clip_scale 参数的作用是：用于计算 CLIP 模型输入的宽度和高度，以确保它与生成的 latent 图像尺寸相匹配或适配。在 SDXL 等扩散模型中，CLIP 模型用于对提示词进行编码（如正向 prompt 或反向 negative prompt）。CLIP 编码器通常需要知道目标图像的「感知尺寸」（perceived resolution），它不直接处理 latent，但它的感知图像尺寸影响其对文本的理解细节程度。
📐 clip_scale 如何运作
以 dimensions = 1024 x 1024 和 clip_scale = 2.0 为例：
clip_width = 1024 * 2.0 = 2048
clip_height = 1024 * 2.0 = 2048最终输出的 CLIP_WIDTH = 2048, CLIP_HEIGHT = 2048 可以作为输入传入一些支持的提示词编码器，例如：
CLIPTextEncode(clip, text, width=clip_width, height=clip_height)这表示我们期望 CLIP 编码器理解文本时，是为一张 2048×2048 的图像服务的，但是它最终生成的图片依旧是1024×1024。
