ComfyUI의 KSampler (Advanced) 노드
KSampler (Advanced)는 단계 범위 제어 기능이 추가된 KSampler입니다: add_noise, start_at_step, end_at_step, return_with_leftover_noise를 사용하며, 기본 + 정제 체인과 두 모델 샘플링에 쓰입니다.
노드 팩: ComfyUI core
카테고리: 샘플링
KSampler (Advanced)이(가) 하는 일
이 고급 샘플러는 같은 노이즈 제거 루프를 돌리지만, 스케줄의 일부 구간만 샘플링할 수 있게 해줘요. return_with_leftover_noise가 켜져 있고 end_at_step이 25단계 중 20으로 설정되면, 첫 번째 샘플러는 일찍 멈추고 아직 노이즈가 남은 잠재 공간을 두 번째 KSampler (Advanced)에게 넘겨줘요. 두 번째 샘플러는 add_noise를 끈 상태로 20단계부터 시작하죠. 이렇게 SDXL 기본/정제 워크플로우와 여러 두 모델 트릭이 만들어집니다.
denoise 슬라이더는 없어요; 대신 단계 범위로 노이즈 제거 강도를 조절해요. 예를 들어 20단계 중 start_at_step 10은 일반 KSampler에서 denoise 0.5와 같아요.
입력
이름 | 타입 | 의미 |
|---|---|---|
model / positive / negative / latent_image | various | KSampler와 동일합니다. |
add_noise | COMBO | 샘플링 전에 잠재 공간에 새 노이즈를 추가하려면 켜고, 일부 샘플링된 잠재 공간을 이어서 사용하려면 끕니다. |
noise_seed | INT | 노이즈 시드입니다. |
steps / cfg / sampler_name / scheduler | various | 전체 스케줄입니다; 두 단계 모두 같은 총 단계 수를 써야 합니다. |
start_at_step | INT | 처음 실행할 단계입니다. 첫 단계는 0으로 설정하세요. |
end_at_step | INT | 멈출 단계입니다. 10000은 끝까지 실행한다는 뜻입니다. |
return_with_leftover_noise | COMBO | 다른 샘플러가 이 잠재 공간에서 이어서 작업할 때 켭니다. |
출력
이름 | 타입 | 의미 |
|---|---|---|
LATENT | LATENT | (부분적으로 샘플링된) 잠재 공간입니다. |
AD

설치는 건너뛰세요: 클라우드에 미리 설치된 ComfyUI 워크플로
BitVector는 완성된 ComfyUI 워크플로를 자체 GPU에서 실행합니다. 설치 없음, 누락 노드 없음, 빨간 박스 없음. 휴대폰이나 노트북에서 열고 1분 안에 생성하세요.
KSampler (Advanced) 사용법
- 1단계: add_noise 켜기, start_at_step 0, end_at_step 20, return_with_leftover_noise 켜기, 총 단계 25.
- 두 번째 모델로 2단계: add_noise 끄기, start_at_step 20, end_at_step 10000, return_with_leftover_noise 끄기, 같은 단계 수, 스케줄러, 시드 사용.
- 두 번째 잠재 공간을 디코딩하세요.
설정과 팁
- 두 단계 모두 steps, scheduler, seed를 똑같이 유지하세요; 모델, 프롬프트, 단계 범위만 바뀝니다.
- denoise 슬라이더 없는 img2img에서는 steps 20, start_at_step 10이 denoise 0.5와 같습니다.
- SDXL 정제기는 마지막 20% 단계에 맞춰 조정됐어요; 최신 SDXL 체크포인트에선 보통 필요 없어요.
KSampler (Advanced) 문제 해결
두 번째 단계 출력이 순수 노이즈임
원인
두 번째 단계에서 add_noise가 켜져 있거나 첫 번째 단계에서 return_with_leftover_noise가 꺼져서 노이즈 레벨이 맞지 않음.
해결 방법
첫 번째 단계: leftover noise 켜기. 두 번째 단계: add_noise 끄기, start_at_step을 첫 번째 end_at_step과 같게 설정.
두 번째 단계가 너무 부드럽거나 프롬프트를 무시함
원인
정제 단계가 너무 많은 단계를 돌거나 기본 단계와 다른 스케줄러를 사용함.
해결 방법
두 번째 단계에 마지막 15-25% 단계와 같은 스케줄러를 주세요.
두 번째 샘플러에서 아무 일도 안 일어남 (출력이 입력과 같음)
원인
start_at_step이 steps보다 크거나 같아서 샘플링할 게 없음.
해결 방법
start_at_step을 steps보다 작고 end_at_step보다 작게 만드세요.
AD

