WanVideoNAG

WanVideoNAG 节点基于 ChenDarYen 的 Normalized-Attention-Guidance 项目实现，并通过修改模型扩散过程中的交叉注意力层来工作。

WanVideoNAG 是一个实验性节点，用于对视频生成模型施加“归一化注意力引导”（NAG）。其核心功能是通过调整模型内部的注意力机制，来增强或控制生成视频内容与给定条件（如文本提示）的对齐程度，从而可能改善视频的连贯性或主题一致性。

节点功能

该节点基于 ChenDarYen 的 Normalized-Attention-Guidance 项目实现，通过修改模型扩散过程中的交叉注意力层来工作。它接收一个基础模型和条件输入，并利用 nag_scale、nag_alpha 和 nag_tau 三个参数精细调控引导的强度、混合比例以及注意力偏差的裁剪阈值。它还提供输入类型和就地模型修改的可选设置。最终输出一个包含了 NAG 机制的新模型。

节点参数说明 - WanVideoNAG

连接输入 (Inputs)

参数名称	数据类型	必填	默认值	取值范围/选项	说明
`model`	MODEL	是	-	-	输出一个应用了归一化注意力引导机制的新模型。
`conditioning`	CONDITIONING	是	-	-	输入用于引导生成过程的文本条件嵌入。通常来自 `CLIP Text Encode` 节点。

控件参数 (Parameters)

参数名称	数据类型	必填	默认值	取值范围/选项	说明
`nag_scale`	FLOAT	是	11.0	0.0 - 100.0 (步长: 0.001)	负面引导效果的强度
`nag_alpha`	FLOAT	是	0.25	0.0 - 1.0 (步长: 0.001)	控制已归一化引导表示与原始正面表示之间平衡的混合系数。
`nag_tau`	FLOAT	是	2.5	0.0 - 10.0 (步长: 0.001)	控制引导注意力与正面注意力之间偏差的裁剪阈值。
`input_type`	COMBO	否	default	"default", "batch"	确定如何应用条件。"default" 将条件作为单个输入处理；"batch" 期望批处理条件。
`inplace`	BOOLEAN	否	False	True/False	如果启用，则就地修改模型，而不是返回副本。请谨慎使用以避免意外的副作用。

输出

参数名称	数据类型	说明
model	MODEL	输出一个应用了归一化注意力引导机制的新模型。

使用场景

在视频生成工作流中，你可以将此节点放置在加载基础模型之后、采样器之前。例如，先使用 Checkpoint Loader 加载一个视频模型，然后使用 CLIP Text Encode 节点生成条件，接着将模型和条件输入 WanVideoNAG 节点进行调整，最后将输出的模型连接到采样器节点进行视频生成。

注意事项

此节点位于 KJNodes/wan 分类下，基于 Normalized-Attention-Guidance 项目的研究代码。虽然其功能强大，但在某些工作流中可能仍会出现不可预测的行为。建议在使用前使用一系列参数进行测试，并理解其底层机制，然后再用于生产环境。

WanVideoNAG 节点源码链接

WanVideoNAG 节点来自 ComfyUI-KJNodes 节点包。

Wan Video NAG