本类别的节点主要用于控制扩散模型的采样过程，包括采样算法选择、步数设置、调度器配置等，这些节点直接影响生成图像的质量和特性。
中文名称：K采样器
节点功能：ComfyUI中最基础和最常用的采样器节点，用于从潜空间噪声中生成图像。
参数说明： - model：扩散模型 - seed：随机种子，控制生成结果的一致性 - steps：采样步数，通常在20-50之间 - cfg：条件引导尺度，控制提示词对生成的影响强度 - sampler_name：采样算法名称（如Euler, Euler a, DPM++ 2M等） - scheduler：调度器类型（如normal, karras, exponential等） - denoise：去噪强度，范围0-1
输入端口： - model：扩散模型 - positive：正面提示词条件 - negative：负面提示词条件 - latent_image：潜空间图像
输出端口： - LATENT：生成的潜空间图像
使用案例： - 标准文生图工作流 - 图生图工作流 - 控制网络引导生成
优点： - 功能全面，参数丰富 - 支持多种采样算法和调度器 - 可精确控制生成过程 - 适用于大多数生成场景
所属插件项目：ComfyUI核心节点（无需额外安装）
最后更新日期：随ComfyUI主项目更新（最新版本）
中文名称：K采样器高级版
节点功能：提供更多高级控制选项的采样器，允许设置起始和结束步数。
参数说明： - model：扩散模型 - seed：随机种子 - steps：采样步数 - cfg：条件引导尺度 - sampler_name：采样算法名称 - scheduler：调度器类型 - start_at_step：开始采样的步数 - end_at_step：结束采样的步数 - add_noise：是否添加噪声 - return_with_leftover_noise：是否保留剩余噪声
输入端口： - model：扩散模型 - positive：正面提示词条件 - negative：负面提示词条件 - latent_image：潜空间图像
输出端口： - LATENT：生成的潜空间图像
使用案例： - 多阶段采样工作流 - 噪声保留和传递 - 精确控制采样过程的特定阶段
优点： - 提供更精细的采样控制 - 支持部分去噪和噪声保留 - 可以实现更复杂的生成效果 - 适合高级用户和实验性工作流
所属插件项目：ComfyUI核心节点（无需额外安装）
最后更新日期：随ComfyUI主项目更新（最新版本）
中文名称：自定义采样器
节点功能：允许用户完全自定义采样过程，包括每一步的参数。
参数说明： - model：扩散模型 - add_noise：是否添加噪声 - noise_seed：噪声种子 - cfg：条件引导尺度 - sampler_name：采样算法名称 - scheduler：调度器类型 - sigmas：自定义sigma值序列
输入端口： - model：扩散模型 - positive：正面提示词条件 - negative：负面提示词条件 - latent：潜空间图像
输出端口： - LATENT：生成的潜空间图像
使用案例： - 研究和实验不同的采样路径 - 实现非标准采样策略 - 精确控制噪声调度
优点： - 提供最大的采样自由度 - 可以实现标准采样器无法实现的效果 - 适合研究和实验目的 - 支持完全自定义的sigma序列
所属插件项目：ComfyUI核心节点（无需额外安装）
最后更新日期：随ComfyUI主项目更新（最新版本）
中文名称：K采样器选择器
节点功能：允许在工作流运行时动态选择采样器和调度器。
参数说明： - sampler_name：采样算法名称列表 - scheduler：调度器类型列表 - sampler_index：当前选择的采样器索引 - scheduler_index：当前选择的调度器索引
输出端口： - SAMPLER_NAME：选择的采样器名称 - SCHEDULER：选择的调度器名称
使用案例： - 创建可配置的工作流模板 - 快速比较不同采样器的效果 - 批量测试不同采样设置
优点： - 增强工作流的灵活性 - 无需修改连接即可切换采样器 - 便于实验和比较不同采样器 - 适合创建通用工作流模板
所属插件项目：ComfyUI-ComfyUI-Advanced-Nodes（需额外安装）
最后更新日期：2025-03-10
中文名称：CFG调度器
节点功能：在采样过程中动态调整CFG值，实现更精细的提示词引导控制。
参数说明： - start_value：起始CFG值 - end_value：结束CFG值 - step_count：总步数 - mode：调度模式（线性、余弦、指数等）
输出端口： - CFG_SCHEDULE：CFG值调度计划
