideo 将输入图像转换为用于视频生成模型的视频潜在表示。
- [LTXVImgToVideoInplace - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVImgToVideoInplace.md): LTXVImgToVideoInplace 将输入图像编码到潜在空间，并将这些编码帧放置在现有潜在视频的开头。
- [LTXVReferenceAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVReferenceAudio.md): LTXV 参考音频功能可将参考音频片段中的说话人身份特征迁移到生成的音频中。

#### Lumina

- [CLIPTextEncodeLumina2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPTextEncodeLumina2.md): 此节点使用 CLIP 模型将系统提示和用户提示编码为嵌入，该嵌入可用于引导扩散模型生成特定图像。

#### Mage

- [TextEncodeMageFlowEdit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeMageFlowEdit.md): Documentation for TextEncodeMageFlowEdit node.

#### Minimax

- [MiniMaxH3AddGuide - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/MiniMaxH3AddGuide.md): 此节点可将图像、短视频片段、音频或带音轨的视频片段锚定到 MiniMax H3 视频的任意选定帧。
- [MiniMaxH3ImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/MiniMaxH3ImageToVideo.md): 此节点用于准备使用 MiniMax H3 模型生成视频所需的条件输入（conditioning）和空潜在变量（latent）。
- [MiniMaxH3ReferenceToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/MiniMaxH3ReferenceToVideo.md): MiniMax H3 Reference to Video 节点创建迷你 Max H3 参考转视频生成所需的文本条件和空音频-视频潜空间。

#### Minimax Music

- [MiniMaxMusic3TextEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/MiniMaxMusic3TextEncode.md): MiniMax Music3 Text Encode 使用 MiniMax Music3 CLIP 模型，将文本描述和歌词转换为用于音乐生成的声学条件序列。

#### Photomaker

- [PhotoMakerEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/PhotoMakerEncode.md): PhotoMakerEncode 节点将参考图像与文本提示词相结合，为图像生成创建条件数据。

#### Pixart

- [CLIPTextEncodePixArtAlpha - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPTextEncodePixArtAlpha.md): 对文本进行编码，并为 PixArt Alpha 设置分辨率条件。

#### Qwen Image

- [TextEncodeQwenImageEdit - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeQwenImageEdit.md): TextEncodeQwenImageEdit 节点将文本提示和可选图像转换为用于图像生成或编辑的条件数据。
- [TextEncodeQwenImageEditPlus - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeQwenImageEditPlus.md): TextEncodeQwenImageEditPlus 节点处理文本提示和可选图像，为图像生成或编辑任务生成 conditioning 数据。

#### Stable Audio

- [ConditioningStableAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningStableAudio.md): ConditioningStableAudio 节点用于在音频生成时向正负条件输入中添加时序信息。

#### Stable Cascade

- [StableCascade_StageB_Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/StableCascade_StageB_Conditioning.md): StableCascadeStageBConditioning 节点通过将现有 conditioning 信息与 Stage C 生成的先前潜空间表示相结合，为 Stable Cascade Stage B 生成准备 conditioning 数据。

#### Stable Diffusion

- [CLIPTextEncodeSD3 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPTextEncodeSD3.md): CLIPTextEncodeSD3 通过使用不同的 CLIP 模型对多个文本提示进行编码，为 Stable Diffusion 3 模型处理文本输入。
- [CLIPTextEncodeSDXL - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipTextEncodeSdxl.md): 此节点专门用于通过针对 SDXL 架构定制的 CLIP 模型对文本输入进行编码。
- [CLIPTextEncodeSDXLRefiner - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipTextEncodeSdxlRefiner.md): 此节点专为 SDXL Refiner 模型设计，通过引入美学评分和尺寸信息，将文本提示转换为条件信息，以增强生成任务的条件，从而提升最终的细化效果。

#### Stable Diffusion Upscaler

- [SD_4XUpscale_Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SD_4XUpscale_Conditioning.md): SD4XUpscaleConditioning 节点用于准备扩散模型图像放大所需的 conditioning 数据。

#### Stable Video 3d

- [SV3D_Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SV3D_Conditioning.md): SV3DConditioning 使用 SV3D 模型为 3D 视频生成准备 conditioning 数据。

#### Stable Zero123

- [StableZero123_Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/StableZero123_Conditioning.md): StableZero123Conditioning 节点处理输入图像和相机角度，为 3D 模型生成生成条件数据和潜在表示。
- [StableZero123_Conditioning_Batched - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/StableZero123_Conditioning_Batched.md): StableZero123ConditioningBatched 节点用于准备从单张输入图像生成 3D 模型的 conditioning 数据。

#### Transform

- [ConditioningConcat - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningConcat.md): ConditioningConcat 节点用于拼接条件向量，具体操作是将 'conditioningfrom' 向量合并到 'conditioningto' 向量中。
- [ConditioningMultiply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningMultiply.md): 此节点将 conditioning 值乘以指定系数，使您能够缩放 conditioning 对生成过程的影响。
- [ConditioningSetArea - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningSetArea.md): 此节点旨在通过设置条件上下文中的特定区域来修改条件信息。
- [ConditioningSetAreaPercentage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningSetAreaPercentage.md): ConditioningSetAreaPercentage 节点专门用于基于百分比值调整条件元素的区域影响范围。
- [ConditioningSetAreaPercentageVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningSetAreaPercentageVideo.md): ConditioningSetAreaPercentageVideo 节点通过定义视频生成的特定区域和时间范围来修改 conditioning 数据。
- [ConditioningSetAreaStrength - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningSetAreaStrength.md): 此节点用于修改给定条件集的强度属性，从而调整条件对生成过程的影响程度或强度。
- [ConditioningSetMask - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningSetMask.md): 此节点旨在通过将指定强度的遮罩应用于特定区域来修改生成模型的条件控制。
- [ConditioningSetTimestepRange - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningSetTimestepRange.md): 此节点旨在通过设置特定的时间步长范围来调整条件作用的时间维度。
- [ConditioningZeroOut - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ConditioningZeroOut.md): 此节点将 conditioning 数据结构中的特定元素归零，从而有效消除它们在后续处理步骤中的影响。

#### Trellis2

- [Pixal3DConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Pixal3DConditioning.md): 此节点为 Trellis2 3D 生成流程准备图像条件。
- [Trellis2Conditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Trellis2Conditioning.md): Trellis2Conditioning 将输入图像转换为 TRELLIS.2 模型的条件数据。
- [Trellis2ShapeStage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Trellis2ShapeStage.md): 此节点用于设置 Trellis2 流水线的第一次形状生成采样阶段。
- [Trellis2TextureStage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Trellis2TextureStage.md): 此节点为 Trellis2 生成设置纹理阶段的采样过程。
- [Trellis2UpsampleStage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Trellis2UpsampleStage.md): 此节点采用第一阶段形状采样生成的 512 分辨率形状潜变量，将其放大到更高的目标分辨率，并为第二阶段形状采样准备所需的条件和潜变量。

