.ai

os melhores modelos de IA de código aberto

Buscar

Nó KSampler no ComfyUI

KSampler executa o loop de remoção de ruído: ele pega o modelo, os prompts e um latent e produz a imagem latent final, controlada por seed, steps, cfg, sampler, scheduler e denoise.

Pacote de nós: ComfyUI core

Categoria: Amostragem

O que KSampler faz

KSampler é onde a imagem realmente é gerada. Começando pelo latent de entrada (ruído aleatório do Empty Latent Image, ou uma imagem codificada para img2img), ele pede para o modelo remover o ruído pelo número escolhido de passos, puxando para o prompt positivo e afastando do negativo pela quantidade cfg. O resultado é um LATENT que o VAE Decode transforma em imagem.

sampler_name escolhe o método numérico (euler, euler_ancestral, dpmpp_2m, dpmpp_2m_sde, dpmpp_3m_sde, uni_pc, lcm, ...) e scheduler a curva de ruído (normal, karras, exponential, sgm_uniform, simple, beta). denoise controla quanto do latent de entrada é substituído: 1.0 para text-to-image, 0.3-0.7 para img2img e passes de alta resolução. KSampler (Advanced) expõe passos de início e fim para amostragem em múltiplas etapas.

Entradas

Nome	Tipo	O que é
model	MODEL	O modelo de remoção de ruído, depois de qualquer patch LoRA ou ControlNet.
positive	CONDITIONING	O que você quer (do CLIP Text Encode, possivelmente via ControlNet Apply).
negative	CONDITIONING	O que você não quer.
latent_image	LATENT	O latent inicial: ruído vazio ou uma imagem codificada.
seed	INT	Seed do ruído. Mesma seed e configurações geram a mesma imagem. control_after_generate define fixo, incremento, decremento ou aleatório.
steps	INT	Número de passos de remoção de ruído. 20-30 para a maioria dos modelos SD, 4-8 para Lightning, Turbo e LCM.
cfg	FLOAT	Escala de orientação classifier-free. 5-8 para SD 1.5 e SDXL, 1.0 para Flux e modelos destilados.
sampler_name	COMBO	O algoritmo de amostragem.
scheduler	COMBO	O agendamento do ruído.
denoise	FLOAT	Fraçao do ruído a ser removida. 1.0 = começar do zero; valor menor mantém mais da imagem de entrada.

Saídas

Nome	Tipo	O que é
LATENT	LATENT	O latent amostrado para o VAE Decode ou um segundo sampler.

Pule a instalação: workflows do ComfyUI pré-instalados na nuvem

O BitVector executa workflows prontos do ComfyUI em suas próprias GPUs. Sem instalação, sem nós faltando, sem caixas vermelhas. Abra no celular ou no notebook e gere em um minuto.

Experimentar o BitVector

Como usar KSampler

Conecte MODEL, ambos CONDITIONINGs e um LATENT.
Defina steps 25, cfg 7, dpmpp_2m com karras para SDXL; euler com simple, cfg 1 para Flux.
Defina denoise para 1.0 para uma imagem nova.
Conecte LATENT ao VAE Decode e depois Salve a Imagem.
Coloque na fila, depois fixe a seed quando quiser iterar no prompt.

Configurações e dicas

dpmpp_2m + karras é a escolha geral; euler_ancestral adiciona variedade mas nunca converge; dpmpp_2m_sde dá mais detalhes, mas perde determinismo entre GPUs.
Checkpoints Lightning, Hyper e Turbo precisam de configurações próprias: 4-8 passos, cfg 1-2, sgm_uniform ou simple.
Para um passe de alta resolução, passe o primeiro latent pelo Upscale Latent By e um segundo KSampler com denoise 0.4-0.55.
Segure Ctrl+Shift+V para colar um nó com suas conexões; útil ao duplicar samplers.
Uma seed fixa com as mesmas configurações é reproduzível na mesma GPU; placas diferentes podem variar um pouco.

Solução de problemas de KSampler

Ruído, estática ou uma mancha borrada em vez de imagem

Por que acontece

As configurações não combinam com o modelo: cfg 7 num modelo destilado, 4 passos num modelo normal, um modelo Flux sem Flux Guidance, ou denoise muito abaixo de 1 num latent vazio.

