# AlignYourStepsScheduler

گره AlignYourStepsScheduler مقادیر سیگما (سطوح نویز) را برای فرآیند نویززدایی بر اساس انواع مختلف مدل تولید می‌کند. این گره سطوح نویز مناسب را برای هر گام فرآیند نمونه‌گیری محاسبه می‌کند و تعداد کل گام‌ها را بر اساس پارامتر `denoise` تنظیم می‌کند و به هم‌راستاسازی گام‌های نمونه‌گیری با نیازمندی‌های خاص مدل‌های انتشار مختلف کمک می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `نوع مدل` | نوع مدل مورد استفاده برای محاسبه سیگما را مشخص می‌کند (پیش‌فرض: "SD1") | COMBO | بله | `"SD1"`<br>`"SDXL"`<br>`"SVD"` |
| `گام‌ها` | تعداد کل گام‌های نمونه‌گیری برای تولید (پیش‌فرض: 10) | INT | بله | 1 تا 10000 |
| `کاهش نویز` | کنترل می‌کند که تصویر چقدر نویززدایی شود؛ مقدار 1.0 از همه گام‌ها استفاده می‌کند و مقادیر کمتر از گام‌های کمتری استفاده می‌کنند (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 تا 1.0 (گام: 0.01) |

نکته: هر نوع مدل یک زمان‌بندی سطح نویز داخلی دارد که شامل 11 مقدار سیگما (برای 10 گام) است. وقتی `denoise` برابر 0.0 باشد، گره یک تانسور سیگمای خالی برمی‌گرداند. وقتی `denoise` بین 0.0 و 1.0 باشد، تعداد مؤثر گام‌ها به‌صورت `round(steps × denoise)` محاسبه می‌شود و تنها بخش انتهایی متناظر از زمان‌بندی سیگما استفاده می‌شود. اگر مقدار `steps` درخواستی با طول زمان‌بندی داخلی مطابقت نداشته باشد، سطوح نویز به‌صورت لگاریتمی-خطی درون‌یابی می‌شوند تا با تعداد گام درخواستی مطابقت کنند. مقدار سیگمای نهایی همیشه 0 تنظیم می‌شود.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `sigmas` | مقادیر سیگمای محاسبه‌شده برای فرآیند نویززدایی را برمی‌گرداند | SIGMAS |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/AlignYourStepsScheduler/fa.md)

---
**Source fingerprint (SHA-256):** `3adbe1016c1ff4b9b7ad3737f50b168f54444d4ca355488e60537d1136f85d3f`
