以下が翻訳です。

`CLIPMergeSimple` は、指定された比率に基づいて2つのCLIPテキストエンコーダモデルを結合する、高度なモデルマージノードです。

このノードは、指定された比率に基づいて2つのCLIPモデルをマージし、それらの特性を効果的にブレンドすることに特化しています。一方のモデルから特定のコンポーネント（位置IDやロジットスケールなど）を除外したパッチを選択的に適用し、両方のソースモデルの特徴を組み合わせたハイブリッドモデルを作成します。

## 入力

| パラメータ | 説明 | データ型 | 入力タイプ | デフォルト | 範囲 |
| --- | --- | --- | --- | --- | --- |
| `clip1` | マージの対象となる最初のCLIPモデルです。マージ処理のベースモデルとして機能します。 | CLIP | 必須 | - | - |
| `clip2` | マージの対象となる2番目のCLIPモデルです。位置IDとロジットスケールを除く主要なパッチが、指定された比率に基づいて最初のモデルに適用されます。 | CLIP | 必須 | - | - |
| `比率` | 2番目のモデルの特徴を最初のモデルにブレンドする割合を決定します。比率が1.0の場合は2番目のモデルの特徴を完全に採用し、0.0の場合は最初のモデルの特徴のみを保持します。 | FLOAT | 必須 | 1.0 | 0.0 - 1.0 (ステップ: 0.01) |

## 出力

| 出力名 | 説明 | データ型 |
| --- | --- | --- |
| `clip` | 指定された比率に従って、両方の入力モデルの特徴を組み込んだ、マージ後のCLIPモデルです。 | CLIP |

## マージメカニズムの解説

### マージアルゴリズム

このノードは、重み付き平均を使用して2つのモデルをマージします。

1. **ベースモデルのクローン**: 最初に `clip1` をベースモデルとしてクローンします。
2. **パッチの取得**: `clip2` からすべての主要なパッチを取得します。
3. **特殊キーのフィルタリング**: `.position_ids` および `.logit_scale` で終わるキーをスキップします。
4. **重み付きマージの適用**: `(1.0 - ratio) * clip1 + ratio * clip2` という式を使用します。

### 比率パラメータの解説

- **ratio = 0.0**: clip1 を完全に使用し、clip2 を無視します。
- **ratio = 0.5**: 各モデルから50%ずつ寄与します。
- **ratio = 1.0**: clip2 を完全に使用し、clip1 を無視します。

## 使用例

1. **モデルスタイルの融合**: 異なるデータで学習されたCLIPモデルの特性を組み合わせます。
2. **パフォーマンスの最適化**: 異なるモデルの長所と短所のバランスを取ります。
3. **実験的研究**: 異なるCLIPエンコーダの組み合わせを探索します。

> このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ [GitHub で編集](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/CLIPMergeSimple/ja.md)

---
**Source fingerprint (SHA-256):** `0d3c8388dbe88675ea7fb51161ab41ce898bcf63983b3d2817b16ec5bfa613e5`