ComfyUI 节点功能详解
此部分主要介绍，comfyUI中的节点与相关功能，下面顺序按照在ComfyUI中的右键菜单顺序进行编排，建议直接采用文档的搜索功能进行快速检索
其中英文部分文档原始信息来源为：https://docs.getsalt.ai/ 我进行了重新的整理
高级功能
高级特性和设置
CLIP文本编码SDXL-ComfyUI节点
了解 ComfyUI 中的 CLIPTextEncodeSDXL 节点，使用专门为 SDXL 架构定制的 CLIP 模型对文本输入进行编码，将文本描述转换为适合图像生成或操作任务的格式。
查看文档CLIP文本编码SDXL（Refiner）-ComfyUI节点
了解 ComfyUI 中的 CLIPTextEncodeSDXLRefiner 节点，通过纳入审美得分和维度来增强生成任务的条件，从而提升条件输出。
查看文档设置条件时间-ComfyUI节点
了解 ComfyUI 中的 ConditioningSetTimestepRange 节点，通过设置特定时间步范围来调整条件的时序方面，从而实现更有针对性的高效生成。
查看文档Conditioning Zero Out
Learn about the Conditioning Zero Out node in ComfyUI, which zeroes out specific elements within the conditioning data structure, effectively neutralizing their influence in subsequent processing steps.
查看文档CLIPTextEncodeFlux - ComfyUI节点
了解 ComfyUI CLIPTextEncodeFlux 节点，优化文本编码和条件生成，提升图像创作质量
查看文档FluxGuidance - ComfyUI 节点功能说明
了解 ComfyUI 中的 FluxGuidance 节点，控制文本提示对图像生成的影响
查看文档CLIP Loader
了解 ComfyUI 中的 CLIPLoader 节点，用于加载 CLIP 模型，支持不同类型如稳定扩散和稳定级联。它抽象了加载和配置 CLIP 模型的复杂性，提供了一种简化的方式来访问这些模型，并具有特定配置。
查看文档Load Checkpoint With Config (DEPRECATED)
了解 ComfyUI 中的 CheckpointLoader 节点，用于加载模型检查点及其配置。它抽象了加载和配置模型检查点的复杂性，提供了一种简化的方式来访问这些模型，并具有特定配置。
查看文档Diffuser Loader｜扩散加载器-ComfyUI节点
了解 ComfyUI 中的 DiffusersLoader 节点，用于从 diffusers 库加载模型，特别处理基于提供的模型路径加载 UNet、CLIP 和 VAE 模型。它促进了这些模型与 ComfyUI 框架的集成，使得能够实现文本到图像生成、图像操作等高级功能。
查看文档双CLIP加载器-ComfyUI节点
了解 ComfyUI 中的 DualCLIPLoader 节点，用于同时加载两个 CLIP 模型，促进需要整合或比较两个模型特征的操作。
查看文档UNET Loader | UNET加载器-ComfyUI节点
了解 ComfyUI 中的 UNETLoader 节点，通过名称加载 U-Net 模型，便于在系统中使用预训练的 U-Net 架构。
查看文档模型连续采样算法EDM
了解 ComfyUI 中的 ModelSamplingContinuousEDM 节点，通过集成连续 EDM（基于能量的扩散模型）采样技术来增强模型的采样能力。它允许动态调整模型采样过程中的噪声水平，提供对生成质量和多样性的更精细控制。
查看文档模型离散采样算法
了解 ComfyUI 中的 ModelSamplingDiscrete 节点，通过应用离散采样策略来修改模型的采样行为。它允许选择不同的采样方法，如 epsilon、v_prediction、lcm 或 x0，并可选地根据零样本噪声比率（zsnr）设置调整模型的噪声减少策略。
查看文档缩放CFG
了解 ComfyUI 中的 RescaleCFG 节点，通过指定乘数调整模型输出的条件和非条件比例，旨在实现更加平衡和可控的生成过程。它通过重新缩放模型输出以修改条件和非条件组件的影响，从而可能增强模型的性能或输出质量。
查看文档CheckpointSave 节点
了解 ComfyUI 中的 CheckpointSave 节点，用于将各种模型组件的状态，包括模型、CLIP 和 VAE，保存到检查点文件中。此功能对于保存模型的训练进度或配置以备后续使用或共享至关重要。
查看文档融合CLIP节点
了解 ComfyUI 中的 CLIPMergeSimple 节点，专门用于根据指定比例合并两个 CLIP 模型，有效地混合它们的特性。它有选择性地将一个模型的补丁应用到另一个模型上，排除像位置ID和对数尺度这样的特定组件，以创建一个结合了两个源模型特征的混合模型。
查看文档保存CLIP节点
了解 ComfyUI 中的 CLIPSave 节点，用于保存 CLIP 模型及其附加信息，如提示和额外的 PNG 元数据。它封装了序列化和存储模型状态的功能，便于模型配置及其相关创造性提示的保存和共享。
查看文档融合模型（相加）节点
了解 ComfyUI 中的 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。此过程涉及克隆第一个模型，然后应用第二个模型的补丁，从而允许结合两个模型的特征或行为。
查看文档融合模型（分层）节点
了解 ComfyUI 中的 ModelMergeBlocks 节点，用于高级模型合并操作，允许通过可定制的混合比例整合两个模型，从而创建混合模型。该节点通过基于指定参数选择性地合并两个源模型的组件，从而方便创建混合模型。
查看文档融合模型节点
了解 ComfyUI 中的 ModelMergeSimple 节点，用于通过基于指定比例混合两个模型的参数来合并两个模型。此节点有助于创建结合两个输入模型优势或特征的混合模型。
查看文档融合模型（相减）节点
了解 ComfyUI 中的 ModelMergeSubtract 节点，用于高级模型合并操作，特别是根据指定的乘数从一个模型中减去另一个模型的参数。它允许通过调整一个模型参数对另一个模型的影响来定制模型行为，从而方便创建新的混合模型。
查看文档保存VAE节点
了解 ComfyUI 中的 VAESave 节点，用于保存 VAE 模型及其元数据，包括提示和额外的 PNG 信息，到指定的输出目录。它封装了将模型状态和相关信息序列化到文件的功能，便于保存和共享训练好的模型。
查看文档条件控制
CLIP文本编码SDXL-ComfyUI节点
了解 ComfyUI 中的 CLIPTextEncodeSDXL 节点，使用专门为 SDXL 架构定制的 CLIP 模型对文本输入进行编码，将文本描述转换为适合图像生成或操作任务的格式。
查看文档CLIP文本编码SDXL（Refiner）-ComfyUI节点
了解 ComfyUI 中的 CLIPTextEncodeSDXLRefiner 节点，通过纳入审美得分和维度来增强生成任务的条件，从而提升条件输出。
查看文档设置条件时间-ComfyUI节点
了解 ComfyUI 中的 ConditioningSetTimestepRange 节点，通过设置特定时间步范围来调整条件的时序方面，从而实现更有针对性的高效生成。
查看文档Conditioning Zero Out
Learn about the Conditioning Zero Out node in ComfyUI, which zeroes out specific elements within the conditioning data structure, effectively neutralizing their influence in subsequent processing steps.