使用案例： - 在生成过程中逐渐增强或减弱提示词影响 - 创建更平衡的生成效果 - 解决高CFG值导致的过饱和问题
优点： - 提供动态CFG控制 - 可以平衡细节和创意 - 减少高CFG值的负面影响 - 支持多种调度曲线
所属插件项目：ComfyUI-Scheduler-Tools（需额外安装）
最后更新日期：2025-02-15
中文名称：动态阈值调度器
节点功能：实现动态阈值技术，可以在保持高CFG值的同时减少过饱和问题。
参数说明： - mimic_scale：模拟的CFG值 - threshold_percentile：阈值百分比 - mimic_mode：模拟模式 - mimic_scale_min：最小模拟CFG值
输出端口： - DYNAMIC_THRESHOLDING：动态阈值配置
使用案例： - 高CFG值生成时减少过饱和 - 提高生成图像的自然度 - 保持提示词准确性的同时改善视觉质量
优点： - 减少高CFG值的负面影响 - 提高生成图像的自然度和质量 - 可以使用更高的CFG值而不产生伪影 - 适合需要强提示词引导的场景
所属插件项目：ComfyUI-DynamicThresholding（需额外安装）
最后更新日期：2025-01-20
中文名称：噪声注入器
节点功能：在采样过程中注入额外噪声，增加随机性和多样性。
参数说明： - seed：噪声种子 - strength：噪声强度 - step_range：应用噪声的步数范围 - noise_type：噪声类型（高斯、柏林等）
输出端口： - NOISE_INJECTION：噪声注入配置
使用案例： - 增加生成结果的多样性 - 打破重复模式和伪影 - 创造更自然的纹理和细节
优点： - 增加生成结果的随机性和多样性 - 可以减少重复模式和伪影 - 有助于创造更自然的纹理 - 可精确控制噪声应用的步数范围
所属插件项目：ComfyUI-NoiseInjection（需额外安装）
最后更新日期：2025-04-05
中文名称：动画扩散采样器
节点功能：专为生成连贯动画序列设计的采样器。
参数说明： - model：扩散模型 - seed：随机种子 - steps：采样步数 - cfg：条件引导尺度 - sampler_name：采样算法名称 - scheduler：调度器类型 - motion_scale：运动尺度 - frame_count：帧数
输入端口： - model：扩散模型 - positive：正面提示词条件 - negative：负面提示词条件 - latent_image：潜空间图像
输出端口： - LATENT：生成的动画序列潜空间
使用案例： - 生成短视频和动画序列 - 创建角色动作和表情变化 - 实现场景转换和镜头移动
优点： - 专为动画生成优化 - 保持帧间一致性 - 支持多种运动控制参数 - 可与其他动画控制节点组合使用
所属插件项目：ComfyUI-AnimateDiff-Evolved（需额外安装）
最后更新日期：2025-03-25
中文名称：SD-Turbo调度器
节点功能：为SD-Turbo模型优化的特殊调度器，可以在极少步数下获得良好结果。
参数说明： - steps：采样步数（通常1-4步） - denoise_strength：去噪强度 - mode：调度模式
输出端口： - SCHEDULER：优化的调度器配置
使用案例： - 快速原型设计和测试 - 实时或近实时生成 - 移动设备上的高效生成
优点： - 极大提高生成速度 - 针对SD-Turbo模型优化 - 在极少步数下仍能获得良好结果 - 资源占用低，适合低性能设备
所属插件项目：ComfyUI-TurboMode（需额外安装）
最后更新日期：2025-02-28
中文名称：多重扩散采样器
节点功能：实现多区域并行采样，可以在一次采样中处理多个区域或提示词。
参数说明： - model：扩散模型 - seed：随机种子 - steps：采样步数 - cfg：条件引导尺度 - sampler_name：采样算法名称 - scheduler：调度器类型 - region_count：区域数量 - blend_mode：区域混合模式
输入端口： - model：扩散模型 - positive_list：多个正面提示词条件列表 - negative_list：多个负面提示词条件列表 - latent_image：潜空间图像 - masks：区域掩码
输出端口： - LATENT：生成的潜空间图像
使用案例： - 在单一图像中生成多个不同主题的区域 - 精确控制图像不同部分的内容 - 创建复杂的合成场景
优点： - 支持多区域并行采样 - 可以在一张图像中融合多个不同概念 - 提供区域间的平滑过渡 - 适合创建复杂合成图像
所属插件项目：ComfyUI-MultiDiffusion（需额外安装）
最后更新日期：2025-04-15
