ComfyUI-তে KSampler নোড
KSampler ডিনয়েজিং লুপ চালায়: এটা মডেল, প্রম্পট এবং একটি ল্যাটেন্ট নিয়ে শেষ ল্যাটেন্ট ইমেজ তৈরি করে, যা সিড, স্টেপ, cfg, স্যাম্পলার, শিডিউলার এবং ডিনয়েজ দ্বারা নিয়ন্ত্রিত।
KSampler কী করে
KSampler হলো যেখানে আসল ছবি তৈরি হয়। ইনপুট ল্যাটেন্ট থেকে শুরু করে (Empty Latent Image থেকে র্যান্ডম নয়েজ, বা img2img এর জন্য এনকোড করা ছবি), এটি মডেলকে নির্দিষ্ট সংখ্যক ধাপে নয়েজ সরাতে বলে, পজিটিভ প্রম্পটের দিকে টেনে নিয়ে যায় এবং নেগেটিভ প্রম্পট থেকে দূরে রাখে cfg পরিমাণে। ফলাফল হলো একটি LATENT যা VAE Decode ছবিতে রূপান্তর করে।
sampler_name সংখ্যাগত পদ্ধতি বেছে নেয় (euler, euler_ancestral, dpmpp_2m, dpmpp_2m_sde, dpmpp_3m_sde, uni_pc, lcm, ...) এবং scheduler নয়েজ কার্ভ (normal, karras, exponential, sgm_uniform, simple, beta) নির্ধারণ করে। denoise নিয়ন্ত্রণ করে ইনপুট ল্যাটেন্টের কত অংশ বদলানো হবে: টেক্সট-টু-ইমেজের জন্য 1.0, img2img এবং হাইরেস পাসের জন্য 0.3-0.7। KSampler (Advanced) মাল্টি-স্টেজ স্যাম্পলিংয়ের জন্য শুরু এবং শেষ ধাপ দেখায়।
ইনপুট
নাম | ধরন | এটি কী |
|---|---|---|
model | MODEL | ডিনয়েজিং মডেল, যেকোনো LoRA বা ControlNet প্যাচের পরে। |
positive | CONDITIONING | তুমি যা চাও (CLIP Text Encode থেকে, সম্ভবত ControlNet Apply এর মাধ্যমে)। |
negative | CONDITIONING | তুমি যা চাও না। |
latent_image | LATENT | শুরু করার ল্যাটেন্ট: খালি নয়েজ বা এনকোড করা ছবি। |
seed | INT | নয়েজ সিড। একই সিড এবং সেটিংস একই ছবি তৈরি করে। control_after_generate সেট করে ফিক্সড, ইনক্রিমেন্ট, ডিক্রিমেন্ট বা র্যান্ডমাইজ। |
steps | INT | ডিনয়েজিং ধাপের সংখ্যা। বেশিরভাগ SD মডেলের জন্য ২০-৩০, Lightning, Turbo এবং LCM মডেলের জন্য ৪-৮। |
cfg | FLOAT | Classifier-free guidance স্কেল। SD 1.5 এবং SDXL এর জন্য ৫-৮, Flux এবং distilled মডেলের জন্য ১.০। |
sampler_name | COMBO | স্যাম্পলিং অ্যালগরিদম। |
scheduler | COMBO | নয়েজ শিডিউল। |
denoise | FLOAT | নয়েজের কত অংশ সরানো হবে। ১.০ = নতুন থেকে শুরু; কম মান ইনপুট ছবির বেশি অংশ রাখে। |
আউটপুট
নাম | ধরন | এটি কী |
|---|---|---|
LATENT | LATENT | স্যাম্পল করা ল্যাটেন্ট যা VAE Decode বা দ্বিতীয় স্যাম্পলারে যাবে। |
KSampler কীভাবে ব্যবহার করবেন
- MODEL, দুইটি CONDITIONING এবং একটি LATENT কানেক্ট করো।
- SDXL এর জন্য steps ২৫, cfg ৭, dpmpp_2m এবং karras সেট করো; Flux এর জন্য euler, simple এবং cfg ১।
- নতুন ছবি তৈরির জন্য denoise ১.০ সেট করো।
- LATENT কানেক্ট করো VAE Decode এ, তারপর Save Image এ।
- কিউ করো, তারপর প্রম্পট নিয়ে কাজ করতে সিড ফিক্স করো।
সেটিংস ও টিপস
- dpmpp_2m + karras হলো সর্বজনীন পছন্দ; euler_ancestral ভ্যারাইটি দেয় কিন্তু কখনো কনভার্জ করে না; dpmpp_2m_sde বেশি ডিটেইল দেয় কিন্তু GPU অনুযায়ী ফলাফল ভিন্ন হতে পারে।