查看文档CLIPTextEncodeFlux - ComfyUI节点
了解 ComfyUI CLIPTextEncodeFlux 节点，优化文本编码和条件生成，提升图像创作质量
查看文档FluxGuidance - ComfyUI 节点功能说明
了解 ComfyUI 中的 FluxGuidance 节点，控制文本提示对图像生成的影响
查看文档加载器
CLIP Loader
了解 ComfyUI 中的 CLIPLoader 节点，用于加载 CLIP 模型，支持不同类型如稳定扩散和稳定级联。它抽象了加载和配置 CLIP 模型的复杂性，提供了一种简化的方式来访问这些模型，并具有特定配置。
查看文档Load Checkpoint With Config (DEPRECATED)
了解 ComfyUI 中的 CheckpointLoader 节点，用于加载模型检查点及其配置。它抽象了加载和配置模型检查点的复杂性，提供了一种简化的方式来访问这些模型，并具有特定配置。
查看文档Diffuser Loader｜扩散加载器-ComfyUI节点
了解 ComfyUI 中的 DiffusersLoader 节点，用于从 diffusers 库加载模型，特别处理基于提供的模型路径加载 UNet、CLIP 和 VAE 模型。它促进了这些模型与 ComfyUI 框架的集成，使得能够实现文本到图像生成、图像操作等高级功能。
查看文档双CLIP加载器-ComfyUI节点
了解 ComfyUI 中的 DualCLIPLoader 节点，用于同时加载两个 CLIP 模型，促进需要整合或比较两个模型特征的操作。
查看文档UNET Loader | UNET加载器-ComfyUI节点
了解 ComfyUI 中的 UNETLoader 节点，通过名称加载 U-Net 模型，便于在系统中使用预训练的 U-Net 架构。
查看文档模型
模型连续采样算法EDM
了解 ComfyUI 中的 ModelSamplingContinuousEDM 节点，通过集成连续 EDM（基于能量的扩散模型）采样技术来增强模型的采样能力。它允许动态调整模型采样过程中的噪声水平，提供对生成质量和多样性的更精细控制。
查看文档模型离散采样算法
了解 ComfyUI 中的 ModelSamplingDiscrete 节点，通过应用离散采样策略来修改模型的采样行为。它允许选择不同的采样方法，如 epsilon、v_prediction、lcm 或 x0，并可选地根据零样本噪声比率（zsnr）设置调整模型的噪声减少策略。
查看文档缩放CFG
了解 ComfyUI 中的 RescaleCFG 节点，通过指定乘数调整模型输出的条件和非条件比例，旨在实现更加平衡和可控的生成过程。它通过重新缩放模型输出以修改条件和非条件组件的影响，从而可能增强模型的性能或输出质量。
查看文档模型融合
CheckpointSave 节点
了解 ComfyUI 中的 CheckpointSave 节点，用于将各种模型组件的状态，包括模型、CLIP 和 VAE，保存到检查点文件中。此功能对于保存模型的训练进度或配置以备后续使用或共享至关重要。
查看文档融合CLIP节点
了解 ComfyUI 中的 CLIPMergeSimple 节点，专门用于根据指定比例合并两个 CLIP 模型，有效地混合它们的特性。它有选择性地将一个模型的补丁应用到另一个模型上，排除像位置ID和对数尺度这样的特定组件，以创建一个结合了两个源模型特征的混合模型。
查看文档保存CLIP节点
了解 ComfyUI 中的 CLIPSave 节点，用于保存 CLIP 模型及其附加信息，如提示和额外的 PNG 元数据。它封装了序列化和存储模型状态的功能，便于模型配置及其相关创造性提示的保存和共享。
查看文档融合模型（相加）节点
了解 ComfyUI 中的 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。此过程涉及克隆第一个模型，然后应用第二个模型的补丁，从而允许结合两个模型的特征或行为。
查看文档融合模型（分层）节点
了解 ComfyUI 中的 ModelMergeBlocks 节点，用于高级模型合并操作，允许通过可定制的混合比例整合两个模型，从而创建混合模型。该节点通过基于指定参数选择性地合并两个源模型的组件，从而方便创建混合模型。
查看文档融合模型节点
了解 ComfyUI 中的 ModelMergeSimple 节点，用于通过基于指定比例混合两个模型的参数来合并两个模型。此节点有助于创建结合两个输入模型优势或特征的混合模型。
查看文档融合模型（相减）节点
了解 ComfyUI 中的 ModelMergeSubtract 节点，用于高级模型合并操作，特别是根据指定的乘数从一个模型中减去另一个模型的参数。它允许通过调整一个模型参数对另一个模型的影响来定制模型行为，从而方便创建新的混合模型。
查看文档保存VAE节点
了解 ComfyUI 中的 VAESave 节点，用于保存 VAE 模型及其元数据，包括提示和额外的 PNG 信息，到指定的输出目录。它封装了将模型状态和相关信息序列化到文件的功能，便于保存和共享训练好的模型。
查看文档条件控制
控制生成过程
SZ123条件节点
了解 ComfyUI 中的 StableZero123_Conditioning 节点，用于处理和为 StableZero123 模型使用的条件数据，专注于以特定格式准备输入，这些格式与这些模型兼容并经过优化。
查看文档SZ123条件(批次)节点
了解 ComfyUI 中的 StableZero123_Conditioning_Batched 节点，用于以批次方式处理条件信息，专门为 StableZero123 模型设计。它专注于高效处理多组条件数据，优化批处理至关重要的场景中的工作流程。
查看文档CLIP设置停止层节点
了解 ComfyUI 中的 CLIPSetLastLayer 节点，用于通过设置特定层为最后执行层来修改 CLIP 模型的行为。它允许对 CLIP 模型内的处理深度进行定制，可能通过限制处理的信
查看文档CLIP文本编码器
了解 ComfyUI 中的 CLIPTextEncode 节点，用于使用 CLIP 模型编码文本输入，将文本转换为可以用于生成任务中的条件形式。它抽象了文本标记化和编码的复杂性，提供了一个简化的接口来生成基于文本的条件向量。
查看文档CLIP视觉编码
