第三方插件
ComfyUI_Noise
Unsampler
此节点的作用与采样器相反。它根据模型和提示将输入的图像变成噪声。
节点中英文对比
按当前节点配置，分别展示中文与英文节点结构。
中文节点
Unsampler
steps
end_at_step
cfg
sampler_name
scheduler
normalize
英文节点
Unsampler
steps
end_at_step
cfg
sampler_name
scheduler
normalize
参数说明
依据当前节点关联的 `NodesItems` 数据展示输入、输出与控件说明。
输入参数
模型
model
使用的模型（通常为 UNet + VAE 的复合模型）。
正面条件
positive
正向提示词条件 embedding。
负面条件
negative
负向提示词条件 embedding。
Latent图像
latent_image
输入的 latent 图像张量，通常来自前一步采样器。
输出参数
LATENT
LATENT
反向采样处理后的 latent 图像（可能更接近原始噪声或“退化图像”）。
控件参数
steps
steps
反向采样步数，决定“去噪”的迭代次数。
end_at_step
end_at_step
指定在哪个 step 提前终止反采样；0 表示不提前终止。
该参数允许“从 step=0 回退到某个较高 step”，也就是你可以模拟只“反采样一点点”；
如果设置为 0，就执行完整的反采样。
示例：steps=20, end_at_step=5 实际从 step=0 反采样到 step=15（steps - end_at_step = 15）。
cfg
cfg
Classifier-Free Guidance 提示词引导系数，控制正负条件差值程度。
sampler_name
sampler_name
采样器名称，例如 euler, ddim, dpm++ 2m 等。
scheduler
scheduler
调度器，例如 normal, karras, exponential。
normalize
normalize
是否对输出 latent 进行均值为 0、方差为 1 的标准化。
normalize 启用后只是对最终样本做了简单的 mean/std 变换；
并不能确保其满足原始采样流程中的标准分布（因为反采样过程未必稳定）。
详细说明
结合节点用途、参数和调用方式，给出更完整的说明内容。
暂无节点说明
同类节点导航
继续浏览同一分类下的相邻节点，方便串联学习。
上一篇
Slerp Latents
第三方插件
下一篇
已经是同类节点中的最后一篇