#### Triposplat

- [TripoSplatConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TripoSplatConditioning.md): 此节点使用 DINOv3 图像编码器和 Flux2 VAE 对输入图像进行编码，为 TripoSplat 模型生成正向和负向条件数据。
- [TripoSplatPreprocessImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TripoSplatPreprocessImage.md): 此节点将每个输入图像裁剪为黑色背景上的居中正方形，并添加填充以达到指定的输出大小。

#### Void

- [VOIDInpaintConditioning - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VOIDInpaintConditioning.md): VOIDInpaintConditioning 节点用于准备使用 CogVideoX 模型进行修复（inpainting）所需的 conditioning 数据。

#### Wan

- [Wan22ImageToVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Wan22ImageToVideoLatent.md): Wan22ImageToVideoLatent 根据图像创建视频潜空间表示。
- [WanFirstLastFrameToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanFirstLastFrameToVideo.md): WanFirstLastFrameToVideo 节点通过将起始帧和结束帧与文本提示组合，为视频生成准备条件。
- [WanImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanImageToVideo.md): WanImageToVideo 节点为视频生成任务准备 conditioning 和 latent 表示。

##### Animate

- [WanAnimate2Cache - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanAnimate2Cache.md): 该节点会预先缓存姿态视频各数据块的激活值，这样就不必在每个采样步骤中重新计算，生成时间大约可以减半。
- [WanAnimate2ToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanAnimate2ToVideo.md): WanAnimate2ToVideo 通过将参考图像中的人物的面部表情、身体动作和手势从单独的姿态视频中转移，从而对参考图像中的人物进行动画化。
- [WanAnimateToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanAnimateToVideo.md): WanAnimateToVideo 节点用于准备 conditioning 数据和初始 latent，以使用 Wan 生成动画视频，输入包括参考图像、姿态、人脸、背景以及可选的前一个块的运动。

##### Camera

- [WanCameraEmbedding - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanCameraEmbedding.md): WanCameraEmbedding 节点使用基于相机运动参数的 Plücker 嵌入生成相机轨迹嵌入。
- [WanCameraImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanCameraImageToVideo.md): WanCameraImageToVideo 节点用于根据图像准备视频生成所需的条件数据和潜空间数据。

##### Dancer

- [WanDancerEncodeAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanDancerEncodeAudio.md): 此节点处理音频输入以提取可用于引导视频生成模型的特征。
- [WanDancerVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanDancerVideo.md): WanDancerVideo 节点为使用 WanDancer 模型的视频生成准备 conditioning 数据和空的 latent 张量。

##### Fun Control

- [Wan22FunControlToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Wan22FunControlToVideo.md): Wan22FunControlToVideo 节点为 Wan 视频模型的视频生成准备条件数据和一个空的潜空间张量。
- [WanFunControlToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanFunControlToVideo.md): 此节点用于支持阿里巴巴万Fun Control视频生成模型，在[此提交](https://github.com/comfyanonymous/ComfyUI/commit/3661c833bcc41b788a7c9f0e7bc48524f8ee5f82)之后添加。

##### Fun Inpaint

- [WanFunInpaintToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanFunInpaintToVideo.md): WanFunInpaintToVideo 节点通过在起始图像和结束图像之间进行修补来创建视频序列。

##### Humo

- [WanHuMoImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanHuMoImageToVideo.md): WanHuImageToVideo 节点通过为视频帧生成潜在表示，将图像转换为视频序列。

##### Infinite Talk

- [WanInfiniteTalkToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanInfiniteTalkToVideo.md): WanInfiniteTalkToVideo 根据音频输入生成视频序列。

##### Move

- [GenerateTracks - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/GenerateTracks.md): GenerateTracks 节点为视频生成创建多条平行的运动路径（轨道）。
- [WanMoveConcatTrack - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanMoveConcatTrack.md): WanMoveConcatTrack 节点将两组运动跟踪数据合并为一个更长的序列。
- [WanMoveTracksFromCoords - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanMoveTracksFromCoords.md): WanMoveTracksFromCoords 节点从 JSON 格式的坐标字符串创建运动轨迹。
- [WanMoveTrackToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanMoveTrackToVideo.md): markdown WanMoveTrackToVideo 节点为视频生成准备 conditioning 和潜在空间数据，并整合可选的运动跟踪信息。
- [WanMoveVisualizeTracks - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanMoveVisualizeTracks.md): WanMoveVisualizeTracks 节点将运动跟踪数据叠加到图像或视频帧序列上。
- [WanTrackToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanTrackToVideo.md): WanTrackToVideo 节点通过处理轨迹点并生成相应的视频帧，将运动跟踪数据转换为视频序列。

##### Phantom Subject

- [WanPhantomSubjectToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanPhantomSubjectToVideo.md): WanPhantomSubjectToVideo 节点会为 Wan 视频生成准备 conditioning 数据和 latent。

##### Scail

- [SCAIL2ColoredMask - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SCAIL2ColoredMask.md): 此节点将 SAM3 跟踪数据渲染为彩色遮罩，供 WanSCAILToVideo 节点使用。
- [WanSCAILToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanSCAILToVideo.md): WanSCAILToVideo 节点为使用 SCAIL 和 SCAIL-2 视频模型进行的视频生成准备条件和空潜空间。

##### Sound

- [WanSoundImageToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanSoundImageToVideo.md): WanSoundImageToVideo 节点可根据图像生成视频内容，并支持可选的音频条件控制。
- [WanSoundImageToVideoExtend - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanSoundImageToVideoExtend.md): WanSoundImageToVideoExtend 节点用于扩展现有的视频潜在变量，生成额外帧，并可选择由音频、参考图像和控制视频引导。

##### Vace

- [WanVaceToVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanVaceToVideo.md): WanVaceToVideo 节点为视频生成模型准备视频条件数据。

#### Z Image

- [TextEncodeZImageOmni - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TextEncodeZImageOmni.md): TextEncodeZImageOmni 节点将文本提示与最多三张可选参考图像一起编码为图像生成模型的条件格式。