了解 ComfyUI 中的 CLIPVisionEncode 节点，用于使用 CLIP 视觉模型编码图像，将视觉输入转换为适合进一步处理或分析的格式。它抽象了图像编码的复杂性，提供了一个简化的接口来将图像转换为编码表示。
查看文档条件平均
了解 ComfyUI 中的 ConditioningAverage 节点，用于混合两组条件数据，根据指定的强度应用加权平均。这一过程允许动态调整条件影响，便于微调生成的内容或特征。
查看文档Conditioning(Combine) - 条件合并节点
了解 ComfyUI 中的 Conditioning(Combine) 节点，用于合并两组条件数据，有效地合并它们的信息。它提供了一个简单的接口来集成条件输入，允许动态调整生成的内容或特征。
查看文档Conditioning (Concat) - 条件联结节点
了解 ComfyUI 中的 Conditioning(Concat) 节点，用于连接条件向量，特别是将'conditioning_from'向量合并到'conditioning_to'向量中。在需要将来自两个源的条件信息组合成单一、统一表示的场景中，此操作是基础。
查看文档Conditioning (Set Area) - 条件采样区域
了解 ComfyUI 中的 Conditioning(SetArea) 节点，用于通过在条件上下文中设置特定区域来修改条件信息。它允许对条件元素进行精确的空间操作，根据指定的尺寸和强度实现有针对性的调整和增强。
查看文档Conditioning (Set Area with Percentage) - 按系数设置条件采样区域
了解 ComfyUI 中的 Conditioning(SetAreaWithPercentage) 节点，用于根据百分比值调整条件元素的影响区域。它允许指定区域的尺寸和位置作为总图像尺寸的百分比，以及一个强度参数来调节条件效果的强度。
查看文档Conditioning (Set Area Strength) - 条件设置区域强度
了解 ComfyUI 中的 Conditioning(SetAreaStrength) 节点，用于调整指定区域内条件元素的强度。它允许指定区域的尺寸和位置作为总图像尺寸的百分比，以及一个强度参数来调节条件效果的强度。
查看文档Conditioning (Set Mask) - 条件设置遮罩
了解 ComfyUI 中的 Conditioning(SetMask) 节点，用于通过应用具有指定强度的遮罩来修改条件信息，从而在特定区域进行有针对性的调整。它允许对条件内的特定区域进行更精确的控制，从而实现更精确的生成过程。
查看文档Apply ControlNet - ControlNet应用
了解 ComfyUI 中的 ApplyControlNet 节点，用于基于图像和控制网模型对条件数据应用控制网变换。它允许对控制网对生成内容的影响进行微调调整，从而对条件进行更精确和多样化的修改。
查看文档Apply ControlNet (Advanced) - ControlNet高级应用
了解 ComfyUI 中的 ApplyControlNet(Advanced) 节点，用于基于图像和控制网模型对条件数据应用高级控制网变换。它允许对控制网对生成内容的影响进行微调调整，从而对条件进行更精确和多样化的修改。
查看文档GLIGEN文本框应用节点
了解 ComfyUI 中的 GLIGENTextBoxApply 节点，用于将基于文本的条件信息整合到生成模型的输入中，具体做法是应用文本框参数并使用 CLIP 模型对其进行编码。这个过程通过空间和文本信息丰富了条件信息，从而促进了更精确和上下文感知的生成。
查看文档内补模型条件节点
了解 ComfyUI 中的 InpaintModelConditioning 节点，用于促进内补模型的条件处理，允许整合和操作各种条件输入以定制内补输出。它包含了一系列功能，从加载特定的模型检查点并应用风格或控制网络模型，到编码和组合条件元素，从而成为定制内补任务的全面工具。
查看文档风格模型应用节点
了解 ComfyUI 中的 StyleModelApply 节点，用于将风格模型应用于给定的条件，增强或改变其风格基于 CLIP 视觉模型的输出。它将风格模型的条件整合到现有条件中，允许在生成过程中风格无缝融合。
查看文档unCLIP Conditioning - unCLIP条件
了解 ComfyUI 中的 unCLIPConditioning 节点，用于将 CLIP 视觉输出整合到条件过程中，根据指定的强度和噪声增强参数调整这些输出的影响。它通过视觉上下文丰富了条件，增强了生成过程。
查看文档SD4X放大条件节点
了解 ComfyUI 中的 SD_4XUpscale_Conditioning 节点，用于通过4倍放大过程增强图像分辨率，结合条件元素细化输出。它利用扩散技术放大图像，同时允许调整缩放比率和噪声增强以微调增强过程。
查看文档SVD_图像到视频_条件节点
了解 ComfyUI 中的 SVD_img2vid_Conditioning 节点，用于为视频生成任务生成条件数据，特别适用于与 SVD_img2vid 模型一起使用。它接受各种输入，包括初始图像、视频参数和 VAE 模型，以生成可以用于指导视频帧生成的条件数据。
查看文档3D模型
图像
图像处理和操作
Save Animated PNG - 保存APNG
了解 ComfyUI 中的 SaveAnimatedPNG 节点，用于从一系列帧创建和保存动画PNG图像。它处理将单独的图像帧组装成连贯的动画，允许自定义帧持续时间、循环和包含元数据。
查看文档Save Animated WEBP - 保存WEBP
了解 ComfyUI 中的 SaveAnimatedWEBP 节点，用于将一系列图像保存为动画WEBP文件。它处理将单独的帧聚合成连贯的动画，应用指定的元数据，并基于质量和压缩设置优化输出。
查看文档Image From Batch - 从批次获取图像
了解 ComfyUI 中的 ImageFromBatch 节点，用于根据提供的索引和长度从一批图像中提取特定段。它允许对批处理图像进行更细粒度的控制，使得可以对较大批次中的单个或子集图像执行操作。
查看文档Rebatch Images - 重设图像批次
了解 ComfyUI 中的 RebatchImages 节点，用于将一批图像重新组织成新的批量配置，根据指定调整批量大小。此过程对于管理和优化批量操作中图像数据的处理至关重要，确保图像根据所需的批量大小进行分组，以便有效处理。