이 워크플로를 휴대폰에서 실행하세요
이 페이지의 모든 워크플로는 모델과 커스텀 노드까지 갖춘 채 BitVector에 미리 설치되어 있습니다. 하나 고르고 프롬프트를 입력하면 끝. 설정 제로, 다운로드 없음.
KSampler (Advanced)에 관한 질문
일반 샘플러로 쓸 수 있나요?
네: add_noise 켜기, start 0, end 10000, leftover 끄기가 denoise 1.0인 KSampler와 같습니다.
denoise 0.35는 어떻게 하나요?
20단계에서 start_at_step을 13으로 설정하세요.
관련 노드
KSampler
ComfyUI core
KSampler는 노이즈 제거 과정을 실행해. 모델, 프롬프트, 그리고 잠재(latent)를 받아서 완성된 잠재 이미지를 만들어내지. 시드, 스텝, cfg, 샘플러, 스케줄러, 그리고 노이즈 제거 정도로 조절할 수 있어.
Upscale Latent and Upscale Latent By
ComfyUI core
Upscale Latent는 잠재 공간(latent)을 새로운 크기(또는 배율)로 조정해서 두 번째 KSampler가 더 높은 해상도에서 디테일을 추가할 수 있게 해줘요: 이게 고전적인 고해상도 수정법이에요.
VAE Decode
ComfyUI core
VAE Decode는 샘플링된 LATENT를 VAE를 사용해 픽셀 IMAGE로 변환해 줘; VAE Decode (Tiled)는 아주 큰 이미지에 대해 타일 단위로 같은 작업을 해.
AD

노드 고치기에 지치셨나요? 클라우드에 맡기세요
BitVector는 수백 개의 ComfyUI 워크플로를 빠른 클라우드 GPU에 설치하고 업데이트하고 테스트해 둡니다. Python도, CUDA 오류도, VRAM 한계도 없습니다. 어떤 브라우저에서든 됩니다.
더 많은 ComfyUI 노드
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode는 텍스트 프롬프트를 모델 텍스트 인코더를 사용해 CONDITIONING으로 바꿔줘. 한 노드는 긍정 프롬프트를, 다른 노드는 부정 프롬프트를 담아.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager는 인터페이스 안에서 커스텀 노드 팩과 모델을 설치, 업데이트, 수정해주고, 불러온 워크플로우에서 누락된 노드를 해결하며 설정을 스냅샷으로 저장하는 확장 기능이야.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple)는 .safetensors 또는 .ckpt 모델 파일을 열고, 워크플로우에서 필요한 세 가지 부분인 diffusion MODEL, CLIP 텍스트 인코더, VAE를 제공합니다.
Save Image
ComfyUI core
Save Image는 IMAGE 텐서를 ComfyUI/output에 PNG로 저장해. 파일 메타데이터에 전체 워크플로우가 들어가 있어서, 나중에 그 그림을 ComfyUI에 다시 끌어다 놓으면 그래프를 복원할 수 있어.
Empty Latent Image
ComfyUI core
Empty Latent Image는 텍스트-이미지 샘플링이 시작되는 빈 잠재 캔버스(가로, 세로, 배치 크기)를 만듭니다; 크기는 8의 배수여야 하고 모델 패밀리와 맞아야 해요.
Load Image
ComfyUI core
Load Image는 ComfyUI 입력 폴더(또는 업로드)에서 이미지를 불러와서 IMAGE 텐서와 알파 채널에서 추출한 MASK를 출력해. 이 MASK는 img2img, 인페인팅, ControlNet, IP-Adapter 그래프의 시작점이야.

Model
Trends
.ai
© ModelTrends.ai
|
© 2026
|
모든 권리 보유