SamplerCustom-自定义采样器

文档说明

类名：SamplerCustom
类别：sampling/custom_sampling
输出节点：False SamplerCustom 节点旨在为各种应用提供灵活且可定制的采样机制。它允许用户选择并配置不同的采样策略，以满足其特定需求，从而增强采样过程的适应性和效率。

输入类型

参数名称	数据类型	作用
`model`	MODEL	`model` 输入类型指定用于采样的模型，对确定采样行为和输出起着关键作用。
`add_noise`	BOOLEAN	`add_noise` 输入类型允许用户指定是否应在采样过程中添加噪声，影响生成样本的多样性和特性。
`noise_seed`	INT	`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。
`cfg`	FLOAT	`cfg` 输入类型设置采样过程的配置，允许微调采样参数和行为。
`positive`	CONDITIONING	`positive` 输入类型代表正面条件信息，指导采样过程生成符合指定正面属性的样本。
`negative`	CONDITIONING	`negative` 输入类型代表负面条件信息，引导采样过程避免生成显示指定负面属性的样本。
`sampler`	SAMPLER	`sampler` 输入类型选择要使用的特定采样策略，直接影响生成样本的性质和质量。
`sigmas`	SIGMAS	`sigmas` 输入类型定义采样过程中要使用的噪声水平，影响样本空间的探索和输出的多样性。
`latent_image`	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。

输出类型

参数名称	数据类型	作用
`output`	LATENT	`output` 代表采样过程的主要结果，包含生成的样本。
`denoised_output`	LATENT	`denoised_output` 代表应用去噪过程后的样本，可能增强生成样本的清晰度和质量。

KSampler Select

文档说明

类名：KSamplerSelect
分类：采样/自定义采样/采样器
是否为输出节点：False

KSamplerSelect 类用于根据提供的采样器名称选择特定的采样器。它简化了采样器选择的复杂性，允许用户轻松地在不同采样策略之间切换，以适应他们的任务需求。

输入参数类型

参数名称	数据类型	作用描述
`sampler_name`	`COMBO[STRING]`	指定要被选择的采样器名称。此参数决定了将使用哪种采样策略，影响整体采样行为和结果。

输出参数类型

参数名称	数据类型	作用描述
`sampler`	`SAMPLER`	返回被选择的采样器对象，准备用于采样任务。

Sampler DPMPP_2M_SDE

文档说明

类名：SamplerDPMPP_2M_SDE
分类：采样/自定义采样/采样器
输出节点：否

此节点旨在为 DPMPP_2M_SDE 模型生成采样器，允许根据指定的求解器类型、噪声水平和计算设备偏好创建样本。它抽象了采样器配置的复杂性，提供了一个简化的接口，用于生成具有定制设置的样本。

输入类型

参数名称	数据类型	作用
`solver_type`	`COMBO[STRING]`	在采样过程中使用的求解器类型，提供 ‘midpoint’ 和 ‘heun’ 两种选择。此选择影响采样期间应用的数值积分方法。
`eta`	`FLOAT`	确定数值积分中的步长，影响采样过程的粒度。较高的值表示较大的步长。
`s_noise`	`FLOAT`	控制采样过程中引入的噪声水平，影响生成样本的可变性。
`noise_device`	`COMBO[STRING]`	指示噪声生成过程执行的计算设备（‘gpu’ 或 ‘cpu’），影响性能和效率。

输出类型

参数名称	数据类型	作用
`sampler`	`SAMPLER`	根据指定参数配置的采样器，准备就绪，可用于生成样本。

SamplerDPMPP_SDE

文档说明

类名：SamplerDPMPP_SDE
类别：采样/自定义采样/采样器
输出节点：否

此节点旨在为DPM++ SDE（随机微分方程）模型生成采样器。它适配CPU和GPU执行环境，并根据可用硬件优化采样器的实现。

输入类型

参数名称	数据类型	作用
`eta`	FLOAT	指定SDE求解器的步长，影响采样过程的粒度。
`s_noise`	FLOAT	确定采样过程中应用的噪声水平，影响生成样本的多样性。
`r`	FLOAT	控制采样过程中噪声减少的比例，影响生成样本的清晰度和质量。
`noise_device`	COMBO[STRING]	选择采样器的执行环境（CPU或GPU），基于可用硬件优化性能。