查看文档Repeat Image Batch
了解 ComfyUI 中的 RepeatImageBatch 节点，用于将给定图像复制指定次数，创建一批相同的图像。此功能适用于需要相同图像的多个实例的操作，例如批量处理或数据增强。
查看文档Empty Image 空图像
了解 ComfyUI 中的 EmptyImage 节点，用于生成指定尺寸和颜色的空白图像。它允许创建统一颜色的图像，可以作为各种图像处理任务的背景或占位符。
查看文档Image Batch 图像组合批次
了解 ComfyUI 中的 ImageBatch 节点，用于将两张图像组合成单个批次。如果图像的尺寸不匹配，它会自动重新调整第二张图像的尺寸以匹配第一张图像的尺寸，然后再将它们组合。
查看文档Image Composite Masked 图像遮罩复合
了解 ComfyUI 中的 ImageCompositeMasked 节点，用于组合图像，允许将源图像覆盖在目标图像上，在指定坐标处进行叠加，可选择调整大小和使用遮罩。
查看文档Invert Image 图像反转
了解 ComfyUI 中的 ImageInvert 节点，用于反转图像的颜色，有效地将每个像素的颜色值转换为其在色轮上的互补色。此操作适用于创建负片图像或需要颜色反色的视觉效果。
查看文档Image Pad For Outpainting 外补画板
了解 ComfyUI 中的 ImagePadForOutpaint 节点，用于通过在图像周围添加填充来准备图像进行外延处理。它调整图像尺寸以确保与外延算法兼容，从而方便生成超出原始边界的扩展图像区域。
查看文档Load Image 加载图像
了解 ComfyUI 中的 LoadImage 节点，用于从指定路径加载和预处理图像。它处理包含多帧的图像格式，应用必要的变换，如根据 EXIF 数据旋转，归一化像素值，并可选择为包含 alpha 通道的图像生成遮罩。此节点对于准备图像以在管道内进行进一步处理或分析至关重要。
查看文档Image Blend
了解 ComfyUI 中的 ImageBlend 节点，用于根据指定的混合模式和混合因子将两张图像混合在一起。它支持各种混合模式，如正常、乘法、屏幕、叠加、柔光和差异，允许进行多功能的图像操作和组合技术。此节点对于通过调整两个图像层之间的视觉交互来创建复合图像至关重要。
查看文档Image Blur
了解 ComfyUI 中的 ImageBlur 节点，用于应用高斯模糊到图像，软化边缘并减少细节和噪声。它通过参数提供对模糊强度和扩散的控制。
查看文档Image Quantize
了解 ComfyUI 中的 ImageQuantize 节点，用于将图像的颜色数量减少到指定数量，可选地应用抖动技术以维持视觉质量。此过程适用于创建基于调色板的图像或为了某些应用减少颜色复杂性。
查看文档Image Sharpen 图像锐化
了解 ComfyUI 中的 ImageSharpen 节点，用于通过强调图像的边缘和细节来增强图像的清晰度。它对图像应用锐化滤镜，可以调整强度和半径，使图像看起来更清晰和鲜明。
查看文档Canny 节点
了解 ComfyUI 中的 Canny 节点，用于图像的边缘检测，利用 Canny 算法识别和突出边缘。此过程涉及对输入图像应用一系列滤波器来检测高梯度区域，这些区域对应于边缘，从而增强图像的结构细节。
查看文档Preview Image 预览图像
了解 ComfyUI 中的 PreviewImage 节点，用于创建临时预览图像。它自动为每个图像生成一个独特的临时文件名，将图像压缩到指定级别，并将其保存到临时目录中。此功能特别适用于在处理期间生成图像的预览，而不影响原始文件。
查看文档Save Image 保存图像
了解 ComfyUI 中的 SaveImage 节点，用于将图像保存到磁盘。它处理将图像数据从张量转换为合适的图像格式、应用可选的元数据以及以可配置的压缩级别将图像写入指定位置的过程。
查看文档Image Crop 图像裁剪
了解 ComfyUI 中的 ImageCrop 节点，用于根据指定的宽度和高度以及给定的 x 和 y 坐标对图像进行裁剪。这一功能对于聚焦于图像的特定区域或调整图像大小以满足某些要求至关重要。
查看文档Image Scale 图像缩放
了解 ComfyUI 中的 ImageScale 节点，用于将图像调整到特定的尺寸，提供了一系列放大方法以及裁剪调整大小后的图像的能力。它抽象了图像放大和裁剪的复杂性，提供了一个简单的接口，用于根据用户定义的参数修改图像尺寸。
查看文档Image Scale By 图像按系数缩放节点
了解 ComfyUI 中的 ImageScaleBy 节点，用于通过指定缩放因子使用各种插值方法放大图像。它允许以灵活的方式调整图像大小，以满足不同的放大需求。
查看文档Image Scale To Total Pixels 图像按像素缩放
了解 ComfyUI 中的 ImageScaleToTotalPixels 节点，用于将图像调整到指定的总像素数，同时保持纵横比。它提供多种方法来放大图像以实现所需的像素计数。
查看文档Image Upscale With Model 图像通过模型放大
了解 ComfyUI 中的 ImageUpscaleWithModel 节点，用于使用指定的放大模型放大图像。它通过将图像调整到适当的设备、有效管理内存，并以平铺方式应用放大模型来处理放大过程，以适应潜在的内存不足错误。
查看文档潜空间
潜空间操作
Latent Upscale
了解 ComfyUI 中的 LatentUpscale 节点，用于放大图像的潜在表示。它允许调整输出图像的尺寸和放大方法，提供在提高潜在图像分辨率方面的灵活性。
查看文档Empty Latent Image
了解 ComfyUI 中的 EmptyLatentImage 节点，用于生成具有指定维度和批量大小的空白潜在空间表示。此节点作为生成或操作潜在空间中图像的基础步骤，提供了进一步图像合成或修改过程的起点。
查看文档Latent Upscale By
了解 ComfyUI 中的 LatentUpscaleBy 节点，用于通过指定比例因子放大图像的潜在表示。此节点允许调整比例因子和放大方法，提供在提高潜在样本分辨率方面的灵活性。
查看文档Latent Composite
