K采样器

输入

模型 (Model)：加载的AI模型文件，通常是.safetensors或.ckpt格式，决定了图像生成的基本风格与能力。

正面提示词 (Positive Prompt)：描述你希望图像包含的内容。

负面提示词 (Negative Prompt)：描述你希望图像中避免出现的内容。

潜在图像 (Latent Image)：输入的图像潜变量，通常来自“空潜变量”节点，定义了初始噪声和图像尺寸。

输出

LATENT：它是一个经过多步去噪迭代后、包含生成图像信息的潜在变量。

参数

种子 (Seed)：控制随机噪声的初始状态，固定种子可以在其他参数不变时生成相同的图像，用于结果的可复现性。

步数 (Steps)：定义采样过程的总迭代次数。通常步数越多，细节和质量可能越好，但生成时间也更长。一般在25步左右刚好。

CFG 值 (CFG Scale)：分类器自由引导强度。此值控制生成图像与提示词的贴合度。值越高越贴合提示词，但过高可能导致图像过于生硬或颜色过饱和。

采样器 (Sampler)：选择具体的采样算法，如euler、euler_ancestral、dpm_2m等。不同算法在速度、质量和创造性上各有侧重。

调度器 (Scheduler)：控制采样过程中噪声退火（去噪）的节奏或计划，如normal、karras、simple等，会影响图像细节和收敛性。

降噪强度 (Denoise)：控制对输入潜变量（或参考图）的保留程度。值为1.0时完全重新生成，值越低则越保留原始图像的结构与内容。