输出类型

参数名称	数据类型	作用
`sampler`	SAMPLER	配置了指定参数的生成采样器，准备用于采样操作。

basicScheduler｜基础调度器

文档说明

类名：BasicScheduler
分类：采样/自定义采样/调度器
输出节点：否 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。它根据去噪因子动态调整总步骤数，以微调扩散过程。

输入类型

参数名称	数据类型	作用
`model`	MODEL	模型参数指定了要计算 sigma 值的扩散模型。它在确定扩散过程中适当的 sigma 值中起着关键作用。
`scheduler`	COMBO[STRING]	调度器参数决定了用于计算 sigma 值的调度算法。它直接影响扩散过程的进展和特性。
`steps`	INT	步骤参数指示扩散过程中的总步骤数。它影响过程的粒度和持续时间。
`denoise`	FLOAT	去噪参数允许通过缩放总步骤数来调整有效步骤数，从而对扩散过程进行更精细的控制。

输出类型

参数名称	数据类型	作用
`sigmas`	SIGMAS	节点输出根据指定参数计算得到的 sigma 值序列，用于指导扩散过程。

ExponentialScheduler｜Exponential调度器

文档说明

类名：ExponentialScheduler
类别：采样/自定义采样/调度器
输出节点：否 ExponentialScheduler节点旨在为扩散采样过程生成一系列按照指数时间表的sigma值。它提供了一种可定制的方法来控制扩散过程中每一步应用的噪声水平，从而可以微调采样行为。

输入类型

参数名称	数据类型	作用
`steps`	`INT`	指定扩散过程中的步数。它影响生成的sigma序列的长度，从而影响噪声应用的粒度。
`sigma_max`	`FLOAT`	定义最大sigma值，设置扩散过程中噪声强度的上限。它在确定应用的噪声水平范围中起着关键作用。
`sigma_min`	`FLOAT`	设置最小sigma值，建立噪声强度的下限边界。此参数有助于微调噪声应用的起始点。

输出类型

参数名称	数据类型	作用
`sigmas`	`SIGMAS`	根据指数时间表生成的一系列sigma值。这些值用于控制扩散过程中每一步的噪声水平。

karrasScheduler｜Karras调度器

文档说明

类名：KarrasScheduler
分类：采样/自定义采样/调度器
输出节点：否 KarrasScheduler 节点旨在根据 Karras 等人（2022 年）的噪声时间表生成一系列噪声水平（sigmas）。这个调度器对于控制生成模型中的扩散过程非常有用，允许对生成过程中每一步应用的噪声水平进行微调。

输入类型

参数名称	数据类型	作用
`steps`	INT	指定噪声时间表中的步骤数，影响生成的 sigmas 序列的粒度。
`sigma_max`	FLOAT	噪声时间表中的最大 sigma 值，设置噪声水平的上限。
`sigma_min`	FLOAT	噪声时间表中的最小 sigma 值，设置噪声水平的下限。
`rho`	FLOAT	控制噪声时间表曲线形状的参数，影响噪声水平从 sigma_min 到 sigma_max 的变化过程。

输出类型

参数名称	数据类型	作用
`sigmas`	SIGMAS	根据 Karras 等人（2022 年）噪声时间表生成的噪声水平（sigmas）序列。

PolyexponentialScheduler｜Polyexponential调度器

文档说明

类名：PolyexponentialScheduler
分类：采样/自定义采样/调度器
输出节点：否 多项式指数调度器（PolyexponentialScheduler）节点旨在基于一个多项式指数噪声计划生成一系列噪声水平（sigmas）。该计划是sigma对数的多项式函数，允许在扩散过程中灵活且可定制地调整噪声水平的进展。

输入类型

参数名称	数据类型	作用
`steps`	`INT`	指定扩散过程中的步骤数，影响生成噪声水平的粒度。
`sigma_max`	`FLOAT`	最大噪声水平，设定噪声计划的上限。
`sigma_min`	`FLOAT`	最小噪声水平，设定噪声计划的下限。
`rho`	`FLOAT`	控制多项式指数噪声计划形状的参数，影响噪声水平在最小值和最大值之间的进展。