### Latent

- [EmptyLatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyLatentAudio.md): Empty Latent Audio 节点会创建一个用于音频处理的空潜空间张量。
- [EmptyLatentImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyLatentImage.md): EmptyLatentImage 节点用于生成具有指定尺寸和批次大小的空白潜空间表示。
- [LatentComposite - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentComposite.md): LatentComposite 节点旨在将两个潜在表示混合或合并为单个输出。
- [LatentCompositeMasked - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentCompositeMasked.md): LatentCompositeMasked 节点用于在指定坐标处将两个潜在表示混合在一起，并可选择使用遮罩进行更可控的合成。
- [LatentUpscale - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentUpscale.md): LatentUpscale 节点用于对图像的潜在表示进行放大。
- [LatentUpscaleBy - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentUpscaleBy.md): LatentUpscaleBy 节点用于对图像的潜在表示进行放大。
- [LoadLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoadLatent.md): LoadLatent 节点从输入目录中的 .latent 文件加载先前保存的潜在表示。
- [SaveLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SaveLatent.md): SaveLatent 将潜在张量以 .latent 文件形式保存到磁盘，以便后续复用或共享。
- [SetLatentNoiseMask - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SetLatentNoiseMask.md): 此节点用于对一组潜在样本应用噪声掩码。
- [TrimVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TrimVideoLatent.md): TrimVideoLatent 节点从视频潜空间表示的开头移除帧。
- [VAEDecode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEDecode.md): VAEDecode 节点专用于使用指定的变分自编码器（VAE）将潜在表示解码为图像。
- [VAEDecodeAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEDecodeAudio.md): VAEDecodeAudio 节点使用变分自编码器（VAE）将潜在表示转换回音频波形。
- [VAEDecodeAudioTiled - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEDecodeAudioTiled.md): 此节点使用变分自编码器（VAE）将压缩的音频表示（潜在样本）转换回音频波形。
- [VAEDecodeTiled - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEDecodeTiled.md): VAEDecodeTiled 节点使用分块方法将潜在表示解码为图像，以高效处理大型图像。
- [VAEEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEEncode.md): 此节点用于使用指定的 VAE 模型将图像编码为潜在空间表示。
- [VAEEncodeAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEEncodeAudio.md): VAEEncodeAudio 节点使用变分自编码器（VAE）将音频数据转换为潜在表示。
- [VAEEncodeForInpaint - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEEncodeForInpaint.md): 此节点专为将图像编码为适用于修复任务的潜在表示而设计，并包含额外的预处理步骤，以调整输入图像和遮罩，确保 VAE 模型能够进行最佳编码。
- [VAEEncodeTiled - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEEncodeTiled.md): VAEEncodeTiled 通过将图像分解为较小的图块并使用变分自编码器对其进行编码来处理图像。

#### Ace

- [EmptyAceStep1.5LatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyAceStep1.5LatentAudio.md): The Empty Ace Step 1.5 Latent Audio 节点创建一个为音频处理设计的空潜在张量。
- [EmptyAceStepLatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyAceStepLatentAudio.md): The Empty Ace Step 1.0 Latent Audio 节点可创建指定时长的空潜在音频样本。

#### Advanced

- [LatentAdd - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentAdd.md): LatentAdd 节点用于对两个潜在表示进行加法运算。
- [LatentBatchSeedBehavior - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentBatchSeedBehavior.md): LatentBatchSeedBehavior 节点用于修改一批潜在样本的种子行为。
- [LatentConcat - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentConcat.md): The LatentConcat 节点通过沿所选维度将两个潜在样本拼接在一起。
- [LatentCut - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentCut.md): LatentCut 节点从潜在样本中沿选定维度提取特定部分。
- [LatentCutToBatch - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentCutToBatch.md): LatentCutToBatch 节点会沿所选维度（时间、宽度或高度）将潜空间表示分割为指定大小的切片，并将它们堆叠成新的批次。
- [LatentInterpolate - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentInterpolate.md): LatentInterpolate 节点旨在根据指定比例对两组潜在样本进行插值，融合两组样本的特征，生成一组新的中间潜在样本。
- [LatentMultiply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentMultiply.md): LatentMultiply 节点旨在通过指定的乘数缩放样本的潜在表示。
- [LatentSubtract - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentSubtract.md): LatentSubtract 节点用于从一个潜在表示中减去另一个潜在表示。

##### Operations

- [LatentApplyOperation - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentApplyOperation.md): LatentApplyOperation 节点将指定的潜在操作应用于潜在样本。
- [LatentApplyOperationCFG - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentApplyOperationCFG.md): LatentApplyOperationCFG 节点通过应用潜在操作来修改模型中的条件引导过程。
- [LatentOperationSharpen - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentOperationSharpen.md): LatentOperationSharpen 节点使用高斯核为潜在表示创建锐化操作。
- [LatentOperationTonemapReinhard - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentOperationTonemapReinhard.md): LatentOperationTonemapReinhard 节点对潜在向量应用 Reinhard 色调映射。

#### Autoregressive

- [EmptyARVideoLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyARVideoLatent.md): Documentation for EmptyARVideoLatent node.

#### Batch

- [BatchLatentsNode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/BatchLatentsNode.md): The Batch Latents node combines multiple latent inputs into a single batch.
- [LatentBatch - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentBatch.md): LatentBatch 节点旨在将两组潜在样本合并为单个批次，在拼接前可能会调整其中一组样本的尺寸以匹配另一组。
- [LatentFromBatch - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentFromBatch.md): 此节点用于根据指定的批次索引和长度，从给定批次中提取特定的潜在样本子集。
- [RebatchLatents - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/RebatchLatents.md): RebatchLatents 节点旨在根据指定的批次大小，将一批潜在表示重新组织为新的批次配置。
- [RepeatLatentBatch - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/RepeatLatentBatch.md): RepeatLatentBatch 节点用于将给定的潜在表示批次按指定次数复制，并可包含噪声掩码和批次索引等附加数据。
- [ReplaceVideoLatentFrames - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ReplaceVideoLatentFrames.md): ReplaceVideoLatentFrames 会用源潜在视频中的帧替换目标潜在视频中的一段帧范围，从指定的帧索引开始。
- [SeedVR2TemporalChunk - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SeedVR2TemporalChunk.md): 此节点将 SeedVR2 视频潜空间变量分割成较小的时序块，以便在可用 VRAM 内逐一处理。
- [SeedVR2TemporalMerge - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SeedVR2TemporalMerge.md): 此节点将采样的 SeedVR2 潜在时间块重新组合为单个全长潜在变量。

#### Chroma Radiance

- [EmptyChromaRadianceLatentImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyChromaRadianceLatentImage.md): EmptyChromaRadianceLatentImage 节点创建一个指定尺寸的空白潜空间图像，用于色度辉光工作流。

#### Cosmos

- [EmptyCosmosLatentVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyCosmosLatentVideo.md): EmptyCosmosLatentVideo 创建一个具有指定维度的空潜空间视频张量。

#### Flux

- [EmptyFlux2LatentImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyFlux2LatentImage.md): Empty Flux 2 Latent 节点创建一个空白、空的潜在表示。

#### Hidream

- [EmptyHiDreamO1LatentImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyHiDreamO1LatentImage.md): 此节点在像素空间中创建一个空的潜在图像（latent image），专为 HiDream-O1-Image 模型设计。

