## 概述

VAEDecodeTiled 節點使用分塊方法將潛在表示解碼為影像，以有效處理大型影像。它透過將輸入分割成較小的區塊來處理，以管理記憶體使用量，同時維持影像品質。此節點也支援影片 VAE，透過以重疊方式分批處理時間幀，實現流暢的過渡。

## 輸入

| 參數 | 說明 | 資料類型 | 必要 | 範圍 |
| --- | --- | --- | --- | --- |
| `樣本` | 要解碼為影像的潛在表示 | LATENT | 是 | - |
| `vae` | 用於解碼潛在樣本的 VAE 模型 | VAE | 是 | - |
| `區塊大小` | 每個處理區塊的大小 (預設值: 512) | INT | 是 | 64-4096 (步長: 32) |
| `重疊` | 相鄰區塊之間的重疊量 (預設值: 64) | INT | 是 | 0-4096 (步長: 32) |
| `時間區塊大小` | 僅用於影片 VAE：每次解碼的幀數 (預設值: 64) | INT | 是 | 8-4096 (步長: 4) |
| `時間重疊` | 僅用於影片 VAE：重疊的幀數 (預設值: 8) | INT | 是 | 4-4096 (步長: 4) |

**注意：** 如果重疊值超過實際限制，節點會自動調整。如果 `tile_size` 小於 `overlap` 的 4 倍，則重疊會減少為區塊大小的四分之一。同樣地，如果 `temporal_size` 小於 `temporal_overlap` 的兩倍，則時間重疊會減半。在計算空間和時間維度的區塊與重疊大小時，節點也會考慮 VAE 的內部壓縮比率。

## 輸出

| 輸出名稱 | 說明 | 資料類型 |
| --- | --- | --- |
| `IMAGE` | 從潛在表示解碼產生的影像或影像序列 | IMAGE |

> 本文檔由 AI 生成。如果您發現任何錯誤或有改進建議，歡迎貢獻！ [在 GitHub 上編輯](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/VAEDecodeTiled/zh-TW.md)

---
**Source fingerprint (SHA-256):** `193d5cb219d66855ae581d3e4488b7b6ae3a45b735fb0f9f784fea1f5d466e46`