| 参数名称 | 说明 |
|---|---|
| lora_stack | 可选多个 LoRA 的堆叠加载。 |
| cnet_stack | 控制图堆栈，自动应用多条 ControlNet 结构。 |
Efficient Loader
节点功能：该节点是集成功能节点可以完成大模型的加载，lora加载，正反向提示词输入，潜空间大小设置，并且支持多个lora和多个controlnet的加载，根据dependencies还可以完成XY plot的生成。
输入参数
输出参数
| 参数名称 | 说明 |
|---|---|
| MODEL | 加载后的主模型对象。 |
| CONDITIONING+ | 编码后的正向提示词条件。 |
| CONDITIONING- | 编码后的负向提示词条件。 |
| LATENT | 初始潜空图像张量。 |
| VAE | 所加载的 VAE 模型对象。 |
| CLIP | 所加载的文本编码器。 |
| DEPENDENCIES | 所有加载项与参数记录的依赖信息。 |
控件参数
| 参数名称 | 说明 |
|---|---|
| ckpt_name | 选择要加载的主模型 checkpoint 名称。 |
| vae_name | 可选编解码模型名称，选择 “Baked VAE” 表示使用 checkpoint 自带的 VAE。 |
| clip_skip | 控制 CLIP 模型跳过的 transformer 层数，负值用于高级配置。 |
| lora_name | 要加载的 LoRA 模型名称，“None” 表示不加载。 |
| lora_model_strength | LoRA 模型在 UNet 上的权重强度。 |
| lora_clip_strength | LoRA 模型在 CLIP 上的权重强度。 |
| positive | 正向提示词。 |
| negative | 负向提示词。 |
| token_normalization | 提示词权重归一化方式。 none：不处理，保持权重原始状态。 mean：取权重平均值，使各提示词作用均衡。 length：依提示词长度调整，长词权重高。 length+mean：综合两者，适配多数场景，推荐使用。 |
| weight_interpretation | 解释提示词中括号权重方式。 comfy：ComfyUI 默认权重解释方式，满足一般需求。 A1111：源于 StableDiffusion WebUI，符合部分用户习惯。 compel：重语义结构，处理复杂提示词有优势。 comfy++：优化 ComfyUI 方式，增强自然性，推荐使用。 down_weight：降低提示词权重，抑制部分影响。 |
| empty_latent_width | 空 latent 图像的宽度，必须是 64 的倍数。 |
| empty_latent_height | 空 latent 图像的高度，必须是 64 的倍数。 |
| batch_size | 同时生成的图像张数。 |
如下图所示，为efficient的文生图基础工作流。