گره `ModelMergeCosmosPredict2_2B` دو مدل انتشار (diffusion) را با استفاده از رویکرد مبتنی بر بلوک و با کنترل دقیق بر اجزای مختلف مدل، ادغام می‌کند. این گره به شما امکان می‌دهد بخش‌های خاصی از دو مدل را با تنظیم وزن‌های درون‌یابی برای جاسازهای موقعیت، جاسازهای زمانی، بلوک‌های ترانسفورمر و لایه‌های نهایی ترکیب کنید. این کار کنترل دقیقی بر نحوه مشارکت اجزای معماری مختلف از هر مدل در نتیجه نهایی ادغام‌شده فراهم می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | اجباری | محدوده |
| --- | --- | --- | --- | --- |
| `model1` | اولین مدل برای ادغام | MODEL | بله | - |
| `model2` | دومین مدل برای ادغام | MODEL | بله | - |
| `pos_embedder.` | وزن درون‌یابی جاساز موقعیت (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `x_embedder.` | وزن درون‌یابی جاساز ورودی (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `t_embedder.` | وزن درون‌یابی جاساز زمانی (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `t_embedding_norm.` | وزن درون‌یابی نرمال‌سازی جاساز زمانی (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.0.` | وزن درون‌یابی بلوک ترانسفورمر 0 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.1.` | وزن درون‌یابی بلوک ترانسفورمر 1 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.2.` | وزن درون‌یابی بلوک ترانسفورمر 2 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.3.` | وزن درون‌یابی بلوک ترانسفورمر 3 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.4.` | وزن درون‌یابی بلوک ترانسفورمر 4 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.5.` | وزن درون‌یابی بلوک ترانسفورمر 5 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.6.` | وزن درون‌یابی بلوک ترانسفورمر 6 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.7.` | وزن درون‌یابی بلوک ترانسفورمر 7 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.8.` | وزن درون‌یابی بلوک ترانسفورمر 8 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.9.` | وزن درون‌یابی بلوک ترانسفورمر 9 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.10.` | وزن درون‌یابی بلوک ترانسفورمر 10 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.11.` | وزن درون‌یابی بلوک ترانسفورمر 11 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.12.` | وزن درون‌یابی بلوک ترانسفورمر 12 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.13.` | وزن درون‌یابی بلوک ترانسفورمر 13 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.14.` | وزن درون‌یابی بلوک ترانسفورمر 14 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.15.` | وزن درون‌یابی بلوک ترانسفورمر 15 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.16.` | وزن درون‌یابی بلوک ترانسفورمر 16 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.17.` | وزن درون‌یابی بلوک ترانسفورمر 17 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.18.` | وزن درون‌یابی بلوک ترانسفورمر 18 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.19.` | وزن درون‌یابی بلوک ترانسفورمر 19 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.20.` | وزن درون‌یابی بلوک ترانسفورمر 20 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.21.` | وزن درون‌یابی بلوک ترانسفورمر 21 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.22.` | وزن درون‌یابی بلوک ترانسفورمر 22 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.23.` | وزن درون‌یابی بلوک ترانسفورمر 23 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.24.` | وزن درون‌یابی بلوک ترانسفورمر 24 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.25.` | وزن درون‌یابی بلوک ترانسفورمر 25 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.26.` | وزن درون‌یابی بلوک ترانسفورمر 26 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `blocks.27.` | وزن درون‌یابی بلوک ترانسفورمر 27 (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |
| `final_layer.` | وزن درون‌یابی لایه نهایی (پیش‌فرض: 1.0) | FLOAT | بله | 0.0 - 1.0 |

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `model` | مدل ادغام‌شده که ویژگی‌های هر دو مدل ورودی را ترکیب می‌کند | MODEL |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ModelMergeCosmosPredict2_2B/fa.md)

---
**Source fingerprint (SHA-256):** `53a8de66d6b731f5b29af326832f66cc973284bc8fdf09d779575f2346cc75a7`