.ai

de beste open source AI-modellen

Zoeken

KSampler-node in ComfyUI

KSampler voert de denoising-lus uit: het neemt het model, prompts en een latent en maakt de afgewerkte latente afbeelding, gestuurd door seed, stappen, cfg, sampler, scheduler en denoise.

Nodepakket: ComfyUI core

Categorie: Sampling

Wat KSampler doet

KSampler is waar de afbeelding echt wordt gemaakt. Beginnend met de input latent (willekeurige ruis van Empty Latent Image, of een gecodeerde afbeelding voor img2img), vraagt het het model om ruis te verwijderen voor het gekozen aantal stappen, waarbij het naar de positieve prompt toe trekt en weg van de negatieve met de cfg-waarde. Het resultaat is een LATENT die VAE Decode omzet in een afbeelding.

sampler_name kiest de numerieke methode (euler, euler_ancestral, dpmpp_2m, dpmpp_2m_sde, dpmpp_3m_sde, uni_pc, lcm, ...) en scheduler de ruiscurve (normal, karras, exponential, sgm_uniform, simple, beta). denoise bepaalt hoeveel van de input latent wordt vervangen: 1.0 voor text-to-image, 0.3-0.7 voor img2img en hires passes. KSampler (Advanced) geeft start- en eindstappen voor multi-stage sampling.

Invoer

Naam	Type	Wat het is
model	MODEL	Het denoising-model, na eventuele LoRA- of ControlNet-patches.
positive	CONDITIONING	Wat je wilt (van CLIP Text Encode, mogelijk via ControlNet Apply).
negative	CONDITIONING	Wat je niet wilt.
latent_image	LATENT	De start latent: lege ruis of een gecodeerde afbeelding.
seed	INT	Ruisseed. Zelfde seed en instellingen geven dezelfde afbeelding. control_after_generate stelt vast, verhoogt, verlaagt of randomize in.
steps	INT	Aantal denoising-stappen. 20-30 voor de meeste SD-modellen, 4-8 voor Lightning, Turbo en LCM modellen.
cfg	FLOAT	Classifier-free guidance schaal. 5-8 voor SD 1.5 en SDXL, 1.0 voor Flux en distilled modellen.
sampler_name	COMBO	Het sampling-algoritme.
scheduler	COMBO	Het ruis-schema.
denoise	FLOAT	Hoeveelheid ruis die wordt verwijderd. 1.0 = helemaal opnieuw beginnen; lager houdt meer van de input afbeelding.

Uitvoer

Naam	Type	Wat het is
LATENT	LATENT	De gesamplede latent voor VAE Decode of een tweede sampler.

Sla de installatie over: ComfyUI-workflows voorgeïnstalleerd in de cloud

BitVector draait kant-en-klare ComfyUI-workflows op eigen GPU's. Geen installatie, geen ontbrekende nodes, geen rode vakken. Open het op je telefoon of laptop en genereer binnen een minuut.

BitVector proberen

Zo gebruik je KSampler

Verbind MODEL, beide CONDITIONINGs en een LATENT.
Stel stappen in op 25, cfg op 7, dpmpp_2m met karras voor SDXL; euler met simple, cfg 1 voor Flux.
Zet denoise op 1.0 voor een verse afbeelding.
Verbind LATENT met VAE Decode en daarna Save Image.
Zet in de wachtrij en zet de seed vast als je wilt itereren op de prompt.

Instellingen en tips

dpmpp_2m + karras is de allround keuze; euler_ancestral geeft variatie maar convergeert nooit; dpmpp_2m_sde geeft extra detail maar is minder deterministisch over GPU's.
Lightning, Hyper en Turbo checkpoints hebben eigen instellingen nodig: 4-8 stappen, cfg 1-2, sgm_uniform of simple.
Voor een hires pass, stuur de eerste latent door Upscale Latent By en een tweede KSampler met denoise 0.4-0.55.
Houd Ctrl+Shift+V ingedrukt om een node met zijn verbindingen te plakken; handig bij het dupliceren van samplers.
Een vaste seed met dezelfde instellingen is reproduceerbaar op dezelfde GPU; verschillende kaarten kunnen iets verschillen.

Problemen met KSampler oplossen

Ruis, statisch of een wazige vlek in plaats van een afbeelding

Waarom het gebeurt

De instellingen passen niet bij het model: cfg 7 op een distilled model, 4 stappen op een normaal model, een Flux model zonder Flux Guidance, of denoise ver onder 1 op een lege latent.

