VAE解码（分块） - ComfyUI Built-in Node Documentation

VAEDecodeTiled 节点使用分块方式将潜在表示解码为图像，以高效处理大图像。

VAEDecodeTiled 节点使用分块方式将潜在表示解码为图像，以高效处理大图像。它通过以较小的分块进行处理来管理内存占用，同时保持图像质量。该节点还通过以带重叠的分块方式处理时间帧来支持视频 VAE，以实现平滑过渡。

输入

参数	描述	数据类型	必填	范围
`Latent`	要解码为图像的潜在表示	LATENT	是	-
`vae`	用于解码潜在样本的 VAE 模型	VAE	是	-
`分块尺寸`	每个分块的处理大小（默认值：512）	INT	是	64-4096 （步长：32）
`重叠`	相邻分块之间的重叠量（默认值：64）	INT	是	0-4096 （步长：32）
`时间尺寸`	仅用于视频 VAE：一次解码的帧数（默认值：64）	INT	是	8-4096 （步长：4）
`时间重叠`	仅用于视频 VAE：重叠的帧数（默认值：8）	INT	是	4-4096 （步长：4）

注意： tile_size、overlap、temporal_size 和 temporal_overlap 输入被标记为高级设置。

注意： 如果重叠值超过实际限制，节点会自动调整它们。如果 tile_size 小于 overlap 的 4 倍，则重叠会减小为分块大小的四分之一。类似地，如果 temporal_size 小于 temporal_overlap 的 2 倍，则时间重叠会减半。节点在计算空间和时间维度的分块大小与重叠大小时，还会考虑 VAE 的内部压缩比。如果输入的 latent 是嵌套的 latent 批次，则只解码该批次中的第一项。

输出

输出名称	描述	数据类型
`IMAGE`	从潜在表示解码生成的图像。解码视频 latent 时，输出是一系列图像帧。	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