了解 ComfyUI 中的 LatentComposite 节点，用于将两个潜在表示混合或合并为单个输出。此过程对于通过控制方式结合输入潜在特征来创建组合图像或特征至关重要。
查看文档VAE Decode
了解 ComfyUI 中的 VAEDecode 节点，用于使用指定的变分自编码器（VAE）将潜在表示解码成图像。它旨在从压缩的数据表示生成图像，从而促进从它们的潜在空间编码重建图像。
查看文档VAE Encode
了解 ComfyUI 中的 VAEEncode 节点，用于使用指定的变分自编码器（VAE）将图像编码为潜在空间表示。它抽象了编码过程的复杂性，提供了一种直接的方法将图像转换为它们的潜在表示。
查看文档Latent Composite Masked
了解 ComfyUI 中的 LatentCompositeMasked 节点，用于在指定坐标处将两个潜在表示混合在一起，可选使用遮罩进行更受控的组合。此节点通过将一个图像的部分覆盖在另一个图像上来创建复杂的潜在图像，并能够调整源图像的大小以实现完美贴合。
查看文档Latent Add 潜变量相加
了解 ComfyUI 中的 LatentAdd 节点，用于对两个潜在表示进行加法运算。它通过执行逐元素加法，促进了这些表示中编码的特征或特性的组合。
查看文档Latent Batch Seed Behavior 潜变量批次随机种操作
了解 ComfyUI 中的 LatentBatchSeedBehavior 节点，用于修改一批潜在样本的种子行为。它允许对种子进行随机化或固定，从而通过引入变化性或保持生成输出的一致性来影响生成过程。
查看文档Latent Interpolate 潜变量插值
了解 ComfyUI 中的 LatentInterpolate 节点，用于在两组潜在样本之间执行插值，基于指定的比率混合两组的特性，以产生一组新的、中间的潜在样本。
查看文档Latent Multiply 潜变量相乘
了解 ComfyUI 中的 LatentMultiply 节点，用于通过指定的乘数缩放样本的潜在表示，允许对生成的内容进行微调或探索给定潜在方向内的变体。
查看文档Latent Subtract 潜变量相减
了解 ComfyUI 中的 LatentSubtract 节点，用于从一个潜在表示中减去另一个潜在表示。此操作可用于通过有效地从一个潜在空间中移除特征或属性来操纵或修改生成模型的输出。
查看文档Latent Batch 潜变量批次
了解 ComfyUI 中的 LatentBatch 节点，用于将两组潜在样本合并为一个单一的批量，可能先调整其中一组的大小以匹配另一组的尺寸，然后再进行拼接。此操作便于将不同的潜在表示组合起来进行进一步的处理或生成任务。
查看文档Latent From Batch 从批次获取潜变量
了解 ComfyUI 中的 LatentFromBatch 节点，用于根据指定的批量索引和长度从给定的批量中提取特定子集的潜在样本。它允许对潜在样本进行选择性处理，便于对批量的较小段进行高效操作或针对性操作。
查看文档Rebatch Latents 重设Latent批次
了解 ComfyUI 中的 RebatchLatents 节点，用于根据指定的批量大小将潜在表示的批量重新组织成新的批量配置。它确保潜在样本被适当分组，处理尺寸和大小的变化，以便于进一步处理或模型推断。
查看文档Repeat Latent Batch 复制Latent批次
了解 ComfyUI 中的 RepeatLatentBatch 节点，用于复制给定批量的潜在表示指定的次数，可能包括额外的数据，如噪声遮罩和批量索引。此功能对于需要相同潜在数据的多个实例的操作至关重要，例如数据增强或特定的生成任务。
查看文档Set Latent Noise Mask 设置Latent噪波遮罩
了解 ComfyUI 中的 SetLatentNoiseMask 节点，用于对一组潜在样本应用噪波遮罩。它通过整合指定的遮罩来修改输入样本，从而改变它们的噪声特性。
查看文档VAE Encode (for Inpainting) 编码用于内补的VAE
了解 ComfyUI 中的 VAEEncodeForInpaint 节点，用于将图像编码为适合内补任务的潜在表示，通过额外的预处理步骤调整输入图像和遮罩，以优化 VAE 模型的编码。
查看文档Crop Latent 裁剪Latent
了解 ComfyUI 中的 LatentCrop 节点，用于对图像的潜在表示执行裁剪操作。它允许指定裁剪尺寸和位置，从而实现对潜在空间的针对性修改。
查看文档Flip Latent 翻转Latent
了解 ComfyUI 中的 LatentFlip 节点，用于通过垂直或水平翻转来操作潜在表示。此操作允许转换潜在空间，可能揭示数据中的新变化或视角。
查看文档Rotate Latent
了解 ComfyUI 中的 LatentRotate 节点，用于通过指定角度旋转图像的潜在表示。它抽象了操作潜在空间以实现旋转效果的复杂性，使用户能够在生成模型的潜在空间中轻松变换图像。
查看文档高级
Latent Add 潜变量相加
了解 ComfyUI 中的 LatentAdd 节点，用于对两个潜在表示进行加法运算。它通过执行逐元素加法，促进了这些表示中编码的特征或特性的组合。
查看文档Latent Batch Seed Behavior 潜变量批次随机种操作
了解 ComfyUI 中的 LatentBatchSeedBehavior 节点，用于修改一批潜在样本的种子行为。它允许对种子进行随机化或固定，从而通过引入变化性或保持生成输出的一致性来影响生成过程。
查看文档Latent Interpolate 潜变量插值
了解 ComfyUI 中的 LatentInterpolate 节点，用于在两组潜在样本之间执行插值，基于指定的比率混合两组的特性，以产生一组新的、中间的潜在样本。
查看文档Latent Multiply 潜变量相乘
了解 ComfyUI 中的 LatentMultiply 节点，用于通过指定的乘数缩放样本的潜在表示，允许对生成的内容进行微调或探索给定潜在方向内的变体。
查看文档Latent Subtract 潜变量相减
了解 ComfyUI 中的 LatentSubtract 节点，用于从一个潜在表示中减去另一个潜在表示。此操作可用于通过有效地从一个潜在空间中移除特征或属性来操纵或修改生成模型的输出。
查看文档批处理
Latent Batch 潜变量批次