#### Hunyhuan Video

- [HunyuanVideo15LatentUpscaleWithModel - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HunyuanVideo15LatentUpscaleWithModel.md): Hunyuan Video 15 Latent Upscale With Model 节点提高潜在图像表示的分辨率。

#### Hunyuan 3d

- [EmptyLatentHunyuan3Dv2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyLatentHunyuan3Dv2.md): The EmptyLatentHunyuan3Dv2 node creates blank latent tensors specifically formatted for Hunyuan3Dv2 3D generation models.
- [VAEDecodeHunyuan3D - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEDecodeHunyuan3D.md): VAEDecodeHunyuan3D 节点使用 VAE 解码器将潜在表示转换为 3D 体素数据。

#### Hunyuan Image

- [EmptyHunyuanImageLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyHunyuanImageLatent.md): EmptyHunyuanImageLatent 节点为 Hunyuan 图像生成模型创建一个空的（零填充）潜在空间。

#### Hunyuan Video

- [EmptyHunyuanLatentVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyHunyuanLatentVideo.md): EmptyHunyuanLatentVideo 节点与 EmptyLatentImage 节点类似。
- [EmptyHunyuanVideo15Latent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyHunyuanVideo15Latent.md): 此节点创建一个空白的潜空间张量，其格式专为 HunyuanVideo 1.5 模型而设计。

#### Ltxv

- [EmptyLTXVLatentVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyLTXVLatentVideo.md): EmptyLTXVLatentVideo 节点会创建一个用于视频处理的空 latent 张量。
- [LTXVAudioVAEDecode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVAudioVAEDecode.md): LTXV Audio VAE 解码节点将音频的潜在表示转换回音频波形。
- [LTXVAudioVAEEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVAudioVAEEncode.md): LTXV Audio VAE Encode 节点接收音频输入，并使用指定的 Audio VAE 模型将其压缩为更小的潜在表示。
- [LTXVConcatAVLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVConcatAVLatent.md): 此节点将视频潜空间和音频潜空间合并为单个联合音视频（AV）潜空间，可供 LTXV 或 MiniMax H3 等 AV 模型使用。
- [LTXVEmptyLatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVEmptyLatentAudio.md): LTXV 空潜变量音频节点用于创建一批空的（零填充）潜变量音频张量。
- [LTXVLatentUpsampler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVLatentUpsampler.md): LTXVLatentUpsampler 节点将视频潜在表示的空间分辨率放大两倍。
- [LTXVSeparateAVLatent - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVSeparateAVLatent.md): LTXVSeparateAVLatent 节点用于将组合的音频-视频潜在表示拆分为两个独立的潜在表示：一个包含视频数据，另一个包含音频数据。

#### Minimax

- [EmptyMiniMaxH3LatentAV - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyMiniMaxH3LatentAV.md): 此节点为 MiniMax H3 模型创建一个同时包含视频和音频信息的空 latent。

#### Minimax Music

- [EmptyMiniMaxMusic3LatentAudio - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyMiniMaxMusic3LatentAudio.md): 此节点为 MiniMax Music3 模型创建一个空（零填充）音频潜变量。

#### Mochi

- [EmptyMochiLatentVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyMochiLatentVideo.md): EmptyMochiLatentVideo 创建一个指定尺寸的空 latent 视频张量。

#### Qwen

- [EmptyQwenImageLayeredLatentImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyQwenImageLayeredLatentImage.md): Empty Qwen Image Layered Latent 准备 Qwen-Image-Layered 模型绘制所需的空白画布。

#### Stable Cascade

- [StableCascade_EmptyLatentImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/StableCascade_EmptyLatentImage.md): StableCascadeEmptyLatentImage 节点为 Stable Cascade 模型创建空的 latent 张量。
- [StableCascade_StageC_VAEEncode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/StableCascade_StageC_VAEEncode.md): StableCascadeStageCVAEEncode 节点通过 VAE 编码器处理输入图像，为 Stable Cascade 模型生成潜在表示。

#### Stable Diffusion

- [EmptySD3LatentImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptySD3LatentImage.md): EmptySD3LatentImage 创建一个专门为 Stable Diffusion 3 模型格式化的空白潜在图像张量。

#### Transform

- [LatentCrop - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentCrop.md): LatentCrop 节点用于对图像的潜在表示执行裁剪操作。
- [LatentFlip - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentFlip.md): The LatentFlip node is designed to manipulate latent representations by flipping them either vertically or horizontally.
- [LatentRotate - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentRotate.md): LatentRotate 节点旨在按指定角度旋转图像的潜在表示。

#### Trellis

- [EmptyTrellis2LatentStructure - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/EmptyTrellis2LatentStructure.md): 此节点为 Trellis2 模型创建一个空的潜在结构，其中所有值均设为零。
- [VaeDecodeShapeTrellis - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VaeDecodeShapeTrellis.md): 此节点将 Trellis2 形状潜在表示解码为 3D 网格。
- [VaeDecodeStructureTrellis2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VaeDecodeStructureTrellis2.md): 此节点使用 VAE 的结构解码器，将 Trellis 结构潜在样本转换为 3D 体素网格。
- [VaeDecodeTextureTrellis - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VaeDecodeTextureTrellis.md): 此节点使用 VAE 将 Trellis2 纹理潜在变量解码为体素颜色。

#### Triposplat

- [TripoSplatSamplingPreview - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TripoSplatSamplingPreview.md): 此节点会对TripoSplat模型进行补丁处理，使其与标准KSampler节点一起使用时，在每个采样步骤中显示解码后的高斯溅射（gaussian splat）实时预览。
- [VAEDecodeTripoSplat - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAEDecodeTripoSplat.md): 将 TripoSplat 潜空间表示解码为 3D 高斯泼溅。

#### Void

- [VOIDWarpedNoise - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VOIDWarpedNoise.md): 为 VOID 视频细化过程的第二遍生成时间相关的噪声。
- [VOIDWarpedNoiseSource - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VOIDWarpedNoiseSource.md): Documentation for VOIDWarpedNoiseSource node.

