# 采样算法（连续V）

ModelSamplingContinuousV 节点通过应用连续 V-prediction 采样来调整模型的采样行为。它会创建输入模型的克隆，并使用自定义的最小和最大 sigma 值进行配置，以更精细地控制采样过程。

## 输入

| 参数 | 描述 | 数据类型 | 是否必需 | 范围 |
|-----------|-------------|-----------|----------|-------|
| `模型` | 将应用连续 V-prediction 采样的输入模型 | MODEL | 是 | - |
| `采样` | 要应用的采样方法；目前 V-prediction 是唯一可用的选项（默认：`"v_prediction"`） | COMBO | 是 | `"v_prediction"` |
| `最大西格玛` | 采样的最大 sigma 值（高级参数，默认：500.0） | FLOAT | 是 | 0.0 - 1000.0 |
| `最小西格玛` | 采样的最小 sigma 值（高级参数，默认：0.03） | FLOAT | 是 | 0.0 - 1000.0 |

## 输出

| 输出名称 | 描述 | 数据类型 |
|-------------|-------------|-----------|
| `model` | 已应用连续 V-prediction 采样的修改后模型 | MODEL |

> 本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ [在 GitHub 上编辑](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ModelSamplingContinuousV/zh.md)

---
**Source fingerprint (SHA-256):** `8549be9dd2375374c20da7c74a756a90285716db0e52fed8a1a2b753cd6d75fe`