输出类型

参数名称	数据类型	作用
`sigmas`	`SIGMAS`	输出是按照指定的多项式指数噪声计划定制的一系列噪声水平。

SD Turbo Scheduler｜SDTurbo调度器

文档说明

类名：SDTurboScheduler
分类：采样/自定义采样/调度器
输出节点：否 SDTurbo调度器旨在为图像采样生成一系列sigma值，根据指定的去噪级别和步骤数调整序列。它利用特定模型的采样能力来产生这些sigma值，这些值对于控制在图像生成过程中的去噪过程至关重要。

输入类型

参数名称	数据类型	作用
`model`	`MODEL`	模型参数指定用于生成sigma值的生成模型。这对于确定调度器的具体采样行为和能力至关重要。
`steps`	`INT`	步骤参数决定了要生成的sigma序列的长度，直接影响去噪过程的粒度。
`denoise`	`FLOAT`	去噪参数调整sigma序列的起始点，允许在图像生成期间对应用的去噪级别进行更精细的控制。

输出类型

参数名称	数据类型	作用
`sigmas`	`SIGMAS`	根据指定的模型、步骤和去噪级别生成的一系列sigma值。这些值对于控制在图像生成过程中的去噪过程至关重要。

VP Scheduler｜VP调度器

文档说明

类名：VPScheduler
分类：采样/自定义采样/调度器
输出节点：否 方差保持调度器（VPScheduler）节点旨在基于方差保持（Variance Preserving, VP）调度方法生成一系列噪声水平（sigmas）。该序列对于引导扩散模型中的去噪过程至关重要，允许对图像或其他数据类型的生成进行控制。

输入类型

参数名称	数据类型	作用
`steps`	`INT`	指定扩散过程中的步骤数，影响生成噪声水平的粒度。
`beta_d`	`FLOAT`	确定整体噪声水平分布，影响生成噪声水平的方差。
`beta_min`	`FLOAT`	设置噪声水平的最小边界，确保噪声不会低于某个阈值。
`eps_s`	`FLOAT`	调整起始的epsilon值，微调扩散过程中的初始噪声水平。

输出类型

参数名称	数据类型	作用
`sigmas`	`SIGMAS`	基于VP调度方法生成的一系列噪声水平，用于引导扩散模型中的去噪过程。

Flip Sigmas｜翻转Sigmas

文档说明

类名：FlipSigmas
分类：采样/自定义采样/西格玛值
输出节点：否 FlipSigmas 节点旨在通过反转顺序并确保原始第一个值为非零（如果原本为零）来操作扩散模型中使用的 sigma 值序列。这一操作对于以相反顺序调整噪声水平至关重要，有助于在通过逐步减少数据中的噪声来操作的模型中促进生成过程。

输入类型

参数名称	数据类型	作用
`sigmas`	`SIGMAS`	’sigmas’ 参数表示要翻转的 sigma 值序列。此序列对于控制扩散过程中应用的噪声水平至关重要，翻转它对于反向生成过程是必不可少的。

输出类型

参数名称	数据类型	作用
`sigmas`	`SIGMAS`	输出是修改后的 sigma 值序列，已翻转并调整以确保原始第一个值为非零（如果原本为零），准备好用于后续的扩散模型操作。

Split Sigmas｜分离Sigmas

文档说明

类名：SplitSigmas
类别：采样/自定义采样/西格玛值
输出节点：否 SplitSigmas 节点旨在将一系列 sigma 值根据指定的步骤分割成两部分。这一功能对于需要对 sigma 序列的初始部分和后续部分进行不同处理或处理的操作至关重要，它允许对这些值进行更灵活和针对性的操作。

输入类型

参数名称	数据类型	作用
`sigmas`	SIGMAS	`sigmas` 参数代表要被分割的 sigma 值序列。它对于确定分割点和结果的两个 sigma 值序列至关重要，影响节点的执行和结果。
`step`	INT	`step` 参数指定应在何处分割 sigma 序列。它在定义两个结果 sigma 序列之间的边界时起着关键作用，影响节点的功能和输出的特性。

输出类型

参数名称	数据类型	作用
`sigmas`	SIGMAS	节点输出两个 sigma 值序列，每个序列代表在指定步骤处分割的原始序列的一部分。这些输出对于需要对 sigma 值进行差异化处理的后续操作至关重要。