### Loaders

- [AudioEncoderLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/AudioEncoderLoader.md): AudioEncoderLoader 节点从您的 audioencoders 文件夹中的文件加载音频编码器模型。
- [CheckpointLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CheckpointLoader.md): CheckpointLoader 节点加载预训练模型检查点及其配置文件。
- [CheckpointLoaderSimple - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CheckpointLoaderSimple.md): 加载扩散模型检查点文件，并将其分解为三个核心组件：用于对潜空间进行去噪的主模型、CLIP 文本编码器，以及 VAE 图像编码器/解码器。
- [CLIPLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipLoader.md): CLIPLoader 节点从文件中加载文本编码器模型（CLIP、T5 或类似模型），使其可用于其他需要将文本提示转换为数值表示的节点。
- [CLIPVisionLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipVisionLoader.md): 此节点会自动检测位于 ComfyUI/models/clipvision 文件夹中的模型，以及 extramodelpaths.yaml 文件中配置的任何额外模型路径。
- [DiffControlNetLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/DiffControlNetLoader.md): 此节点将检测位于 ComfyUI/models/controlnet 文件夹中的模型，同时也会读取 extramodelpaths.yaml 文件中配置的额外路径中的模型。
- [DiffusersLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/DiffusersLoader.md): DiffusersLoader 节点用于加载以 diffusers 格式保存的预训练模型。
- [DualCLIPLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/DualCLIPLoader.md): DualCLIPLoader 节点专为同时加载两个 CLIP 模型而设计，便于执行需要整合或比较两个模型特征的操作。
- [FrameInterpolationModelLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FrameInterpolationModelLoader.md): Documentation for FrameInterpolationModelLoader node.
- [GLIGENLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/GLIGENLoader.md): 此节点将检测位于 ComfyUI/models/gligen 文件夹中的模型，同时也会读取 extramodelpaths.yaml 文件中配置的其他路径中的模型。
- [HypernetworkLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HypernetworkLoader.md): 此节点将检测位于 ComfyUI/models/hypernetworks 文件夹中的模型，同时也会读取 extramodelpaths.yaml 文件中配置的额外路径中的模型。
- [ImageOnlyCheckpointLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ImageOnlyCheckpointLoader.md): 此节点将检测位于 ComfyUI/models/checkpoints 文件夹中的模型，同时也会读取 extramodelpaths.yaml 文件中配置的额外路径中的模型。
- [LatentUpscaleModelLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LatentUpscaleModelLoader.md): LatentUpscaleModelLoader 节点从 ComfyUI 的 latentupscalemodels 文件夹中的文件加载专门用于放大潜在表示的模型。
- [LoadBackgroundRemovalModel - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoadBackgroundRemovalModel.md): 从文件加载背景移除模型。
- [LoadDA3Model - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoadDA3Model.md): 此节点从文件加载 Depth Anything 3 模型，为深度估计任务做好准备。
- [LoadMediaPipeFaceLandmarker - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoadMediaPipeFaceLandmarker.md): Load Face Detection Model (MediaPipe)
- [LoadMoGeModel - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoadMoGeModel.md): 从文件加载 MoGe（单目几何）模型，并准备用于几何估计任务。
- [LoraLoaderBypass - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoraLoaderBypass.md): LoraLoaderBypass 节点以特殊的“旁路”（bypass）模式将 LoRA（低秩适应）应用于扩散模型和 CLIP 模型。
- [LoraLoaderBypassModelOnly - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoraLoaderBypassModelOnly.md): 此节点对模型应用 LoRA（低秩适配）以修改其行为，但仅影响模型组件本身。
- [LoraModelLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoraModelLoader.md): LoraModelLoader 节点将训练好的 LoRA（低秩自适应）权重应用于扩散模型。
- [LTXAVTextEncoderLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXAVTextEncoderLoader.md): 此节点为 LTXV 音频模型加载专用文本编码器。
- [LTXVAudioVAELoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVAudioVAELoader.md): LTXV 音频 VAE 加载器节点用于从检查点文件加载预训练的音频变分自编码器（VAE）模型。
- [ModelPatchLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelPatchLoader.md): ModelPatchLoader 节点从 modelpatches 文件夹加载专门的模型补丁文件。
- [OpticalFlowLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/OpticalFlowLoader.md): 从 models/opticalflow/ 文件夹加载光流模型。
- [PhotoMakerLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/PhotoMakerLoader.md): PhotoMakerLoader 节点从可用的模型文件中加载 PhotoMaker 模型。
- [QuadrupleCLIPLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/QuadrupleCLIPLoader.md): The Quadruple CLIP Loader, QuadrupleCLIPLoader, is one of the core nodes of ComfyUI, first added to support the HiDream I1 version model.
- [StyleModelLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/StyleModelLoader.md): 此节点将检测位于 ComfyUI/models/stylemodels 文件夹中的模型，同时也会读取 extramodelpaths.yaml 文件中配置的其他路径下的模型。
- [TripleCLIPLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TripleCLIPLoader.md): TripleCLIPLoader 同时加载三个文本编码器模型，并将它们组合成一个单一的 CLIP 模型。
- [unCLIPCheckpointLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/unCLIPCheckpointLoader.md): 此节点将检测位于 ComfyUI/models/checkpoints 文件夹中的模型，同时也会读取 extramodelpaths.yaml 文件中配置的其他路径中的模型。
- [UNETLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/UNETLoader.md): UNETLoader 节点用于按名称加载 U-Net 模型，便于在系统中使用预训练的 U-Net 架构。
- [UpscaleModelLoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/UpscaleModelLoader.md): 此节点将检测位于 ComfyUI/models/upscalemodels 文件夹中的模型，同时也会读取在 extramodelpaths.yaml 文件中配置的其他路径中的模型。
- [VAELoader - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAELoader.md): 此节点会检测位于 ComfyUI/models/vae 文件夹中的模型，同时也会读取 extramodelpaths.yaml 文件中配置的其他路径下的模型。

### Merging

- [CheckpointSave - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CheckpointSave.md): Save Checkpoint 节点用于将完整的 Stable Diffusion 模型（包括 UNet、CLIP 和 VAE 组件）保存为 .safetensors 格式的检查点文件。
- [CLIPMergeAdd - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPMergeAdd.md): CLIPMergeAdd 节点通过将第二个模型中的补丁添加到第一个模型来合并两个 CLIP 模型。
- [CLIPMergeSimple - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipMergeSimple.md): CLIPMergeSimple 是一个模型合并节点，可根据指定比例合并两个 CLIP 文本编码器模型。
- [CLIPMergeSubtract - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CLIPMergeSubtract.md): CLIPMergeSubtract 节点通过将一个 CLIP 模型的权重与另一个 CLIP 模型相减来执行模型合并。
- [CLIPSave - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ClipSave.md): CLIPSave 节点将 CLIP 文本编码器模型以 SafeTensors 格式保存到磁盘。
- [ImageOnlyCheckpointSave - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ImageOnlyCheckpointSave.md): ImageOnlyCheckpointSave 节点保存包含模型、CLIP 视觉编码器和 VAE 的 checkpoint 文件。
- [ModelMergeAdd - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeAdd.md): ModelMergeAdd 节点用于通过将一个模型的关键补丁添加到另一个模型来合并两个模型。
- [ModelMergeBlocks - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeBlocks.md): ModelMergeBlocks 专为高级模型合并操作而设计，允许将两个模型进行整合，并可针对模型的不同部分自定义混合比例。
- [ModelMergeSimple - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeSimple.md): ModelMergeSimple 节点用于通过按指定比例混合两个模型的参数来合并它们。
- [ModelMergeSubtract - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeSubtract.md): 此节点专为高级模型合并操作而设计，具体用于根据指定的乘数将一个模型的参数从另一个模型中减去。
- [ModelSave - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSave.md): ModelSave 节点将模型以 .safetensors 检查点文件形式保存到计算机存储中。
- [SaveLoRA - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SaveLoRA.md): SaveLoRA 节点将 LoRA（低秩自适应）模型保存到文件中。
- [VAESave - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VAESave.md): VAESave 节点用于将 VAE 模型及其元数据（包括提示词和额外的 PNG 信息）保存到指定的输出目录。

