本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑
BasicScheduler 节点旨在根据提供的调度器、模型和去噪参数，为扩散模型计算一系列 sigma 值。它会根据去噪因子动态调整总步数，以微调扩散过程，为需要精细控制的高级采样过程（如多阶段采样）的不同阶段提供精确的“配方”。
输入
| 参数 | 数据类型 | 输入类型 | 默认值 | 范围 | 比喻描述 | 技术用途 |
|---|---|---|---|---|---|---|
模型 | MODEL | 输入 | - | - | 画布类型：不同画布材质需要不同颜料配方 | 扩散模型对象，决定 sigma 计算基础 |
调度器 | COMBO[STRING] | 控件 | - | 9 个选项 | 混合技法：选择颜料浓度变化方式 | 调度算法，控制噪声衰减模式 |
步数 | INT | 控件 | 20 | 1-10000 | 混合次数：20 次混合与 50 次混合的精度差异 | 采样步数，影响生成质量和速度 |
降噪 | FLOAT | 控件 | 1.0 | 0.0-1.0 | 创作强度：从微调到重绘的控制程度 | 去噪强度，支持局部重绘场景 |
调度器类型
基于源代码comfy.samplers.SCHEDULER_NAMES，支持以下 9 种调度器：
| 调度器名称 | 特性 | 使用场景 | 噪声衰减模式 |
|---|---|---|---|
| normal | 标准线性 | 通用场景，平衡 | 均匀衰减 |
| karras | 平滑过渡 | 高质量，细节丰富 | 平滑非线性衰减 |
| exponential | 指数衰减 | 快速生成，追求效率 | 指数级快速衰减 |
| sgm_uniform | SGM 均匀 | 特定模型优化 | SGM 优化衰减 |
| simple | 简单调度 | 快速测试，基础使用 | 简化衰减 |
| ddim_uniform | DDIM 均匀 | DDIM 采样优化 | DDIM 特定衰减 |
| beta | Beta 分布 | 特殊分布需求 | Beta 函数衰减 |
| linear_quadratic | 线性二次 | 复杂场景优化 | 二次函数衰减 |
| kl_optimal | KL 最优 | 理论优化 | KL 散度优化衰减 |
输出
| 参数 | 数据类型 | 输出类型 | 比喻描述 | 技术含义 |
|---|---|---|---|---|
sigmas | SIGMAS | 输出 | 颜料配方表：详细的颜料浓度列表，供逐步使用 | 噪声水平序列，指导扩散模型去噪过程 |
节点角色：艺术家的调色助手
想象你是一位艺术家，要从一团混乱的颜料混合物（噪声）中创作出一幅清晰的图像。BasicScheduler 就像你的专业调色助手，其任务是准备一系列精确的颜料浓度配方：
工作流程
- 第 1 步：使用 90% 浓度的颜料（高噪声水平）
- 第 2 步：使用 80% 浓度的颜料
- 第 3 步：使用 70% 浓度的颜料
- …
- 最后一步：使用 0% 浓度的颜料（干净的画布，无噪声）
调色助手的特殊技能
不同的混合方法（调度器）：- “karras”混合方法：颜料浓度变化非常平滑，如同专业艺术家的渐变技法
- “exponential”混合方法：颜料浓度快速下降，适合快速创作
- “linear”混合方法：颜料浓度均匀下降，稳定可控
- 20 次混合：快速作画，效率优先
- 50 次混合：精细作画，质量优先
- 1.0 = 全新创作：完全从空白画布开始
- 0.5 = 半程转换：保留一半原画，转换一半
- 0.2 = 精细调整：仅对原画进行细微调整
与其他节点的协作
BasicScheduler（调色助手） → 准备配方 → SamplerCustom（艺术家） → 实际作画 → 完成作品