# Documentation - Class name: DualCFGGuider - Category: sampling/custom_sampling/guiders - Output node: False - Repo Ref: https://github.com/comfyanonymous/ComfyUI DualCFGGuider节点旨在通过使用两组条件来指导生成模型的采样过程。它专注于通过可配置参数调整正面、负面和中间条件的影响,从而增强对生成结果的控制,允许对输出进行微调控制。 # Input types ## Required - model - 模型参数至关重要,因为它代表了节点将用于采样过程的生成模型。它定义了应用条件和配置以生成所需输出的基础。 - Comfy dtype: MODEL - Python dtype: torch.nn.Module - cond1 - 第一个条件输入对于提供采样过程的初始上下文或指导至关重要。它有助于根据手头任务的具体要求塑造生成内容的方向。 - Comfy dtype: CONDITIONING - Python dtype: Any - cond2 - 第二个条件输入通过提供额外的上下文层来进一步完善采样过程。它与第一个条件输入协同工作,以实现更微妙和详细的结果。 - Comfy dtype: CONDITIONING - Python dtype: Any - negative - 负面条件输入在引导采样过程远离不希望的结果方面起着关键作用。它有助于定义生成内容中应避免的内容,确保结果更具针对性和专注性。 - Comfy dtype: CONDITIONING - Python dtype: Any ## Optional - cfg_conds - cfg_conds参数允许调整配置条件,影响采样过程中正面和负面影响的平衡。这是实现对生成控制所需水平的重要调整参数。 - Comfy dtype: FLOAT - Python dtype: float - cfg_cond2_negative - cfg_cond2_negative参数用于微调第二个条件输入的影响,特别是在其作为负面条件的角色中。它提供了一种机制来调整采样期间应用的负面指导的强度。 - Comfy dtype: FLOAT - Python dtype: float # Output types - guider - 输出的guider是DualCFGGuider类的配置实例,准备在采样过程中使用。它封装了用户设置的条件和配置,确保采样符合所需的规格。 - Comfy dtype: GUIDER - Python dtype: comfy.samplers.CFGGuider # Usage tips - Infra type: CPU # Source code ``` class DualCFGGuider: @classmethod def INPUT_TYPES(s): return {'required': {'model': ('MODEL',), 'cond1': ('CONDITIONING',), 'cond2': ('CONDITIONING',), 'negative': ('CONDITIONING',), 'cfg_conds': ('FLOAT', {'default': 8.0, 'min': 0.0, 'max': 100.0, 'step': 0.1, 'round': 0.01}), 'cfg_cond2_negative': ('FLOAT', {'default': 8.0, 'min': 0.0, 'max': 100.0, 'step': 0.1, 'round': 0.01})}} RETURN_TYPES = ('GUIDER',) FUNCTION = 'get_guider' CATEGORY = 'sampling/custom_sampling/guiders' def get_guider(self, model, cond1, cond2, negative, cfg_conds, cfg_cond2_negative): guider = Guider_DualCFG(model) guider.set_conds(cond1, cond2, negative) guider.set_cfg(cfg_conds, cfg_cond2_negative) return (guider,) ```