- Lightning, Hyper এবং Turbo চেকপয়েন্টের জন্য আলাদা সেটিংস দরকার: ৪-৮ ধাপ, cfg ১-২, sgm_uniform বা simple।
- হাইরেস পাসের জন্য প্রথম ল্যাটেন্ট Upscale Latent By দিয়ে পাঠাও এবং দ্বিতীয় KSampler এ denoise ০.৪-০.৫৫ সেট করো।
- Ctrl+Shift+V ধরে নোড তার কানেকশনসহ পেস্ট করো; স্যাম্পলার ডুপ্লিকেট করার সময় কাজে লাগে।
- একই GPU তে একই সেটিংস এবং ফিক্সড সিড দিয়ে ছবি পুনরুত্পাদনযোগ্য; ভিন্ন কার্ডে সামান্য পার্থক্য থাকতে পারে।
KSampler-এর সমস্যার সমাধান
ছবির বদলে নয়েজ, স্ট্যাটিক বা ঝাপসা ব্লব
কেন হয়
সেটিংস মডেলের সাথে মেলে না: distilled মডেলে cfg ৭, সাধারণ মডেলে ৪ ধাপ, Flux মডেলে Flux Guidance ছাড়া, বা খালি ল্যাটেন্টে denoise ১ এর অনেক নিচে।
কীভাবে ঠিক করবেন
মডেল পেজের সাথে মিলাও: সাধারণ SD = ২০-৩০ ধাপ, cfg ৫-৮; Lightning/Turbo = ৪-৮ ধাপ, cfg ১-২; Flux = cfg ১, guidance ৩.৫, ২০+ ধাপ। খালি ল্যাটেন্টে denoise ১.০ ব্যবহার করো।
অতিরিক্ত ফ্রাইড, অতিরিক্ত স্যাচুরেটেড, হাই-কনট্রাস্ট আউটপুট
কেন হয়
cfg মডেল বা LoRA স্ট্যাকের জন্য খুব বেশি, অথবা অনেক ধাপের ancestral স্যাম্পলার।
কীভাবে ঠিক করবেন
cfg কমিয়ে ৪-৬ করো, LoRA শক্তি কমাও, অথবা euler_ancestral থেকে dpmpp_2m এ যাও।
torch.OutOfMemoryError: CUDA sampling এর সময় মেমরি শেষ
কেন হয়
এই ব্যাচ সাইজে ল্যাটেন্ট কার্ডের জন্য বড়, অথবা একই সময়ে VRAM এ অন্য মডেল (ControlNet, আপস্কেলার) আছে।
কীভাবে ঠিক করবেন
রেজোলিউশন বা batch_size কমাও, --lowvram যোগ করো, fp8 ওজন ব্যবহার করো, অথবা হাইরেস পাস আলাদা কিউতে ভাগ করো যাতে প্রথম মডেল আনলোড হয়।
Error: mat1 and mat2 shapes cannot be multiplied
কেন হয়
কন্ডিশনিং এসেছে মডেলের থেকে আলাদা ফ্যামিলির টেক্সট এনকোডার থেকে (SD 1.5 CLIP SDXL মডেলে বা উল্টো)।
কীভাবে ঠিক করবেন
MODEL এর সাথে একই চেকপয়েন্ট থেকে CLIP কানেক্ট করো।
সিড ফিক্সড হলেও ছবি প্রতিবার বদলায়
কেন হয়
control_after_generate র্যান্ডমাইজে সেট, অথবা SDE / ancestral স্যাম্পলার ব্যবহার হচ্ছে নন-ডিটারমিনিস্টিক ব্যাকএন্ডে।
কীভাবে ঠিক করবেন
control_after_generate ফিক্সড করো এবং সঠিক পুনরাবৃত্তির জন্য dpmpp_2m বা euler ব্যবহার করো।
একই ছবি বারবার আসে (সিড আটকে গেছে)
কেন হয়
control_after_generate ফিক্সড এবং কম cfg বা কম ধাপে নয়েজ বেশি প্রাধান্য পায়।
কীভাবে ঠিক করবেন
এটাকে র্যান্ডমাইজ বা ইনক্রিমেন্ট করো এবং একটু cfg বাড়াও।
KSampler সম্পর্কে প্রশ্ন
KSampler আর KSampler (Advanced) এর মধ্যে পার্থক্য কী?
Advanced এ add_noise, start_at_step, end_at_step এবং return_with_leftover_noise থাকে, যা দুই মডেলের মধ্যে স্যাম্পলিং ভাগ করতে দেয়, যেমন SDXL base তারপর refiner।
সবচেয়ে দ্রুত স্যাম্পলার কোনটা?
euler এবং dpmpp_2m প্রতি ধাপে একবার মডেল কল করে; _2s এবং _3m ভারিয়েন্ট বেশি কল করে। LCM এবং Lightning মডেল দ্রুত কারণ তাদের কম ধাপ লাগে, স্যাম্পলারের কারণে নয়।
খালি ল্যাটেন্টে denoise কী করে?
