EasyCascadeLoader(cascadeLoader)

描述

EasyCascadeLoader 节点从三个阶段的 checkpoint（stage_c、stage_b、stage_a）、一个 CLIP 模型、可选的 LoRA 以及文本提示中加载完整的 Stable Cascade pipeline。它会构建 EasyUse pipeline 对象，按请求的分辨率和压缩系数创建空 Latent，并同时输出模型、Latent 和 VAE 供直接使用。

输入

必填

• stage_c（COMBO）：选择 Stage C checkpoint。Stage C 是文本条件先验，它根据您的提示创建初始 Latent。
• stage_b（COMBO）：选择 Stage B checkpoint。Stage B 负责在解码前细化/upscale Stage C 的 Latent。
• stage_a（COMBO）：选择 Stage A checkpoint。Stage A 充当 VAE/解码器，将最终 Latent 转换为像素空间。该模型也会作为 vae 输出返回。
• clip_name（COMBO）：选择用于将 positive 和 negative 分词并编码为 conditioning 的 CLIP 模型。
• lora_name（COMBO）：选择要应用于模型和 CLIP 的 LoRA。留空或选择 "none" 条目即可跳过 LoRA。
• lora_model_strength（FLOAT，默认 1）：应用于 diffusion 模型的 LoRA 强度。范围 -10 到 10；负值会降低或反转 LoRA 的影响。
• lora_clip_strength（FLOAT，默认 1）：应用于 CLIP 文本编码器的 LoRA 强度。范围 -10 到 10。
• resolution（COMBO，默认 "1024 x 1024"）：empty_latent_width 和 empty_latent_height 的便捷预设。
• empty_latent_width（INT）：要生成的图像的像素宽度。这是目标像素宽度，不是 Latent 宽度。
• empty_latent_height（INT）：要生成的图像的像素高度。这是目标像素高度，不是 Latent 高度。
• compression（INT，默认 42，范围 32 到 64）：Cascade Stage A/VAE 使用的 Latent 压缩系数。空 Latent 的空间尺寸按 empty_latent_width // compression × empty_latent_height // compression 计算。
• positive（STRING，默认 ""）：用于构建存储在 pipe_line 输出中的 conditioning 的正面提示。
• negative（STRING，默认 ""）：用于构建存储在 pipe_line 输出中的 conditioning 的负面提示。
• batch_size（INT，默认 1，范围 1 到 64）：要生成的相同空 Latent 样本的数量。

可选

• optional_lora_stack（LORA_STACK）：除了 lora_name 之外，还应用由多个 LoRA 配置组成的堆栈。堆栈中的每个条目提供自己的 LoRA 以及模型/CLIP 强度。

输出

• pipe_line（PIPE_LINE）：包含已加载模型、CLIP、VAE、空 Latent 以及根据提示字段创建的正面/负面 conditioning 的 EasyUse pipeline。可将此输出与 EasyUse pipeline 感知节点一起使用。
• model（MODEL）：组合后的 Stable Cascade 模型，由 Stage C/B/A 组装并经任何所选 LoRA 修改。
• latent（LATENT）：空 Latent 张量，其形状基于 batch_size、empty_latent_width/height 和 compression。
• vae（VAE）：Stage A VAE 解码器，可用于将采样后的 Latent 解码为图像。

使用说明

• 实际输出的 Latent 尺寸不是 empty_latent_width × empty_latent_height；两个维度都要除以 compression。默认压缩系数为 42 时，1024 x 1024 的图像对应大约 24 x 24 的 Latent。
• positive 和 negative 提示字段会被编码为 pipe_line 内部的 conditioning。直接的 model、latent 和 vae 输出不会暴露此 conditioning 或 CLIP 模型本身；如果需要在 pipeline 输出之外应用提示，请添加单独的 conditioning 路径。
• 将 compression 保持为 Stage A checkpoint 所需的值。将其改为 32 或 64 不会改变模型架构，但会改变预期的 Latent 尺寸，并且除非该 checkpoint 是使用该压缩系数训练的，否则很可能会产生糟糕的结果。
• 可选的 LoRA 堆栈会叠加在 lora_name 之上，因此您可以将主控件中快速选择的一个 LoRA 与已保存的附加 LoRA 堆栈组合使用。
• 将 pipe_line 输出作为 EasyUse 节点（如 Easy KSampler）的第一个输入，即可实现单控件文生图设置。