#### Model Specific

- [ModelMergeAuraflow - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeAuraflow.md): ModelMergeAuraflow 节点允许您通过调整各种模型组件的特定混合权重，将两个不同的模型融合在一起。
- [ModelMergeCosmos14B - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeCosmos14B.md): ModelMergeCosmos14B 节点采用基于块的方式合并两个 AI 模型，专为 Cosmos 14B 模型架构设计。
- [ModelMergeCosmos7B - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeCosmos7B.md): ModelMergeCosmos7B 节点通过特定组件的加权混合将两个 AI 模型合并在一起。
- [ModelMergeCosmosPredict2_14B - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeCosmosPredict2_14B.md): ModelMergeCosmosPredict214B 节点通过混合两个 AI 模型的内部组件来合并它们。
- [ModelMergeCosmosPredict2_2B - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeCosmosPredict2_2B.md): ModelMergeCosmosPredict22B 节点使用基于块的方法合并两个扩散模型，对不同模型组件提供细粒度控制。
- [ModelMergeFlux1 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeFlux1.md): ModelMergeFlux1 节点通过使用加权插值混合两个扩散模型的组件来合并它们。
- [ModelMergeKrea2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeKrea2.md): 此节点通过在细粒度级别混合两个模型的内部组件来合并它们，使您能够控制每个模型特定部分对最终结果的影响程度。
- [ModelMergeLTXV - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeLTXV.md): ModelMergeLTXV 节点执行专门为 LTXV 模型架构设计的高级模型合并操作。
- [ModelMergeMochiPreview - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeMochiPreview.md): 此节点使用基于块的方法合并两个 Mochi AI 模型，可对不同模型组件进行精细控制。
- [ModelMergeQwenImage - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeQwenImage.md): ModelMergeQwenImage 通过以可调整的权重合并两个 AI 模型的组件，将两个模型融合在一起。
- [ModelMergeSD1 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeSD1.md): ModelMergeSD1 节点通过调整每个模型组件对结果的贡献程度，将两个 Stable Diffusion 1.x 模型混合在一起。
- [ModelMergeSD35_Large - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeSD35_Large.md): ModelMergeSD35Large 节点通过将第二个 Stable Diffusion 3.5 Large 模型中的特定内部组件混合到第一个模型中，实现两个模型的合并。
- [ModelMergeSD3_2B - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeSD3_2B.md): The ModelMergeSD32B node allows you to merge two Stable Diffusion 3 2B models by blending their components with adjustable weights.
- [ModelMergeSDXL - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeSDXL.md): ModelMergeSDXL 节点允许您通过调整每个模型对架构不同部分的影响，将两个 SDXL 模型混合在一起。
- [ModelMergeWAN2_1 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelMergeWAN2_1.md): ModelMergeWAN21 节点通过使用加权平均融合两个 WAN2.1 模型的组件来合并它们。

### Patch

- [ContextWindowsManual - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ContextWindowsManual.md): Context Windows (Manual) 节点允许你在采样过程中为模型手动配置上下文窗口，创建具有指定长度、重叠大小和调度模式的重叠上下文片段，以便将数据划分为可管理的数据块进行处理，同时保持各片段之间的连续性。
- [ModelAttentionBackend - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelAttentionBackend.md): 此节点允许你选择模型用于注意力计算的后端。
- [ModelNoiseScale - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelNoiseScale.md): Documentation for ModelNoiseScale node.
- [ModelSamplingAuraFlow - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingAuraFlow.md): ModelSamplingAuraFlow 节点将专门的采样配置应用于扩散模型，专为 AuraFlow 模型架构设计。
- [ModelSamplingContinuousEDM - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingContinuousEDM.md): 此节点通过集成连续 EDM（基于能量的扩散模型）采样技术，增强模型的采样能力。
- [ModelSamplingContinuousV - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingContinuousV.md): ModelSamplingContinuousV 节点通过应用连续 V-prediction 采样来调整模型的采样行为。
- [ModelSamplingDiscrete - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingDiscrete.md): 此节点旨在通过应用离散采样策略来修改模型的采样行为。
- [RenormCFG - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/RenormCFG.md): RenormCFG 节点通过应用条件缩放和归一化来修改扩散模型中的无分类器引导（CFG）过程。
- [RescaleCFG - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/RescaleCFG.md): RescaleCFG 节点旨在根据指定的乘数调整模型输出的条件与非条件缩放比例，以实现更平衡且可控的生成过程。
- [ScaleROPE - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ScaleROPE.md): ScaleROPE 节点允许你通过分别对 X、Y 和 T（时间）分量应用独立的缩放和偏移因子，来修改模型的旋转位置编码（ROPE）。

#### Anima

- [AnimaLLLiteApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/AnimaLLLiteApply.md): 此节点对扩散模型应用轻量级动画补丁，通过可调节的强度和时序实现受控的图像到图像生成。

#### Chroma Radiance

- [ChromaRadianceOptions - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ChromaRadianceOptions.md): ChromaRadianceOptions 节点允许您为 Chroma Radiance 模型配置高级设置。

#### Flux

- [ModelSamplingFlux - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingFlux.md): ModelSamplingFlux 节点根据图像尺寸计算移位参数，对给定模型应用 Flux 模型采样。
- [USOStyleReference - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/USOStyleReference.md): USOStyleReference 节点通过将 CLIP 视觉特征与模型补丁相结合，将风格参考应用到模型上，并返回输入模型的补丁副本。

#### Hidream

- [HiDreamO1PatchSeamSmoothing - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HiDreamO1PatchSeamSmoothing.md): 此节点通过在采样过程的后期对模型在多个偏移的 patch 网格位置上的输出进行平均，来减少 HiDream-O1 模型生成图像中可见的接缝。

#### Ltxv

- [LTXVContextWindows - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVContextWindows.md): 此节点在采样过程中为 LTXV 类模型设置上下文窗口。
- [ModelSamplingLTXV - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingLTXV.md): ModelSamplingLTXV 节点根据 token 数量将高级采样参数应用于模型。

