Вот перевод документации на русский язык:

`CLIPMergeSimple` — это продвинутый узел слияния моделей, используемый для объединения двух текстовых энкодеров CLIP на основе заданного коэффициента.

Этот узел специализируется на слиянии двух моделей CLIP на основе указанного коэффициента, эффективно смешивая их характеристики. Он выборочно применяет патчи из одной модели к другой, исключая определенные компоненты, такие как идентификаторы позиций и масштаб логитов, для создания гибридной модели, объединяющей признаки из обеих исходных моделей.

## Входы

| Параметр | Описание | Тип данных | Тип входа | По умолчанию | Диапазон |
| --- | --- | --- | --- | --- | --- |
| `clip1` | Первая модель CLIP для слияния. Служит базовой моделью для процесса слияния. | CLIP | ОБЯЗАТЕЛЬНЫЙ | - | - |
| `clip2` | Вторая модель CLIP для слияния. Ее ключевые патчи, за исключением идентификаторов позиций и масштаба логитов, применяются к первой модели на основе указанного коэффициента. | CLIP | ОБЯЗАТЕЛЬНЫЙ | - | - |
| `соотношение` | Определяет долю признаков второй модели, смешиваемых с первой моделью. Коэффициент 1.0 означает полное применение признаков второй модели, а 0.0 оставляет только признаки первой модели. | FLOAT | ОБЯЗАТЕЛЬНЫЙ | 1.0 | 0.0 - 1.0 (шаг: 0.01) |

## Выходы

| Имя выхода | Описание | Тип данных |
| --- | --- | --- |
| `clip` | Результирующая объединенная модель CLIP, включающая признаки обеих входных моделей в соответствии с указанным коэффициентом. | CLIP |

## Объяснение механизма слияния

### Алгоритм слияния

Узел использует взвешенное усреднение для слияния двух моделей:

1.  **Клонирование базовой модели**: Сначала клонирует `clip1` в качестве базовой модели
2.  **Получение патчей**: Извлекает все ключевые патчи из `clip2`
3.  **Фильтрация специальных ключей**: Пропускает ключи, заканчивающиеся на `.position_ids` и `.logit_scale`
4.  **Применение взвешенного слияния**: Использует формулу `(1.0 - ratio) * clip1 + ratio * clip2`

### Описание параметра ratio

-   **ratio = 0.0**: Полностью используется clip1, clip2 игнорируется
-   **ratio = 0.5**: Вклад каждой модели составляет 50%
-   **ratio = 1.0**: Полностью используется clip2, clip1 игнорируется

## Варианты использования

1.  **Слияние стилей моделей**: Объединение характеристик моделей CLIP, обученных на разных данных
2.  **Оптимизация производительности**: Балансировка сильных и слабых сторон различных моделей
3.  **Экспериментальные исследования**: Изучение комбинаций различных энкодеров CLIP

> Эта документация была создана с помощью ИИ. Если вы обнаружите ошибки или у вас есть предложения по улучшению, пожалуйста, внесите свой вклад! [Редактировать на GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/CLIPMergeSimple/ru.md)

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