本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑此节点对扩散模型应用时序分数重缩放（TSR）。它通过在去噪过程中重新缩放预测的噪声或分数来修改模型的采样行为，从而引导生成输出的多样性。该功能以后置CFG（无分类器引导）函数的形式实现。
输入参数
| 参数名 | 数据类型 | 必填 | 取值范围 | 描述 |
|---|---|---|---|---|
model | MODEL | 是 | - | 需要应用TSR函数进行修补的扩散模型。 |
tsr_k | FLOAT | 否 | 0.01 - 100.0 | 控制重缩放的强度。较低的k值会产生更详细的结果；较高的k值在图像生成中会产生更平滑的结果。设置 k = 1 将禁用重缩放。（默认值：0.95） |
tsr_sigma | FLOAT | 否 | 0.01 - 100.0 | 控制重缩放效果何时开始生效。数值越大，效果生效越早。（默认值：1.0） |
输出结果
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
patched_model | MODEL | 输入模型，现已在其采样过程中应用了时序分数重缩放函数进行修补。 |