#### Minimax

- [MiniMaxH3FunControlNetApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/MiniMaxH3FunControlNetApply.md): 此节点将一个 MiniMax H3 Fun ControlNet 作为模型补丁应用于文本生成视频模型。
- [MiniMaxH3SigmaShift - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/MiniMaxH3SigmaShift.md): 为 MiniMax H3 模型设置视频和音频流偏移值。

#### Qwen

- [QwenImageDiffsynthControlnet - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/QwenImageDiffsynthControlnet.md): QwenImageDiffsynthControlnet 将一个扩散合成控制网络补丁应用到基础模型上。

#### Sensenova

- [SenseNovaSamplingOptions - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SenseNovaSamplingOptions.md): SenseNova 采样选项用于在模型上设置 SenseNova 的 flow shift。

#### Stable Cascade

- [ModelSamplingStableCascade - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingStableCascade.md): ModelSamplingStableCascade 节点通过使用偏移值调整采样参数，对模型应用稳定级联采样。

#### Stable Diffusion

- [ModelSamplingSD3 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ModelSamplingSD3.md): ModelSamplingSD3 节点将 Stable Diffusion 3 采样参数应用于模型。

#### Supir

- [SUPIRApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SUPIRApply.md): SUPIRApply 节点将 SUPIR 模型补丁应用到一个扩散模型上。

#### Unet

- [Epsilon Scaling - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Epsilon Scaling.md): This node implements the Epsilon Scaling method from the research paper "Elucidating the Exposure Bias in Diffusion Models" (arxiv.org/abs/2308.15321v6).
- [FreeU - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FreeU.md): FreeU 节点对模型的输出块应用频域修改，以提升图像生成质量。
- [FreeU_V2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FreeU_V2.md): FreeUV2 通过对扩散模型的 U-Net 架构应用基于频率的修改来提升图像生成质量。
- [HyperTile - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/HyperTile.md): HyperTile 节点对扩散模型中的注意力机制应用分块技术，以优化图像生成过程中的内存使用。
- [PatchModelAddDownscale - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/PatchModelAddDownscale.md): PatchModelAddDownscale (Kohya Deep Shrink) 通过将下采样和上采样操作应用于模型中的特定块来实现 Kohya Deep Shrink 技术。
- [PerturbedAttentionGuidance - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/PerturbedAttentionGuidance.md): PerturbedAttentionGuidance 节点对扩散模型应用扰动注意力引导，以提升生成质量。
- [TemporalScoreRescaling - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TemporalScoreRescaling.md): 这个节点对扩散模型应用时间分数重缩放（TSR）。
- [TomePatchModel - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TomePatchModel.md): TomePatchModel 对扩散模型应用 Token Merging (ToMe)，以降低推理过程中的计算需求。

#### Wan

- [WanContextWindowsManual - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanContextWindowsManual.md): markdown WAN 上下文窗口（手动）节点允许你手动为 Wan 风格视频模型配置上下文窗口。
- [WanUni3CControlnetApply - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/WanUni3CControlnetApply.md): Documentation for WanUni3CControlnetApply node.

#### Z Image

- [ZImageFunControlnet - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ZImageFunControlnet.md): ZImageFunControlnet 应用一种专门的控制网络来影响图像生成或编辑过程。

### Sampling

- [KSampler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/KSampler.md): KSampler 的工作原理如下：它根据特定模型以及正向和负向条件，修改所提供的原始潜空间图像信息。
- [KSamplerAdvanced - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/KSamplerAdvanced.md): KSamplerAdvanced 节点旨在通过提供高级配置和技术来增强采样过程。

#### Custom

- [APG - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/APG.md): APG（自适应投影引导）节点通过调整扩散过程中引导的应用方式来修改采样过程。
- [SamplerCustom - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerCustom.md): SamplerCustom 节点旨在为各种应用提供灵活且可定制的采样机制。
- [SamplerCustomAdvanced - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerCustomAdvanced.md): SamplerCustomAdvanced 节点使用自定义噪声、引导和采样配置来执行高级潜空间采样。

#### Guiders

- [BasicGuider - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/BasicGuider.md): BasicGuider 节点为采样过程创建了一种简单的引导机制。
- [CFGGuider - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CFGGuider.md): CFG Guider 节点创建一个引导系统，用于控制图像生成中的采样过程。
- [CFGOverride - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/CFGOverride.md): CFG Override 节点允许您为采样过程的特定范围设置固定的 CFG（无分类器引导）缩放值，该范围定义为总步数的百分比。
- [DualCFGGuider - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/DualCFGGuider.md): DualCFGGuider 节点为双无分类器引导采样创建了一个引导系统。
- [DualModelGuider - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/DualModelGuider.md): 此节点允许您在引导式 CFG 采样过程中使用两个不同的模型：一个模型用于正向（条件）传递，另一个独立的模型用于负向（无条件）传递。
- [LTXVDualCFGGuider - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVDualCFGGuider.md): 此节点为 LTXV-AV 模型创建一个引导采样对象（CFG 引导器）。
- [VideoLinearCFGGuidance - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VideoLinearCFGGuidance.md): VideoLinearCFGGuidance 节点对视频模型应用线性条件引导缩放，在指定范围内调整条件与非条件成分的影响程度。
- [VideoTriangleCFGGuidance - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VideoTriangleCFGGuidance.md): VideoTriangleCFGGuidance 节点将三角形无分类器引导（CFG）缩放模式应用于视频模型。

#### Noise

- [AddNoise - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/AddNoise.md): 此节点使用指定的噪声生成器和 sigma 值向潜空间图像添加受控噪声。
- [DisableNoise - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/DisableNoise.md): DisableNoise 节点提供一种空噪声配置，可用于在采样过程中禁用噪声生成。
- [RandomNoise - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/RandomNoise.md): RandomNoise 节点基于种子值创建一个噪声生成器，用于采样过程。

