自定义采样器 - ComfyUI Built-in Node Documentation - ComfyUI

SamplerCustom 节点旨在为各种应用提供灵活且可定制的采样机制。它使用户能够根据自身特定需求选择和配置不同的采样策略，从而增强采样过程的适应性和效率。

输入

参数	描述	数据类型
`模型`	’model’ 输入类型指定用于采样的模型，在决定采样行为与输出结果中起着关键作用。	`MODEL`
`添加噪波`	’add_noise’ 输入类型允许用户指定是否在采样过程中添加噪声，这会影响生成样本的多样性和特性。	`BOOLEAN`
`噪波种子`	’noise_seed’ 输入类型为噪声生成提供种子，确保在添加噪声时采样过程的可复现性和一致性。	`INT`
`cfg`	’cfg’ 输入类型设置采样过程的配置，允许对采样参数和行为进行微调。	`FLOAT`
`正面条件`	’positive’ 输入类型代表正向条件信息，引导采样过程生成符合指定正向属性的样本。	`CONDITIONING`
`负面条件`	’negative’ 输入类型代表负向条件信息，引导采样过程避免生成具有指定负向属性的样本。	`CONDITIONING`
`采样器`	’sampler’ 输入类型选择要使用的具体采样策略，直接影响生成样本的性质和质量。	`SAMPLER`
`Sigmas`	’sigmas’ 输入类型定义了采样过程中使用的噪声水平，影响样本空间的探索程度以及输出的多样性。	`SIGMAS`
`Latent`	’latent_image’ 输入类型为采样过程提供初始潜在图像，作为样本生成的起点。	`LATENT`

输出

参数	描述	数据类型
`Latent`	’output’ 代表采样过程的主要结果，包含生成的样本。	`LATENT`
`降噪Latent`	’denoised_output’ 代表经过降噪处理后的样本，可能提升了生成样本的清晰度和质量。	`LATENT`

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！在 GitHub 上编辑