了解 ComfyUI 中的 LatentBatch 节点，用于将两组潜在样本合并为一个单一的批量，可能先调整其中一组的大小以匹配另一组的尺寸，然后再进行拼接。此操作便于将不同的潜在表示组合起来进行进一步的处理或生成任务。
查看文档Latent From Batch 从批次获取潜变量
了解 ComfyUI 中的 LatentFromBatch 节点，用于根据指定的批量索引和长度从给定的批量中提取特定子集的潜在样本。它允许对潜在样本进行选择性处理，便于对批量的较小段进行高效操作或针对性操作。
查看文档Rebatch Latents 重设Latent批次
了解 ComfyUI 中的 RebatchLatents 节点，用于根据指定的批量大小将潜在表示的批量重新组织成新的批量配置。它确保潜在样本被适当分组，处理尺寸和大小的变化，以便于进一步处理或模型推断。
查看文档Repeat Latent Batch 复制Latent批次
了解 ComfyUI 中的 RepeatLatentBatch 节点，用于复制给定批量的潜在表示指定的次数，可能包括额外的数据，如噪声遮罩和批量索引。此功能对于需要相同潜在数据的多个实例的操作至关重要，例如数据增强或特定的生成任务。
查看文档内补
变换
Crop Latent 裁剪Latent
了解 ComfyUI 中的 LatentCrop 节点，用于对图像的潜在表示执行裁剪操作。它允许指定裁剪尺寸和位置，从而实现对潜在空间的针对性修改。
查看文档Flip Latent 翻转Latent
了解 ComfyUI 中的 LatentFlip 节点，用于通过垂直或水平翻转来操作潜在表示。此操作允许转换潜在空间，可能揭示数据中的新变化或视角。
查看文档Rotate Latent
了解 ComfyUI 中的 LatentRotate 节点，用于通过指定角度旋转图像的潜在表示。它抽象了操作潜在空间以实现旋转效果的复杂性，使用户能够在生成模型的潜在空间中轻松变换图像。
查看文档加载器
加载各种模型和资源
Checkpoint Loader (Simple)
此节点旨在简化模型检查点的加载过程，无需指定配置即可加载模型检查点。它通过仅需要检查点名称，使得不熟悉配置细节的用户也能轻松加载检查点。
查看文档CLIP Vision Loader
此节点旨在从指定路径加载CLIP视觉模型。它抽象了定位和初始化CLIP视觉模型的复杂性，使它们可以立即用于进一步的处理或推理任务。
查看文档ControlNet Loader
此节点旨在从指定路径加载ControlNet模型。它抽象了定位和初始化ControlNet模型的复杂性，使它们可以立即用于进一步的处理或推理任务。
查看文档Diff ControlNet Loader
此节点旨在从指定路径加载差分ControlNet模型。它抽象了定位和初始化差分ControlNet模型的复杂性，使它们可以立即用于进一步的处理或推理任务。
查看文档GLIGEN Loader
此节点旨在加载GLIGEN模型。GLIGEN模型是专门用于生成任务的生成模型。它简化了从指定路径检索和初始化这些模型的过程，使它们可以立即用于进一步的处理或推理任务。
查看文档Hypernetwork Loader
此节点旨在通过应用超网络来增强或修改给定模型的能力。它加载一个指定的超网络并将其应用于模型，根据强度参数可能改变模型的行为或性能。这个过程允许对模型的架构或参数进行动态调整，从而实现更灵活和适应性的人工智能系统。
查看文档Lora Loader
此节点旨在动态加载并应用LoRA（低秩适应）调整到模型和CLIP实例上，基于指定的强度和LoRA文件名。它通过应用微调调整来定制预训练模型，而无需直接改变原始模型权重，从而实现更灵活和针对性的模型行为修改。
查看文档Lora Loader Model Only
此节点专门用于加载LoRA模型，而无需CLIP模型，专注于根据LoRA参数增强或修改给定模型。它允许通过LoRA参数动态调整模型的强度，从而对模型的行为进行微调控制。
查看文档Style Model Loader
此节点旨在从指定路径加载风格模型。它抽象了定位和初始化风格模型的复杂性，使它们可以立即用于进一步的处理或推理任务。
查看文档unCLIP Checkpoint Loader
此节点旨在加载专门为unCLIP模型定制的检查点。它便于检索和初始化模型、CLIP视觉模块和变分自编码器（VAE）从指定的检查点，简化了进一步操作或分析的设置过程。
查看文档Upscale Model Loader
此节点旨在从指定路径加载放大模型。它抽象了定位和初始化放大模型的复杂性，使它们可以立即用于进一步的处理或推理任务。
查看文档VAE Loader
此节点旨在加载变分自编码器（VAE）模型，特别适用于处理标准和近似变分自编码器。它支持通过名称加载VAE，包括对 'taesd' 和 'taesdxl' 模型的专门处理，并根据VAE的特定配置动态调整。
查看文档Image Only Checkpoint Loader (img2vid model)
此节点专门用于加载视频生成工作流中基于图像的模型的检查点。它有效地检索和配置来自给定检查点的所需组件，专注于模型的图像相关方面。
查看文档
遮罩
遮罩创建和操作
Join Image with Alpha
此节点专为合成操作设计，特别是用于将图像与其对应的 Alpha 遮罩结合，产生单个输出图像。它有效地将视觉内容与透明度信息结合起来，使得可以创建某些区域是透明或半透明的图像。
查看文档Porter-Duff Image Composite
此节点旨在使用 Porter-Duff 合成操作符执行图像合成。它允许根据各种混合模式组合源图像和目标图像，通过操纵图像透明度和以创造性的方式叠加图像来实现复杂视觉效果的创建。
查看文档Split Image with Alpha
此节点旨在分离图像的颜色和 alpha（透明度）组件。它处理输入的图像张量，提取 RGB 通道作为颜色组件，以及 alpha 通道作为透明度组件，从而便于对这些不同的图像方面进行操作。
查看文档Crop Mask
此节点旨在从给定的遮罩中裁剪出指定的区域。它允许用户通过指定坐标和尺寸来定义感兴趣区域，有效地提取遮罩的一部分以进行进一步的处理或分析。
查看文档Feather Mask
此节点旨在对给定遮罩的边缘应用羽化效果，通过调整每个边缘指定距离内的不透明度，平滑过渡遮罩的边缘。这创造了一个更柔和、更混合的边缘效果。
