# شرایط بزرگ‌نمایی ۴ برابر SD

گره SD_4XUpscale_Conditioning داده‌های کاندیشنینگ را برای بزرگ‌نمایی تصاویر با مدل‌های دیفیوژن آماده می‌کند. این گره تصاویر ورودی را با نسبت انتخابی مقیاس می‌کند، در صورت نیاز افزایش نویز را اضافه می‌کند و کاندیشنینگ مثبت و منفی اصلاح‌شده را همراه با یک latent خالی برای اندازه بزرگ‌نمایی‌شده بازمی‌گرداند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | بازه |
| --- | --- | --- | --- | --- |
| `تصاویر` | تصاویر ورودی که باید بزرگ‌نمایی شوند. | IMAGE | بله | - |
| `مثبت` | داده‌های کاندیشنینگ مثبت که تولید را به سمت محتوای مطلوب هدایت می‌کند. | CONDITIONING | بله | - |
| `منفی` | داده‌های کاندیشنینگ منفی که تولید را از محتوای ناخواسته دور می‌کند. | CONDITIONING | بله | - |
| `نسبت مقیاس` | ضریبی که هنگام آماده‌سازی کاندیشنینگ و latent بزرگ‌نمایی‌شده به ابعاد تصویر ورودی اعمال می‌شود (پیش‌فرض: 4.0). | FLOAT | بله | 0.0 - 10.0 (گام 0.01) |
| `افزایش نویز` | میزان نویزی که در طول فرایند بزرگ‌نمایی افزوده می‌شود (پیش‌فرض: 0.0). | FLOAT | بله | 0.0 - 1.0 (گام 0.001) |

توجه: `noise_augmentation` یک پارامتر پیشرفته است که در رابط گره زیر کلید «Advanced» نمایش داده می‌شود.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `positive` | کاندیشنینگ مثبت اصلاح‌شده با اعمال داده‌های تصویر مقیاس‌شده و تنظیمات افزایش نویز. | CONDITIONING |
| `negative` | کاندیشنینگ منفی اصلاح‌شده با اعمال داده‌های تصویر مقیاس‌شده و تنظیمات افزایش نویز. | CONDITIONING |
| `latent` | نمایش latent خالی متناسب با ابعاد بزرگ‌نمایی‌شده. | LATENT |

> 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/SD_4XUpscale_Conditioning/fa.md)

---
**Source fingerprint (SHA-256):** `f215e890bd86f42d4da9c6f575fc92e65844e2e2056c5610310d8089e5d61902`