KSampler K采样器｜ComfyUI组件节点

comfyUI节点-KSampler K采样器｜ComfyUI组件节点

文档说明

类名：KSampler
类别：采样
输出节点：否 KSampler这个采样器，是这样工作的：它会根据提供的特定的模型和正、负两种条件，来改造提供的原始潜在图像信息。首先，它会根据设定好的seed随机种子和denoise降噪强度，给原始图像数据加入一些噪声，然后输入预设的Model模型结合positive正向和negative负向的引导条件，去生成图像

Input 输入

参数名称	数据类型	必填	默认值	取值范围/选项	说明
Model模型	checkpoint模型	是	无	-	输入用于降噪过程的模型
seed随机种子	Int整数	是	0	0 ~ 18446744073709551615	用于生成随机噪声，使用同样的“种子”可以生成相同的画面
steps步数	Int整数	是	20	1 ~ 10000	去噪过程中要使用的步骤数，步数越多，结果越准确
cfg	float浮点数	是	8.0	0.0 ~ 100.0	控制生成的图像与输入条件的贴合程度，通常建议6-8
sampler_name采样器	界面选项	是	无	多种采样算法	选择用来降噪的采样器，不同采样器影响生成速度和风格
scheduler调度器	界面选项	是	无	多种调度器	控制噪声去除的方式，不同调度器会影响生成过程
Positive正向条件	conditioning条件	是	无	-	用于引导降噪的正向条件，可理解为想要在画面中出现的内容
Negative负向条件	conditioning条件	是	无	-	用于引导降噪的负向条件，可理解为不想要在画面中出现的内容
Latent_Image	Latent	是	无	-	用于降噪的潜像
denoise降噪	float浮点数	否	1.0	0.0 ~ 1.0	决定去除多少比例的噪声，值越小生成图像与输入图像关联越小，值越大越像输入图像
control_after_generate	界面选项	否	无	随机/增量/减量/保持	提供在每次提示后更改种子数的能力，节点可以随机、增量、减量或保持种子数不变

Output 输出

参数名称	作用
Latent	输出经过采样器降噪后的潜像

源码

[更新于2025年5月15日]

KSampler(Advanced) K采样器（高级）｜ComfyUI组件节点

文档说明

类名：KSamplerAdvanced
类别：采样
输出节点：否 KSampler AdvancedK采样器（高级）节点是KSampler节点的高级版本。KSampler在使用中总会向潜像中添加噪声，然后完全去除加噪后的潜像中的罩上，但KSampler AdvancedK采样器（高级）节点可以更细致地控制这个过程。可以通过add_noise添加噪波设置告诉KSampler AdvancedK采样器（高级）节点要不要向潜像中添加噪声。它还可以通过return_with_leftover_noise返回噪波设置返回部分去噪后的潜像。与KSampler节点不同，此节点没有denoise降噪设置，但这个过程是由start_at_step开始降噪步数和end_at_step结束降噪步数设置控制的。所以通过这个节点你可以将部分去除噪声的潜像输入到下一个KSampler AdvancedK采样器（高级），从而在不同降噪过程中采用不同的方法。

输入类型

参数名称	数据类型	作用
`model`	MODEL	指定用于生成样本的模型，对采样过程至关重要。
`add_noise`	COMBO[STRING]	确定是否向采样过程添加噪声，影响生成样本的多样性和质量。
`noise_seed`	INT	设置噪声生成的种子，确保采样过程的可重复性。
`steps`	INT	定义采样过程中要执行的步骤数，影响输出的细节和质量。
`cfg`	FLOAT	控制条件因子，影响采样过程的方向和空间。
`sampler_name`	COMBO[STRING]	选择要使用的特定采样器，允许定制采样技术。
`scheduler`	COMBO[STRING]	选择调度器以控制采样过程，影响样本的进展和质量。
`positive`	CONDITIONING	指定正向条件以引导采样朝向期望的属性。
`negative`	CONDITIONING	指定负向条件以使采样远离某些属性。
`latent_image`	LATENT	提供采样过程中使用的初始潜在图像，作为起点。
`start_at_step`	INT	确定采样过程的起始步骤，允许控制采样进展。
`end_at_step`	INT	设置采样过程的结束步骤，定义采样的范围。
`return_with_leftover_noise`	COMBO[STRING]	指示是否返回带有剩余噪声的样本，影响最终输出的外观。

