VAEDecodeTiled - ComfyUI Built-in Node Documentation

VAEDecodeTiled 节点使用分块方法将潜在表示解码为图像，以高效处理大型图像。

VAEDecodeTiled 节点使用分块方法将潜在表示解码为图像，以高效处理大型图像。它通过将输入分割为较小的块进行处理，从而在保持图像质量的同时管理内存使用。该节点还支持视频 VAE，通过分块处理时间帧并带有重叠，以实现平滑过渡。

​

输入

参数	描述	数据类型	必需	范围
Latent	要解码为图像的潜在表示	LATENT	是	-
vae	用于解码潜变量样本的 VAE 模型	VAE	是	-
分块尺寸	每个处理块的大小（默认值：512）	INT	是	64-4096 (step: 32)
重叠	相邻块之间的重叠量（默认值：64）	INT	是	0-4096 (step: 32)
时间尺寸	仅用于视频 VAE：每次解码的帧数（默认值：64）	INT	是	8-4096 (step: 4)
时间重叠	仅用于视频 VAE：重叠的帧数（默认值：8）	INT	是	4-4096 (step: 4)

注意： 如果重叠值超过实际限制，节点会自动进行调整。如果 tile_size 小于 overlap 的 4 倍，则重叠量会减小为块大小的四分之一。同样，如果 temporal_size 小于 temporal_overlap 的 2 倍，则时间重叠量会减半。在计算空间和时间维度的块大小与重叠大小时，节点还会考虑 VAE 的内部压缩比率。如果输入潜变量是嵌套的潜变量批次，则仅解码批次中的第一项。

​

输出

输出名	描述	数据类型
IMAGE	从潜在表示解码出的图像。解码视频潜变量时，输出为一系列图像帧。	IMAGE

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

---

Source fingerprint (SHA-256): 04136ba1abd0c74e780dc405f916a08b809630ae4f41c183049535488b40fd96