ComfyUI-LG_SamplingUtils：专为 Z-Image模型优化的高级采样工具集

ComfyUI-LG_SamplingUtils 是由开发者 LAOGOU-666 为 ComfyUI 打造的一套专业采样增强工具，专注于提升 ZImage、Lumina2、AuraFlow 等 Flow Matching 架构模型 的生成控制力与细节表现。通过四个精心设计的节点，它让高级采样技术变得直观、可调、可复现。

• GitHub：https://github.com/LAOGOU-666/ComfyUI-LG_SamplingUtils

无论你是追求细节质感的创作者，还是需要精细调控生成过程的开发者，这套工具都能显著提升你的工作流效率与输出质量。

四大核心节点详解

1. ZImage Timestep Noise（时间步噪声）

在采样过程中注入可控噪声，打破模型“同质化”倾向，使不同种子产生更具差异性的结果。

• 适用模型：支持 sigma（传统扩散）和 flow（Flow Matching）两种模式
• 核心作用：增强多样性，避免“千图一面”
• 关键参数：
  • mode：选择噪声类型（sigma 为乘性，flow 为加性）
  • noise_strength：强度范围 0.0–2.0
  • start_percent / end_percent：定义噪声作用的采样阶段（如 0.2–0.8 表示中间 60% 步骤）
  • mask（可选）：仅在指定区域应用噪声
  • seed：确保结果可复现

适用于需要高多样性的批量生成或创意探索场景。

2. LG Noise Injection（噪声注入）

将参考图像中的表面细节（如水珠、汗渍、织物纹理、金属反光）注入到生成过程中，引导模型“学习”特定视觉特征。

• 工作原理：通过类似 CFG 的机制，在潜在空间中融合参考图像的高频信息
• 典型用途：
  • 为人物添加皮肤细节（毛孔、油光、汗珠）
  • 增强材质真实感（皮革褶皱、玻璃反光、湿漉效果）
  • 局部风格迁移（仅对脸部或服装注入特征）
• 关键参数：
  • reference_image：提供细节来源的图像
  • strength：建议 0.1–0.2（轻微）、0.2–0.4（明显）
  • start_percent / end_percent：控制注入时机（早期影响结构，晚期影响细节）
  • mask（可选）：白色区域接收特征注入

变体节点：LG Noise Injection (Latent) —— 直接操作潜在表示，若存在 noise_mask 则自动启用。

3. Model Sampling ZImage（ZImage 采样器）

为 Flow Matching 模型提供正确的采样调度参数，确保时间步与噪声调度匹配。

• 兼容模型：ZImage、Lumina2、AuraFlow
• 核心参数：
  • shift：噪声调度偏移
    • shift=1.0：线性调度
    • shift>1.0（如 ZImage 默认 3.0）：向高噪声端偏移，早期步骤更激进，适合复杂构图
  • multiplier：时间步缩放系数
    • ZImage/AuraFlow：设为 1.0
    • SD3/Flux：设为 1000

此节点是正确运行 ZImage 等新型模型的必要配置，避免因调度不匹配导致生成失败或质量下降。

4. Sigmas Editor（Sigmas 编辑器）

交互式可视化工具，实时调整 sigmas 噪声调度曲线。

• 功能亮点：
  • 拖拽式曲线编辑
  • 实时预览调度变化
  • 精细控制每一步的噪声强度
• 适用场景：
  • 微调生成细节（如增强早期结构或晚期纹理）
  • 适配不同模型的最优调度
  • 实验性采样策略开发

对高级用户而言，这是突破默认调度限制、挖掘模型潜力的关键工具。

安装方法

✅ 推荐：通过 ComfyUI Manager 安装

1. 打开 ComfyUI Manager
2. 搜索 “ComfyUI-LG_SamplingUtils”
3. 点击安装 → 重启 ComfyUI

💻 手动安装

cd ComfyUI/custom_nodes
git clone https://github.com/LAOGOU-666/ComfyUI-LG_SamplingUtils.git

安装后重启 ComfyUI 即可使用。

适用人群

• 使用 ZImage / Lumina2 / AuraFlow 的创作者
• 需要细节增强（如皮肤、材质、环境互动）的图像生成者
• 追求高多样性输出的批量生成用户
• 希望深入控制采样过程的高级 ComfyUI 用户