Como corrigir

Siga a página do modelo: SD normal = 20-30 passos, cfg 5-8; Lightning/Turbo = 4-8 passos, cfg 1-2; Flux = cfg 1, guidance 3.5, 20+ passos. Use denoise 1.0 quando o latent estiver vazio.

Saída super saturada, com contraste exagerado

Por que acontece

cfg está muito alto para o modelo ou para a pilha LoRA, ou sampler ancestral com muitos passos.

Como corrigir

Diminua o cfg para 4-6, reduza forças das LoRAs, ou mude de euler_ancestral para dpmpp_2m.

torch.OutOfMemoryError: CUDA out of memory durante a amostragem

Por que acontece

O latent é muito grande para a placa na batch size atual, ou outro modelo (ControlNet, upscaler) está na VRAM ao mesmo tempo.

Como corrigir

Diminua resolução ou batch_size, use --lowvram, pesos fp8, ou divida o passe de alta resolução em uma segunda fila para descarregar o primeiro modelo.

Erro: mat1 e mat2 shapes não podem ser multiplicados

Por que acontece

O conditioning vem de um codificador de texto de família diferente do modelo (CLIP SD 1.5 num modelo SDXL, ou vice-versa).

Como corrigir

Use o CLIP do mesmo checkpoint que fornece o MODEL.

Imagens mudam a cada execução mesmo com seed fixa

Por que acontece

control_after_generate está em randomize, ou um sampler SDE / ancestral está em uso com backend não determinístico.

Como corrigir

Defina control_after_generate para fixed e prefira dpmpp_2m ou euler para repetição exata.

A mesma imagem se repete em vários prompts (seed travada)

Por que acontece

control_after_generate está fixo e o ruído domina com cfg baixo ou poucos passos.

Como corrigir

Defina para randomize ou increment e aumente um pouco o cfg.

Execute este workflow pelo celular

Todos os workflows desta página já estão pré-instalados no BitVector, com modelos e nós personalizados no lugar. Escolha um, digite um prompt, pronto. Zero configuração, nada para baixar.

Experimentar o BitVector

Perguntas sobre KSampler

Qual a diferença entre KSampler e KSampler (Advanced)?

O Advanced adiciona add_noise, start_at_step, end_at_step e return_with_leftover_noise, que permite dividir a amostragem entre dois modelos, por exemplo SDXL base e depois refiner.

Qual sampler é mais rápido?

euler e dpmpp_2m fazem uma chamada ao modelo por passo; as variantes _2s e _3m fazem mais. Modelos LCM e Lightning são rápidos porque precisam de poucos passos, não por causa do sampler.

O que o denoise faz com um latent vazio?

Qualquer valor abaixo de 1.0 deixa parte do ruído original na saída e gera névoa. Mantenha 1.0 para text-to-image.

Nós relacionados

KSampler (Advanced)

ComfyUI core

KSampler (Avançado) é o KSampler com controle de intervalo de passos: add_noise, start_at_step, end_at_step e return_with_leftover_noise, usado para cadeias base + refinador e amostragem com dois modelos.

Empty Latent Image

ComfyUI core

Empty Latent Image cria a tela latente em branco (largura, altura, batch_size) de onde a amostragem texto-para-imagem começa; as dimensões precisam ser múltiplos de 8 e combinar com a família do modelo.

VAE Decode

ComfyUI core

VAE Decode converte o LATENT amostrado em uma IMAGE de pixels usando o VAE; VAE Decode (Tiled) faz o mesmo em blocos para imagens muito grandes.

CLIP Text Encode (Prompt)

ComfyUI core

CLIP Text Encode transforma um prompt de texto em CONDITIONING usando o codificador de texto do modelo. Um nó segura o prompt positivo, e outro nó o prompt negativo.

Upscale Latent and Upscale Latent By

ComfyUI core

Upscale Latent redimensiona um latent para um novo tamanho (ou por um fator) para que um segundo KSampler possa adicionar detalhes em resolução maior: o clássico ajuste de alta resolução.

Cansado de consertar nós? Deixe a nuvem fazer isso

O BitVector mantém centenas de workflows do ComfyUI instalados, atualizados e testados em GPUs rápidas na nuvem. Sem Python, sem erros de CUDA, sem limite de VRAM. Funciona em qualquer navegador.

Experimentar o BitVector