TomePatchModel 节点对扩散模型应用令牌合并（ToMe），以减少推理过程中的计算需求。其工作原理是在注意力机制中选择性地合并相似令牌，使模型能够处理更少的令牌，同时保持图像质量。该技术有助于在无明显质量损失的情况下加速生成。

## 输入

| 参数 | 描述 | 数据类型 | 是否必填 | 范围 |
| --- | --- | --- | --- | --- |
| `模型` | 要应用令牌合并的扩散模型 | MODEL | 是 | - |
| `比率` | 要合并的令牌比例（默认值：0.3） | FLOAT | 否 | 0.0 - 1.0 |

## 输出

| 输出名称 | 描述 | 数据类型 |
| --- | --- | --- |
| `模型` | 已应用令牌合并的修改后模型 | 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](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/TomePatchModel/zh.md)

---
**Source fingerprint (SHA-256):** `23d63ffa1b468a8a41533cc926125f4ef566b13edd1d95a6ef1ae63096a9d878`