Сэмплер и имена сэмплеров

Нода, которая шаг за шагом превращает шум в картинку, и что на деле значат имена в её списке sampler_name.

Простыми словами

Генерация начинается с чистого шума. На каждом шаге модель смотрит на зашумлённый латент и предсказывает, какой в нём шум. Сэмплер (sampler) убирает часть этого шума и идёт дальше. После последнего шага остаётся чистый латент, и VAE Decode превращает его в картинку.

Нода-сэмплер это место, где всё встречается: модель, положительный и негативный conditioning, начальный латент и настройки. Алгоритм (sampler_name) это правило, как двигается каждый шаг. Планировщик решает, насколько велик каждый шаг.

<!-- diagram: пять квадратиков слева направо, от чистого шума к ясной картинке озера, подписи: шаг 0, 5, 10, 15, 20 -->

Где встречается в графе

  • KSampler: входы model, positive, negative, latent_image; поля seed, control_after_generate, steps, cfg, sampler_name, scheduler, denoise; выход LATENT.
  • KSampler (Advanced): добавляет add_noise, start_at_step, end_at_step, return_with_leftover_noise, чтобы поделить одну генерацию между двумя сэмплерами (основа и доводчик или две модели Wan 2.2).
  • SamplerCustom и SamplerCustomAdvanced: собраны из частей: NOISE (RandomNoise), GUIDER (CFGGuider, BasicGuider), SAMPLER (KSamplerSelect), SIGMAS (BasicScheduler и другие). Так устроены Flux и многие новые шаблоны.
  • У паков свои сэмплеры (например WanVideo Sampler).

Имена сэмплеров на деле

ИмяДля чего берут
eulerПростой и надёжный. Стоит по умолчанию во многих шаблонах Flux, Wan, Qwen-Image и Z-Image. Хороший первый выбор.
euler_ancestral (_a)Добавляет свежий шум на каждом шаге: больше разнообразия, мягче вид; картинка меняется, когда меняете число шагов.
dpmpp_2mПопулярен у SDXL и SD 1.5, обычно с планировщиком karras; чёткий на 20 до 30 шагах.
dpmpp_2m_sde, dpmpp_sde, dpmpp_3m_sdeСтохастические: больше мелких деталей и разброса; шаг медленнее.
uni_pc, uni_pc_bh2Сходятся за мало шагов; встречаются в видеографах.
ddimКлассика; в основном в старых графах.
lcmТолько для моделей LCM и LoRA LCM, на 4 до 8 шагах и cfg около 1 до 2.
res_multistep, er_sde, gradient_estimation и другиеНовые методы; берите, когда их называет шаблон или страница модели.

Имена на _ancestral и _sde добавляют шум по ходу, поэтому тот же seed при другом числе шагов даёт немного другой результат. Имена на _gpu делают то же, но шум создают на видеокарте.

Частые ошибки

  • Менять сэмплер и планировщик наугад: на хорошо обученной модели разница мала рядом с промптом и seed. Начинайте со страницы модели.
  • Ancestral-сэмплер при сравнении настроек: результаты скачут. Для сравнений берите euler.
  • lcm на обычной модели: размытая, недорисованная картинка.

Как помогает приложение

Описание каждого сэмплера объясняет его входы. Уроки Настройки сэмплера и Как выбрать сэмплер и планировщик проходят по его полям; в графах с KSampler (Advanced) видеоуроки проверяют, что два сэмплера передают работу на одном и том же шаге. В Свойствах у поля со встроенной заметкой рядом с именем есть кнопка Что делает это поле; она открывает заметку под полем: что делает поле и что в него ставить.

См. также

Страница перенесена из wiki репозитория приложения (docs/wiki/concepts/Sampler.ru.md, ревизия b8e3f71). То же руководство встроено в приложение: «Справка ▸ Руководство».

Чтобы обновить её, выполните npm run import, а затем npm run build в папке сайта.