> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-comfy-docs-comfyapi-search.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# BasicScheduler - ComfyUI Built-in Node Documentation

> BasicScheduler ノードは、指定されたスケジューラ、モデル、およびノイズ除去パラメータに基づいて、拡散モデル用のシグマ値のシーケンスを計算するように設計されています。

`BasicScheduler` ノードは、指定されたスケジューラ、モデル、およびノイズ除去パラメータに基づいて、拡散モデル用のシグマ値のシーケンスを計算するように設計されています。denoise 係数に基づいて総ステップ数を動的に調整し、拡散プロセスを微調整します。これにより、細かな制御が必要な高度なサンプリングプロセス（マルチステージサンプリングなど）におけるさまざまな段階向けの正確な「レシピ」を提供します。

## 入力

| パラメータ    | 比喩的な説明                                     | データ型           | 入力タイプ  | デフォルト | 範囲      | 技術的用途                         |
| -------- | ------------------------------------------ | -------------- | ------ | ----- | ------- | ----------------------------- |
| `モデル`    | **キャンバスの種類**: キャンバスの素材が異なれば、異なる絵の具の配合が必要です | MODEL          | 入力     | -     | -       | 拡散モデルオブジェクト。シグマ計算の基準を決定します    |
| `スケジューラ` | **混合技法**: 絵の具の濃度がどのように変化するかを選択します          | COMBO\[STRING] | ウィジェット | -     | 9 オプション | スケジューリングアルゴリズム。ノイズ減衰モードを制御します |
| `ステップ`   | **混合回数**: 20 回混合と 50 回混合の精度の違い             | INT            | ウィジェット | 20    | 1-10000 | サンプリングステップ。生成品質と速度に影響します      |
| `ノイズ除去`  | **生成強度**: 微調整から全面再描画までの制御レベル               | FLOAT          | ウィジェット | 1.0   | 0.0-1.0 | ノイズ除去強度。部分的な再描画シナリオをサポートします   |

### スケジューラの種類

ソースコード `comfy.samplers.SCHEDULER_NAMES` に基づき、以下の 9 種類のスケジューラをサポートします：

| スケジューラ名               | 特徴            | 用途             | ノイズ減衰パターン        |
| --------------------- | ------------- | -------------- | ---------------- |
| **normal**            | 標準リニア         | 一般的なシナリオ、バランス型 | 均一な減衰            |
| **karras**            | 滑らかな遷移        | 高品質、詳細豊か       | 滑らかな非線形減衰        |
| **exponential**       | 指数関数的減衰       | 高速生成、効率重視      | 指数関数的な急速減衰       |
| **sgm\_uniform**      | SGM 均一        | 特定モデル向け最適化     | SGM 最適化減衰        |
| **simple**            | シンプルなスケジューリング | クイックテスト、基本用途   | 簡略化された減衰         |
| **ddim\_uniform**     | DDIM 均一       | DDIM サンプリング最適化 | DDIM 固有の減衰       |
| **beta**              | ベータ分布         | 特殊な分布要件        | ベータ関数減衰          |
| **linear\_quadratic** | 線形二次          | 複雑なシナリオの最適化    | 二次関数減衰           |
| **kl\_optimal**       | KL 最適         | 理論的最適化         | KL ダイバージェンス最適化減衰 |

## 出力

| パラメータ    | 比喩的な説明                              | データ型   | 出力タイプ | 技術的意味                            |
| -------- | ----------------------------------- | ------ | ----- | -------------------------------- |
| `sigmas` | **絵の具レシピ表**: 段階的に使用するための詳細な絵の具濃度リスト | SIGMAS | 出力    | ノイズレベルシーケンス。拡散モデルのノイズ除去プロセスを導きます |

## ノードの役割：アーティストの絵の具調合アシスタント

混沌とした絵の具の混合物（ノイズ）から鮮明な画像を生み出すアーティストを想像してください。`BasicScheduler` は、あなたの**プロフェッショナルな絵の具調合アシスタント**のように機能し、その役割は一連の正確な絵の具濃度レシピを準備することです：

### ワークフロー

* **ステップ 1**: 90% 濃度の絵の具を使用（高ノイズレベル）
* **ステップ 2**: 80% 濃度の絵の具を使用
* **ステップ 3**: 70% 濃度の絵の具を使用
* **...**
* **最終ステップ**: 0% 濃度を使用（きれいなキャンバス、ノイズなし）

### 絵の具調合アシスタントの特別なスキル

**異なる混合方法（scheduler）**:

* **「karras」混合方法**: 絵の具の濃度が非常に滑らかに変化します。プロのアーティストのグラデーション技法のようです
* **「exponential」混合方法**: 絵の具の濃度が急速に低下します。素早い制作に適しています
* **「linear」混合方法**: 絵の具の濃度が均一に低下します。安定して制御可能です

**細かな制御（steps）**:

* **20 回混合**: 素早い描画、効率優先
* **50 回混合**: 細かい描画、品質優先

**生成強度（denoise）**:

* **1.0 = 完全な新規制作**: 真っ白なキャンバスから完全に開始
* **0.5 = 半分の変容**: 元の絵の半分を保持し、半分を変容
* **0.2 = 微調整**: 元の絵にわずかな調整のみを行う

### 他のノードとの連携

`BasicScheduler`（絵の具調合アシスタント） → レシピを準備 → `SamplerCustom`（アーティスト） → 実際に描画 → 完成作品

> このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ [GitHub で編集](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/BasicScheduler/ja.md)