第三方插件
was-node-suite-comfyui
KSampler (WAS)
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
KSampler (WAS)
steps
cfg
sampler_name
scheduler
denoise
英文节点
KSampler (WAS)
steps
cfg
sampler_name
scheduler
denoise
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
扩散模型：这是进行图像生成的预训练主模型。
随机种子
seed
随机种子：一个整数，用于初始化采样过程中的随机噪声。只要所有其他参数不变，相同的种子就能生成完全相同的图像，确保了结果的可复现性。
正面条件
positive
正向提示词。
负面条件
negative
负向提示词。
Latent图像
latent_image
潜空间图像：采样的起点。通常是一个由 Empty Latent Image 节点生成的纯噪声潜空间，也可以是 VAE 编码后的现有图像（用于图生图）。
输出参数
LATENT
LATENT
输出潜空间：经过去噪后生成的最终潜空间图像。这个结果包含了符合文本提示的图像信息，但仍处于机器可读的潜空间格式。
控件参数
steps
steps
采样步数：扩散模型去噪的总步数。步数越多，图像细节通常越丰富，但也需要更长的计算时间。一般在 20到 30 步之间可以取得较好的平衡。
cfg
cfg
文本提示的引导强度。这个值决定了生成图像在多大程度上遵循正面提示。数值越高，图像与提示的关联性越强，但过高可能导致色彩过饱和或失真。7 到 8 是常用的初始值。
sampler_name
sampler_name
采样器名称：选择执行去噪过程的具体算法。不同的采样器有不同的速度和出图风格。例如，euler 速度快但可能细节较少，dpmpp_2m_karras 则在质量和速度上表现均衡。
scheduler
scheduler
调度器：决定在每一步去噪中如何减少噪声，与采样器协同工作。常用的调度器有 normal、karras 和 exponential 等，会影响图像的收敛速度和最终的细节质感。
denoise
denoise
去噪强度：决定在多大程度上改变输入的 latent_image。值为 1.0 时，输入潜空间会被完全重绘（适用于文生图）。值小于 1.0 时，会保留一部分原始潜空间的结构，只在上面进行部分去噪（适用于图生图或 Inpainting）。
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。