ModelMergeSD3_2B - ComfyUI Built-in Node Documentation

Complete documentation for the ModelMergeSD3_2B node in ComfyUI. Learn its inputs, outputs, parameters and usage.

ModelMergeSD3_2B 节点允许您通过以可调整的权重混合两个 Stable Diffusion 3 2B 模型的组件来合并它们。它提供对嵌入层和 Transformer 模块的单独控制，从而能够为专门的生成任务进行精细调整的模型组合。

​

输入

参数	描述	数据类型	是否必填	范围
模型1	要合并的第一个模型	MODEL	是	-
模型2	要合并的第二个模型	MODEL	是	-
pos_embed.	位置嵌入插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
x_embedder.	输入嵌入插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
context_embedder.	上下文嵌入插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
y_embedder.	Y 嵌入插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
t_embedder.	时间嵌入插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.0.	联合模块 0 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.1.	联合模块 1 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.2.	联合模块 2 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.3.	联合模块 3 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.4.	联合模块 4 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.5.	联合模块 5 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.6.	联合模块 6 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.7.	联合模块 7 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.8.	联合模块 8 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.9.	联合模块 9 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.10.	联合模块 10 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.11.	联合模块 11 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.12.	联合模块 12 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.13.	联合模块 13 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.14.	联合模块 14 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.15.	联合模块 15 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.16.	联合模块 16 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.17.	联合模块 17 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.18.	联合模块 18 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.19.	联合模块 19 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.20.	联合模块 20 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.21.	联合模块 21 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.22.	联合模块 22 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
joint_blocks.23.	联合模块 23 插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0
final_layer.	最终层插值权重（默认值：1.0）	FLOAT	是	0.0 - 1.0

​

输出

输出名称	描述	数据类型
model	合并后的模型，结合了两个输入模型的特征	MODEL

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

---

Source fingerprint (SHA-256): 5b0c28c66e1828742873191be424956a9006e59ea1167a5941069ba0b7bc390b