TemporalScoreRescaling - ComfyUI Built-in Node Documentation

此节点将 Temporal Score Rescaling（TSR，时间分数重缩放）应用于扩散模型。

此节点将 Temporal Score Rescaling（TSR，时间分数重缩放）应用于扩散模型。它会对模型打补丁，使得在采样期间，预测的分数或噪声会被重缩放，从而引导生成结果的多样性。该功能作为后 CFG（Classifier-Free Guidance，无分类器引导）函数实现。

​

输入

参数	描述	数据类型	必填	范围
模型	要应用 TSR 函数补丁的扩散模型。	MODEL	是	-
TSR_K	控制重缩放强度。较低的 k 会产生更精细的结果；较高的 k 会在图像生成中产生更平滑的结果。设置 k = 1 会禁用重缩放。（默认值：0.95）	FLOAT	是	0.01 - 100.0
tsr_sigma	控制重缩放生效的早晚。较大的值会更早生效。（默认值：1.0）	FLOAT	是	0.01 - 100.0

注意：当 tsr_k 设置为 1、sigma 值为 0，或信噪比为 0 时，会跳过重缩放。

​

输出

输出名称	描述	数据类型
patched_model	输入模型；其采样过程现已应用 Temporal Score Rescaling 函数进行修补。	MODEL

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

---

Source fingerprint (SHA-256): 4d4e3c64fb6e3a3fe4725ea944a361b46d871943a10e65d72d70e0e6d757dfca