ComfyUI 噪声

本仓库包含了6个用于 ComfyUI 的节点，可以对噪声进行更多控制和灵活操作。这允许例如创建具有微小变化的生成工作流，或者为某些输入图像和提示词找到相应的噪声。

节点

噪声潜在图像：

该节点允许你生成噪声，你可以在 latent>noise 下找到这个节点，它有以下设置：

• source: 生成噪声的位置，当前支持 GPU 和 CPU。
• seed: 噪声种子。
• width: 图像宽度。
• height: 图像高度。
• batch_size: 批量大小。

复制批次索引：

此节点的功能已移至核心，请使用：Latent>Batch>Repeat Latent Batch 和 Latent>Batch>Latent From Batch 代替。

该节点允许你复制批次中的某个样本，这可以用于复制例如编码后的图像，也可以复制上面列出的节点生成的噪声。你可以在 latent 下找到这个节点，它有以下设置：

• latents: 潜在表示。
• batch_index: 要复制的潜在表示中的样本索引。
• batch_size: 新的批量大小（即复制样本的次数）。

球面线性插值潜在表示：

该节点允许你混合两个潜在表示。两个输入的潜在表示必须具有相同的维度，否则节点将忽略混合因子，而输出顶部槽位的内容。对于附加到潜在表示的其他内容，如掩码，只有顶部槽位的内容会被传递。你可以在 latent 下找到这个节点，它有以下输入：

• latents1: 第一批潜在表示。
• latents2: 第二批潜在表示。此输入是可选的。
• mask: 决定在潜在表示中哪里进行球面线性插值。此输入是可选的。
• factor: 第二批潜在表示应该插值到第一批的程度。

获取 Sigma：

该节点可用于计算采样器开始去噪时预期的噪声量。你可以在 latent>noise 下找到这个节点，它有以下输入和设置：

• model: 用于计算 sigma 的模型。
• sampler_name: 用于计算 sigma 的采样器名称。
• scheduler: 采样器中使用的调度类型。
• steps: 调度中的总步数。
• start_at_step: 采样器的起始步骤，即它预期输入图像中的噪声量。
• end_at_step: 前一个采样器的当前结束步骤，即图像中已有的噪声量。

大多数情况下，你只需将 start_at_step 保持为零，end_at_step 保持为 steps。但如果你想在两个采样器之间重新注入一些噪声，例如一个采样器从 0 到 15 去噪，第二个从 10 到 20 去噪，你需要使用 start_at_step 为 10，end_at_step 为 15。这样我们得到的图像处于步骤 15，可以被加噪回到步骤 10，然后第二个采样器可以将其带到 20。注意，高级 K 采样器有 add_noise 和 return_with_leftover_noise 的设置，在使用这些节点时，我们都希望将它们禁用。

注入噪声：

该节点允许您将噪声实际注入到图像潜空间中，您可以在"latent>noise"下找到此节点，它具有以下输入：

• 潜变量：要注入噪声的潜变量。
• 噪声：噪声。此输入是可选的。
• 掩码：确定在哪里注入噪声。此输入是可选的。
• 强度：噪声的强度。请注意，我们可以使用上面的节点为我们计算适当的强度值。

反采样器：

该节点执行与采样器相反的操作。它计算给定模型和提示词下生成图像所需的噪声。您可以在"sampling"下找到此节点，它接受以下输入和设置：

• 模型：目标模型。
• 步骤：噪声化的步骤数。
• 结束步骤：回溯到哪一步。
• CFG：分类器自由引导尺度。
• 采样器名称：使用的采样技术名称。
• 调度器：使用的调度类型。
• 归一化：是否在输出前对噪声进行归一化。在将其传递给期望归一化噪声的注入噪声节点时很有用。
• 正面提示词：正面提示词。
• 负面提示词：负面提示词。
• 潜在图像：要重新添加噪声的图像。

当尝试尽可能忠实地重建目标图像时，如果反采样器和采样器都使用接近1.0的CFG尺度和相似的步骤数，效果最佳。但是尝试调整这些设置以更好地了解结果也很有趣且值得。这个节点让您可以执行类似于A1111 img2img替代方案脚本的操作。

示例

以下是一些展示如何使用上述节点的示例。这些示例的工作流程可以在"example_workflow"文件夹中找到。

<details> <summary> 生成变体 </summary>

要为给定生成创建小变体，我们可以执行以下操作：使用"噪声潜在图像"节点生成我们感兴趣的种子的噪声，然后使用"复制批次索引"节点创建整个批次。请注意，如果我们对img2img执行此操作，我们可以使用相同的节点来复制图像潜变量。接下来，我们生成更多噪声，但这次我们生成一批噪声而不是单个样本。然后，我们使用"Slerp潜变量"节点将这个新创建的噪声插值到另一个中。为了确定注入此噪声所需的强度，我们使用"获取Sigma"节点。最后，我们使用"注入噪声"节点将插值后的噪声注入到一批空白潜变量中。请注意，我们使用高级Ksampler，并禁用了"add_noise"设置。

</details> <details> <summary> "反采样" </summary>

要获得重现特定图像的噪声，我们首先加载一张图像。然后，我们使用低cfg值的Unsampler节点。为了检查这是否有效，我们将生成的噪声重新输入到高级ksampler中，同时禁用add_noise设置，并将cfg设为1.0。