查看文档Grow Mask
此节点旨在修改给定遮罩的大小，可以是扩展或收缩，同时可以选择性地对角落应用渐缩效果。这个功能对于动态调整图像处理任务中的遮罩边界至关重要，允许对感兴趣区域进行更灵活和精确的控制。
查看文档Image Color To Mask
此节点旨在将图像中的指定颜色转换为遮罩。它处理一张图像和一个目标颜色，生成一个遮罩，其中指定的颜色被突出显示，这有助于进行基于颜色的分割或对象隔离等操作。
查看文档Image To Mask
此节点旨在将图像转换为遮罩，基于指定的颜色通道。它允许提取与图像的红色、绿色、蓝色或 alpha 通道相对应的遮罩层，从而便于进行需要特定通道遮罩或处理的操作。
查看文档Invert Mask
此节点旨在反转给定遮罩的值，有效地翻转遮罩和未遮罩区域。此操作在图像处理任务中是基础性的，当需要在前景和背景之间切换兴趣焦点时。
查看文档Load Image (as Mask)
此节点旨在从指定路径加载图像及其相关遮罩，处理它们以确保与进一步的图像操作或分析任务兼容。它专注于处理各种图像格式和条件，例如遮罩的 alpha 通道的存在，并通过对它们进行标准化格式转换，为下游处理准备图像和遮罩。
查看文档Mask Composite
此节点通过各种操作（如加法、减法和逻辑操作）结合两个遮罩输入，以产生一个新的、修改后的遮罩。它抽象地处理遮罩数据的操纵，以实现复杂的遮罩效果，是遮罩基础的图像编辑和处理工作流程中的关键组件。
查看文档Mask To Image
此节点旨在将遮罩转换为图像格式。这种转换允许对遮罩进行可视化和进一步处理，从而在基于遮罩的操作和基于图像的应用程序之间架起了一座桥梁。
查看文档Solid Mask 纯色遮罩
此节点生成一个具有指定值的均匀遮罩，覆盖其整个区域。它旨在创建具有特定尺寸和强度的遮罩，在各种图像处理和遮罩任务中非常有用。
查看文档合成
Join Image with Alpha
此节点专为合成操作设计，特别是用于将图像与其对应的 Alpha 遮罩结合，产生单个输出图像。它有效地将视觉内容与透明度信息结合起来，使得可以创建某些区域是透明或半透明的图像。
查看文档Porter-Duff Image Composite
此节点旨在使用 Porter-Duff 合成操作符执行图像合成。它允许根据各种混合模式组合源图像和目标图像，通过操纵图像透明度和以创造性的方式叠加图像来实现复杂视觉效果的创建。
查看文档Split Image with Alpha
此节点旨在分离图像的颜色和 alpha（透明度）组件。它处理输入的图像张量，提取 RGB 通道作为颜色组件，以及 alpha 通道作为透明度组件，从而便于对这些不同的图像方面进行操作。
查看文档Samping 采样器
在 Stable Diffusion 中，采样器（sampler）的作用是在给定的噪声图像（latent space image）上逐步去噪，生成清晰的图像。这个过程是通过迭代的方式进行的，每一步都会使图像更加清晰，直到达到所需的图像质量或达到预设的迭代步数。
SamplerCustom
此节点旨在提供一种灵活且可定制的采样机制，以满足各种应用的需求。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。
查看文档KSampler Select
此节点旨在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。
查看文档Sampler DPMPP_2M_SDE
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。
查看文档Sampler DPMPP_SDE
此节点旨在为 DPMPP_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。
查看文档Basic Scheduler
此节点旨在根据提供的调度器、模型和去噪参数计算一系列 sigma 值，以微调扩散过程。它根据去噪因子动态调整总步骤数，以微调扩散过程。
查看文档Exponential Scheduler
此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。
查看文档Karras Scheduler
此节点旨在根据 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。
查看文档Polyexponential Scheduler
此节点旨在基于多项式指数噪声时间表生成一系列噪声水平（sigmas）。该时间表是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。
查看文档SD Turbo Scheduler
此节点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。
查看文档VP Scheduler
此节点旨在根据方差保持（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。
查看文档Flip Sigmas
此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。
查看文档Split Sigmas
此节点旨在根据指定的步骤将一系列 sigma 值分割成两部分。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。
查看文档KSampler
此节点旨在提供一种基本的采样机制，以满足各种应用的需求。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。
查看文档KSampler (Advanced)
此节点旨在通过提供高级配置和技巧来增强采样过程。它旨在提供更多高级选项，以从模型生成样本，改进基本KSampler功能。
查看文档Sampler 采样器详解
此节点旨在提供一种基本的采样机制，以满足各种应用的需求。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。
查看文档Video Linear CFG Guidance
此节点通过在视频模型上应用线性条件引导比例尺，调整受条件化和非条件化组件影响的范围。这使得生成过程的动态控制成为可能，允许根据所需的引导比例尺对模型输出进行微调。