输出类型

参数名称	数据类型	作用
`latent`	LATENT	输出代表从模型生成的潜在图像，反映了应用的配置和技术。

sampler 采样器详解

comfyUi目前采样器

旧版采样器

DPM采样器

新版采样器

heun
heunpp2
dpmpp_2
dpmpp_2_ancestral
lms
dpm_fast
dpm_adaptive
dpmpp_2s_ancestral
dpmpp_sde
dpmpp_sde_gpu
dpmpp_2m
dpmpp_2m_sde
dpmpp_2m_sde_gpu
dpmpp_3m_sde
dpmpp_3m_sde_gpu
ddpm
lcm
ddim
uni_pc
uni_pc_bh2

名称带 a / 或带 ancestral 的采样器

a 为英文ancestral（祖先采样器）的缩写，这样的采样器因为会在采样过程中持续添加噪声，会使得每步采样生成的画面都具有一定随机性，也就是不收敛

名称中带GPU的

诸如dpmpp_sde_gpu这样的采样器是针对GPU硬件进行了优化的版本，它们能够在图形处理器上高效运行大规模并行计算任务，从而显著加快图像生成速度。

scheduler 调度器

调度器是控制降噪过程的，它决定了降噪的步数，以及每一步降噪的降噪强度。 ComfyUI中调度器主要为

norlmal
karras

渲染时间一致，但在8步采样之后，噪点会更少

exponential

画面会更柔和，背景更干净一点，但是缺点是会损失一定细节

sgm_uniform
simple
ddim_uniform

线性CFG引导 - Video Linear CFG Guidance

comfyUI节点-VideoLinearCFGGUidance 线性CFG引导

文档说明

类名：VideoLinearCFGGuidance
类别：采样/视频模型
输出节点：否

这个节点在 ComfyUI 中的作用是稍微改善视频模型的采样过程。它通过在不同帧之间线性缩放 cfg 参数来实现这一点。具体来说，远离初始帧的帧会逐渐获得更高的 cfg 值，从而使得视频的后续帧与初始帧相比，会有更明显的视觉效果变化。这种方法有助于生成更加流畅和动态的视频内容

Input 输入

参数名称	数据类型	作用
model	MODEL	应用线性CFG引导的视频模型，定义基础模型并用引导比例尺修改。
min_cfg	FLOAT	指定线性比例尺调整的最小条件引导比例尺，影响模型输出的下限。

Output 输出

参数名称	数据类型	作用
model	MODEL	输出修改后的模型，应用了线性CFG引导比例尺，可生成不同条件化程度的输出。

SamplerCustom-自定义采样器

文档说明

输入类型

输出类型

KSampler Select

文档说明

输入参数类型

输出参数类型

Sampler DPMPP_2M_SDE

文档说明

输入类型

输出类型

SamplerDPMPP_SDE

文档说明

输入类型

输出类型

basicScheduler｜基础调度器

文档说明

输入类型

输出类型

ExponentialScheduler｜Exponential调度器

文档说明

输入类型

输出类型

karrasScheduler｜Karras调度器

文档说明

输入类型

输出类型

PolyexponentialScheduler｜Polyexponential调度器

文档说明

输入类型

输出类型

SD Turbo Scheduler｜SDTurbo调度器

文档说明

输入类型

输出类型

VP Scheduler｜VP调度器

文档说明

输入类型

输出类型

Flip Sigmas｜翻转Sigmas

文档说明

输入类型

输出类型

Split Sigmas｜分离Sigmas

文档说明

输入类型

输出类型

KSampler K采样器 ｜ComfyUI组件节点

文档说明

Input 输入

Output 输出

源码

KSampler(Advanced) K采样器（高级）｜ComfyUI组件节点

文档说明

输入类型

输出类型

sampler 采样器详解

旧版采样器

DPM采样器

新版采样器

scheduler 调度器

线性CFG引导 - Video Linear CFG Guidance

文档说明

Input 输入

Output 输出

KSampler K采样器｜ComfyUI组件节点