Easy Apply IPAdapter（From Params）节点(ipadapterApplyFromParams)

**Easy Apply IPAdapter（From Params）**节点使用预构建的 IPADAPTER_PARAMS 对象将 IPAdapter 模型应用于 diffusion 模型。它是常规 Easy Apply IPAdapter 节点的参数优先对应版本：不是在此节点上直接设置每个适配器选项，而是在上游构建设置，并通过 ipadapter_params 传入。这样可保持工作流的模块化，并便于在不同模型或实验中复用相同的适配器设置。

输入

model

IPAdapter 所应用的基础 diffusion 模型。输出的 MODEL 是应用了 IPAdapter 条件的此模型的修改版本。

preset

选择要加载的 IPAdapter 预设。可用选项由该软件包和 ComfyUI 根据已安装的预设填充。预设决定应用过程中使用哪些 IPAdapter 权重和默认行为。

ipadapter_params

包含要应用的 IPAdapter 设置的 IPADAPTER_PARAMS 对象。使用相应的 Params 节点在上游构建此对象，然后在此处传入。该对象通常携带输入图像、权重、开始/结束百分比以及其他适配器控制项。

combine_embeds

控制存在多个 embedding 时 IPAdapter embedding 的组合方式。

• concat：拼接 embedding。
• add：逐元素相加。
• subtract：将一个 embedding 减去另一个 embedding。
• average：对 embedding 取平均值。
• norm average：取平均值后对结果进行归一化。
• max：逐元素取最大值。
• min：逐元素取最小值。

选择与所需结果匹配的方法：average 和 concat 常用于混合风格或外观，而 add/subtract 适用于更明确的 embedding 运算。

embeds_scaling

控制 IPAdapter embedding tensor 的缩放方式。

• V only：仅使用视觉特征。
• K+V：同时使用键和值特征。
• K+V w/ C penalty：使用键和值，并带有交叉注意力计数惩罚。
• K+mean(V) w/ C penalty：使用键和均值池化后的值，并带有交叉注意力计数惩罚。

默认的 V only 是大多数 IPAdapter 模型的标准选择；其他模式可用于匹配特定的 IPAdapter 变体或进行高级调优。

cache_mode

控制连续应用之间缓存的内容。

• insightface only（默认）：仅缓存 insightface 模型，适用于与面部相关的 IPAdapter 使用场景。
• clip_vision only：缓存 CLIP 视觉输出。
• ipadapter only：缓存已加载的 IPAdapter 模型。
• all：缓存所有内容，以在重复运行时获得最大速度。
• none：禁用缓存以节省内存。

重复使用同一适配器时，请选择更高的缓存级别。当内存有限或适配器/预设变化不确定时，请使用 none。

optional_ipadapter

可选的 IPADAPTER 输入。如果已连接，则使用此预加载的 IPAdapter，而不是从 preset 加载。当你已经从另一个节点加载了 IPAdapter 并希望避免重新加载时，此选项非常有用。

image_negative

用于负面参考图像的可选 IMAGE 输入。提供后，它将用于构建负面 IPAdapter embedding，从而有助于抑制不需要的特征被转移到结果中。

输出

MODEL 输出

应用了 IPAdapter 的修改后 diffusion 模型。将其连接到采样器或其他模型修改节点。

IPADAPTER

所使用的 IPAdapter 模型/pipeline。可以将其传递给其他节点，例如避免重新加载适配器或串联进一步的适配器操作。

使用说明

• 此节点需要已构建的 IPADAPTER_PARAMS 对象。如果你需要直接在节点上设置所有参数，请改用其他 Easy Apply IPAdapter 节点。
• preset 和 optional_ipadapter 输入提供了两种获取适配器的方式：选择预设以自动加载，或连接现有的 IPAdapter 以完全绕过加载。
• 使用相同预设重复生成时，请将 cache_mode 保持为 all，以避免每次重新加载模型。如果频繁切换适配器，建议使用 insightface only 或 none。
• embeds_scaling 和 combine_embeds 应与你的 IPAdapter 模型/预设所期望的值匹配；不匹配的设置可能会产生质量较差的结果。