# ModelMergeSD1

گره ModelMergeSD1 دو مدل Stable Diffusion 1.x را با تنظیم میزان مشارکت هر مؤلفه مدل در نتیجه، با یکدیگر ترکیب می‌کند. این گره کنترل جداگانه‌ای بر روی جاسازی زمانی، جاسازی برچسب و هر بلوک ورودی، میانی و خروجی ارائه می‌دهد و امکان ادغام دقیق مدل را برای موارد استفاده خاص فراهم می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `model1` | اولین مدل برای ادغام | MODEL | بله | - |
| `model2` | دومین مدل برای ادغام | MODEL | بله | - |
| `time_embed.` | وزن ترکیب لایه جاسازی زمانی (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `label_emb.` | وزن ترکیب لایه جاسازی برچسب (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.0.` | وزن ترکیب بلوک ورودی 0 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.1.` | وزن ترکیب بلوک ورودی 1 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.2.` | وزن ترکیب بلوک ورودی 2 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.3.` | وزن ترکیب بلوک ورودی 3 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.4.` | وزن ترکیب بلوک ورودی 4 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.5.` | وزن ترکیب بلوک ورودی 5 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.6.` | وزن ترکیب بلوک ورودی 6 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.7.` | وزن ترکیب بلوک ورودی 7 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.8.` | وزن ترکیب بلوک ورودی 8 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.9.` | وزن ترکیب بلوک ورودی 9 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.10.` | وزن ترکیب بلوک ورودی 10 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `input_blocks.11.` | وزن ترکیب بلوک ورودی 11 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `middle_block.0.` | وزن ترکیب بلوک میانی 0 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `middle_block.1.` | وزن ترکیب بلوک میانی 1 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `middle_block.2.` | وزن ترکیب بلوک میانی 2 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.0.` | وزن ترکیب بلوک خروجی 0 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.1.` | وزن ترکیب بلوک خروجی 1 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.2.` | وزن ترکیب بلوک خروجی 2 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.3.` | وزن ترکیب بلوک خروجی 3 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.4.` | وزن ترکیب بلوک خروجی 4 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.5.` | وزن ترکیب بلوک خروجی 5 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.6.` | وزن ترکیب بلوک خروجی 6 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.7.` | وزن ترکیب بلوک خروجی 7 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.8.` | وزن ترکیب بلوک خروجی 8 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.9.` | وزن ترکیب بلوک خروجی 9 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.10.` | وزن ترکیب بلوک خروجی 10 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `output_blocks.11.` | وزن ترکیب بلوک خروجی 11 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |
| `خروجی.` | وزن ترکیب لایه خروجی (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 (گام: 0.01) |

همه وزن‌های ترکیب مقادیری از 0.0 تا 1.0 را می‌پذیرند و به‌طور پیش‌فرض روی 1.0 تنظیم شده‌اند؛ یعنی هر مؤلفه از مدل اول به‌طور کامل استفاده می‌شود مگر اینکه تنظیم شود.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `MODEL` | مدل ادغام‌شده که ویژگی‌های هر دو مدل ورودی را ترکیب می‌کند | MODEL |

> 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/ModelMergeSD1/fa.md)

---
**Source fingerprint (SHA-256):** `b9d53f126139412fbd8b21be72e1dcdb02736519ab4dc9e28c7840d69acb7c87`
