采样与图生图

扩散

扩散模型从噪声开始，在提示条件的引导下重复预测并移除噪声，最终得到潜空间图像。KSampler 是基础工作流中执行该过程的核心节点。

KSampler

参数	作用	说明
seed	创建初始噪声	固定后可复现和对比；改变后探索构图
steps	去噪迭代次数	增加步数会增加耗时，不一定持续提升质量
cfg	提示词引导强度	过低可能偏离提示，过高可能僵硬或失真
sampler_name	每步使用的采样算法	决定去噪路径
scheduler	噪声变化曲线	决定各阶段的步长与噪声分配
denoise	对输入潜空间的去噪强度	文生图通常为 1；图生图使用小于 1 的值

采样器、调度器、步数和模型相互影响。不存在对所有模型都最优的固定组合，基准参数通常来自模型发布页或配套工作流。

图生图

图生图以参考图片编码后的潜空间代替空潜空间：

Load Image → VAE Encode → KSampler.latent_image

VAE Encode 和 VAE Decode 应使用与模型匹配的 VAE。

denoise 控制结果与原图的关系：

• 接近 0：大部分保留原图。
• 数值增大：允许模型进行更明显的重绘。
• 等于 1：输入特征基本被完整噪声覆盖，接近重新文生图。

批量生成

• batch_size 控制单次生成数量，也会直接增加显存占用。
• 改变 seed 适合探索不同构图。
• 固定 seed 适合比较提示词、采样器、调度器或模型。
• 多个采样分支适合并排比较，但会增加执行时间和资源消耗。

Style 与多提示词

Style 是可复用的提示词片段，常用于统一媒介、光照、色彩和质量描述。

多提示词可用于建立批量变体：

• 固定主体，替换场景或光照。
• 固定构图，替换风格。
• 固定参数，比较多个负向提示词。

比较实验必须明确变量。若同时改变提示词、种子和采样器，就无法判断差异来自哪里。

参数记录

必要记录项：

模型：
提示词：
负向提示词：
Seed：
Steps：
CFG：
Sampler：
Scheduler：
Denoise：
分辨率：