Este nó foi projetado para modificar o comportamento de amostragem de um modelo aplicando uma estratégia de amostragem discreta. Ele permite selecionar diferentes métodos de amostragem, como epsilon, v_prediction, lcm ou x0, e opcionalmente ajusta a estratégia de redução de ruído do modelo com base na configuração da taxa de ruído zero-shot (zsnr).

## Entradas

| Parâmetro | Descrição | Tipo de Dados | Tipo Python |
| --- | --- | --- | --- |
| `modelo` | O modelo ao qual a estratégia de amostragem discreta será aplicada. Este parâmetro é crucial, pois define o modelo base que passará pela modificação. | MODEL | `torch.nn.Module` |
| `amostragem` | Especifica o método de amostragem discreta a ser aplicado ao modelo. A escolha do método afeta como o modelo gera amostras, oferecendo diferentes estratégias para a amostragem. | COMBO[STRING] | `str` |
| `zsnr` | Uma flag booleana que, quando ativada, ajusta a estratégia de redução de ruído do modelo com base na taxa de ruído zero-shot. Isso pode influenciar a qualidade e as características das amostras geradas. | `BOOLEAN` | `bool` |

## Saídas

| Parâmetro | Descrição | Tipo de Dados | Tipo Python |
| --- | --- | --- | --- |
| `modelo` | O modelo modificado com a estratégia de amostragem discreta aplicada. Este modelo agora está apto a gerar amostras utilizando o método e os ajustes especificados. | MODEL | `torch.nn.Module` |

> Esta documentação foi gerada por IA. Se você encontrar erros ou tiver sugestões de melhoria, sinta-se à vontade para contribuir! [Editar no GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ModelSamplingDiscrete/pt-BR.md)