Zo los je het op

Pas aan volgens de modelpagina: normaal SD = 20-30 stappen, cfg 5-8; Lightning/Turbo = 4-8 stappen, cfg 1-2; Flux = cfg 1, guidance 3.5, 20+ stappen. Gebruik denoise 1.0 als de latent leeg is.

Oververzadigde, te felle, hoog contrast output

Waarom het gebeurt

cfg is te hoog voor het model of de LoRA-stack, of een ancestral sampler met veel stappen.

Zo los je het op

Verlaag cfg naar 4-6, verminder LoRA-kracht, of wissel van euler_ancestral naar dpmpp_2m.

torch.OutOfMemoryError: CUDA out of memory tijdens sampling

Waarom het gebeurt

De latent is te groot voor de kaart bij deze batchgrootte, of een ander model (ControlNet, upscaler) gebruikt tegelijk VRAM.

Zo los je het op

Verlaag resolutie of batch_size, voeg --lowvram toe, gebruik fp8-gewichten, of splits de hires pass in een tweede wachtrij zodat het eerste model wordt uitgeladen.

Fout: mat1 en mat2 vormen kunnen niet worden vermenigvuldigd

Waarom het gebeurt

De conditioning komt van een text encoder uit een andere familie dan het model (SD 1.5 CLIP in een SDXL model, of andersom).

Zo los je het op

Verbind de CLIP van dezelfde checkpoint die het MODEL levert.

Afbeeldingen veranderen elke keer, ook al is de seed vast

Waarom het gebeurt

control_after_generate staat op randomize, of er wordt een SDE / ancestral sampler gebruikt met een niet-deterministische backend.

Zo los je het op

Zet control_after_generate op fixed en gebruik bij voorkeur dpmpp_2m of euler voor exacte herhaling.

Dezelfde afbeelding herhaalt zich bij verschillende prompts (seed vastgelopen)

Waarom het gebeurt

control_after_generate staat op fixed en de ruis overheerst bij lage cfg of weinig stappen.

Zo los je het op

Zet het op randomize of increment en verhoog cfg iets.

Start deze workflow vanaf je telefoon

Elke workflow op deze pagina staat voorgeïnstalleerd op BitVector, met modellen en custom nodes al op hun plek. Kies er een, typ een prompt, klaar. Nul installatie, niets te downloaden.

BitVector proberen

Vragen over KSampler

Wat is het verschil tussen KSampler en KSampler (Advanced)?

Advanced voegt add_noise, start_at_step, end_at_step en return_with_leftover_noise toe, waarmee je sampling kunt splitsen over twee modellen, bijvoorbeeld eerst SDXL base en dan refiner.

Welke sampler is het snelst?

euler en dpmpp_2m doen één modelaanroep per stap; de _2s en _3m varianten doen er meer. LCM en Lightning modellen zijn snel omdat ze weinig stappen nodig hebben, niet door de sampler.

Wat doet denoise met een lege latent?

Alles onder 1.0 laat een deel van de originele ruis in de output en geeft mist. Houd 1.0 aan voor text-to-image.

Verwante nodes

KSampler (Advanced)

ComfyUI core

KSampler (Geavanceerd) is KSampler met controle over het stappenbereik: add_noise, start_at_step, end_at_step en return_with_leftover_noise, gebruikt voor basis + verfijningsketens en sampling met twee modellen.

Empty Latent Image

ComfyUI core

Empty Latent Image maakt het lege latente canvas (breedte, hoogte, batch_size) waar de text-to-image sampling mee begint; de afmetingen moeten veelvouden van 8 zijn en passen bij de model familie.

VAE Decode

ComfyUI core

VAE Decode zet de gesamplede LATENT om in een pixel IMAGE met de VAE; VAE Decode (Tiled) doet hetzelfde in tegels voor heel grote afbeeldingen.

CLIP Text Encode (Prompt)

ComfyUI core

CLIP Text Encode zet een tekstprompt om in CONDITIONING met de modeltekstencoder. Eén node bevat de positieve prompt, een tweede de negatieve prompt.

Upscale Latent and Upscale Latent By

ComfyUI core

Upscale Latent past de grootte van een latent aan naar een nieuwe maat (of met een factor) zodat een tweede KSampler meer detail kan toevoegen op een hogere resolutie: de klassieke hires fix.

Nodes repareren beu? Laat de cloud het doen

BitVector houdt honderden ComfyUI-workflows geïnstalleerd, bijgewerkt en getest op snelle cloud-GPU's. Geen Python, geen CUDA-fouten, geen VRAM-limieten. Werkt in elke browser.

BitVector proberen