১.০ এর নিচে যেকোন মান আউটপুটে মূল নয়েজের কিছু অংশ রেখে দেয় এবং কুয়াশা তৈরি করে। টেক্সট-টু-ইমেজের জন্য ১.০ রাখো।
সম্পর্কিত নোড
KSampler (Advanced)
ComfyUI core
KSampler (Advanced) হল KSampler যা স্টেপ-রেঞ্জ কন্ট্রোল সহ: add_noise, start_at_step, end_at_step এবং return_with_leftover_noise, যা বেস + রিফাইনার চেইন এবং দুই-মডেল স্যাম্পলিং এর জন্য ব্যবহৃত হয়।
Empty Latent Image
ComfyUI core
Empty Latent Image একটা খালি latent ক্যানভাস তৈরি করে (প্রস্থ, উচ্চতা, batch_size) যেখান থেকে text-to-image স্যাম্পলিং শুরু হয়; মাপগুলো ৮ এর গুণিতক হতে হবে এবং মডেল ফ্যামিলির সাথে মিলতে হবে।
VAE Decode
ComfyUI core
VAE Decode নমুনা করা LATENT কে VAE ব্যবহার করে পিক্সেল IMAGE এ রূপান্তর করে; VAE Decode (Tiled) খুব বড় ছবির জন্য টাইলস আকারে একই কাজ করে।
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode একটা টেক্সট প্রম্পটকে CONDITIONING এ রূপান্তর করে মডেল টেক্সট এনকোডার ব্যবহার করে। একটা নোডে থাকে পজিটিভ প্রম্পট, আর অন্যটাতে থাকে নেগেটিভ প্রম্পট।
Upscale Latent and Upscale Latent By
ComfyUI core
Upscale Latent একটা latent এর সাইজ বাড়ায় নতুন সাইজে (বা একটা ফ্যাক্টর দিয়ে) যাতে দ্বিতীয় KSampler বেশি রেজোলিউশনে ডিটেইল যোগ করতে পারে: এটা ক্লাসিক hires fix।
আরও ComfyUI নোড
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager হলো এক্সটেনশন যা ইন্টারফেসের ভিতর থেকে কাস্টম নোড প্যাক এবং মডেল ইনস্টল, আপডেট এবং ঠিক করে, ইমপোর্ট করা ওয়ার্কফ্লো থেকে মিসিং নোড গুলো খুঁজে বের করে এবং তোমার সেটআপের স্ন্যাপশট নেয়।
Load Checkpoint
ComfyUI core
লোড চেকপয়েন্ট (CheckpointLoaderSimple) একটি .safetensors বা .ckpt মডেল ফাইল খুলে দেয় এবং তিনটি অংশ দেয় যা প্রতিটি ওয়ার্কফ্লোতে লাগে: diffusion MODEL, CLIP টেক্সট এনকোডার এবং VAE।
Save Image
ComfyUI core
Save Image IMAGE টেনসরকে ComfyUI/output এ PNG হিসেবে সেভ করে, পুরো ওয়ার্কফ্লো ফাইল মেটাডেটায় এমবেড করে যাতে ছবি আবার ComfyUI তে ড্র্যাগ করে গ্রাফ রিস্টোর করা যায়।
Load Image
ComfyUI core
Load Image ComfyUI ইনপুট ফোল্ডার থেকে (বা আপলোড থেকে) একটি ছবি পড়ে এবং একটি IMAGE টেনসর এবং একটি MASK আউটপুট দেয় যা আলফা চ্যানেল থেকে নেওয়া হয়, যা img2img, inpainting, ControlNet এবং IP-Adapter গ্রাফের জন্য শুরু পয়েন্ট।
Load LoRA
ComfyUI core
Load LoRA (LoraLoader) একটি LoRA ফাইল MODEL এবং CLIP এ আলাদা শক্তি দিয়ে প্রয়োগ করে, যাতে কোনো স্টাইল, চরিত্র বা ধারণা যেকোনো চেকপয়েন্টে মিশ্রণ ছাড়াই যোগ করা যায়।
Load Diffusion Model
ComfyUI core
Load Diffusion Model (UNETLoader) একটি সাধারণ ডিনয়েজিং নেটওয়ার্ক লোড করে যেমন Flux, SD3.5, Wan বা HunyuanVideo models/diffusion_models থেকে, যেখানে weight_dtype অপশন আছে fp8 এর জন্য VRAM সাশ্রয়ের জন্য।