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 上编辑此节点对扩散模型应用时间分数重缩放（Temporal Score Rescaling, TSR）。它通过在去噪过程中重新缩放预测的噪声或分数来修改模型的采样行为，从而引导生成输出的多样性。该功能作为后CFG（无分类器引导）函数实现。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
模型 | MODEL | 是 | - | 需要应用TSR函数进行修补的扩散模型。 |
TSR_K | FLOAT | 否 | 0.01 - 100.0 | 控制重缩放强度。在图像生成中，较低的k值产生更详细的细节；较高的k值产生更平滑的结果。设置k=1可禁用重缩放。（默认值：0.95） |
tsr_sigma | FLOAT | 否 | 0.01 - 100.0 | 控制重缩放生效的起始时间。数值越大，生效时间越早。（默认值：1.0） |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
patched_model | MODEL | 输入模型，现已在其采样过程中应用了时间分数重缩放函数进行修补。 |
Source fingerprint (SHA-256):
2931b42ac93cf50e2c395bacf3128bb43dcc043ab5c8f86d7aabe4d35a44d20a