查看文档自定义采样 Custom_sampling
SamplerCustom
此节点旨在提供一种灵活且可定制的采样机制，以满足各种应用的需求。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。
查看文档KSampler Select
此节点旨在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。
查看文档Sampler DPMPP_2M_SDE
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。
查看文档Sampler DPMPP_SDE
此节点旨在为 DPMPP_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。
查看文档Basic Scheduler
此节点旨在根据提供的调度器、模型和去噪参数计算一系列 sigma 值，以微调扩散过程。它根据去噪因子动态调整总步骤数，以微调扩散过程。
查看文档Exponential Scheduler
此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。
查看文档Karras Scheduler
此节点旨在根据 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。
查看文档Polyexponential Scheduler
此节点旨在基于多项式指数噪声时间表生成一系列噪声水平（sigmas）。该时间表是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。
查看文档SD Turbo Scheduler
此节点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。
查看文档VP Scheduler
此节点旨在根据方差保持（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。
查看文档Flip Sigmas
此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。
查看文档Split Sigmas
此节点旨在根据指定的步骤将一系列 sigma 值分割成两部分。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。
查看文档采样器
KSampler Select
此节点旨在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。
查看文档Sampler DPMPP_2M_SDE
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。
查看文档Sampler DPMPP_SDE
此节点旨在为 DPMPP_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。
查看文档调度器
Basic Scheduler
此节点旨在根据提供的调度器、模型和去噪参数计算一系列 sigma 值，以微调扩散过程。它根据去噪因子动态调整总步骤数，以微调扩散过程。
查看文档Exponential Scheduler
此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。
查看文档Karras Scheduler
此节点旨在根据 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。
查看文档Polyexponential Scheduler
此节点旨在基于多项式指数噪声时间表生成一系列噪声水平（sigmas）。该时间表是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。
查看文档SD Turbo Scheduler
此节点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。
查看文档VP Scheduler
此节点旨在根据方差保持（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。
查看文档
utils 实用工具
utils节点选项之下包括几个辅助性的节点
Note 注释节点
The Note node is designed to provide a basic sampling mechanism for various applications. It enables users to select and configure different sampling strategies tailored to their specific needs, enhancing the adaptability and efficiency of the sampling process.
查看文档Primitive 元节点
Primitive 节点可以识别连接到它的输入类型，并提供相应的输入数据。当此节点连接到不同类型的输入时，它将变为不同的输入状态。它可以用于在多个不同节点中使用相同的参数，例如在多个 Ksampler 中使用相同的 seed。
查看文档Reroute 转接点
Reroute 节点旨在提供一种基本的采样机制，以满足各种应用的需求。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。
查看文档Terminal Log (Manager)
终端日志(管理器)节点主要用于在 ComfyUI 界面中显示 ComfyUI 在 CMD 终端的运行信息。要使用它，需要将 `mode` 设置为 **logging** 模式。这将允许它在图片生成任务期间记录相应的日志信息。如果将 `mode` 设置为 **stop** 模式，则不会记录日志信息。当你通过远程连接或局域网连接的方式访问和使用 ComfyUI 时，终端日志(管理器)节点变得特别有用。它允许你直接在 ComfyUI 界面中查看 CMD 中的错误信息，从而更容易理解 ComfyUI 的运行状态。
查看文档