ModelMergeMochiPreview - ComfyUI Built-in Node Documentation

此节点使用基于块的方法合并两个 Mochi AI 模型，可对不同模型组件进行精细控制。

此节点使用基于块的方法合并两个 Mochi AI 模型，可对不同模型组件进行精细控制。它允许您通过调整特定部分的插值权重来混合模型，包括位置频率、嵌入层以及全部 48 个独立的 Transformer 块。合并过程根据指定的权重值，结合两个输入模型的架构和参数。

​

输入

参数	描述	数据类型	必需	范围
模型1	要合并的第一个模型	MODEL	是	-
模型2	要合并的第二个模型	MODEL	是	-
pos_frequencies.	位置频率插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
t_embedder.	时间嵌入器插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
t5_y_embedder.	T5-Y 嵌入器插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
t5_yproj.	T5-Y 投影插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.0.	块 0 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.1.	块 1 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.2.	块 2 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.3.	块 3 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.4.	块 4 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.5.	块 5 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.6.	块 6 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.7.	块 7 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.8.	块 8 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.9.	块 9 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.10.	块 10 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.11.	块 11 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.12.	块 12 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.13.	块 13 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.14.	块 14 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.15.	块 15 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.16.	块 16 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.17.	块 17 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.18.	块 18 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.19.	块 19 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.20.	块 20 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.21.	块 21 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.22.	块 22 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.23.	块 23 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.24.	块 24 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.25.	块 25 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.26.	块 26 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.27.	块 27 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.28.	块 28 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.29.	块 29 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.30.	块 30 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.31.	块 31 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.32.	块 32 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.33.	块 33 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.34.	块 34 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.35.	块 35 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.36.	块 36 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.37.	块 37 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.38.	块 38 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.39.	块 39 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.40.	块 40 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.41.	块 41 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.42.	块 42 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.43.	块 43 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.44.	块 44 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.45.	块 45 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.46.	块 46 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
blocks.47.	块 47 插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)
final_layer.	最终层插值的权重（默认值：1.0）	FLOAT	是	0.0 - 1.0 (step: 0.01)

​

输出

输出名称	描述	数据类型
model	根据指定的权重，结合两个输入模型特征的合并模型	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

---

Source fingerprint (SHA-256): 8fdf5d023d97ef04bf2b40577be5dbc4c16f8f4437586a98adbdbf7f9fa8a359