closerAI NAG_Sampler 节点使用说明

购买后文末显示链接，所有节点更新版本在此贴中。

购买后文末显示链接，所有节点更新版本在此贴中。

购买后文末显示链接，所有节点更新版本在此贴中。

1. 节点简介

closerAI NAG_Sampler 是一个高级采样器节点。它在标准采样过程的基础上，集成了 NAG (Noise-Added Guidance，噪声增加引导) 技术。

NAG 技术通过在采样的每一步为模型增加微量的噪声，可以有效地“激励”模型生成更丰富的图像细节、纹理和创意效果，尤其适合用于改善画面过于平滑或缺乏质感的问题。

本节点已完全兼容 nunchaku 工作流，可以与 LoRA、ControlNet 等无缝结合。

2. 如何连接节点

本节点的使用方式与 ComfyUI 内置的 KSampler 基本一致。

• model: 核心输入。连接您的模型加载器。
  • 如果使用 LoRA: 请连接 Nunchaku LoRA Loader 链条最后一个节点的 MODEL 输出。
  • 如果不使用 LoRA: 直接连接主模型加载器（如 FLUX.1-dev Loader）的 MODEL 输出。
• positive: 连接“正面提示词”编码节点的 CONDITIONING 输出。
• negative: 连接“负面提示词”编码节点的 CONDITIONING 输出。
• latent_image: 连接 Empty Latent Image (文生图) 或 VAE Encode (图生图) 的 LATENT 输出。
• LATENT (输出): 将此接口连接到 VAE Decode 节点，以生成最终图像。

3. 参数详解

标准采样参数

这些参数与 KSampler 的功能完全相同。

• seed: 随机种子，用于复现结果。
• steps: 采样步数。通常 20-30 步对 Flux 模型来说足够。
• cfg: 提示词相关性。建议值在 1.0 到 4.0 之间。
• sampler_name: 采样器名称 (e.g., euler, dpmpp_2m)。
• scheduler: 调度器名称 (e.g., simple, karras)。

NAG 专属参数

这是控制 NAG 效果的核心。

• noise_type: 引导噪声的类型。
  • gaussian (高斯噪声): 最常用，效果最稳定。推荐使用。
  • uniform (均匀噪声): 提供一种不同的噪声分布，可用于实验。
• nag_strength (NAG 强度): 最重要的参数。
  • 它控制着每一步被注入的额外噪声的强度。
  • 0.0 表示完全禁用 NAG，此时节点等同于一个标准 KSampler。
  • 推荐范围: 0.1 ~ 0.5。建议从 0.2 开始尝试。
  • 注意: 过高的值 (如 > 1.0) 可能会在图像中引入不自然的噪点或伪影。
• nag_start_step (NAG 起始步数):
  • 控制从第几步开始应用 NAG。
  • 0 (默认): 从第一步采样就开始应用 NAG。
  • 高级用法: 您可以设置一个较高的值，让 NAG 只在采样的后半段介入，用于对已经基本成型的图像进行细节微调。例如，如果总步数是 20，您可以将此值设为 10。

4. 使用技巧与工作流示例

• 从低强度开始: 刚开始使用时，建议将 nag_strength 设为 0.2 左右，然后逐步增加或减少，观察其对画面细节的影响。
• 解决“塑料感”: 当您的出图看起来过于平滑、缺乏质感，像“塑料”一样时，可以尝试开启 NAG，它能有效地增加物体表面的纹理。
• 创意催化剂: NAG 注入的随机性有时能产生意想不到的创意火花，打破模型的思维定式。
• 多做对比: 同一个种子，分别使用 nag_strength = 0.0 和 nag_strength = 0.3 运行一次，可以最直观地看到 NAG 带来的变化。

希望这份文档能帮助您更好地使用 closerAI NAG_Sampler！

以下是更新：

1、V1.0发布。

以下是下载链接：

主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网