# TSR - بازمقیاس‌دهی امتیاز زمانی

این گره یک بازمقیاس‌سازی امتیاز زمانی (Temporal Score Rescaling - TSR) را روی یک مدل انتشار اعمال می‌کند. این گره مدل را طوری پچ می‌کند که در حین نمونه‌گیری، امتیاز یا نویز پیش‌بینی‌شده بازمقیاس شود تا تنوع نتایج تولیدشده هدایت گردد. این کار به‌صورت یک تابع پس از CFG (راهنمایی بدون طبقه‌بند - Classifier-Free Guidance) پیاده‌سازی می‌شود.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | بازه |
| --- | --- | --- | --- | --- |
| `مدل` | مدل انتشار که باید با تابع TSR پچ شود. | MODEL | بله | - |
| `tsr_k` | قدرت بازمقیاس‌سازی را کنترل می‌کند. مقدار کمتر k نتایج جزئی‌تر تولید می‌کند؛ مقدار بیشتر k در تولید تصویر نتایج هموارتری می‌دهد. تنظیم k = 1 بازمقیاس‌سازی را غیرفعال می‌کند. (پیش‌فرض: 0.95) | FLOAT | بله | 0.01 - 100.0 |
| `tsr_sigma` | کنترل می‌کند بازمقیاس‌سازی چقدر زود اثر بگذارد. مقادیر بزرگ‌تر زودتر اثر می‌گذارند. (پیش‌فرض: 1.0) | FLOAT | بله | 0.01 - 100.0 |

توجه: بازمقیاس‌سازی زمانی نادیده گرفته می‌شود که `tsr_k` روی 1 تنظیم شده باشد، مقدار sigma صفر باشد، یا نسبت سیگنال به نویز صفر باشد.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `patched_model` | مدل ورودی، که اکنون با تابع بازمقیاس‌سازی امتیاز زمانی اعمال‌شده بر فرایند نمونه‌گیری آن پچ شده است. | 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/TemporalScoreRescaling/fa.md)

---
**Source fingerprint (SHA-256):** `4d4e3c64fb6e3a3fe4725ea944a361b46d871943a10e65d72d70e0e6d757dfca`
