UNetTemporalAttentionMultiply 节点对时序 UNet 模型中的不同注意力机制应用乘法因子。它通过调整自注意力和交叉注意力层的权重来修改模型，并区分结构组件和时序组件。这使得可以精细调整每种注意力类型对模型输出的影响程度。

## 输入

| 参数 | 描述 | 数据类型 | 是否必填 | 范围 |
| --- | --- | --- | --- | --- |
| `模型` | 待使用注意力乘法因子修改的输入模型 | MODEL | 是 | - |
| `自我结构` | 自注意力结构组件的乘法因子（默认值：1.0） | FLOAT | 否 | 0.0 - 10.0 |
| `自我时间` | 自注意力时序组件的乘法因子（默认值：1.0） | FLOAT | 否 | 0.0 - 10.0 |
| `交叉结构` | 交叉注意力结构组件的乘法因子（默认值：1.0） | FLOAT | 否 | 0.0 - 10.0 |
| `交叉时间` | 交叉注意力时序组件的乘法因子（默认值：1.0） | FLOAT | 否 | 0.0 - 10.0 |

## 输出

| 输出名称 | 描述 | 数据类型 |
| --- | --- | --- |
| `模型` | 经过注意力权重调整后的修改模型 | 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/UNetTemporalAttentionMultiply/zh.md)

---
**Source fingerprint (SHA-256):** `98d62fb28a0cdf62154ae4e0b672b3a7bcb9ed61186a164a43992263c1f9439a`