#### Samplers

- [KSamplerSelect - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/KSamplerSelect.md): KSamplerSelect 节点旨在根据提供的采样器名称选择特定的采样器。
- [SamplerARVideo - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerARVideo.md): Sampler AR Video 节点为自回归视频模型提供了一种专门的采样方法，例如使用 Causal Forcing 或 Self-Forcing 技术的模型。
- [SamplerDPMAdaptative - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerDPMAdaptative.md): SamplerDPMAdaptative 节点实现了一种自适应 DPM（扩散概率模型）采样器，可在采样过程中自动调整步长。
- [SamplerDPMPP_2M_SDE - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerDPMPP_2M_SDE.md): SamplerDPMPP2MSDE 节点为扩散模型创建一个 DPM++ 2M SDE 采样器。
- [SamplerDPMPP_2S_Ancestral - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerDPMPP_2S_Ancestral.md): SamplerDPMPP2SAncestral 节点创建一个使用 DPM++ 2S Ancestral 采样方法生成图像的采样器。
- [SamplerDPMPP_3M_SDE - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerDPMPP_3M_SDE.md): SamplerDPMPP3MSDE 节点用于创建 DPM++ 3M SDE 采样器，供采样过程使用。
- [SamplerDPMPP_SDE - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerDPMPP_SDE.md): SamplerDPMPPSDE 创建一个用于采样过程的 DPM++ SDE（随机微分方程）采样器。
- [SamplerER_SDE - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerER_SDE.md): SamplerERSDE 节点为扩散模型提供专门的采样方法，支持不同的求解器类型：ER-SDE、Reverse-time SDE 和 ODE。
- [SamplerEulerAncestral - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerEulerAncestral.md): SamplerEulerAncestral 节点用于创建 Euler Ancestral 采样器以生成图像。
- [SamplerEulerAncestralCFGPP - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerEulerAncestralCFGPP.md): SamplerEulerAncestralCFGPP 节点创建了一个采样器，该采样器使用 Euler Ancestral 方法和无分类器引导（CFG++）进行图像生成。
- [SamplerLCM - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerLCM.md): SamplerLCM 节点提供了一个 LCM（潜在一致性模型）采样器，具有可调的逐步噪声参数。
- [SamplerLCMUpscale - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerLCMUpscale.md): SamplerLCMUpscale 节点提供一种专门的采样方法，将潜在一致性模型（LCM）采样与图像放大功能相结合。
- [SamplerLMS - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerLMS.md): SamplerLMS 节点创建用于扩散模型的最小均方（LMS）采样器。
- [SamplerSASolver - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerSASolver.md): SamplerSASolver 节点实现了扩散模型的自定义采样算法。
- [SamplerSEEDS2 - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplerSEEDS2.md): 此节点为图像生成提供了一个可配置的采样器。
- [VOIDSampler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VOIDSampler.md): VOIDSampler 是面向 VOID 修复模型的专用 DDIM 采样器。

#### Schedulers

- [AlignYourStepsScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/AlignYourStepsScheduler.md): AlignYourStepsScheduler 节点根据不同的模型类型为去噪过程生成 sigma 值。
- [BasicScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/BasicScheduler.md): BasicScheduler 节点旨在根据提供的调度器、模型和去噪参数，为扩散模型计算一系列 sigma 值。
- [BetaSamplingScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/BetaSamplingScheduler.md): BetaSamplingScheduler 节点使用 beta 调度算法为采样过程生成一系列噪声水平（sigmas）。
- [ExponentialScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ExponentialScheduler.md): ExponentialScheduler 节点旨在为扩散采样过程生成遵循指数调度的一系列 sigma 值。
- [Flux2Scheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Flux2Scheduler.md): Flux2Scheduler 生成用于去噪过程的噪声水平序列（sigmas），专门针对 Flux 模型定制。
- [GITSScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/GITSScheduler.md): GITSScheduler 节点为 GITS（生成式迭代时间步）采样方法生成噪声调度 sigma。
- [Ideogram4Scheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/Ideogram4Scheduler.md): Ideogram 4 Scheduler 节点根据 Ideogram 4 参考调度，为扩散采样过程生成一系列 sigma 值（噪声水平）。
- [KarrasScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/KarrasScheduler.md): KarrasScheduler 节点用于根据 Karras 等人（2022）提出的噪声调度生成一系列噪声水平（sigma）。
- [LaplaceScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LaplaceScheduler.md): LaplaceScheduler 节点生成一系列遵循拉普拉斯分布的 sigma 值，用于扩散采样。
- [LTXVScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LTXVScheduler.md): LTXVScheduler 节点为自定义采样流程生成 sigma 值。
- [OptimalStepsScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/OptimalStepsScheduler.md): OptimalStepsScheduler 节点创建用于扩散采样期间的噪声调度（一系列 sigma 值）。
- [PolyexponentialScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/PolyexponentialScheduler.md): PolyexponentialScheduler 节点旨在基于多指数噪声调度生成一系列噪声水平（sigma）。
- [SDTurboScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SDTurboScheduler.md): SDTurboScheduler 专为生成图像采样所需的 sigma 值序列而设计，可根据去噪程度和指定的步数调整序列。
- [VPScheduler - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/VPScheduler.md): VPScheduler 节点旨在基于方差保持（VP）调度方法生成一系列噪声水平（sigma 值）。

#### Sigmas

- [ExtendIntermediateSigmas - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ExtendIntermediateSigmas.md): ExtendIntermediateSigmas 节点接收现有 sigma 值序列，并在它们之间插入额外的中间 sigma 值。
- [FlipSigmas - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/FlipSigmas.md): FlipSigmas 节点旨在通过反转扩散模型中使用的 sigma 值序列顺序，并确保如果第一个值原本为零则将其设为非零值，来操控该序列。
- [ManualSigmas - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ManualSigmas.md): ManualSigmas 节点允许您手动为采样过程定义自定义噪声水平（sigma）序列。
- [SamplingPercentToSigma - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SamplingPercentToSigma.md): SamplingPercentToSigma 节点使用模型的采样参数将采样百分比值转换为相应的 sigma 值。
- [SetFirstSigma - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SetFirstSigma.md): SetFirstSigma 节点通过仅将序列中的第一个值替换为自定义 sigma 值来修改 sigma 序列。
- [SplitSigmas - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SplitSigmas.md): SplitSigmas 节点用于根据指定步长将 sigma 值序列分割为两部分。
- [SplitSigmasDenoise - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SplitSigmasDenoise.md): SplitSigmasDenoise 节点根据去噪强度参数将 sigma 值序列划分为两部分。

### Training

- [LoadTrainingDataset - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LoadTrainingDataset.md): 节点会加载先前已保存到磁盘的编码训练数据集（latent 和 conditioning）。
- [LossGraphNode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/LossGraphNode.md): LossGraphNode 节点根据训练步数创建训练损失值的折线图，并将其显示为预览图像。
- [MakeTrainingDataset - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/MakeTrainingDataset.md): 此节点通过编码图像和文本来准备训练数据。
- [ResolutionBucket - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/ResolutionBucket.md): 此节点根据分辨率整理潜在图像列表及其对应的 conditioning 数据。
- [SaveTrainingDataset - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/SaveTrainingDataset.md): 此节点将编码后的训练数据集保存到磁盘，以便在训练期间高效加载。
- [TrainLoraNode - ComfyUI Built-in Node Documentation](https://docs.comfy.org/zh/built-in-nodes/TrainLoraNode.md): TrainLoraNode 使用提供的潜空间数据和条件数据，在扩散模型上创建并训练一个 LoRA（低秩适配）模型。