ComfyUI 中的 KSampler 節點

Q: 輸出過曝、飽和或對比過強

cfg 對模型或 LoRA 堆疊太高，或用 ancestral 採樣器且步數多。 把 cfg 降到 4-6，降低 LoRA 強度，或從 euler_ancestral 換成 dpmpp_2m。

Q: torch.OutOfMemoryError：採樣時 CUDA 記憶體不足

潛在向量對顯卡來說太大，或同時有其他模型（ControlNet、放大器）佔用 VRAM。 降低解析度或批次大小，加 --lowvram，使用 fp8 權重，或把高解析度處理分成第二個排隊，讓第一個模型先釋放。

Q: 錯誤：mat1 和 mat2 形狀無法相乘

條件向量來自和模型不同系列的文字編碼器（SD 1.5 CLIP 用在 SDXL，或反過來）。 連接和 MODEL 同一檢查點的 CLIP。

Q: 不同提示詞卻一直重複同一張圖（種子卡住）

control_after_generate 是固定，但在低 cfg 或低步數時噪聲占主導。 改成隨機或遞增，並稍微提高 cfg。

KSampler 執行去噪循環：它接收模型、提示詞和潛在向量，並產生完成的潛在圖像，透過種子、步數、cfg、採樣器、排程器和去噪程度來控制。

節點包:ComfyUI core

分類:取樣

Author: comfyanonymous

Pack on GitHub

KSampler 的作用

KSampler 是實際生成圖像的地方。從輸入的潛在向量開始（來自空潛在圖像的隨機噪聲，或 img2img 的編碼圖片），它會請模型在設定的步數內去除噪聲，根據 cfg 數值往正面提示詞靠攏，遠離負面提示詞。結果是一個 LATENT，接著 VAE Decode 會把它轉成圖像。

sampler_name 選擇數值方法（euler、euler_ancestral、dpmpp_2m、dpmpp_2m_sde、dpmpp_3m_sde、uni_pc、lcm 等），scheduler 則是噪聲曲線（normal、karras、exponential、sgm_uniform、simple、beta）。denoise 控制替換多少輸入潛在向量：文字轉圖像用 1.0，img2img 和高解析度處理用 0.3-0.7。KSampler (Advanced) 可以設定多階段採樣的開始和結束步數。

輸入

名稱	類型	含義
model	MODEL	去噪模型，包含任何 LoRA 或 ControlNet 的補丁。
positive	CONDITIONING	你想要的東西（來自 CLIP 文字編碼，可能經過 ControlNet Apply）。
negative	CONDITIONING	你不想要的東西。
latent_image	LATENT	起始潛在向量：空白噪聲或編碼過的圖像。
seed	INT	噪聲種子。相同種子和設定會產生相同圖像。control_after_generate 可設定固定、遞增、遞減或隨機。
steps	INT	去噪步數。大多數 SD 模型用 20-30，Lightning、Turbo 和 LCM 模型用 4-8。
cfg	FLOAT	無分類器引導比例。SD 1.5 和 SDXL 用 5-8，Flux 和蒸餾模型用 1.0。
sampler_name	COMBO	採樣演算法。
scheduler	COMBO	噪聲排程。
denoise	FLOAT	去除噪聲的比例。1.0 = 從頭開始；數值越低保留越多輸入圖像。

輸出

名稱	類型	含義
LATENT	LATENT	供 VAE Decode 或第二個採樣器使用的採樣潛在向量。

如何使用 KSampler

連接 MODEL、兩個 CONDITIONING 和一個 LATENT。
SDXL 設定步數 25、cfg 7、dpmpp_2m 搭配 karras；Flux 用 euler 搭配 simple，cfg 1。
denoise 設為 1.0 以產生全新圖像。
連接 LATENT 到 VAE Decode，然後儲存圖像。
排隊後，想要調整提示詞時固定種子。

設定與技巧

dpmpp_2m + karras 是萬用選擇；euler_ancestral 增加變化但不會收斂；dpmpp_2m_sde 提供更多細節，但不同 GPU 間不一定一致。
Lightning、Hyper 和 Turbo 檢查點需要特別設定：4-8 步，cfg 1-2，sgm_uniform 或 simple。
高解析度處理時，先用 Upscale Latent By 放大潛在向量，再用第二個 KSampler，denoise 設 0.4-0.55。
按住 Ctrl+Shift+V 可貼上節點及其連接，方便複製採樣器。
相同 GPU 上固定種子和設定可重現；不同顯卡可能略有差異。