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DualCFGGuider 节点创建了一个用于双无分类器引导采样的引导系统。它将两个正向条件输入与一个负向条件输入相结合，对每个条件对应用不同的引导尺度，以控制每个提示对生成输出的影响。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
模型 | MODEL | 是 | - | 用于引导的模型 |
条件1 | CONDITIONING | 是 | - | 第一个正向条件输入 |
条件2 | CONDITIONING | 是 | - | 第二个正向条件输入 |
负面条件 | CONDITIONING | 是 | - | 负向条件输入 |
cfg_条件1 | FLOAT | 是 | 0.0 - 100.0 | 第一个正向条件的引导尺度（默认值：8.0） |
cfg_条件2_负面 | FLOAT | 是 | 0.0 - 100.0 | 第二个正向和负向条件的引导尺度（默认值：8.0） |
样式 | COMBO | 是 | ”regular" "nested” | 应用的引导样式（默认值：“regular”）。当设置为 “nested” 时，引导将以嵌套方式应用 |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
GUIDER | GUIDER | 一个已配置好的引导系统，可用于采样 |
Source fingerprint (SHA-256):
802e07f2e64dc2d55e86290db7e94dffd46079a9180480a560035d0bb6350325